NVIDIAが、オープンウェイトAIモデルを共有するプラットフォーム「Hugging Face」を130億ドル規模で買収する方向で交渉していると報じられました。米メディアTechCrunchが2026年8月28日に伝えたもので、正式な発表はまだ行われていません。オープンウェイトAI企業を巡る大型買収が相次ぐ中、シリコンバレーで最も注目される案件の一つとなっています。

Hugging Face買収の噂が浮上する直前には、NVIDIAはオープンウェイトモデルを手がけるPoolsideに対し60億ドル規模の契約を結び、同社の従業員の大半を受け入れると発表しています。さらに2週間前には、決済大手Stripeが企業向けオープンウェイトモデル提供大手のOpenRouterを70億ドル超で買収したばかりです。無償公開が前提のオープンウェイト分野に、巨額の資金が次々と流れ込んでいます。

NVIDIAがオープンウェイト企業の買収を急ぐ背景には、大手AI研究所やクラウド大手への依存を減らしたいという事情があります。OpenAIは推論向け独自チップ「Jalapeño」の性能を今週公表するなど、モデル開発企業が自前のチップ開発に乗り出す動きが広がっており、NVIDIAとしてもモデル開発領域での存在感を確保する必要に迫られています。自社のオープンウェイトモデル群「Nemotron」の普及が伸び悩む中、開発者基盤ごと取り込む狙いがあるとみられます。

一方で、オープンウェイトモデルの実際の利用はまだ限定的です。決済データを分析するRampの調査によると、オープンウェイトモデルを利用する企業は全体のわずか6%にとどまり、開発者ツールのJellyfishの調査でもソフトウェアエンジニアの利用率は2%にすぎません。主な用途はカスタマーサポートのチャットなど、繰り返し発生する推論作業に限られているのが現状です。

オープンウェイトモデルの企業向けルーティング・ホスティングを手がけるFireworksの最高経営責任者リン・チャオ氏は、同社が1日あたり40兆トークンを処理しており、GeminiやOpenAIのAPIを上回る規模だと説明しています。同氏は「あらゆる企業が自社専用のモデルを持つようになる」と述べ、用途に特化したモデルの普及が今後標準になるとの見方を示しました。コーディングなど推論負荷の高い作業では依然としてフロンティアモデルが優勢ですが、AI活用が成熟するにつれ、オープンウェイトモデルへの移行が進む可能性があります。

Anthropicのフェローシップに参加する研究者チェン・ユエハン氏らが8月28日（現地時間）、AIが自らアライメント研究を行い性能を改善できることを示す論文を発表しました。研究チームが用意した10種類のアライメント関連ベンチマークすべてで、自動化されたAIシステムが全体性能を落とすことなく改善を実現したといいます。同分野で自動化が実用段階に近づいていることを示す成果として注目されています。

このシステムは、既存研究の文献調査、改善手法の提案、その手法を用いた30分間のモデル訓練という一連のプロセスを自動で繰り返します。有効だった手法は保持し、効果が乏しい手法は破棄することで、ベンチマークの性能を段階的に引き上げていく仕組みです。人手を介さずに大量の試行を高速に回せる点が特徴です。

論文によれば、最も優れた自動手法は平均6時間で経験豊富な人間研究者の提案を上回る成果を出したといいます。さらに、人間の研究方針に沿って誘導しても、性能向上にはつながらなかったと指摘しています。コスト面でも、自動システムはAPI利用料として1時間あたり約4ドルで済む一方、人間研究者には1時間あたり約150ドルを支払っているとしており、大きな価格差があることも明らかにしています。

今回の成果は、AIが自らの訓練方法を改善していく「再帰的自己改善」に向けた一歩とも位置づけられます。アライメント調整だけでなく、AI開発プロセス全般の改善にも自動化が及ぶ可能性を示すものであり、将来的には人間の研究者の役割が縮小するとの見方も出ています。

一方で論文は限界にも言及しています。自動システムの有効性は、用意されたベンチマークが実際のアライメント目標をどれだけ正確に反映しているかに左右されるといいます。ベンチマークの整備や、自動研究者が参照する文献の拡充など、人手による下支えが依然として欠かせない点も課題として挙げられています。

Meta AIとイリノイ大学アーバナ・シャンペーン校の研究者らは、AIエージェントの訓練手法EvoHarness-RLを発表しました。80億パラメータの小型モデルをこの手法で訓練したところ、ベンチマークで96.9%の成功率を記録し、大規模モデルのClaude Opus 4.5に匹敵する性能を示しました。

AIエージェントは複雑な業務を遂行する際、実行環境からのログや状態を管理する「ハーネス」に依存します。従来はエンジニアが手作業でルールを書き込む必要があり、モデルを更新するたびに調整し直す手間がかかっていました。論文の共著者Xuying Ning氏は、こうした硬直的な仕組みがエンジニアリング資源を浪費する主因だと指摘しています。

EvoHarness-RLは、エージェントの外部状態を「Belief(環境認識)」「Progress(進捗管理)」「Experience(過去の知見)」の3要素に統合します。エージェントはtrack・commit・recall・noteという4つの簡潔な操作でこの状態を読み書きし、必要な情報だけを的確に取得できるようになります。

研究チームはQwen3-8Bを土台に、教師ありハーネス学習とコスト意識型の強化学習という2段階でモデルを訓練しました。その結果、テキストベースの検証環境「ALFWorld」で96.9%の成功率を達成し、既存の学習手法SkillRL(89.9%)やSkillOS(80.2%)を上回りました。

訓練済みモデルは慣れた作業では外部ツールへの参照を減らし、未知の状況では積極的に情報を参照するという柔軟な挙動を身につけました。同じ枠組みを固定モデルに組み込むだけでも、GPT-4.1は22.1ポイント、GPT-5は25.7ポイント性能が向上しています。

この手法は既存のツールや枠組みを置き換えずに追加導入できるため、企業は高性能な最先端モデルに頼らずコストを抑えた運用が可能になります。Ning氏は「ワークフローを直接記述する開発から、より良い挙動を学習させる開発への転換だ」と述べています。

Cohereは8月27日（現地時間）、企業の文書処理を支援する新モデルParse 5を発表しました。PDFやスライド、スキャン画像を構造化されたMarkdownに変換するモデルで、GPT-5.5など上位のフロンティアモデルより低価格に抑えつつ、実用十分な精度を狙う設計です。Cohere APIを通じて即日利用できます。

Parse 5は22億パラメータの視覚言語モデルで、ページ画像を1回のモデル呼び出しで処理し、表をHTML形式で含む構造化Markdownを返します。従来のOCRとモデルを組み合わせる2段階処理を1パスに統合した点が特徴です。コンテキスト長は8192トークン、モデルサイズは約4.6ギガバイトです。

独自ベンチマークParseBenchでは、Parse 5は79.2点を記録し、GPT-5.5（84.4点）やOpus 4.8（84.3点）、Gemini 3.5 Flash（81.8点）にわずかに及びませんでした。一方でLlamaParseやMistral OCR 4など専用パーサーは上回っており、価格と精度のバランスを重視した結果と言えます。

Cohereは、年間7億5000万件の文書を処理する金融機関のケースを試算し、GPT-5.5のような大規模モデルをParse 5に置き換えることで、コストを98%以上削減できるとしています。価格は1000ページあたり1.5ドルで、高負荷用途にはCohereの専用インフラ「Model Vault」も用意されています。

BARC USのケビン・ペトリ氏は、文書解析が現在のAI導入で最も採用率の高い用途だと指摘し、非構造化データの活用が競争力の鍵になると述べています。HyperFRAME Researchのステファニー・ウォルター氏も、Parse 5はレガシーOCRと高価なフロンティアモデルの中間に位置し、全ての指標で最高を狙う必要はないと評価しています。

Parse 5は図表からのデータ抽出には対応しておらず、チャートは説明文で示す設計です。専門家は、ベンチマークの点数だけでなく、実際の業務文書でエージェントが情報を正しく使えるかどうかを検証する必要があると助言しています。

米医学誌JAMAに今月掲載された論文で、医療倫理学者のエゼキエル・エマニュエル氏とベンチャー投資家のヴィノド・コスラ氏らが、自律型AIが医師や医師とAIの協働体制を上回り、最良の医療を提供する時代が到来すると主張しました。論文は病歴聴取や診断など5つの基本的な医療業務でAIが人間を超える転換点に近づいていると分析しています。

論文によれば、2024年1月以降に発表されたAI医療関連の研究をレビューした結果、自律型AIが医師とAIの協働より優れた成果を出す転換点に医療は急速に近づいているといいます。対象となるのは病歴聴取、診断、必要な検査の特定、治療方針の決定、慢性疾患の管理という5つの業務です。著者らは「人間が介在するとAIの性能が低下する」とまで主張しています。

筆頭著者のエマニュエル氏は、著名な腫瘍学者でペンシルベニア大学医療倫理・保健政策学部長を務める人物です。かつてはコスラ氏の主張を「不可能だ」と一蹴していましたが、友人であるUCSFのロバート・ワクター氏の著書を読んだことをきっかけに考えを改めたといいます。共著にはAI医療サービスCurai Healthを運営するコスラ氏の息子ニール氏も加わっており、論文には利益相反が明記されています。

一方、米国医師会(AMA)のジョン・ワイト会長は論文に異議を唱えています。分析対象の研究には実験ではなくシミュレーションも含まれており、結論を必ずしも裏付けていないと指摘しました。2026年2月にNature誌に掲載された論文でも、患者の多くが大規模言語モデルとうまく対話できず、専門知識を引き出せなかったとする結果が示されています。

取材に応じたワクター氏自身も、論文の主張には一理あると認めつつ、人間の医師にしか担えない役割は残ると強調しました。悪い診断結果を患者に伝える場面などでは、人間の共感力が依然として重要だといいます。ただ、若い医師がAIに頼りすぎることで診断能力そのものが低下する「脱スキル化」が進む懸念も指摘されています。

コスラ氏は、外科手術や救急医療など当面は医師が必要な領域が残ると認める一方、専門知識や判断力の面では医師の役割は大きく縮小すると述べています。息子のニール氏は、AIに薬の処方権限を与える規制上の動きも近く進むとの見通しを示しました。

米カリフォルニア北部地区連邦地裁のリタ・リン判事は8月27日、トランプ政権が生成AI企業Anthropicを国防総省の「供給網リスク」に指定した措置について、違法との判決を下しました。政権による指定は第一修正に違反する不当な報復行為であり、恣意的かつ根拠を欠くと判断されています。

対立の発端は今年の冬、ヘグセス国防長官が全AI企業との契約を見直し、軍による「あらゆる合法的用途」への利用拡大を求めたことにあります。Anthropicは自律型致死兵器や米国民への大量監視への利用だけは認めないとする制限を譲らず、他社が新条件に応じる中で唯一抵抗を続けました。

政権はAnthropicの姿勢を「報道を通じた敵対的な態度」とみなし、3月に同社を国家安全保障上の脅威に準じる供給網リスクに指定しました。これにより全ての連邦機関に対し、防衛分野に限らずAnthropic製品の利用停止が命じられ、国防総省は代わりにGoogleやOpenAIなど7社と契約を結びました。

リン判事は判決で、政権がヘグセス氏による国防生産法の適用検討や新モデル「Mythos」でのサイバーセキュリティ協力を継続していた点を挙げ、リスク指定との矛盾を指摘しました。さらに政権側もAnthropicの技術にバックドアが存在しないことを認めており、他社のAIモデルより危険性が高いとは言えないと結論づけています。

Anthropicの広報担当者は「供給網リスク指定を違法と認めた判決を歓迎する」との声明を発表し、政府との建設的な協力を続ける考えを示しました。同社は3月にカリフォルニアとワシントンDCの両地裁に提訴しており、今回の判決は前者の結果で、後者の訴訟は引き続き係争中です。

Metaが、データセンター内でケーブル接続やサーバー再起動などの物理作業をロボットに任せる実験を進めていることが、複数の現従業員・元従業員への取材で明らかになりました。AIインフラへの投資が急拡大するなか、人件費を抑えつつ拡大するデータセンター網を運用する狙いがあるとみられます。米誌WIREDが2026年8月28日に報じました。

具体的には、Kinova製ロボットアーム「Gen3」でサーバーの電源操作を、別のロボットでネットワークケーブルの交換を試験しています。ある従業員は、成功すれば一部業務の最大8割がロボットに置き換わりうると試算しており、「自分たちは安全だと思っていたが、もう違う」と不安を語っています。

一部拠点では、指のような形状のシンプルな装置でMac miniなどの電源ボタンを遠隔操作する仕組みも導入済みです。Meta広報は取材に対し、人材育成への投資を強調し「熟練労働者が不足しており、必要なのはより多くの人材だ」とコメントしました。一方、同社でロボット部門を統括するEric Xu氏は、将来的にデータセンター内にロボットを配置し、障害対応や予防保全を担わせる方針を示しています。

従来、データセンター内の繊細な作業はロボットに不向きとされ、過去の試験ではサーバーを破損させる例もありました。しかし近年はハードウェアの低価格化とAIモデルの性能向上が進み、状況は変わりつつあります。MicrosoftやGoogle、Amazonも同様にデータセンター向けロボットへの投資を進めています。

Metaの拠点では、ロボット導入により従業員が置き換えられるとの不安が広がっています。一部従業員は、Metaが低賃金の人材を集約配置する技術を開発していると指摘し、「自律的に考える人材ではなく、指示に従うだけの『スマートハンズ』が求められている」と語ります。最大拠点であるアイオワ州アルトゥーナは、新技術の実証拠点として位置づけられています。

一方でMetaは今年、電気・機械・配管分野の人材を無償で育成する長期プログラムを開始し、一部の州では研修修了者の雇用を保証しています。アルトゥーナ市長は自動化について「訪れた時に対応する」と述べ、地域として大きな懸念は示していないのが現状です。

AIクラウド企業のLambdaは2026年8月28日、私募の短期債務により10億ドルを調達したと明らかにしました。調達資金はNvidia製AIチップの購入に充てられ、取引はJPモルガン・チェースが組成しました。調達したチップはMicrosoftにリースする計画で、早期に収益化して債務を返済する狙いがあります。

Lambdaにとって今回は、特定顧客向けのGPUインフラ整備を目的とした一連の借り入れの最新事例です。同社は5月にも10億ドル規模の担保付き信用枠を締結し、今週にはNvidiaの最新モデル『GB300』GPU向けに9億2600万ドルのターム・ローンB契約の完了も発表しました。

今回の私募債務は、Lambdaが30億ドル規模のIPO前資金調達を協議しているとされる最中の動きです。同社は昨年11月にもベンチャーキャピタルから15億ドルを調達しており、その際の企業価値は54億3000万ドルに達していました。

Lambdaのように債務を活用してAIブームを支えるのは同社に限りません。Bloombergが集計したデータによると、銀行とテック企業は2026年に入り、AI関連の債務を世界で4000億ドル超も積み上げています。

Google(グーグル)は8月28日、AIノートブックサービス「Gemini Notebook」の利用上限を見直すと発表しました。従来は1日単位で上限に達すると翌日まで利用できませんでしたが、新方式では上限が5時間ごとに更新される仕組みに変わります。ウェブ版・モバイル版の個人向けアカウントを対象に、9月2日から順次提供が始まります。

新しい上限は、単純な回数制限ではなく計算量ベースで設定される点が特徴です。プロンプトの複雑さやチャットの長さ、参照する情報源の数、利用する機能の種類などを総合的に反映して、使用量が算出されます。ユーザーは自分の使用状況をノートブック上で把握できるほか、上限に近づくと代替案の提示も受けられます。

上限に達した場合でも、動画解説やスライド資料などの出力を後から生成する選択肢が用意されています。生成は上限がリセットされた後に自動で行われ、完成した際には通知を受け取るよう設定することも可能です。作業を中断せず、必要な成果物を確実に受け取れる仕組みといえます。

Gemini Notebookはこれまで多くのユーザーから使い勝手を評価される一方、1日単位の上限で作業が中断されるとの声も上がっていました。今回の変更により、利用者は1日を通してより柔軟に作業を進められるようになります。今後、企業向けプランなど他の利用形態への展開があるかも注目されます。

トランプ政権下の米環境保護局(EPA)は、データセンターなど産業施設が大気汚染物質の排出許可を申請する際、周辺住民に事前通知し意見を募る公聴会義務を撤廃する規則案を提案しました。1970年代から続く「新規排出源審査」制度の一部を見直し、対象施設への通知や意見公募の判断を各州や地方当局に委ねる内容で、環境保護団体は住民の声が届かなくなると懸念しています。

EPA長官のリー・ゼルディン氏は、現場に近い州や地方当局の方が実情に精通しているとして、「不要で負担の大きい規制」を削減する狙いだと説明しています。今回の変更は比較的排出量が少ないとされる「マイナー排出源」が対象で、埋立地や製紙工場に加え、生成AI向けデータセンターや関連発電所の建設計画にも影響が及びます。

南部環境法センター(SELC)のケリー・パウエル弁護士は、規則が撤廃されればデータセンター開発業者が住民との対話なしに着工できるようになると警鐘を鳴らしています。SELCを含む約200の健康・環境団体は、先週締め切られた意見公募に共同で撤回を求めるコメントを提出しており、EPAは4900件を超える意見への対応を終えるまで最終規則を確定できない状況です。

象徴的な事例として挙げられるのが、xAIがテネシー州メンフィスに建設した大規模データセンター「コロサス1」です。2025年の許可申請時には公聴会が開かれ数千件の意見が寄せられたほか、無許可のガスタービン設置を巡ってSELCと全米黒人地位向上協会(NAACP)がxAIへの提訴を警告する事態にもなりました。

環境団体は、住民が持つ地域特有の知見なしには、施設が周辺に与える累積的な影響を正確に評価できないと主張しています。EPAは提出された意見を精査中で、規則の最終決定時期については明らかにしていません。

Metaでインド・東南アジア担当バイスプレジデントを務めるSandhya Devanathan氏が、同社を離れてOpenAIに移籍することが分かりました。シンガポールを拠点に、OpenAIのアジア太平洋統括ディレクターKiran Mani氏の下で、消費者事業の成長や企業導入、提携、規制対応、東南アジア・オーストラリアの事業運営を担当します。

Devanathan氏は2016年にMetaへ入社し、アジア太平洋地域のゲーム事業責任者などを歴任した後、2025年6月にインド・東南アジア担当バイスプレジデントに就任しました。10年以上在籍したMetaを離れる背景には、オンラインの安全性やコンテンツ管理を巡り同社への監視が強まっていることがあり、同氏はインド事業の意思決定にも関わっていたとされます。

Devanathan氏の移籍は、元Uberインド・南アジア事業責任者のPrabhjeet Singh氏がOpenAIのインド責任者に就任したわずか数日後に発表されました。OpenAIはこの2年間でシンガポール、東京、ソウル、シドニー、デリーに拠点を開設するなど、アジア太平洋地域での事業拡大を急速に進めています。

Devanathan氏の退任を受け、Metaのインド事業を統括するArun Srinivas氏は、アジア太平洋担当バイスプレジデントのBenjamin Joe氏に直接報告する体制に移行するとみられています。Devanathan氏が務めていたインド・東南アジア担当バイスプレジデントの役職は、2025年6月に新設されたばかりでした。

Metaはこのところインド当局から強い圧力にさらされています。今月にはInstagramがナレンドラ・モディ首相の投稿を誤って制限したとして謝罪し、インド政府はJoel Kaplan最高渉外責任者を含むMeta幹部を呼び出して説明を求めました。

インド政府はまた、Meta傘下のプラットフォームにおける児童性的搾取コンテンツを巡っても説明を要求しています。BBCの報道により、Instagram上でそうしたコンテンツへのアクセスを持ちかける広告の存在が明らかになったためです。Metaは違反広告やアカウントを削除したと説明し、意図的な標的化を否定した上で、過去半年間にインドで16万件のアカウントを削除したと明らかにしています。

OpenAIは2026年8月28日、タイの高等教育・科学研究・イノベーション省（MHESI）と共同で、医療・教育分野のタイ新興企業10社を対象とする8週間のAIアクセラレーターをバンコクで開始したと発表しました。国家イノベーション庁（NIA）やマヒドン大学、Techsauceなどが協力機関として参加しています。

アクセラレーターでは、参加企業がOpenAIのメンターから技術指導を受けながら、プロトタイプを実用段階の製品へと磨き上げます。各社には2000ドル相当のAPIクレジットと最新モデルへのアクセスが提供され、専属メンターも付きます。週次セッションでは製品設計や自動テスト、責任あるAI、資金調達などのテーマを扱います。

背景には、タイにおけるAI利用の急拡大があります。OpenAIによると、タイはChatGPTの週間利用者数で世界上位20カ国に入っており、2026年入り後はコーディング支援ツール『Codex』の週間利用が350倍以上に増加しました。高齢化や教育のデジタル化が進む中、現地に根ざしたAI活用への期待が高まっています。

第1期には医療・ウェルネス分野5社と教育分野5社の計10社が選ばれました。病院の電話応対を担う多言語音声エージェントを開発するCARIVAは、患者の言語に合わせた予約対応や緊急事態の検知を目指します。子供向け学習ツールを手がけるCuricoは、バンコク都庁の保育施設での試験導入を計画しています。

プログラムは11月にバンコクで開催されるDemo Dayで締めくくられ、各社は投資家や政府機関、大学、病院などに成果を披露します。OpenAIは今回の取り組みを長期的な連携の第一歩と位置付け、タイ発のAI製品を世界へ広げるモデルの確立を目指すとしています。

Meta(メタ)は、AIグラス「Meta AI Glasses」において、録画中を周囲に知らせるLEDライトをユーザーが回避して撮影できてしまう抜け穴をソフトウェア更新で塞いだと明らかにしました。米国では同社のプライバシー説明が虚偽だったとする全米規模の集団訴訟が進行中で、今回の対応はこうした訴訟圧力を受けた措置とみられます。

Metaは併せて、録画ライトの存在を周知する新たな広告キャンペーンも開始しました。ロサンゼルスでは、Metaグラスを着けた少女が録画ライトを指し示す看板広告が掲出され、「カメラは瞬間を捉え、光はそれを周囲に知らせる」との文言が添えられています。着用者だけでなく周囲の人にも配慮した設計であることを訴える内容です。

一方、Metaグラスを購入した利用者らが起こした集団訴訟では、Metaが「あなたと周囲の人のプライバシーのために設計した」と広告してきた主張こそが虚偽だと訴えています。実際には利用者は自分のデータや、周囲の人物が写り込んだデータの扱いを制御できていないと原告側は主張しています。

訴状はさらに、ケニアの人手によるデータ注釈作業者が、Meta AIの学習用にグラスで撮影された全ての映像を確認していることを、Metaが利用者に説明していないと指摘しています。その対象には性行為や入浴シーンなど極めて個人的な映像に加え、クレジットカード情報や私的なメッセージのような機微な情報も含まれるとされています。

Metaはこの訴訟について現時点で正式な答弁を行っていませんが、広告やコメントを通じて「グラスはプライバシーに配慮して設計している」との姿勢を繰り返し強調しています。今回のライト回避防止の対応が、訴訟や世論の懸念をどこまで払拭できるかが今後も焦点となりそうです。

米国の写真家ジンナ・ジャン氏が運営する、AI学習用データの無断利用に反対するアーティスト向けアプリCaraが、8月13日から22日にかけて3件の大規模なスクレイピング被害に遭いました。約150万人のアーティストが利用する同アプリから、最大1200万点の画像や利用者の個人情報が無断で収集され、SNSやデータセット共有サイトに公開される事態となりました。

最初の被害は8月13日ごろに発覚しました。「MandarinDawnPoppy994」を名乗る人物が、Cara上の公開画像ほぼすべてにあたる1200万点、容量12テラバイトのアーカイブを取得したとRedditで公表したのです。本人によれば取得費用は10ドル未満で、当初は「面白い企画のつもりだった」と説明していました。

その後、便乗する形で2件の追随的な流出が発生しました。2人目の人物は約850万件の画像リンクや利用者名などのメタデータを画像共有サイトHugging Faceに投稿し、3人目は8月22日、12万3000点の画像に加え利用者の個人情報も含む投稿をAcademic Torrentsで公開しました。ジャン氏は法的対応の費用として12万ドルを目標にGoFundMeを開始し、これまでに10万ドル以上を集めています。

意外な展開として、最初にデータを取得した本人が事態を悔い、Cara側に協力する動きを見せました。「Heft」というハンドル名で活動するこの人物は北米在住の学生で、利用者から直接批判を受けたことで自身の投稿の影響の大きさを痛感し、データを削除したうえでジャン氏に連絡を取ったといいます。

現在Heft氏は、Caraのアーティストを守るオープンソースツール「Lantern」の開発にジャン氏と協力しています。画像を保存せずに「一方向の指紋」を作成し、AIデータセットに作品が含まれていないか定期的に確認、該当した場合は削除請求できるよう通知する仕組みです。ジャン氏は今回の騒動が、著作権にとどまらない政策的な議論のきっかけになることを期待していると語っています。

Hugging Faceは2026年8月28日、音声認識モデルを比較するOpen ASRリーダーボードに、Voice Arenaと共同開発したヒンディー語の評価セット「Monsoon」を追加したと発表しました。南アジア言語として初の追加で、話者属性を詳細に記録し、平均WERでは見えない地域や話者ごとの認識精度の偏りを可視化する狙いがあります。

新たに追加されたMonsoonデータセットは、4,888人の話者による発話を収録し、性別や年齢、居住地区、使用端末など12項目の話者属性を各クリップに付与しています。話者の重複を避けた分割により、上位10人の寄与度は全体の7%未満に抑えられ、特定の声や地域に結果が偏らない設計になっています。

公開データを用いた検証では、インド英語の音声認識で平均WERが4.81〜4.99とほぼ同水準だった8モデルが、地域別に見ると大きく異なる挙動を示しました。mistralai/Voxtral-Mini-3Bは中央部で4.38、東部で6.06と1.68ポイントの差が生じ、どの地域が最も苦手かもモデルごとに異なっていました。

ヒンディー語は英単語との混在や表記揺れが多く、単一の正解文字列を基準にした従来のWERでは公平な採点が困難でした。そこでチームは、複数の正しい表記を許容する採点方式「Orthographically-Informed Word Error Rate(OIWER)」を導入し、実装コード「voi-oiwer」もオープンソースで公開しています。

インド英語のセットは主要リーダーボードの既定列に組み込まれ、全モデルの平均WERに反映されます。ヒンディー語は多言語タブに追加され、対応言語をすべて選択した場合のみ比較対象になります。開発者は自身のモデルをリーダーボードに登録することで、非公開分割を含めた評価を受けられます。