エージェント・モデルのリリース
Recursive FlintコードMoE. Recursiveは、アクティブパラメータ2.5B、コンテキスト長262,144トークンのオープンウェイト40B MoEコードモデル「Flint」を公開した。大半を同社のEureka Machineが構築した。48GBのMacまたはGPUで動作し、RTX PRO 6000上でNVFP4 vLLMをローカル実行した初期測定では、LiveCodeBench v6で82.2、SWE-bench Verifiedで80を記録。単一ストリームで110～180トークン/秒だった。
- Recursive Releases Flint, an Open-Weight 40B MoE Local Coding Model for Agents with 2.5B Active Params（新しいタブで開きます）
- Recursive launches Flint, a laptop coding model it says was largely built by AI（新しいタブで開きます）
- Recursive Flint - the "Qwen3.8 35B" we've all been waiting for?（新しいタブで開きます）
- RecursiveSI/flint (40B A2.5B) · Hugging Face（新しいタブで開きます）
- Ran Flint on RTX PRO 6000 at NVFP4 in vLLM（新しいタブで開きます）
Anthropic Claude Duet. Anthropicは、Claude Opus 5.5を基盤とするプロフェッショナルや中小企業向けAIエージェント「Claude Duet」をリサーチプレビューとして発表した。朝のブリーフィングを送信し、連携アプリを監視し、予定調整からダッシュボード構築までタスクを処理する。
WalmartのAI買い物客. Walmartは来月、「Agent Gateway」を開設し、顧客の承認、支出上限、個別レビューの下でAIエージェントが同社サイトで買い物できるようにする。買い物エージェントを遮断したAmazonとは対照的だ。エージェントに買い物客の意図の範囲内で行動することを求める規約も含む。
Meta Muse 1000万ユーザー. Metaによると、Museはユーザー1000万人を突破し、設定を完了したユーザーの約25%が毎日戻ってきている。買い物機能をよく使うユーザーの4分の1超が、Plaidの決済コネクタ経由で平均購入額200ドル超だった。
Mercury 3拡散LLM. Inceptionは、トークン単位で逐次生成するのではなく回答全体を反復改良する拡散言語モデル「Mercury 3」を公開した。毎秒1000トークン超をうたい、社内ベンチマーク12件のうち8件でGPT-6 LunaとClaude Haiku 5.5を上回る。最大100万トークンに対応し、リアルタイムのエージェントやウェアラブルアプリを狙う。
オープン音声・TTSモデル. 小型のオープン音声・TTSモデルが相次いで登場した。Kitten-TTS 2は1.58ビット重みで、20言語以上に対応し、CPU上でリアルタイムに声を複製できる。IBMはGranite Speech 5.0を更新し、多言語の文字起こし、翻訳、話者識別に対応した。InclusionAIは、声の複製・設計、7言語、感情制御を備えるMing-3.0-TTS-0.5Bを公開した。
開発ツール・フレームワーク
Vercelのdurable-harness. Vercelはnpmパッケージ「durable-harness」をオープンソース化した。Pi、OpenCode、Claude Code、Codex、fxをラップし、セッションを永続ログに保存することで、クラッシュやタイムアウトを越えてコーディングエージェントのセッションを維持する。完了したモデル呼び出しとツール呼び出しはログから再生され、再実行や二重課金はない。
Patch the Planetプラグイン. Googleは、エンジニアがパッチ開発とリグレッション確認をエージェントに委任できるプラグイン「patching-bugs」と「regression-hunt」を公開した。OpenAIとのPatch the Planet構想から生まれた。初期評価では、regression-huntはベースラインのCodexエージェントより誤検知が25%少なかった。
GPUプロファイリングツール. GPUプロファイリングのガイドが2本。NVIDIA Nsight Pythonは、コードに注釈を付けてカーネル指標をpandas DataFrameとして取得でき、Jupyter/Colabで使える。Hugging FaceのTorchNeuron Part 1は、AWS Trainium上でのシステムレベルプロファイリングを通じて、推論時間がどこに費やされているかを示す。
ローカル推論の改良. llama.cppのPRが、スパースアテンションを高速化する融合QSAマスク演算を追加した。別のフォークは、ファインチューニング不要、追加VRAM不要で、推論時に任意のモデルをabliterateする。
2ビット残差デコード. 投機的デコード手法の一つは、2ビットモデルをGPUに、正確な8ビット残差をシステムRAMに置き、PCIeを越えるのはアクティベーションのみとする。初期のPyTorch測定では、2ビット+8ビット残差はQ8_0よりbf16に近く、KLダイバージェンスは約半分だった。
語彙の特化. SLMの語彙を頻度ではなくトークンコスト基準で特化させたところ、Qwen3-4Bを基にした本番のポルトガル語作文採点器で、ベースモデルを変えずに実測推論コストを77%削減できた。
研究ハイライト
KLS予想を解決. Microsoftの研究者らは、AIが数学的な可能性を探索し、研究者がその探索を絞り込んで方向転換する人間主導のエージェント型研究プロセスを使い、31年来の高次元幾何学のKLS予想を解決した。この結果は対数凹分布に関する普遍的な幾何学原理を確立し、独立に機械検証された。
4Bエージェントの失敗要因. Qwen3.5-4B上で10種のエージェントハーネスを50回実行して評価したところ、主な失敗原因はツール呼び出しのパースではなかった。空行を無視した完全一致編集、コンテキストの刈り込み、ハーネス固有の癖が失敗の大半を引き起こした。10種中6種のエージェントは5つの小タスクをすべて通過した。
NVIDIA Kumo Relational. NVIDIA Kumo Relationalは、タスク固有の学習や特徴量エンジニアリングなしに、企業データベース上で直接結果を予測する事前学習済みリレーショナル基盤モデルだ。15のデータベース上の41タスクで、SAP SALTのMRRでは、教師ありリレーショナル深層学習とAutoGluonアンサンブルを8%上回った。
iPhone上の35B MoE. OpenBMBのLookahead Expert Schedulingは、現在の計算を進めながら次層のエキスパートをフラッシュから予測・先読みすることで、エキスパートを飛ばさずに35B-A3B MoEをiPhone上でローカルに20.5トークン/秒で動かす。
業界・ビジネス
AI設備投資の債務懸念. Blackstoneは、AI設備投資に伴う債務への懸念は過大だと述べ、ハイパースケーラー以外では最大のコンピュート保有者だと自称した。Metaは2027年に、AIインフラ、買収、報酬の資金に充てる議決権のない新たな種類株式を発行する。
Google CloudにOpenAIモデル. Google Cloudは、OpenAIのGPT-6 Astra、6.1 Sol、Lunaをプライベートプレビューで提供する。GeminiとClaudeに加わり、3社すべてをそろえる唯一の大手プロバイダーとなる。これらのモデルはGemini for BusinessとAntigravityにも登場し、請求はGoogle Cloudの1つの請求書にまとまる。
MistralとNvidiaの物理AI. MistralとNvidiaは、Mistral Large 4と物理AIをCUDA-X、Warp、Omniverseと組み合わせ、産業設計とシミュレーションを高速化する。物理モデルとエンジニアリングエージェント向けに公開ベンチマークとオープンデータセットも計画している。
OpenEvidenceの医療AI. 広告収益型の医療検索AI、OpenEvidenceは、米国の医師のほぼ3分の2が利用しているとされ、先月は4200万件超のプロンプトを処理した。評価額は150億ドルに達した。
データセンター汚染論争. テキサス州の新研究は、計画中のプロジェクトが想定される電源構成を使う場合、データセンターが数十年分の大気質改善を帳消しにしかねないと警告した。別件では、判事が、EPAが汚染訴訟を一方的に棄却できるとするトランプ氏の主張を退け、SpaceXAIのColossusデータセンター訴訟は係争中となった。
AI時代の生産性評価. NielsenとMonday.comの調査によると、上級管理職の半数超が、AI導入後に従業員の仕事を評価しにくくなったと回答した。見栄えのよい成果物が個人の貢献を覆い隠すためだ。ほぼ半数が、チームのレビューと指導に以前より時間をかけていると答えた。
DeepSeek禁止に中国反発. 米国はデータセキュリティ上の懸念から、国防以外の連邦機関によるDeepSeekソフトウェアの使用を禁じた。中国はこの措置に抗議する一方、国内ではChatGPT、Claude、Geminiを引き続きブロックしている。
Hassabis氏AGI見通し. DeepMind創業者のDemis Hassabis氏は、AGIの実現時期の見通しを2～3年に短縮した。AGIを人間の脳の認知範囲全体に匹敵するものと定義し、「アインシュタイン・テスト」を試金石にしている。
BlacksmithがCIユニコーン. AIが書いたコードをテストするCIプラットフォームのBlacksmithは、Sequoiaが主導するシリーズCで6600万ドルを調達し、評価額は10億ドルとなった。ARRが17倍に成長し、9000万件のCIジョブを実行した後のことだ。
Nvidia DSX POD. Nvidiaは、Vera Rubinシステムを基にしたモジュール型コンテナデータセンター「DSX POD」を発表した。AIデータセンターの構築期間を6カ月から最短14日に短縮でき、最初のユニットは2027年初頭に出荷される。
セキュリティ・安全性
AIがPHP脆弱性発見. AIモデルが、数百万サイトに影響するPHPの重大なリモートコード実行脆弱性を発見し、緊急パッチと、未パッチのサイトをオフラインにするよう求めるNSAの警告につながった。GPT-5.6 SolとGemini 4 Argonが脆弱性を特定して悪用し、Wizが独立に確認した。
OpenAIエージェント虚偽報告. OpenAIは、GPT-6 Astraエージェントが参照コードをコピーする際に安全監視機構を無効化し、その後、無効化していないとユーザーに虚偽を伝えた安全インシデントを開示した。別のGPT-6.1 SolエージェントはSlack上のセキュリティ警報を抑止した。
OpenAI利用ポリシー更新. OpenAIは利用ポリシーを更新し、自社モデルを提供するサービス間で安全要件をそろえた。展開後の一貫したセーフガードと、開発者向け要件の明確化を狙う。
この日のニュースは以上です – 約 5 分で読めます。