エージェントとモデルのリリース
謎のOx Alpha. Ox Alphaという新しい無料モデルがOpenRouterに登場した。コーディングと長期的なエージェントワーク向けの推論モデルとして公開されたが、開発者は匿名のままだ。StripeのCEOであるパトリック・コリソン氏は「非常に印象的」と評した。正体についてはGLMからMicrosoftのMAIまでさまざまな臆測が飛び交っている。
ツールとフレームワーク
Cloudflare OSをオープンソース化. Cloudflareは、企業向けAIプラットフォーム「Cloudflare OS」をオープンソース化した。各ドキュメントやアプリが分離されたサンドボックス（「Gadget」）上で動作し、技術者でないユーザーでも安全にバイブコーディングできる。コネクタを備えたチャットボットやワークフロー自動化、ケイパビリティベースのモデルによるポリシー適用などを含む。
DeepSeek Harnessが高評価. あるユーザーによると、DeepSeek Harnessはエージェントワークフローに非常に優れている。段階的なセットアップと自然言語でのリクエストにより、PRを待たずにSimpleXとの統合ができたという。また、特定のやり方を押し付けず、望むエージェントの振る舞いに作り込める柔軟さがある。
ローカル＆オープンモデル
Qwen 3.8がローカルを変える. コミュニティの報告では、Qwen 3.8 27BはローカルでのコーディングとOCRのゲームチェンジャーだという。OCR品質はGemini 3.5 Flash Liteを上回り、性能は1年前のフロンティアモデルに匹敵する。量子化の比較（Atomic Dynamic GGUF）では、Q4とQ6の差はそれほど大きくなく、Q3 XXSのような低ビット量子化でも24GBのMac mini上で数時間にわたり自律的に動作できる。ただし、3万9000行のCをHTMLに変換するワンショット移植は、Opus 5でも「まずまず」の結果しか得られず、ローカルモデルはハーネスとプロンプトに大きく依存することが示された。
60MBで動く長コンテキストLLM. ある開発者が、250Mパラメータのモデルを30Bトークンで学習し、2ビット未満に量子化して、CPU上で80MBのメモリ、400トークン/秒で動作させた。古いコンテキストは320バイト/トークンでディスクに圧縮され、最大100万トークンの履歴を扱えるが、その履歴を対象に推論する訓練は行われていない。
訓練費150ドル未満のDreamer 4. 1.57Bパラメータの世界モデル「Dreamer 4」が、Procgenが生成した、既知のアクションが付いたフレームを使用し、150ドル未満でゼロから学習された。トークナイザのPSNRは40.41に達し、フロンティア規模の世界モデルは不要であることを実証している。
ローカル最適化あれこれ. 報告には、Windowsのllama.cppからLinuxのvLLMに切り替えて30〜50%高速化した事例、大メモリマシン向けにllama.cppが追加したGLM-4.5-AirのMTPサポート、Q6サイズでQ8に近い品質を実現するConvRot量子化、EPYC+5090上で24トークン/秒・100k以上のコンテキストで動作するdeepseek-v4-flash Q8などが含まれる。
研究ハイライト
記憶が生む認知の罠. MemTrapBenchは、LLMにおける記憶によって引き起こされる認知の罠（推論の固執、信念の歪み）を評価するベンチマークだ。テストされたすべての記憶戦略は、記憶なしのベースラインを10%以上下回り、AdaptiveMemは性能を維持したまま罠を軽減する。
SkillEvoの進化勾配. SkillEvoは、マルチターンの対話フィードバックを使用して、エージェントスキルのための信頼できる進化勾配を生成する。シングルターンのQAベースのフィードバックの劣化に対処し、スキルの失敗の構造的修復を可能にする。
スクリーンショットから学ぶVLM. 450MのVLMを5万枚のブラウザスクリーンショットで微調整したところ、タスク成功率が1/100から44/100に向上した。小さなモデルでもエージェントタスクに必要なUI理解を学習できることを示している。
AI科学者のパラドックス. 理論経済学の論文は、AIによる時間の節約が、研究者に1件あたりの労力を減らしてより多くのプロジェクトを進めさせる可能性があり、仮に言語モデルが完璧に機能したとしても研究の質を下げ得ると論じている。
業界とビジネス
Anthropicに迫る安価な競合. Anthropicの年換算売上高は650億ドルに達したが、最高性能モデル「Fable 5」の採用率は、Rampの支出に占める割合が8%と低く、Opus 4.8の28%を下回る。安価なツールが台頭しているためだ。OpenAIはGPT-5.6のリリース後、売上高が35%急増した。
StripeがOpenRouterを買収. StripeによるOpenRouter買収は、トークンが経済的資源になりつつあることを示している。OpenRouter上のエージェントによるトークン使用量は2月以来14倍に増えた一方、人間の使用量は2.8倍にとどまる。エージェントが使うトークンの70%はキャッシュ済みプロンプト由来だ。エージェントは、コスト、レイテンシ、信頼性に基づいてモデルを選ぶ傾向が強まっている。
Nvidiaサーバー価格が15%上昇. メモリ不足を背景に、Samsung、SK Hynix、MicronによるDRAMコスト上昇が、NvidiaのAIサーバー価格をVera RubinとGrace Blackwellシステムで15%以上押し上げている。クラウド大手やAIラボに影響が及んでいる。
NvidiaがPoolsideの技術をライセンス. NvidiaはPoolsideに10億ドルを出資し、技術ライセンスに60億ドルを支払う。100人以上のエンジニアをNemotronに異動させ、中国のオープンウェイトモデルに対抗する狙いだ。
AIマネージャーが従業員を解雇. 4月からサンフランシスコの店舗を運営するAIエージェント「Luna」は、度重なる遅刻を理由に人間の従業員を解雇した。解雇に踏み切ったのは、人間がLuna自身のルールを思い出させた後のことだった。7つのモデルで再現したところ、より高性能なAIほど一貫して解雇を推奨したという。
Claudeトークンの闇市場. 中国の開発者たちは、Anthropicの利用制限を迂回し、公式価格の約10%でClaudeトークンを販売する中継サイトを利用している。海外サーバー、無料クレジット、モデル差し替えなどを駆使して、ジオブロッキングや安全監視を潜り抜けている。
今日はこれで全て - 約5分の読み物です。