来週の The Sequence：
再帰的自己改善に関する連載を続けます。
DeepSeek の推論スタック、Google の新しいエージェント型 VM プラットフォームなどに深く踏み込みます。
AI クレジット危機について書きます。
そしてロボティクス・スタートアップに関する素晴らしい回もお届けします。
購読して、お見逃しなく：
TheSequence は読者に支えられた出版物です。新しい記事を受け取り、私の活動を支援するために、無料または有料の購読者になることをご検討ください。
今すぐ購読
📝 社説：先週の AI：安価な知能、高価な野心
人工知能はますます効率的になっています。そしてどうやらそれは、誰もがそれにより多くの金を使う必要があるということを意味するようです。今週、DeepSeek は推論ソフトウェアを公開し、NVIDIA はより高速な AI ファクトリー建設を提供し、Meta と SpaceX は巨額の投資を報告し、Legora は弁護士の仕事を支援するためにさらに 5 億 5,000 万ドルを調達しました。予算会議はきっと見事に進んでいるのでしょう。
DeepSeek の貢献は DeepInfer でした。これは同社の本番推論サービスを支えるフレームワークです。今回のオープン公開は NVIDIA とファーウェイのハードウェア上で DeepSeek-V4.1-Flash をサポートし、トークンを検証前に起草する手法や、スケジューリングと計算の重複といった技術を用いています。それは推論のコアを提供するもので、運用者は完全なサービスにするために依然としてキャッシングとロードバランシングを必要とします。経済的な野心は明快です。高価なハードウェアからより多くの出力を絞り出すこと。各リクエストの処理が安くなれば、開発者はより多くのリクエストを行うエージェントを買う余裕ができます。効率は GPU を売ることができます。知能は印象的です。より良い粗利益率を備えた知能はスプレッドシートを得るのです。
GTC Berlin で、NVIDIA は DSX POD を発表しました。モジュール式の Vera Rubin AI ファクトリーの設計です。NVIDIA によれば、準備済みのサイトでの展開は 6 か月から最短 14 日まで短縮でき、パートナーによる納入は 2027 年初頭に予定されています。準備済みサイトの適格性は重要です。許可証、電力、冷却が突然ダウンロード可能なソフトウェアになったわけではありません。同社の新しい OpenShell リファレンスアーキテクチャは、エージェントを統治し保護するためのインフラを追加します。その販売の訴えは、知能の生産から工場の設置、従業員の監督へと広がっています。
Meta は、AI がすでに利益を生んでいる事業を改善できるという証拠を示しました。四半期売上高は 26% 増の 646 億ドルに伸び、経営陣は広告の改善を、より良いエンゲージメントとレコメンデーションを通じた AI の成果だとしました。しかし四半期の設備投資は 349 億ドルに達し、フリーキャッシュフローはマイナス 21 億ドルでした。既存事業が野心の資金調達を助けています。そしてその野心は、資金調達を吸収することに驚くほどうまくなっています。
SpaceX はさらに奇妙な企業アイデンティティを示しました。AI 部門は現在 SpaceXSI と呼ばれ、四半期収益 75 億 6,000 万ドルを生み出し、Starlink の 52 億 5,000 万ドルを上回りました。クラウドサービス、Cursor の買収、Grok が成長に寄与しました。AI セグメントは営業利益 4 億 3,100 万ドルと設備投資 164 億 4,000 万ドルを報告しました。ロケット企業を経営しながら、真に高価な拡張プロジェクトは人々がソフトウェアを動かすのを助けることだと発見できるのです。
そして Legora は、88 億ドルの評価額で 5 億 5,000 万ドルを調達し、年間経常収益が現在 2 億ドルを超えると述べています。その法務ソフトウェアは異なる価格設定の論理を示しています。顧客は仕事を終わらせるコストを気にします。トークンは安くなっているかもしれませんが、弁護士の午後は依然として価値ある参照価格です。投資の論拠は、ワークフローを所有すればその差額の一部を保持できるというものです。その節約分を顧客が取るのかソフトウェアベンダーが取るのかは、興味深い交渉になるでしょう。おそらく弁護士が関与する形で。
これらの発表をつなぐ賭けは、より安い推論が需要を十分に拡大してより多くの新インフラを正当化し、一方で専門化されたアプリケーションが価値の一部を捉えるというものです。それはもっともらしい。しかしそれはまた、収益の成長と、それを生み出すのに必要な資本に対する魅力的なリターンを区別することを要求します。誰もが成長の物語を持つことができます。それでも彼らは、その利益率が誰のものかを合意する必要があります。
🔎 AI 研究
ハーネス・ポリシー最適化による自己進化型コーディングエージェント
AI ラボ：Microsoft Research、University of Virginia、Carnegie Mellon University
概要：本論文は Self-HPO を紹介します。これはコーディングエージェントのための再帰的自己改善フレームワークで、ハーネスの最適化とポリシーモデルの最適化を交互に行い、進化するポリシーが自身の失敗を分析した後に自らのハーネス変更を提案します。各ラウンドではハーネスを選び、その下で強化学習によりポリシーを訓練し、訓練中に表面化した難しいタスクを次のハーネス探索に投入します。3 つのコーディングベンチマークで、Qwen3.5-35B-A3B の平均解決率を 57.8% から 64.8% に引き上げ、ハーネスのみおよびポリシーのみのベースラインを上回り、両方の個別の利得の合計よりも大きな共同の利得を示しました。
Cola2：連続的意味圧縮と均衡の取れた離散生成を備えた共適応型階層言語モデリング
AI ラボ：ByteDance Seed、The University of Hong Kong、Peking University、Renmin University of China
概要：本論文は Cola2 を紹介します。これは連続的な意味モデリングと離散的なテキスト生成を分離する階層言語モデルで、テキストを動的に分割された意味スパンに圧縮し、それらの潜在変数をフローマッチング事前分布で生成し、ブロック因果マスク拡散デコーダでトークンを実現し、エンコーダとデコーダはトークン予測の勾配を通じて共適応します。Qwen3-4B-Base で初期化されたデコーダでは、3,460 億ソーストークンで訓練された未収束のチェックポイントが 8 つのタスクで平均 60.10 に達し、報告されている事前訓練予算が 43 倍以上大きいにもかかわらず、HellaSwag と StoryCloze で Llama-3-8B を上回りました。
Foundation4D：自動運転車のための統一的な知覚と再構成モデルに向けて
AI ラボ：NVIDIA
概要：本論文は Foundation4D を紹介します。これは多カメラの走行動画から幾何、3D オブジェクト、セマンティック占有、ガウシアンシーン再構成を推定する統一的なフィードフォワードモデルで、カメラと時間にわたる分解された時空間注意を備えた共有バックボーンと、ポーズグラフ最適化を適用して軌跡を精緻化しオブジェクトトラックを組み立てるビデオレベルのパイプラインを使用します。ベンチマーク固有の微調整により、Waymo と nuScenes で最低の深度誤差に達し、nuScenes 検出で 60.9 mAP と 66.5 NDS、OpenOccupancy で 27.4 IoU と 18.1 mIoU を達成しました。著者らはまた、1,253 本の走行クリップに対して高密度の深度と占有ラベルを備えたベンチマーク PAI-Foundation4D も公開しました。
SplatLab：3DGS 研究のための自律的科学発見
AI ラボ：University of California, San Diego
概要：本論文は SplatLab を紹介します。これは 3D ガウシアンスプラッティングのための自律的研究システムで、公表されたベースラインを再現し、拡張を提案し、Mip-NeRF 360 と LLFF で訓練とアブレーションを実行し、報告されるすべての数値が記録された訓練実行に紐づけられた原稿を執筆します。8 つの島にわたるカスケード加重 Elo トーナメントで候補を進化させ、候補がストレステストに失敗すると Elo を減算する常設の反証器を備えています。その原稿は、1 回の実行あたり 24 から 48 時間で、再現した目標を 0.18 から 3.78 dB PSNR 上回り、天文写真の星雲レンダリングでは 3.78 dB の改善を含みます。
野生におけるエージェント世界モデル：コンピュータ使用エージェント環境の合成
AI ラボ：Microsoft Research、UNC-Chapel Hill、Georgia Tech、Northeastern University
概要：本論文は WildAWM を紹介します。これはオープンソースモデルのみを用いて、ウェブサイト、MCP サービス、ローカルファイルが 1 つの進化する状態を共有するペルソナベースのパーソナルコンピュータを合成し、その後、5 つの実行ベースの品質ゲートを通過しなければならないクロスインターフェースのコンピュータ使用タスクを生成するパイプラインです。その結果得られた 341 の長地平環境—タスクペアは 100 ステップを超えることがあり、GPT-6-Astra はその約 60% しか解けません。これらの世界でのみ訓練された Qwen3.6-35B-A3B と Qwen3.5-4B は、8 つすべての分布外ウェブ、claw、コンピュータ使用ベンチマークで平均 10.58 および 8.21 ポイント改善しました。
検索拡張生成の構成性
AI ラボ：IBM、Weizmann Institute of Science
概要：本論文は LASAGNA を紹介します。これは 8 つの交換可能なパイプライン段階と 55 の組み込みコンポーネントを備えた、制御された RAG 評価のためのオープンソースフレームワークで、これを用いて 8 つのベンチマークと 5K から 200K 文書のコーパスにわたる 450 の構成をテストしました。検索の利得は加算されないことを発見しました。NDCG@10 を 47% 向上させると予測された 3 つの技術が一緒では 17% しかもたらさない一方、忠実性の利得はほぼ加算的に結合し、予測 +28% に対して実現 +32% でした。また、小規模コーパスで最良のパイプラインは 200K 文書では 13.7% 遅れ、その順位の逆転は 25K から可視化されます。
低リソースプログラミング言語におけるコーディングの前進
AI ラボ：OpenAI
概要：OpenAI は COBOL、OCaml、Fortran、Visual Basic などの低リソース言語でのコーディングに関する 2 つの評価を導入します。1 つは MultiLangBench で、20 の言語にわたって SQLite 互換のデータベースエンジンをゼロから構築するようモデルに要求し、GitHub で公開される予定です。もう 1 つは COBOL 移行ベンチマークで、プログラムを C++、Java、Kotlin、Python、Rust に移植した後、バイト単位の出力一致を要求します。GPT-6 Astra は MultiLangBench で 87.4% の平均合格率に達し、GPT-5.6 Sol の 26.8% から大幅に向上、COBOL は 10.9% から 72.1% に上昇しました。一方 GPT-6.1 Sol は低い推論強度で COBOL 移行において 86.6%（以前は 5.4%）に達し、より高い強度では 97.9% に達しました。
LLM は形式的手法によるソフトウェア検証をはるかに大規模に実行可能にしつつある
AI ラボ：Anthropic（Frontier Red Team）、Theorem との協力
概要：Anthropic は Theorem との協力により、Claude を用いて開発者のファズテストをコンパイル済み RISC-V バイナリ上の形式仕様に変換し、その後証明を書きました。123 のオープンソース OSS-Fuzz ライブラリにわたる 239 のエントリポイントが、64 MB 未満のあらゆる入力で決してクラッシュしないことを示し、証明は約 1 億 8,000 万行の Rocq に及び、外部の証明チェッカーによって検証されます。その過程で Claude は、ファザーが見つける可能性が低い数百のバグを修正しました。これには約 20 MB の入力を必要とする範囲外書き込みも含まれます。またチームは、36 タスクの証明ベンチマークで Opus 5.5 が Opus 5 より約 40% 少ないトークンを必要とし、証明を共有するエージェントは 17% 少ないトークンを使用することを発見しました。ただし「形式的に検証済み」はバグがないことを意味しないと警告しています。証明は Linux 上のシングルスレッドの静的 RISC-V バイナリを前提としているからです。
🤖 AI 技術リリース
DeepSeek DeepInfer
DeepSeek は、本番の DeepSeek-V4.1-Flash サービングを支える社内推論フレームワーク DeepInfer をオープンソース化しました。Apache 2.0 の下で公開され、最適化カーネル、MoE エキスパート並列、投機的デコーディング、NVIDIA SM100 GPU およびファーウェイ Ascend 950 NPU 向けの決定論的サンプリングを含みます。
NVIDIA Run:ai オープンソース化
NVIDIA は Run:ai をオープンソースとして公開しました。Kubernetes 向けの完全な GPU および AI ワークロード編成プラットフォーム（コントロールプレーン、クラスタサービス、インストーラ、CLI、MCP サーバー）をリリースし、フェアシェアスケジューリング、分数 GPU 割り当て、マルチクラスタ管理を備えています。
Google Cloud Agent Compute Engine
Google Cloud は Agent Compute Engine を発表しました。これは Gemini のエージェントを支えるハードウェア分離型マイクロ VM サービスで、今後数か月でプレビューとなる予定です。同時に GKE 向けのオープンソース Agent Substrate ランタイムと、クラウド、オンプレミス、エンドポイントにまたがって実行されるエージェント向けの拡張された Agent Gateway ガバナンスも提供します。
NVIDIA Nemotron 3.5 Super VL と Bolt
NVIDIA は Nemotron 3.5 Super VL をリリースしました。これは常時稼働のエンタープライズエージェント向けのオープンな 120B パラメータ（12B アクティブ）マルチモーダルモデルで、同等のオープンモデルより最大 5 倍高速だと同社は述べています。さらに 2 つのエッジモデル、RTX および DGX Spark 上のローカルエージェント向け Bolt 74B-A9B 24GB と、高速な会話エージェント向け Bolt E4B 4GB を 10 月 23 日にリリースしました。すべてオープンウェイト、データセット、訓練レシピ付きです。
📡 知っておくべき AI ニュース 10 選
Legora シリーズ E：Legora は 88 億ドルの評価額で 5 億 5,000 万ドルのシリーズ E を調達しました。Atreides Management が主導し、Fidelity、Capital Group などが参加しました。