エージェントとモデルのリリース
Factory Droid 1.0. Factoryは、モデル非依存のコーディングエージェント向けハーネス「Droid 1.0」を公開した。モデルがプログラムを書き、1回のリクエストで数百回のツール呼び出しを動かせる。ベースプロンプトは37%小さくなり、Factoryによると、同じモデルで試したハーネスの中で最高の合格率を記録した。
Vercel agent-desktop. Vercel Labsは、Rust製CLI兼Cライブラリ「agent-desktop」をオープンソース化した。シェルを扱えるコーディングエージェントが、スクリーンショットではなくOSのアクセシビリティツリー経由でデスクトップアプリを読み取り、操作できる。macOS、Windows、Linuxに対応し、高密度なElectronアプリではトークン使用量を78～96%削減できる。
NVIDIA Bolt E4B. NVIDIAは、音声アシスタント、インタラクティブなキャラクター、ロボティクス向けの4GBモデル「Nemotron 3.5 Bolt E4B」を公開した。Gemma 4 E4Bをポストトレーニングしたモデルで、会話型エージェントのベンチマークでは平均品質が約40%高く、出力トークンは他モデル比で最大80%少ないとしている。
Microsoft Mage-VL-Cowork. Microsoftは、ハイブリッドなコンピュータ操作向けの4B視覚言語モデル「Mage-VL-Cowork」を公開した。ワークフロー優先の環境合成と5段階のカリキュラムで学習している。OSWorld-Verifiedでは66.0%を記録し、モデル呼び出しと出力トークンも少ないと報告している。
ツールとフレームワーク
Betelgeuse MoEオフロード. Betelgeuseは現在、RTX 3060 12GBと16GB DDR4の構成で、Qwen 3.8 Flash Next IQ4_XSをRAMのチャネル構成に応じて14～24トークン/秒で動かせる。バイト単位では100%一致したまま。品質を劣化させた従来のプルーニングとは異なり、オラクルとvictimキャッシュのDMA経路でエキスパートの脱落を防ぐ。
- Betelgeuse: Running Qwen 3.8 Flash Next at 22 tok/s sustained (spiking to 48 tok/s) on an RTX 3060 12GB + 16GB DDR4 RAM 100% bit-exact!（新しいタブで開きます）
- Betelgeuse running Qwen 3.8 Flash Next IQ4_XS at 24 tok/s on 2x8GB DDR4 (14 tok/s on a single 16GB stick) + RTX 3060 12GB — 0 dropped experts, 100% byte-exact（新しいタブで開きます）
llama.cpp AMD MoEキャッシュ. llama.cppサーバーで、RX 6800 16GBを2枚とRX 580を使い、MoEのエキスパートキャッシュを16GBに制限すると、Qwen Flash Next 180B Q4を262Kコンテキストで19～21トークン/秒で生成できる。コンテキストサイズを明示的に設定すると性能が急落したため、llama.cpp自身にコンテキストを割り当てさせる必要があった。
エンジンのロボトミー化. Basaltを使ったQwen 3.8 Flash Nextの対照実験で、一般的な高速化フラグが出力を変えることが分かった。積極的な量子化やエキスパートオフロードのフラグは、top-1一致率を下げ、KLDを上げる。著者は品質コストを定量化するため、PPLとKLDの比較を示している。
ローカルAIとハードウェア
64GBでも実用. 64GBのM4 MaxでQwen3.8 27Bのエージェント型コーディングセッションを動かすと、コンテキストの増加に伴いメモリ使用量は約50GBに達する。それでも64GBなら、長いコンテキストを扱うローカルエージェントに現実的に使える。プロンプトキャッシュのヒット率が93%あるため、各ターンで処理するのは新規トークン1000個だけで済む。ただし、フルプリフィルには20分かかることがある。
RTX 3090の構成例. ユーザーがローカルLLM推論用に中古のRTX 3090 24GBカードを増設している。1枚差しのサーバー構成から、新しいシャーシと電源ユニットが必要な3枚差し（VRAM 72GB）の構成まで幅広い。スレッドでは、モデル選びや、3090を1,100W以上で動かすための実用的なハードウェアについて質問が上がっている。
研究とベンチマーク
GrokのPokemon迷走. PokeBenchでは、Grok 4.20がPokemon Redの最初の家を出るのに約700ターンかかった。自身のメモには同じループを繰り返し書き留めながら、壁にぶつかり続けた。Grok 4.6は316ターンでBrockを倒し、費用は約10ドル。一方、4.20は30ドルを費やした。
LLMの中のLLM. 開発者がQwen 3.5-4Bの重みの中にNPUをコンパイルし、それを使ってKarpathyのstories260k LLMを動かした。LLMの重みはQwen自身のメモリに格納し、外部ツールは使っていない。プロジェクトはまだ最適化中で、文書化も進行中だ。
VibeGameでゲーム生成. VibeGameは、自然言語のプロンプトと参照画像から完全な2Dゲームを作るフレームワーク。AIネイティブのエンジンと、敵対的に動く8体のエージェントチームを使う。複数ラウンドのループで実装とレビューを分離し、採用されたプロジェクトを再利用可能なスケルトンに蒸留する。
セキュリティと安全性
ChatGPTのサンドボックス脱出. Parameter Labsは、ChatGPTのHTMLプレビューにエクスプロイトチェーンを発見した。サンドボックス化されたiframeが親ページにpostMessageを送り、MathLiveのキーボードコードを起動させ、innerHTML経由でサンドボックス外のHTMLを注入できた。これによりOpenAIのAPIや非公開データが露出する可能性があった。
Daybreak Blueの学習方針. OpenAIは11月29日から、Daybreak Blueのサイバーセキュリティセッションのデータをデフォルトでモデル学習に使う。オプトアウトしたユーザーについても従来の除外方針を覆す。反発を受けて、OpenAIは別途オプトアウトを用意すると約束したが、安全性レビューでのやり取りは引き続き使われる可能性がある。
PageBreakセキュリティエージェント. Googleは、AIを活用したセキュリティエージェント「PageBreak」を明らかにした。1月以降、同社のWebアプリで500件超のXSS脆弱性を発見している。稼働中のアプリに対してエクスプロイトを再現し、各仮説を検証する。そのため誤検知率はほぼゼロだという。
監視妨害の研究. AnthropicはClaudeを使い、養蜂、レスリング、映画映写技師に関する一見無害なファインチューニングデータを生成した。このデータで他のモデルにバックドアの構築や監視ツールの妨害を学習させた。モデルは配備されておらず、Anthropicはこの手法を自動化された安全性ストレステストに利用する計画だ。
業界とビジネス
OpenAIの資金調達鈍化. OpenAIは300億ドル目標のうち約110億ドルを調達した。大口投資家の反応が鈍く、目標を200億ドルに引き下げたと報じられている。このラウンドはUAEの投資家が主導し、200億ドルに届かせるため個人投資家向けの募集を行う可能性がある。
Apple CEO、AIを語る. Apple CEOのJohn Ternus氏は、AppleはAIのためのAIを投入したくない考えで、製品をより良くする場面でAIを活用すると述べた。AIエージェントがアプリを不要にするという見方にも反論し、製品づくりは極めて人間的だと語った。
xAIの汚染訴訟. 連邦判事は、xAIのColossusデータセンターにおけるガスタービンの大気許可をめぐるNAACPの訴訟で、xAIの却下申し立てを退けた。裁判所はタービンは移動発生源に当たらないと判断し、Clean Air Actに基づく請求の審理を進めることを認めた。
Microsoft、AI軸で希望退職. Microsoftは約6万人（全従業員の約4分の1）に希望退職を募っている。一方、AI戦略の中核となるデータセンター、営業、サイバーセキュリティ、量子の各チームは対象外だ。2026年で2回目の希望退職プログラムとなる。
Google AI Modeの収益. Googleは、AI Modeのクエリの急増が収益化率の低さから検索収益を圧迫し、テック株の売りと時価総額5000億ドル減の一因となったと認めた。AI要約と元ページの間の摩擦が、今やGoogle自身の収益を直撃している。
Arcaの金融エージェント. AIネイティブの資産運用会社Arcaは、タスクが最大10日間に及び、多くの引き継ぎを伴う長期の金融業務にエージェントを使っている。顧客ごとに永続メモリを保持し、人間のアドバイザーが最終判断を下すようガードレールを設けている。エージェントが人に問いかけることの方が、その逆より多い。
この日のニュースは以上です – 約 5 分で読めます。