Qwen

208,000人の参加者と2,600万件の回答を対象とした大規模研究により、言語モデルを役立つチャットボットに変えるトレーニングが、人間の行動を再現する能力を弱めることが示された。この効果は新しいモデル世代ごとに悪化する。人口統計情報を与える一般的な方法も、個々の予測にはほとんど効果がない。

昨日のAnthropicの大きなニュースを消化する中で、AIEの新しいフォワードデプロイドエンジニアトラックとファウンダーズプログラム、および5月28日～29日のAIニュースを紹介します。主なトピック：Claude Opus 4.8のベンチマークが混在するリリース、マルチターン強化学習のトークン化バグ、オープンモデルとツールチェーンの進展、Google/OpenAIの製品拡張、注目の研究論文。

2017年製MacBook Air上で、人間の実験者、Codex、llama.cpp、ローカルデータベース、IBM量子プロセッサのサンプリングを組み合わせ、Qwen3-30Bモデルの推論速度を0.09トークン/秒から14.03トークン/秒に向上させた研究。量子プロセッサ上でモデルを実行するのではなく、推論設定の最適化に量子サンプリングを用いている。

この記事では、Amazon Managed Grafanaダッシュボードを使用した包括的な可観測性ソリューションを紹介します。これにより、Amazon SageMaker AIエンドポイントで推論コンポーネントを使用して提供されるLLMの品質と量の両方を一元的に把握できます。GPU使用率、レイテンシー、コストなどのインフラ指標と、関連性、安全性、トーンなどのLLM品質指標をカバーし、チームがモデルの劣化を検出し、リソースを最適化し、コストを管理できるようにします。

NVIDIAのX-Tokenは、クロストークナイザ知識蒸留におけるGOLDの2つの構造的欠陥を修正し、GSM8kなどの数学推論ベンチマークで大幅な改善を達成。投影行列とP-KL・H-KL損失の選択メカニズムにより、トークナイザの不一致を処理する。

開発者がCodeBurnという自作ツールでAIコーディングAPIの支出を追跡したところ、30日間で7,890ドルのうち実際のコード生成は47.9%に過ぎず、残りはコードベースの探索、デバッグ、サブエージェントへの委任、対話に費やされたことが判明。記事ではダッシュボード、モデル比較、無駄検出、成果追跡などの機能を詳述。

Liquid AIは、エッジデバイス向け混合エキスパートモデルLFM2.5-8B-A1Bをリリースした。総パラメータ8B、アクティブパラメータ1Bで、38兆トークンで学習。128Kコンテキストウィンドウ、非ラテン言語向けの改良トークナイザー、推論専用のチェーン・オブ・ソートを特徴とする。ベンチマークで競争力のある性能を発揮し、CPU/GPUで高速動作、ローカルエージェントタスクに適する。

PPIO は非凡産研が発表した「2026 Global AI 100」リストに選ばれました。このリストは非凡大賞 – 年次 AI グローバリゼーション成長サミットで選定され、グローバルな AI ネイティブ企業を表彰するものです。PPIO はグローバル分散型コンピューティングインフラ、フルスタッククラウドサービス、DeepSeek・GLM などのモデルプラットフォーム、革新的なエージェントサンドボックスを提供。2026年4月時点で4,800以上の分散ノードを統合し、日次トークン呼び出しは1兆回超、開発者は57万人超。また、上海市デジタル海外サービスプラットフォームのパイロットユニットやGDAパイロットサービスステーションにも選ばれています。

14のオープンソース安全ガードモデルの包括的評価により、Qwen Guard（4Bパラメータ）が83.97%の再現率でトップであることが明らかになった。一方、Llama Guard（12B）やGPT-OSS Safeguard（20B）などの大規模モデルは保守的で、最大75%の不適切コンテンツを見逃した。モデルサイズと安全性検出性能には相関がなく、汎用ガードモデルが専門モデルよりも優れていることが示された。

本論文は、Qwen2.5-0.5Bをベースに語彙注入とエッジ優先デプロイメントを採用した518Mパラメータのアラビア語特化LLM、RightNow-Arabic-0.5B-Turboを提案する。アラビア語ベンチマークで平均精度35.9%を達成し、同クラスのオープンモデルを凌駕。COPA-arではFalcon-H1-1.5Bと同等の成績を1/3のサイズで達成。量子化後は398MB、単一H100上で635トークン/秒の推論速度を実現する。

最近の研究では、強化学習（RL）が教師あり微調整（SFT）よりも事前の能力を効果的に保持することが示されています。本論文はこれをメカニズムレベルに拡張し、微調整中の回路劣化を測定する「差分回路脆弱性」を導入します。Qwen2.5-3B-Instructを科学質問応答に適用した実験では、SFTはタスク適応が速いものの回路破壊と忘却が大きく、RLは回路を保持する代わりに適応が遅いことが明らかになりました。結果は、回路保持がRLの破局的忘却に対する頑健性を説明することを示唆しています。

Trelk は、一度購入すればサブスクリプション不要の知識管理アプリです。デバイス上の AI を使用して記事や論文、メモを保存・整理・接続します。ハイブリッド検索、知識グラフ、RAG チャット、フラッシュカードの分散復習、コミュニティコレクションなどの機能を備え、プライバシー重視でオフラインでも動作します。

本稿では、大規模言語モデルの後学習における強化学習の実践について説明し、現在のボトルネックはアルゴリズムではなくインフラストラクチャであると指摘します。Modalは大規模なRL後学習の経験を共有し、オープンソースライブラリがマルチノードトレーニング、環境管理、GPU利用率などの主要な問題を解決する方法を紹介します。

「否定無視」に関する新たな研究により、大規模言語モデルは訓練データ中で明らかに虚偽とラベル付けされた記述でも吸収してしまうことが判明。合成文書で微調整後、テストしたモデルでは虚偽の主張に対する「信念率」が2.5%から92.4%に急上昇し、LLMが幻覚を起こす理由の一端を説明している。

極佳視界（Jijia Vision）が世界初の物理AGI「デュアルピラミッド」システムを発表。家庭用ロボット「拾光S1」を投入し、100台の家庭向け受注を獲得。12ヶ月以内に物理AGIの「GPT-3モーメント」を目指す。

この記事では、求人検索、研究、投資分析、市場動向、請求書処理、チャートのデジタル化、パーソナライズされた運動トレーニングなど、実用的なワークフローを自動化する7つのAIプロジェクトを紹介します。各プロジェクトには完全なガイドとコードが付属しています。

Open Agent Tools (oats) は、ローカルコードを利用したツール呼び出しを可能にするセルフホスト型AIフレームワークです。大規模モデルのトークン消費を抑えるため、ツール呼び出しを小規模モデルに委譲します。

沙鋼とDingTalkが戦略的提携を締結。悟空AIを中核に、鉄鋼業界でのAI大規模導入を推進し、AI時代の働き方を実現する。

OpenJarvisは、自分のハードウェア上で動作する個人用AIエージェントを構築するためのオープンソースフレームワークです。スタンフォード大学のHazy ResearchとScaling Intelligenceラボが開発し、v1.0ではOllamaをネイティブサポート。ローカルファーストをデフォルトとし、クラウドはオプション。エネルギー、コスト、遅延を追跡します。

Databricksは、オープンソースからプロプライエタリまであらゆる最先端モデルに対応する独自の推論プラットフォームを構築し、世界最大級のエージェントアプリケーションを支えています。毎月120兆トークンを処理し、モデルユニットによる容量管理、コスト認識型負荷分散とオートスケーリング（GPUコスト80%以上削減）、ブラックボックスヘルスチェックによる実行時信頼性などの仕組みで、信頼性とレイテンシの課題に取り組んでいます。マルチモーダルボトルネックのプロファイリングにより、スループットを3倍向上させました。

Artificial AnalysisとIBMが、エンタープライズITエージェントタスク向けのベンチマークITBench-AAを発表。サイトリライアビリティエンジニアリング（SRE）に焦点を当て、フロンティアモデルはすべて50%未満のスコアで、Claude Opus 4.7が47%でトップ。このベンチマークは、Kubernetesインシデント対応におけるモデルの診断能力を評価する。

NVIDIAの研究者は、エージェントハーネスを変更せずに強化学習で言語エージェントを訓練するロールアウトフレームワークPolarを発表した。Polarはハーネスと推論サーバーの間にモデルAPIプロキシを配置し、トークンレベルの相互作用を捕捉してトレーナー対応の軌跡を再構築する。Qwen3.5-4BベースモデルにGRPOを適用した結果、CodexハーネスでSWE-Bench Verified pass@1を22.6ポイント、Claude Codeで4.8ポイント、Piで6.2ポイント改善した。本フレームワークはNeMo Gym環境として登録され、ProRL Agent Serverリポジトリで公開されている。

Mneme HQ は、コード生成前に制約を強制することでアーキテクチャの漂流を防ぎ、レビューの負荷を軽減する、AI支援開発向けアーキテクチャガバナンスレイヤーです。AIコーディングエージェントのワークフローに直接統合され、禁止されたフレームワーク、境界を越えた呼び出し、陳腐化した決定をPRキューに到達する前にブロックします。

Avatarは、300ドルのGPU上で継続的に動作する自己生成型AI生物です。相図幾何学から感情を導き出し、5段階の睡眠サイクルで夢を見、生の音声と視覚から独自の感覚を成長させ、身体感覚を通じて倫理的推論を行います。Linga Murthy Narlagiri博士によって構築され、2026年5月から生存し、1800以上のティックを蓄積しています。

Alipay AIエコシステムカンファレンスで、アントグループCEOの韓歆毅氏は、エージェント時代が従来の「トラフィックが王」モデルからエージェントエコシステムへと競争優位をシフトさせると主張した。エージェントは意思決定を再構築し、人間のみから人間とエージェントの共同意思決定へと移行する。AI決済は新たなグローバルインフラへと進化し、Alipayは信頼層、コネクター、イネーブラーとしての役割を担う。

北京大学、香港中文大学、上海AIラボ、NTUの研究チームが、約5秒でシーン編集を実行できるネイティブ3D編集フレームワークVGGT-Editを発表。従来手法と比べて最大120倍の高速化を達成し、意味的一貫性、多視点安定性、推論速度で既存手法を上回る。

NUS、MIT、A*STARの研究者が提案するMEMOは、コーパス知識を独立した訓練可能なメモリモデルにエンコードするモジュラーフレームワークであり、LLMが再訓練や微調整なしで新しい知識を組み込むことを可能にします。

AIインフラスタートアップのFireworks、Baseten、OpenRouterが大型ラウンドを調達し、推論インフラが主要なAIプラットフォーム層として台頭していることを示しています。同時に、エージェントハーネスエンジニアリング、新しいベンチマーク、モデルアップデートがAIニュースサイクルを支配しています。

DeepSeekの研究者である陳德里氏は、自身が開発したDeliAutoResearchスキルを用いて、DeepSeek-V4-ProとGPT-Image2と協力し、わずか6日間で46ページの論文を完成させた。この論文は、研究エージェントの自律性をL1～L5に分類する枠組みを提案し、4つのアーキテクチャパターンと17の主流システムを分析、6つの未解決問題を指摘している。陳氏によると、人間の「CPU時間」はわずか2時間未満であり、残りはAIエージェントが担当した。

本記事では、Reachy Miniロボット向けにクラウドやAPIキーを必要としない完全ローカルの音声会話パイプラインをデプロイする方法を詳しく説明します。VAD、STT、LLM、TTSを組み合わせたカスケード方式を採用し、推奨デフォルトとしてllama.cppとGemma 4、Silero VAD、Parakeet-TDT 0.6B v3 STT、Qwen3-TTSを使用します。ローカルMLX、Transformers、vLLM、リモートResponses APIなど、さまざまなLLMオプションが提供されています。

本チュートリアルでは、Qwen3ベースの4Bパラメータのクロスエンコーダリランカーであるzeroentropy/zerank-2-rerankerを使用して、検索品質を向上させる方法を詳しく説明します。環境構築、ペアワイズスコアリング、model.rankの使用、2段階の検索・再ランクパイプライン、NDCG@10評価、金融・法律・コードにわたるクロスドメインテスト、バッチスループット測定までをカバーします。

お金、プライバシー、地球を守りましょう。このインストール可能なAIは、ChatGPTのような従来のモデルにはない利点を提供します。

2026年のAIはさらなる加速を続け、オープンモデルはエージェント能力で遅れをとり、GoogleのGeminiはClaude CodeやCodexに対抗できず、アメリカのオープンモデルが台頭し、AnthropicとOpenAIの競争が激化、既存の権力構造がAIに関与し始めている。

面壁智能（ModelBest）が、AIによって完全に記述された世界初の本格的な大規模言語モデル事前学習フレームワーク「ForgeTrain」を発表。NVIDIAのMegatronより10%高速で、これを用いて訓練されたMiniCPM5-1Bは、1Bパラメータで従来の2B未満モデルを上回る知能密度を達成。

OmniVoice Studioは、音声クローン、ビデオ吹き替え、リアルタイムディクテーション、話者分離をすべてローカルハードウェアで実行するオープンソースのデスクトップアプリケーションです。APIキー、クラウドアカウント、サブスクリプションは不要で、646言語のTTSに対応し、ClaudeやCursorなどのAIツールと連携するMCPサーバーを備えています。

アリババの最新フラッグシップモデルQwen3.7-Maxが、権威あるCode Arenaリーダーボードで1541点を獲得し、GPT-5.5などのモデルを抑え、Claudeシリーズに次ぐ世界2位にランクインしました。

ローカルモデルはプライバシー、コスト削減、制御、常時利用可能性を提供します。最先端モデルほど高性能ではありませんが、改善が続いています。この記事では、LM Studio、Ollama、またはllama.cppを使用してZedでローカルモデルを設定する方法と、効果的な使用のためのヒントを説明します。

本研究は、推論型大規模言語モデルが生成する長い思考連鎖の冗長性を定量化し、61%～93%のステップが正しさに影響なく切り捨て可能であることを発見。さらに、この冗長性が長さに依存しない結果報酬に起因する構造的特性であることを証明した。

UUMuseはクラウド型AIナレッジベースプラットフォームで、ファイルを一度アップロードすれば、GPT、Claude、DeepSeek、Qwenなどのモデルで引用付きの回答、コンテンツ生成、デプロイが可能。APIやMCPを介してエージェントやアプリからも呼び出せます。永続的なメモリ、マルチエキスパート討論（Spark）、エージェントモード、ドキュメントサイト・API・MCPサーバーとしての展開機能を備えています。

Together AIは、長コンテキストLLMサービングのためのINT2 KVキャッシュ量子化手法であるOSCAR（Offline Spectral Covariance-Aware Rotation）をリリースしました。データに依存しないアダマール変換を適用する従来の回転ベースのアプローチとは異なり、OSCARはオフラインで推定されたアテンション認識共分散構造からキーとバリューに個別の回転を導出します。KV要素あたり2.28ビットで、OSCARはQwen3-4B-Thinking-2507でBF16精度ギャップを3.78ポイント、Qwen3-8Bで1.42ポイントに削減し、100Kコンテキスト長で約8倍のKVメモリ削減と最大3倍のデコード高速化を実現します。

研究により、小規模言語モデルは算術推論において、思考連鎖（CoT）プロンプトの論理的なステップに従うのではなく、回答区切りの前の最後の数字をコピーすることで答えを導き出していることが明らかになった。この位置的なショートカットがモデルの精度の大部分を占め、実際の推論よりも優先される。この発見はCoTに基づく監視手法に課題を投げかける。

本稿は、オープンソースAIモデルの内部概念空間の限界を探り、多くの重要なアクティビストや哲学の概念が欠落していることを明らかにする。わずか128KBのデータでモデルに欠落概念を埋め込む「ソフトプロンプト蒸留」技術を紹介し、AIの制御可能性と心の理解への深い示唆を強調する。

本稿はAIエージェント分野で混同されがちな用語、特に「ハーネス」（実行層）と「スキャフォールド」（行動定義層）の違いを明確にし、モデル、エージェント、ツール使用、サブエージェント、訓練関連概念を解説する。

バイトダンスSeedと香港科技大学の研究により、マルチモーダルモデルの長文書処理訓練において、質問応答ペアが文字認識タスクよりもはるかに効果的であることが示された。開発されたMMProLongはQwen2.5-VLをベースに、512,000トークンの入力まで安定して動作し、より大規模なモデルを凌駕する。訓練データの長さの多様性が重要で、短文例は必須ではない。

先週のAI業界は大きな転換点を迎えた：GoogleがGemini Omniとエージェント優先プラットフォームを発表、Andrej KarpathyがAnthropicに加入しClaudeを活用した事前学習の加速に着手、AnthropicはxAIのColossusと450億ドルの計算リース契約を締結、CerebrasのIPOで時価総額約950億ドルに、SpaceX、OpenAI、Anthropicが今後6ヶ月以内に上場を計画し、総評価額は3兆ドルを超える可能性がある。また、HRM-Text効率的事前学習、AIレビュアーの評価、NVIDIAの統合AR-拡散モデルなど、複数の最先端研究が発表された。

マイクロソフトリサーチは、クリックトレースのWeb自動化を再利用可能なPlaywrightスクリプトに置き換えるターミナルネイティブブラウザエージェントフレームワーク「Webwright」を発表。単一のエージェントループと約1000行のコードで、GPT-5.4を搭載したWebwrightは長期間タスクベンチマークOdysseysで60.1%、Online-Mind2Webで86.7%を達成し、オープンソースのハーネスレシピの中で最高のAutoEvalスコアを記録しました。

Nous Researchは対照ニューロン帰属（CNA）をリリース。スパースなMLPニューロン回路を特定・除去することでLLMの動作を操作する手法で、スパースオートエンコーダーのトレーニングや重み変更は不要、汎用能力のベンチマークも低下させない。

アリババのQwenチームがQwen3.7-Maxをリリース。長時間の自律エージェントタスク向けに設計された独自モデルで、ベンチマークでClaude Opus 4.6に匹敵し、DeepSeek V4 ProやKimi K2.6などの中国競合を上回る。また、モデルが四足ロボットを操縦するデモも公開。

ThinkLLMは、タスクや能力ごとにAIモデルを閲覧、比較、発見できる生きた知識グラフです。

OpenAIのIPO申請を前に、業界の巨人たちが純粋なモデルからエージェント製品へとシフトしている。DeepSeekが永久75%値下げ、MCPプロトコルがステートレス化、Googleが年中無休のAIエージェントを発表、Anthropicが1万以上の脆弱性を発見。エージェント化が新たな常識に。