エージェント・モデル公開
Nanbeige4.3-33B公開. Nanbeige LLM LabはApache 2.0の下でNanbeige4.3-33Bを公開した。33Bのdenseなエージェント型コーディングモデルで、コンテキストウィンドウは512K。同ラボの比較表では30B前後のモデルを相手に20ベンチマーク中17で首位に立つ。Terminal-Bench 2.1では好成績だが、一部のSWE／タスク系ベンチマークでは見劣りする。コミュニティによるGGUF量子化も公開されており、32GBのGPU向けには20.3GBのAD-IQ4_XSが推奨される。
Agenshをオープンソース化. Microsoft Researchは、中央のオーケストレーターを排した分散型コーディングエージェント基盤「Agensh」をオープンソース化した。ワーカーが自らサブタスクを選び、知見を共有し、コードをマージする。検証では1体から1,024体までスケールし、エージェント数を増やすほどProgramBenchの最難関タスクでのスコアが向上した。
Lure-TTS、600Mの音声モデル. 個人開発者がLure-TTSとLure-Turboを公開した。Qwen3-TTSをファインチューニングした600Mパラメータの音声モデルで、インラインタグや方向指示、ボイスクローニングに対応しながら、リアルタイムを超える速度で音声を合成する。学習コストはRLVR、OPD、マルチティーチャー蒸留を使い200ドル未満だったという。
OpenMobile-2、スマホ向けエージェント. 研究者らがOpenMobile-2を公開した。Qwen3.5とQwen3.6（9B／27B）をベースにしたオープンソースのスマートフォンエージェントモデルだ。学習環境には110以上のシミュレーションアプリが含まれ、アプリの多様性によって未見アプリでの成功率は60.7から67.5に向上。大型モデルはSPA-Benchで59.6を記録し、オープンモデルの中で最高となった。
Carbon-X、DNA言語モデル. Hugging Faceは、生のDNA配列を読み取って英語で答える14.8BのオープンなDNA言語モデル「Carbon-X」を公開した。変異の病原性や調節領域、次の塩基を予測する。5つのDNAベンチマークで平均66.7%を記録し、試験したオープンモデルの中では最高。80GBのGPU1基で動作する。
ツール・フレームワーク・基盤
TPU向けTorchTPUを公開. GoogleとMetaはPyTorch Conference 2026でTorchTPUをオープンソース化した。PyTorch/XLAに代わるTPU向けのネイティブPyTorchバックエンドで、移行はmodel.to('cuda')をmodel.to('tpu')に書き換えるだけで済む。Metaはより大規模なLLMワークロードをTPUで動かす計画だ。
GoogleのML Drift. Googleは、オンデバイスAI推論向けのApache 2.0のクロスプラットフォームGPU演算エンジン「ML Drift」を公開した。OpenGL ES、OpenCL、Metal、WebGPUに対応する。LiteRTの中核エンジンであり、エッジデバイス上の生成AIの移植性と性能を高める狙いがある。
NvidiaのFlora. Nvidiaは、ロボットの映像に行動の説明や進捗評価、タスクの成否をラベリングするデータエンジン「Flora」をオープンソース化した。ラベリングコストは1時間あたり72セントで、GPT-6 Astraの88ドルと比べるとしている。GR00Tの学習ですでに使われており、1日最大20万時間を処理する。
AnthropicのOSS Scanner. Anthropicは、最重要のオープンソースプロジェクト向けに、同社の最強モデルを使う無償のオプトイン式脆弱性スキャナ「OSS Scanner」を始めた。114プロジェクトを採択し、重大77件、高803件の指摘を報告。監査した指摘の88%は開示基準を満たしたが、深刻度の水増しや重複も一部あった。
TokenGateでトークンを削減. Stanford大学とUC Berkeleyは、LLM向けの差し替え可能な学習型トークンプルーニングモジュール「TokenGate」を公開した。無関係な入力トークンを飛ばすことで、初回トークン出力までの時間を1.4〜11.3倍高速化し、prefillメモリを1.5〜3.4倍削減する。最大128kコンテキストの検証済みタスクでは精度低下がない。
研究ハイライト
FilmFlowのカメラエージェント. FilmFlowは、自然言語の指示や参照動画から、3Dシーン向けの明示的なカメラトラジェクトリを生成するエージェント型フレームワークだ。DirectorエージェントがInterpreter、Scout、Criticの各エージェントとともに計画を立てる。CinemaBenchにはテキスト指示タスク750件と参照動画による評価が含まれる。
RouteWeaver、ルーティングを統合. RouteWeaverは、単一ラウンド・マルチラウンド・エージェント型のルーティングを1つのLLMポリシーにまとめ、実行モードとモデルを同時に選ぶ。COMET-GRPOによる学習ではモード選択と実行のクレジット割り当てを切り離し、数学・コーディング・知識タスクで精度を高めた。
再帰的自己改善は2027年. Anthropic共同創業者のJack Clark氏は、再帰的自己改善の実現時期の予測を2027年に前倒しした。根拠はTasteValベンチマークで、AIの研究センスにあたる能力が約3か月ごとに倍増しているという。最高性能のモデルは少ないコストで人間の専門家24人を上回ったが、このベンチマークは科学研究のごく一部を切り取ったものにすぎない。
業界・ビジネス
OpenAI、最大90%引きで顧客争奪. OpenAIはAnthropicの大口顧客を奪おうと、最大90%の割引を提示している。Rippling、Replit、DataCampは支出先を移した。Ripplingのコーディングワークロードに占めるOpenAIの比率は16%から52%に上がり、Anthropicは57%から18%に下がった。Replitは1億ドル超の契約で30%の割引を受けた。
AIに財務効果なし. Apolloのチーフエコノミスト、Torsten Slok氏は、AIはS&P 493の非テック企業に財務上の見返りをまったくもたらしておらず、利益率も従業員あたり売上高も横ばいだと指摘する。ビジネスインテリジェンスの大半は判断であり、AIは説明責任や信頼、文化、公平性を理解していないと論じる。
AI検索が出版を直撃. GoogleのAI検索機能はオンライン出版の秩序を覆し、コンテンツと引き換えにトラフィックを渡すという長年の相互関係を崩した。何年も検索向けに最適化してきたメディアは、クリックも露出もAI生成の回答に奪われている。
米中AI帝国論. Foreign Affairs誌でEric Schmidt氏、Niall Ferguson氏、Lisa Klaassen氏は、米中が他国を依存させるAI帝国を築いたと論じる。ワシントンは閉鎖系システムと引き換えに政治的忠誠を得る一方、北京はオープンウェイトモデルを無償で配って標準を広げている。3氏は台湾とTSMCを巡る潜在的な紛争をAIサプライチェーンの最大リスクとみる。
Anthropic、シングルエージェントを推奨. Anthropicは、サブエージェントを1つのプライマリエージェントに統合し、必要に応じてコンテキストを読み込ませる構成を検討するよう企業に勧めている。新しいモデルなら複雑な計画を直接扱えるためだ。ある比較ではシングルエージェントはマルチエージェントの約2倍速く動き、移行キットはGitHubで公開されている。
Nvidiaのソフト収益構想. Redditのスレッドが、NVIDIAのJensen Huang氏による、GPU1基あたり年間2,000ドルのソフトウェア収益を見込むという発言を話題にしている。ハードウェアの上にAIソフトウェアの継続収益を積み上げる狙いがうかがえる。
セキュリティ・安全性
オープンウェイトのサイバーリスク. Redditのスレッドは、米中がサイバー能力を持つオープンウェイトモデルを規制するにつれ、防御・攻撃両面のAIへのアクセスが政府や大企業に集中し、個人や中小企業はシステムを守りにくくなると論じる。コミュニティが学習したモデルがフロンティアモデルに追いつけるのか、という疑問も投げかけている。
llama.cppにCVE. llama.cppのPocket-TTSコンポーネントに、悪意あるmmprojファイルを介した範囲外書き込みを可能にするCVEが見つかった。悪用にはローカルアクセスが必要となる。b11796以降か最新のmasterに更新すれば攻撃を検知して中断するが、設計上の修正PRはいまもオープンのままだ。
エージェントによる大規模削除. あるユーザーが、テスト中にVS CodeのCopilotエージェントにデータベースを消去されたと報告し、進化を遂げた今もエージェントによる大規模削除は起きるのかと問いかけている。過去に拡散した事例を思い起こさせるもので、バックアップとサンドボックスの必要性を改めて示した。
ローカルAI・ハードウェア
Qwen3.8-Flashをローカルで. ユーザーがQwen3.8-Flash-NextとSwift-1.5を比較し、性能は上だが深掘りが過剰でトークン効率が悪いと指摘した。別の構成では、ExLlamaV3でNVMeに直接オフロードし、VRAM 16GBとメモリ8GBで125Bモデルを約20 tok/sで動かしている。
RTX 3080でP2Pを解放. コミュニティによるアンロックでRTX 3080 20GBのP2PとreBARが有効になり、テンソル並列のプロンプト処理が最大70%高速化した。vLLMでSwift-1.5-Qwen3.8-27B AWQ INT4を使い、GPU2枚で検証されている。
ISTA量子化の実力. ISTA-DASLabのQwen3.8-27B-GSQ-RCO-GGUF IQ3_Sは、本当に主張どおりBF16相当の性能を出すのか。UnslothのUD Q4_K_XLと比べてどうなのか、というスレッドが立っている。モデルカードは低い量子化でも高品質をうたうが、コミュニティによる検証はまだ結論が出ていない。
Gemma 4の文体に不満. Gemma 4 26Bのファインチューニング済みモデルは画一的で、気取った文章を生成し、与えた会話例も無視するうえ、どのモデルでもキャラクターが同じに聞こえるという報告が相次いでいる。このアーキテクチャでは文体のチューニングが依然として課題だ。
この日のニュースは以上です – 約 5 分で読めます。