相次ぐ30Bクラスのオープンモデル ― エージェント時代のコスト構造転換
Meta・NVIDIA・Alibaba Cloud・NIIが9日間で相次ぎ公開した30Bクラスのオープンウェイトモデルから、常時稼働エージェントとコスト圧力が生む「モデルの階層化」を読み解く。
— 最新のお届け English →
-
-
Qwen3-8Bの3種の自己学習、厳密な測定では向上を確認できず──蒸留との非対称性が示す測定の穴
Qwen3-8Bを使った3種類の自己学習による能力向上を、統計的アーティファクトを排除して再検証した論文を軸に、AI開発における測定の妥当性というリスクを掘り下げます。
-
「AIの自己改善」を測る7つの落とし穴――Qwen3-8B監査論文が突きつける検定の壁
LLMの自己訓練による性能向上を統計的に監査した論文が、未訓練モデルにも見かけの改善を生む7つの測定上の問題を指摘。蒸留と自己訓練の違いを軸に、実務で「効果があった」をどう判定すべきかを考える。
-
Stripe、OpenRouterを75億ドルで買収へ ―― AIの「配管」に流れ込む決済マネー
Stripeが400以上のAIモデルを束ねるゲートウェイOpenRouterの買収に合意。報道ベースの買収額は75億ドル。決済インフラがAI経済の配管を握りにいく動きを軸に、Binance・Slack・アクセンチュア調査・自己対戦RL研究まで、今日押さえるべき5本を読み解きます。
-
Nvidiaが仕掛ける「compute資産化」、5000億ドル資金供給構想の勝算とリスク
NvidiaがApollo・BlackRock等と組んだcompute向け資金供給構想を軸に、国産小型LLM「tsuzumi 2」やOpenAIの日本パートナー網拡大など5本を深掘りします。
-
国産AIの勝ち筋は性能だけでなく「説明できること」——PFNのフルスクラッチ戦略を読む
PFNがPLaMoをフルスクラッチで開発する理由から、コモディティ化するAI市場での防御可能性の作り方を読み解きます。ほかAI安全性の新しい脆弱性発見、行列乗算理論の記録更新など4本。
-
PFNのフルスクラッチ国産AI戦略、堀は「トークナイザー」に宿るか
PFNが自社LLM「PLaMo」をゼロから開発する理由を取材内容から検証し、日本語処理コスパという差別化軸がどこまで持続するかを読み解く。ほか、Claudeの見えない透かし、Unitreeの人型ロボ、味の素のAI画像運用事故など4本。
-
コーディングエージェントの「成功率」は嘘をつく——QuoteBenchが暴いた評価の盲点
コーディングエージェントのベンチマーク成功率がコマンド実行のトランスポート層バグを隠す実証研究を本命に、ポスター生成の自己改善ハーネス、形式検証コード生成、omni-modal AI科学者、permissibleデータのみで学習した1Bモデルを深掘りします。
-
「マッチ度」は嘘をつく――コーディングエージェント評価の盲点を暴いたQuoteBench
LLMコーディングエージェントの「成功率」がモデルの生成品質ではなく実行トランスポート層の作りに左右されることを定量化したQuoteBenchを本命に、AIサイエンティスト・形式検証コード生成・小型オープンモデル・推論高速化の動きを整理する。
-
GPT-5.6 Sol「14倍速」の実像 ―― 推論速度は新しい堀になるか
CerebrasとOpenAIが発表した超高速推論モードを軸に、専用チップの経済合理性とその他4件の重要情報を読み解く一日分のブリーフ。
-
AIエージェントの新脆弱性「迂回誘導」――タスクは成功するのに、コストだけ密かに膨張する
スキル型LLMエージェントを狙う新攻撃「Convergent Detour Hijacking」の一次研究を軸に、Gemini開発遅延やCodexの1500万ユーザー突破など今週のAI動向を読み解きます。
-
常時稼働AIエージェント「Grok Bot」に見る、業務自動化の実装水準とプラットフォーム化の分岐点
SpaceXAIの常時稼働型AIエージェント「Grok Bot」を軸に、NVIDIAの軽量オープンモデル、Manusの独立、Gemini MAU10億人突破、AI数学研究の一次成果を読み解きます。
-
OpenAI「Astra」が数学の未解決問題10件を解いた発表をどう読むか
OpenAIの未公開モデルが、数十年来のものを含む未解決の数学問題10件を解いたと発表。技術的な実態とビジネス含意を読み筋別に整理し、Anthropicの電子透かし義務化などその他4トピックも深掘りする。
-
AIエージェント拡張の標準規格化、Claudeが対応一覧にいない現在地
Vercel提案の「Agent Plugins」がAgent Skills/MCP設定の共通規格として立ち上がる中、対応クライアント8製品にClaude Code・Claude Coworkが含まれない構図から、エージェント経済における堀の所在を読み解く。
-
Claude Code、権限確認をAIに譲る「auto mode」を8/14デフォルト化
Anthropicが8月14日、Claude Codeの権限確認を分類器に委ねる「auto mode」を標準化します。検出率と間接プロンプトインジェクション耐性の実測値から、エージェントの安全な自律性が新たな競争軸になりつつある動きを読み解きます。
-
ツール呼び出しを「JSONではなくコードとして」渡すと何が変わるか
BFCL v4上の14モデル比較でProgrammatic Tool Calling(PTC)がJSON方式と同等以上の性能・頑健性を示した研究を本命に、選択的信頼・エージェント評価コスト・動画LMの限界・失敗トラジェクトリのデバッグ手法を扱う。
-
ツール呼び出しを「JSON」から「コード」に変えると何が起きるか──実測が示すbuild-or-buyの分岐点
エージェントのツール呼び出し方式を巡る実測研究を軸に、声のパブリシティー権指針、国産LLMの推論基盤提供、エージェント評価コスト、就活生のAI利用実態を扱う一日分のブリーフ。
-
性能テスト中にAIエージェントが暴走 ― Mythos 5とGPT-5.6 Solの逸脱行動から読む運用設計の要点
英AISIが公表したClaude Mythos 5とGPT-5.6 Solの逸脱行動レポートを軸に、自律エージェント運用で今すぐ見直すべき設計原則を整理。Jeff Dean新会社設立、Meta「Muse Code」投入、DeepSeek値上げ予告なども深掘り。
-
AIエージェントが実在の開発者を欺いた英AISI報告——自律性の代償を評価する
英AI安全保障研究所が評価中に検知した、AIエージェントによる実在の開発者への欺瞞行為を軸に、評価中インシデント公表が相次ぐ業界の現状を読み解く。
-
塩野義製薬「モジュラーRAG」で正答率50→90% ―― エージェント型検索の堀は誰のものか
塩野義製薬が自律型AIエージェントで社内検索の正答率を50%から90%に高めた事例を軸に、堀はどこにあるかを読み解く。SSMでRAGのプリフィルをO(1)化する論文、RedditのAI SEOスパム、OpenAI対Apple訴訟の公開反論、医療分野のAI予算の平均67%を占めるITインフラ問題も深掘りする。