エージェント＆モデルリリース
Nous Arete-27B. Nous ResearchはArete-27Bを公開した。Qwen3.8-27BをSFTしたモデルで、803プロンプトの評価で中国国家寄りのフレーミングが22%から0.9%に低下。Apache 2.0の重みとGGUF量子化版を提供する。
Kimi K3.1量子化. Kimi-K3.1-Pro-Coderの実験的な775GB量子化版が、Strataと階層型MoE量子化により、システムRAM／NVMeを使って単一GPU上で動作。バッチTPS 36.8、AIME／LiveCodeBenchで96.7%に到達した。
Terminal-RSI-27Bエージェント. Terminal-RSIプロジェクトは、リポジトリ調査やコード編集、多段タスク向けのQwen3.8ベースのターミナルエージェントモデルを公開した。再帰的自己書き換えとcritic継承型のポリシー改善を使う。
Drex Max意思決定モデル. Naceはマルチモーダル意思決定モデルDrex Maxを公開。Artificial Analysisで1位、パレートフロンティアを達成。重みはOpen RAIL-Mで公開され、v1.1はローカル推論向けに計画中。
Tencent DSpine 3倍. TencentはQwen3.8-27B-DSpine-b16をHugging Faceに公開した。投機的デコーディング手法で、27Bモデルのデコーディングを最大3倍高速化すると主張している。
ツール＆フレームワーク
仕様先行コーディングプラグイン. GoogleはElephant-Goldfish Modelプラグインをオープンソース化した。コーディングエージェントにまず仕様を書かせ、コードを書く前に新しいサブエージェントにレビューさせる仕組みだ。Googleの数千人のエンジニアが利用しているが、トークン消費は重い。
Torchlens検査ツール. Torchlensは、あらゆるニューラルネットワークの任意の演算を検査・可視化・介入するためのGitHubリポジトリで、解釈可能性を支援する。
C対RustのSQLite拡張. Simon WillisonはClaudeを使い、parse_number向けのCとRustのSQLite拡張を比較した。Rustはstrtodにより当初速かったが、独自Cパーサーが最終的に同等以上となり、一方でC拡張ははるかに小さかった。
AI生成PR説明文. Simon Willisonは、AIが書いたPR説明文を<details><summary>の後ろに隠すよう提案している。網羅的すぎてslopのように読めるためで、人間が承認した導入文で変更内容を要約すべきだという。
研究ハイライト
Open-HumanScaleロボティクス. 研究者らは、ロボットポリシーの事前学習向けに、オープンなレシピと5万時間の一人称視点動画コーパスOpen-HumanScaleを公開した。人間動画のスケーリングで対数線形の改善が得られ、人間とロボットのハイブリッド訓練はRoboTwin 2.0 Clean2Cleanで92.08%に達する。
コーディングエージェントの後始末. Alibabaとパートナーは、実ユーザーの変更要求からCo-Design Benchを構築した。最高性能モデルのGPT-6 Astraでもタスクを完全に完了できるのは26.4%にとどまり、約4タスク中3タスクで人間の後処理が必要になる計算だ。
Parsimonyコード複雑性. 新しいParsimonyベンチマークはパッチ内の構文単位を測る。SWE-bench Verifiedでは、モデルの中央値が人間の修正の1.9倍を追加し、ハーネスの選択だけでコードのオーバーヘッドが0.80倍から0.99倍に動くことがある。
MoEルーティング比較. 2本のガイドがオープンMoEモデルのルーティング戦略を比較している。エキスパート数は8〜384、top-kは1〜8で、loss-freeのバイアス均衡が主流の手法。因果モデルではエキスパート選択が将来のトークンを漏らし得る。
Suttonのスケーリング限界論. Richard Suttonは、計算量だけでは知能は生まれないと主張する。AIには賢い新手法と、世界モデルを持ち継続的に学習するエージェントが必要で、合成データは大きな過ちだと述べている。
業界＆ビジネス
Nvidiaスパイ調査. Nvidia取締役会は、CEO Jensen Huangと、中国のMSSに勧誘されたと報じられているAI幹部Alice Huangとの関係について独立調査を開始する。Huangはメモで不倫を謝罪したが、取締役会は機密漏えいの証拠はないとしている。
Apple Siriエージェント強化. AppleはSiriのロードマップを加速しており、iOS 27.3では自社アプリの細かい制御、春後半にはサードパーティーアプリ連携が期待される。OpenAI DotsやMeta Museへの対抗を狙う。
Suno音楽訴訟. Elvis PresleyとEminemの権利者がSunoを提訴した。テネシー州のELVIS法とコモンローに基づき、声と歌詞の違法なクローン化を主張している。
Karpathyの週末開発. Andrej KarpathyはClaude Opus 5.5とClaude Codeを使い、週末でHackerTubeを構築した。4300万件のHNコメントをろ過して6454本の厳選動画にまとめ、作業のほぼすべてを自動化した。
Stanford AIネイティブ講義. Mihail Ericは、Stanford CS146SがAIコーディングエージェントに対応した方法を共有した。学生が不慣れなリポジトリを学び、変更を提案し、オープンソースのメンテナーにパッチを説明する。自身のMonacoチームではエージェントワークスペースとオンコールエージェントを利用している。
ローカルAI＆ハードウェア
Intel Arc 32GBのコスパ. 1,299ドルのIntel Arc Pro B70 32GBは、Qwen3.8-27BでRTX 5090（6,500ドル以上）の約半分の生成速度、約3分の1のプリフィル性能。価格性能比で有力な選択肢になる。
R9700×4の性能. 4基のRadeon R9700 GPUを載せた約1万6,000カナダドルの構成で、単一ユーザー190 tok/s、プリフィル6,800 tok/s、128Kコンテキストで8ユーザー時に1ユーザーあたり80〜225 tok/s。エージェントのフォローアップは0.2〜2.5秒で開始する。
アセンブリでQwen推論. Qwen3.5-0.8Bが1つのCPUスレッド上で純粋なアセンブリで動作し、6.51 tok/sを達成。PyTorchの参照実装より速く、libcやPythonランタイムを必要としない。
旧世代GPUでCUDA. 開発者がモダンなLLM学習スタックをWindows上の旧世代CUDA GPU（SM 3.5〜7.5）に移植し、古いNVIDIAカードでMamba-1を動作可能にした。Mamba-2/3のバックポートも計画中。
ローカルbashヘルパー. 微調整したQwen3.5-0.8Bが、オフラインで平易な英語をbashに変換し、CPU上で1.7秒。投稿者は74%の頭打ちに達したこと、訓練とテストの分布不一致が重要だという教訓を共有している。
ローカルモデル活用例. あるユーザーはDeepSeek v4.1 Flashをローカルで動かし、フロンティアモデルからWeb調査をオフロードする偵察役、フロンティアの仕様からコードを組む構築役、コンテンツフィルタリングのエージェントに使っている。
ローカルモーショングラフィックス. 16GBのVRAM上でQwen3.8 Flash Next IQ3_XXSがThree.js／Playwright／ffmpeg経由でモーショングラフィックス動画を約2時間で生成。ローカルモデルがクリエイティブコーディングもこなせることを示した。
この日のニュースは以上です – 約 5 分で読めます。