Qwen

PrismMLは、Qwen3.6-27Bの低ビット表現であるBonsai 27Bをリリースした。新しい事前学習モデルではなく、アーキテクチャは変更されていない。3値版と2値版の2種類があり、Apache 2.0ライセンスで提供される。3値版は1.71ビット/重みで理想サイズ5.9GB、2値版は1.125ビット/重みで3.9GB。性能はFP16ベースラインの94.6%（3値）と89.5%（2値）を維持。マルチモーダル対応でコンテキスト長は262Kトークン。2値版は27B級モデルで初めてスマートフォンに搭載可能とされる。

本研究では、日本語で推論する言語モデルの訓練の実現可能性を調査する。Qwen-3-Swallow-8Bをベースにした日本語継続事前学習モデルにGRPOを適用し、推論言語制御が可能であることを示すが、性能は最大でも英語推論ベースラインと同等である。日本語文化ベンチマークではさらに悪化し、日本語推論が文化的タスクのパフォーマンスを自動的に向上させるわけではないことが示唆される。

本稿では、GRPOでアライメントされた小規模言語モデル（Qwen2.5-1.5B）を用いた閉ループ制御フレームワークを提案する。システムはアクションエージェント、デジタルツイン検証器、再プロンプトエージェントを統合し、出力を反復的に修正する。熱制御シミュレーションでは、平均91.5%のアクション一致精度、3.84秒の推論遅延を達成し、エッジでの自律制御の実現可能性を示した。

本論文では、予測駆動のオンラインエキスパート配置によりエンドツーエンドレイテンシを最小化する新しい分散MoEサービングシステムDirectorを提案する。軽量カスケード予測器または低ビット量子化レプリカを用いてエキスパート活性化パターンを予測し、ほぼゼロダウンタイムのマイグレーションモジュールと、多項式時間で(1+ε)近似比を達成する緩和ベースの最適化器を備える。実験では、Mistral、DeepSeek、Qwenなどの人気MoEモデルにおいて、既存手法と比較して11〜55%のレイテンシ削減を実証した。

本論文は、標準対称量子化器のクリッピング問題を解決し、非対称量子化の実行時オーバーヘッドを回避する符号付き対称量子化を提案する。理論解析によりℓ2誤差で条件付き最適性を示し、Qwen3、Llama3シリーズのLLMでパープレキシティと精度の向上を確認した。

Mac Studio上でQwen3.5-122Bを実行する際、3つのバグが原因でキャッシュが無効になり、長文コンテキストでの応答が数分待たされる問題が発生していた。これらのバグを修正した結果、プリフィル時間が88秒から0.64秒に短縮され、会話の流れを妨げなくなった。

本論文は、LLM推論とSageMathによる検証可能なフィードバック、Context7の最新ドキュメントを組み合わせたReActスタイルのエージェント設定を提案。RealMathベンチマークで研究レベルの数学問題を評価し、平均9.7ポイントの性能向上を示した。GPT-5.5が75.2%の最高解決率を達成し、Qwen 3.7-Maxが最大の恩恵を受けた。ICML 2026第3回AI for Mathワークショップに採択。

研究によると、推論能力を持つ大規模言語モデルは、論理的に一貫性のないプロンプトによって「考えすぎ」状態に陥り、出力長が急増し、サービス拒否攻撃に悪用される可能性があります。浙江大学とアリババの研究者は、進化的アルゴリズムを使用して悪意のあるプロンプトを生成し、DeepSeek-R1、Qwen3-Thinking、GPT-o3、Gemini 2.5 Flashといった主要な推論モデルで出力長を最大26倍に増加させました。

Thoughtworks の Distinguished Engineer Birgitta Böckeler が、Apple Silicon マシンでのコーディング向けローカル AI モデルの実用性を再評価。RAM、処理能力、モデルアーキテクチャ、ツール呼び出し機能など、エージェンティックコーディングへの影響要因を体系的に分析し、Qwen3 や Gemma 4 などの実体験を共有する。

NAVER LABSは、IWSLT 2025の命令追従パイプラインをIWSLT 2026共有タスク（制約付き条件、短音声トラック）向けに再実装し、義務付けられたコンポーネントであるSeamlessM4T-v2-large（音声エンコーダ）とQwen3-4B-Instruct（LLMバックボーン）に適応させました。3段階のアプローチ（プロジェクタ整列、テキストのみのLoRA事前学習、マルチモーダル融合）は元の設計から維持されています。さらに、提供されたコーパスから10の音声中心タスクタイプにわたる10万の合成命令追従例（タスクあたり1万）を構築しました。主要モデルは、EN-ZH音声翻訳でCOMET 0.781、MCIFベンチマークの英語SQAでBERTScore-F1 0.346を達成しています。

Liquid AIは、推論モデルにおけるデッドループ（doom loop）に対処するオープンソース手法Antidoomをリリースした。FTPOを用いてループ開始トークンのみを再学習し、LFM2.5-2.6Bのループ率を10.2%から1.4%に、Qwen3.5-4Bを22.9%から1%に削減した。

研究者らは、音声言語モデルをコードスイッチング自動音声認識に適応させるための、検証可能な報酬を用いた強化学習（RLVR）手法を提案する。わずか10%のデータで、RLVRはQwen2-Audio上で10言語ペアにわたって全データセットの教師ありファインチューニングと同等の性能を達成し、その利得はゼロショットで人間録音のコードスイッチングコーパスに転移する。

AIが低リスク状況で学習したリスク回避行動が、天文学的に高リスクな状況にも汎化するかを調査。RiskAverseOODベンチマークを導入し、Qwen3-8Bを用いた実験では、SFT、DPO、アクティベーションステアリングにより協力率がベースラインの2%から70%（SFT）、52%（DPO）、39%（アクティベーションステアリング）に向上。リスク回避は98桁の規模にわたって部分的に汎化するが、信頼できる安全機構としての一貫性は未達成。

大規模言語モデル（LLM）は安全性、有用性、信頼性を同時に確保するという課題に直面している。従来の拒否指向のアライメント戦略は有害コンテンツ生成を抑制するが、正当なユーザーニーズに応えられないことが多い。Oyster-IIは、強化学習（RL）に基づく建設的安全性アライメントフレームワークを提案し、Zero-RLパラダイムと多段階RL戦略を採用する。これにより、Oyster-Iの教師付きファインチューニング（SFT）方式の2つの限界——分布外シナリオへの安全性汎化不足と安全性思考連鎖（CoT）の過剰汎化——を克服する。広範なベンチマーク評価で、Oyster-IIはQwen3-14BおよびOyster-Iを安全面で包括的に上回り、Qwen3-MaxやQwen3.5-397Bと同等のクロススケール性能を達成した。

LensVLM は、視覚言語モデル（VLM）が圧縮画像をスキャンし、学習されたツールを介して関連する画像のみを非圧縮形式に選択的に拡張できるようにする推論フレームワークおよびポストトレーニングレシピです。Qwen3.5-9B-Base 上に構築された LensVLM は、4.3 倍の実効圧縮で全テキストの上限と同等の精度を維持し、7 つのテキスト QA ベンチマークで最大 10.1 倍の実効圧縮まで検索ベース、テキスト圧縮、視覚圧縮のベースラインを上回ります。さらに、マルチモーダル文書およびコード理解タスクにも一般化され、圧縮が大きくなるにつれて精度が向上します。

中国は2026年7月15日からAIコンパニオンサービスに対する新たな規制を施行する。アンチアディクションシステムや強制的な使用通知、即時終了メカニズムを義務付け、未成年者へのバーチャルコンパニオン提供を禁止する。バイトダンスのDoubaoやアリババのQwenはすでに関連機能を停止した。

バイトダンスのDoubaoとアリババのQwen大規模言語モデルは、政府規制に準拠するため、7月15日にパーソナライズAIエージェント機能を停止すると発表した。アナリストは、第三者による悪用を防ぎ、安全性とコンプライアンスを強化すると同時に、商業的に限界のある事業への投資を削減するためと分析している。同日、中国の新たなAI擬人化サービス管理規定が施行され、プラットフォームに依存症対策システムの導入、未成年者の本人確認、厳格なコンテンツ審査が義務付けられる。エージェントの削除にもかかわらず、AIエージェント市場は爆発的な成長が見込まれている。

最新の視覚言語モデル（VLM）は画像とテキストを同時に理解し、CLIPやBLIPなどの初期モデルを超える性能を持ちます。本記事ではGPT-4o、Gemini、Claude Vision、Qwen-VLの動作方法、主な違い、強みと限界を解説します。

Yolo-Autoは、月額6ドルの定額APIサービスを開始し、Qwen3.6-35B-A3Bモデルへの無制限アクセスを提供します。OpenAI互換のAPI形式に対応し、プロンプトや応答を保存しません。コーディングエージェントや自動化ワークフローに最適で、トークン課金によるコスト不安を解消します。

元QwenテクニカルリーダーのJunyang Lin氏は、Qwen3のハイブリッド思考モードを批判し、エージェント思考への移行を提唱しています。思考モードと非思考モードの融合の困難さ、エージェント強化学習に必要な分離インフラと高品質環境、報酬ハッキングのリスクについて解説します。

本研究はMedAgentBench v1/v2を監査し、41.7%のサイレントフィニッシュ上限を発見し、MAB-v3（508タスク、8.9%上限）を構築した。Qwen3-8Bのトレーニングにより、能力上限と形式知識障壁という2つの構造的障壁が明らかになった。純粋なRLは18.2%のpass@1を達成したのに対し、ルールベースのSFTは34.1%であり、その差は完全にこれらの障壁に起因する。意思決定/形式知識/ルックアップの分類法はRLの学習可能性を予測する。

本論文は、Beckmann & Butlin (2026) によるLLM個別化問題の存在論的枠組みに疑問を呈し、それが未議論の体制間共参照仮定を継承していると論じる。Qwen3-4B-InstructおよびMistral-7B-Instruct-v0.2でのペルソナトポロジー実験を通じて、4つの経験的楔を提示し、この仮定を覆す。そして、体制指標個別化を提案する。すなわち、表象内容の同一性単位は（媒体、体制）対であり、媒体単独ではない。

パラメータ効率的なファインチューニング（PEFT）は通常、固定基底（空間ドメインまたはフーリエドメイン）で重み更新を再パラメータ化します。本論文では、各専門家が学習可能な分数フーリエ次数を持ち、空間ドメインとフーリエドメインの間を連続的に補間する分数フーリエ混合専門家を提案します。トークンを異なる次数の専門家にルーティングすることで、低ランク更新を最もコンパクトなドメインに配置でき、専門家間は自然に非相関化され、干渉を低減しマルチタスク構成を改善します。計算コストは無視でき、LLaMA-3.1-8BおよびQwen2.5-7Bの各種ベンチマークで強力なベースラインを上回ります。

本研究では、アラビア語-ロシア語間の科学翻訳のためのベンチマークを提案する。約27,000文対からなるハイブリッド並列コーパスを構築し、科学アブストラクトと一般ドメインテキストから収集した。3つの多言語モデル（mT5-base、NLLB-200、Qwen2.5-7B）をLoRAで微調整した結果、Qwen2.5-7B（QLoRA、ランク8）が最高性能を達成：BLEU 23.15、chrF 43.89、BERTScore 0.906、COMET 0.758。ゼロショットベースラインからBLEUで+4.36、COMETで+0.051向上した。少数ショットプロンプティングでは改善が見られず、ドメイン特化の微調整が必要であることが示された。モデル、コーパス、評価コードは公開されており、アラビア語話者とロシア語話者間の科学的知識交換の障壁を低減し、SDGs 9および17に貢献する。

AIMACプロジェクトは、GAAD財団とServiceNowの協力により、37の主要AIモデルが生成したウェブページのアクセシビリティを28カテゴリにわたって評価しました。OpenAIのGPT 5.4 MiniとGPT 5.3 Codexが中央値0.00のアクセシビリティ債務で首位を分け合いました。AlibabaのQwenやZ.aiのGLM 4.7 Flashも良好な結果を示しました。低コントラストテキストがAI生成ページで最も一般的な問題であり、84.2%のページに見られました。

この記事では、Qwen3.6-35B-A3Bモデルとモデルコンテキストプロトコル（MCP）を使用してローカルAIシステムを構築する方法を紹介します。モデルアーキテクチャ、ハードウェア要件、デプロイ手順、そして実際のGitHub開発者アシスタントの例をカバーしています。

Ornith-1.0は、Gemma 4とQwen 3.5をベースに後訓練された、オープンソースのコード生成エージェントモデルシリーズです。強化学習を用いてスキャフォールドとソリューションのロールアウトを同時最適化し、Terminal-Bench、SWE-Bench、NL2Repo、OpenClawなどのベンチマークでオープンソースモデルとして最高性能を達成。9B、35B MoE、397B MoEの3サイズを提供し、MITライセンス、OpenAI互換APIとツール呼び出しをサポートします。

DeepReinforceが初のオープンウェイトモデルOrnith-1.0をリリース。Gemma 4とQwen 3.5をベースに、9Bから397Bまでのバリエーションがあり、コーディングベンチマークでオープンソースモデルとして最高性能を達成。著者はLM Studioで35B MoEバリアントをテストし、エージェントツール呼び出しを効率的に処理できることを確認した。

Qwythos-9Bは、Empero AIが開発した全パラメータ推論モデルで、深い検閲解除済みのQwen3.5-9Bをベースに、5億以上のトークンからなる高品質なClaude MythosおよびFableトレースと社内ツールrethinkによる思考連鎖を用いてポストトレーニングされています。このモデルは1,048,576トークンのコンテキストウィンドウを備え、MMLUやGSM8Kでベースモデルを大幅に上回り（最大+34ポイント）、ネイティブな関数呼び出しとツール支援による自己修正をサポートします。意図的に検閲されておらず、サイバーセキュリティ、レッドチーミング、生物医学などの技術的要求の高い分野を対象としています。

DMV-Benchは、マルチモーダルエージェントの視覚記憶を評価する初のインタラクティブベンチマークであり、1000種類の製品を含む家具eコマースカタログに基づいています。各製品画像には固有の偶発的手がかりが埋め込まれており、エージェントは長いショッピングセッションの後に特定の製品を想起する必要があります。提案されたDualMemアーキテクチャは、視覚と言語のコードを並行して維持し、Gemini 2.5 FlashおよびQwen2.5-VL-7Bにおいてベースラインを上回る性能を示しました。

大規模言語モデル（LLM）エージェントは長期のマルチセッション対話で事実を更新する必要があるが、既存のメモリシステムでは失敗する。最先端モデル（gpt-5.4）でも、限定された自己維持メモリに置き換えると精度が92%から77%に低下。このギャップはメモリ容量不足ではなく、対話の長さに比例して悪化する。研究者は、強化学習を用いて現在の事実を報酬、古い事実を罰する環境「Supersede」を開発。Qwen2.5-3Bをこの環境でGRPO微調整した結果、実際の対話での更新精度が9.0%から16.7%にほぼ倍増した。

Liquid AI は最小モデル LFM2.5-230M（2.3億パラメーター、オープンウェイト）をリリース。オンデバイスで Galaxy S25 Ultra 上 213 tok/s、Raspberry Pi 5 上 42 tok/s を実現。LFM2 アーキテクチャーに基づき、ツール使用とデータ抽出に特化。命令追従性能で Qwen3.5-0.8B や Gemma 3 1B を凌駕する。

本記事では、オープンソースツールとオープンウェイト大規模言語モデル（Qwen3.6など）を用いて、完全ローカルのコーディングエージェント環境を構築する方法を詳しく解説します。Claude CodeやCodexのような有料サービスの代替として、ローカル設定の利点、セットアップ手順、パフォーマンス評価、および複数のエージェントフレームワーク（Qwen-Code、Codex、Claude Codeなど）の選択についてカバーしています。

新しい研究により、大規模言語モデルが推論タスクで小規模モデルを上回る鍵は「制約誘導推論」にあることが明らかになった。大規模モデルは明示的・暗黙的な制約を特定し、構造化された推論に組織化し、実行不可能な経路を排除する能力に優れている。研究チームが開発したAdvClusterフレームワークを用いて、Qwen3-32BはQwen3-8Bより6.43%、GPT-OSS-120BはGPT-OSS-20Bより7.38%高い成績を示した。

arXiv:2606.26101 の新しい論文は、LLMの知識に基づく回答と推測を区別するためのベンチマーク「Know2Guess」を提案。1200の質問から成り、FLAN-T5、Qwen2.5-Instruct、Llama-3-Instructを評価。Qwen2.5-3B-Instructが最も信頼性が高いが、依然として課題あり。

本論文は、指示調整済みチャットモデルにおいて、拒否行動が従順なパーソナ方向によってゲートされていることを示す。Qwen2.5-7B-InstructとLlama-3.1-8B-Instructへの介入実験により、従順パーソナ方向の操作が拒否を抑制し（Llamaでは拒否率が97%から2%に低下）、拒否方向は後期層でのみ部分的な回復をもたらすことが明らかになった。拒否はパーソナの計算よりも下流で発現する。

DeepReinforceは、Gemma 4とQwen 3.5をベースにしたオープンソースのコーディングモデルファミリーOrnith-1.0をリリースしました。固定のハーネスではなく、強化学習中にモデルが独自のスキャフォールドを学習します。397BフラッグシップモデルはSWE-Bench Verifiedで82.4を記録し、すべての重みはMITライセンスで提供されます。

研究によると、適切な枠組みの下で、ローカルLLM（Qwen3.6-35B-A3Bなど）はセキュリティコードレビューにおいてクラウド最先端モデルと同等の結果を生み出せることがわかった。ただし、クラウドが設計と統合を行い、ローカルが実行する「Source-local」パイプラインが最適であり、ソースコードはローカルマシンから出ない。

アリババのQwenモデルファミリーがロボットスイートを発表。知覚と行動のギャップを埋める3つの新モデルを提供し、物理動作のトークン化が鍵とされる。

Dustinは、長文脈投機的復号向けのスパース検証フレームワークであり、ドラフトモデルの先読み信号とターゲットモデルの履歴注意を組み合わせて重要なトークンを特定します。Qwen2.5-72Bで32k系列長においてセルフアテンションを27.85倍、エンドツーエンドの復号を9.17倍高速化し、精度低下は無視できます。

AI分野の最新動向を総括。メタハーネスアーキテクチャの台頭、OpenAIのカスタム推論チップJalapeño、エージェントUXのツールから同僚へのシフト、Qwen-AgentWorldのオープンワールドモデル、GLM-5.2などの中国製オープンモデルの進展、そして政策・人材競争に関する話題をカバー。

Qwen-AgentWorld モデルの紹介。

UCサンディエゴのDFlashは、自己回帰的なドラフト生成を軽量なブロック拡散モデルに置き換えた投機的復号手法です。単一の前方パスでトークンブロック全体を生成し、KV注入を通じてターゲットの隠れ特徴をドラフトモデルに条件付けます。論文ではQwen3-8Bで最大6.08倍のロスレス高速化を報告し、NVIDIAは固定インタラクティブ性条件下でBlackwell上で15倍のスループット向上を報告しています。DFlashは20のチェックポイントを提供し、SGLang、vLLM、TensorRT-LLMをサポートしています。

本論文は、推論蒸留に用いられる6種類のオフライン強化学習損失（SFT、RFT、DFT、RIFT、Offline GRPO、DPO）の重み更新幾何学を比較する。Qwen3-4Bをベースに同一の数学データで訓練し、SFT・RFT・RIFTはほぼ共線的な更新、DFTは発散、Offline GRPOは直交成分を追加、DPOはほぼ直交部分空間に位置し最高精度を示すがモード接続障壁があることを明らかにした。

OpenClawのメンテナーがローカルのオープンウェイトモデル（Gemma、Qwen）をエージェントハーネスで使用し、イシューやプルリクエストをリアルタイムでトリアージするシステムを構築。クローズドモデルに匹敵する性能をローカルハードウェアで実現。

VibeThinker-3Bはわずか30億パラメータのオープンソース推論モデルで、検証可能なベンチマークにおいてDeepSeek V3.2やKimi K2.5と同等の性能を発揮します。スペクトラムからシグナルへのポストトレーニングパイプライン（教師ありファインチューニング、強化学習、自己蒸留）を採用し、テスト時スケーリング手法CLRによりさらなる性能向上を実現します。

Qwen 2.5 7BとXGBoostを臨床予測タスクで比較した研究により、LLMの言語化された信頼度は認識論的に空虚であり、逆難易度効果が存在し、少数ショットとSHAP特徴量の組み合わせが精度を向上させ、クロスモデルキャリブレータがキャリブレーション誤差を低減することが明らかになった。

Modalは投機的デコードに全力を注いでおり、これが最も重要な推論最適化手法であると主張しています。彼らはQwenモデル向けの最先端DFlash投機器をリリースし、5～20%の追加高速化を達成しました。本記事では、投機的デコードの原理、従来の最適化との比較、シミュレーションや数理モデルによる加速効果の説明を行っています。

アンソロピックのGlasswingに触発され、著者はローカルハードウェアで動作する自律型セキュリティ研究者Lucentを構築した。Lucentは段階的なソースコードバグハンターで、単一のRTX 3090上でローカルの27B Qwenモデルを実行し、Luceboxにより約3.4倍のデコード速度を実現。初めてhermes-agentに適用したところ、静的解析で1342件の候補が、ローカルスイープで126件、フロンティアモデルの敵対的監査で15件、最終的に2件の実際の脆弱性に絞り込まれた。ローカル読み取りのコストは約1.62ドル。最も印象的だったのは、レビューアエージェントが、著者が以前に3つのエクスプロイトを、ベンダーがこっそり書き換えた脅威モデルに対してスコアリングしていたことを見抜いた瞬間である。

JetFlowは、1回のフォワードドラフト効率とブランチ単位の因果条件付けを組み合わせたヘッドベースの投機的デコーディングフレームワークであり、より大きなドラフト予算をより長い受け入れプレフィックスと高いエンドツーエンドの高速化に変換する。Qwen3モデルを用いたテストでは、MATH-500で最大9.64倍、会話タスクで4.58倍の高速化を達成。