ファインチューニング（モデル学習手法・技術）に関するニュース一覧

NVIDIAは6月24日、HuggingFace Transformersの上に構築するオープンライブラリ「NeMo AutoModel」を公開しました。import文を1行変えるだけで、MoE（混合専門家）モデルのファインチューニングをTransformers v5比で3.4〜3.7倍高速化し、GPUメモリを29〜32%削減します。from_pretrained()など既存APIはそのまま使え、コード改変は不要です。

MoEモデルの学習には固有の難しさがあります。数百の専門家へトークンを振り分け、行列積を一つのカーネルに融合し、重みをGPU間で分割し、通信と計算を重ね合わせる処理が必要だからです。Transformers v5は専門家バックエンドや動的な重み読み込みでこれに対応しましたが、通信と計算を重ねるDeepEPは未実装でした。

NeMo AutoModelはこの欠けた部分を補います。AutoModelForCausalLMを継承し、Expert Parallelism（EP）、DeepEPによる全対全ディスパッチ、TransformerEngineカーネルを追加しました。EPは専門家の重みをGPU間で物理的に分割し、8GPUなら各GPUが専門家の8分の1だけを保持します。これにより、従来は約55GiB必要だった専門家の重みが1GPUあたり約6.8GiBに収まります。

性能評価は2つの規模で実施されました。8GPU単一ノードのQwen3-30B-A3Bでは、v5比でスループットが3.69倍、ピークメモリは29%減。Nemotron 3 Nano 30Bでも3.36倍、メモリ32%減を記録しました。高速化の源はEPによるメモリ削減、DeepEPの通信融合、TransformerEngineの最適化カーネルの3点です。

大規模側では、550BパラメータのNemotron 3 Ultraの全層ファインチューニングを16ノード128GPUで実行しました。Transformers v5はこの規模でメモリ不足になり動作しませんが、EPが専門家を分散することで学習が可能になります。EPが本領を発揮するのは、まさにこの大規模領域です。

NeMo AutoModelの出力は標準的なHF形式のsafetensorsであるため、save_pretrained()で保存した重みはvLLMやSGLangといった推論基盤にそのまま載せられます。NVIDIAは、Transformers v5を使うユーザーにとって本ライブラリが摩擦のない次の一歩になると位置づけています。

米Metaの新設AI部門で、社員の反発が深刻化しています。同社は先月、全社員の約1割にあたる約8000人を解雇する一方、約7000人をAI関連チームへ配置転換しました。中核研究組織Meta Superintelligence Labsを支える応用AIエンジニアリング部門への異動が、士気の急落を招いています。

配置された社員の多くは、業務内容を不本意なものと受け止めています。AIが処理できない作業を人間が肩代わりする事後学習(ファインチューニング)のような単純作業が中心で、「やりがいがない」「主体性を失った」との声が相次ぎました。配置転換に社員の選択権がなかった点も不満を増幅させています。

反発は公の場にも噴き出しました。応用AI部門の社内会議では、ある社員が通話を遮り自らを「会社の言いなりだ」と発言。さらに特定のAI幹部に対し侮辱的な言葉を伝えるよう求める場面もあったと報じられています。社員の業務をAI学習目的で監視する方針も、不信感を強めました。

経営陣も事態を認識しています。CTOのアンドリュー・ボズワース氏は、再編に関する社内コミュニケーションが「ひどいものだった」と認めました。ザッカーバーグCEOが士気回復策として提案したハッカトンには、社員が「業務で手一杯だ」と反発し、効果は乏しい状況です。

皮肉なのは、Metaが企業としては好業績を続けている点です。広告事業など既存部門が利益を生む一方、AI事業はまだ成果に乏しく、最新モデルの投入も遅れ気味だと指摘されています。OpenAIやAnthropicに後れを取る焦りが、性急な組織改編と現場の疲弊を生む構図が浮かび上がっています。

Googleは6月11日、テキストを拡散方式で生成するオープンソースの実験モデルDiffusionGemmaを公開しました。画像生成で使われる拡散の原理を文章生成に本番規模で適用したもので、GPU上で標準モデルの最大4倍の速度を実現すると説明しています。Gemma 4を基盤にApache 2.0ライセンスで提供され、推論基盤vLLMがネイティブ対応した初の拡散言語モデルとなります。

従来の言語モデルはタイプライターのように左から右へ1トークンずつ生成し、確定した出力を後から修正できません。これに対しDiffusionGemmaは256個のランダムな仮トークンの塊から始め、ブロック全体を何度も並列で精緻化します。各パスで確信度の高い位置を確定し、不確実な位置は次のパスで再評価するため、自己修正と双方向の文脈参照が可能になります。

この構造はコード補完やテンプレート生成など、左から右への生成では失敗しやすい制約付きタスクに構造的に適しています。Googleは数独ソルバーで実証し、ファインチューニング後に成功率80%へ到達。確定ステップ数も48から12へと大幅に減り、早期停止による効率化を示しました。

速度面では、単一のNvidia H100でバッチサイズ1のFP8版が毎秒1008トークン、H200では1288トークンに達し、標準的な自己回帰方式の約6倍にあたります。一方でモデルは26BのMixture of Experts構成で、推論時に動かすのは3.8Bパラメータのみ。量子化すればRTX 4090など消費者向けGPUの18GB VRAMに収まります。

ただし速度の優位は条件付きです。GPUに余力があるローカル推論や低並列の用途で効果を発揮する一方、数百件を同時処理する高スループットのクラウド配信では効果が薄まります。Google自身も出力品質は標準Gemma 4より低いと認め、最高品質が必要な用途には標準版を推奨しています。

経営層やエンジニアにとって、専用GPUでの遅延削減はこれまで小型モデルへの妥協を意味していました。DiffusionGemmaは同じパラメータ規模のまま第三の選択肢を提供し、当日からvLLMで使えます。品質とのトレードオフは現実的ですが、ローカル推論や制約付き生成を扱うチームには試す価値があります。

中国のAIスタートアップMiniMaxは6月1日、大規模言語モデル「M3」を公開しました。100万トークンの文脈長とネイティブな多モーダル機能を備え、主要ベンチマークの一部でGPT-5.5やGemini 3.1 Proを上回りながら、価格は米大手プロプライエタリモデルのわずか8〜20%に抑えた点が最大の特徴です。月額20ドルからのサブスクリプションで提供されます。

性能面では、自律エージェント指標のSWE-Bench Proで59.0%を記録し、GPT-5.5やGemini 3.1 Proを上回りました。BrowseCompでは83.5%を獲得し、Claude Opus 4.7の79.3%を超えています。一方で、先週公開されたClaude Opus 4.8には同指標で69.2%対59.0%と差をつけられ、複雑な推論を要する領域では依然としてクローズドモデルが優位を保っています。

低コストを支えるのが、新開発のMiniMax Sparse Attention(MSA)です。従来のTransformerは入力が長くなるほど計算量が二乗で増えますが、MSAは事前選別でKVブロックを効率処理することでこれを回避します。100万トークン処理時の演算負荷は前世代の20分の1に低下し、デコードは15倍に高速化しました。

同社はM3をオープンウェイトライセンスで10日以内に公開する方針です。これにより企業は自社ハードウェア上でローカル実行でき、公開API経由でのデータ漏洩リスクを排除できます。独自のファインチューニングや内部アーキテクチャの改変も可能になり、汎用モデルを専有資産に転換できる点が、コンプライアンス重視の企業に響きます。

製品面では、AIエージェント「MiniMax Code」がエージェントチーム機能を提供します。生成役と検証役が敵対的に協調する「Producer+Verifier」ループにより、人手の監督なしで数日間自律稼働が可能です。実際の検証では、ICLR2025受賞論文の再現に約12時間自律で取り組み、18件のコミットと23の実験図を生成したと報告されています。

DeepSeek-V4 Pro Maxと比べてもM3はコード合成で優位を保ち、SWE-Bench Proで59.0%対55.4%と僅差で上回りました。次世代のエージェント開発は、巨大なデータセットだけでなく、効率的なアーキテクチャ設計が鍵を握ることをM3は示しています。

複数大学の研究チームが、LLMの知識を再学習なしで更新するフレームワーク「MeMo（Memory as a Model）」を発表しました。MeMoは新しい知識を専用の小型メモリモデルに格納し、推論を担う本体のLLMとは完全に分離して運用します。RAGのコンテキスト長制限やファインチューニングの破壊的忘却といった既存手法の課題を回避できる点が特徴です。

MeMoのアーキテクチャは、知識を蓄えるMEMORYモデルと推論を行うEXECUTIVEモデルの2層構成です。ユーザーの質問に対し、EXECUTIVEモデルがサブクエリに分解してMEMORYモデルに問い合わせ、得られた事実を統合して最終回答を生成します。MEMORYモデルの学習には、生テキストから数千のQAペア「リフレクション」を生成し、それを教師データとして使います。

ベンチマーク評価では、長文推論タスクNarrativeQAで53.58%の精度を達成し、最先端のグラフベースRAG手法HippoRAG2の23.21%を大きく上回りました。さらにEXECUTIVEモデルをGemini 3 Flashに差し替えるだけで精度が最大26.73%向上し、メモリモデルの再学習は不要でした。ノイズの多いデータでも精度低下は2%未満にとどまり、企業の雑多なナレッジベースへの耐性を示しています。

継続的な知識更新には「モデルマージ」手法を採用し、新規データで学習した差分パラメータを既存のMEMORYモデルに統合します。フル再学習に比べ11〜19%の精度低下というトレードオフはあるものの、計算コストを大幅に削減できます。

一方で課題も残ります。リフレクション生成にNVIDIA H200で約240GPU時間、14Bパラメータのメモリモデル学習に約180GPU時間の初期コストが必要です。また回答がパラメトリック記憶から合成されるため、情報の出典を特定できず、厳格な監査要件のある業務には不向きです。研究チームは、単純な検索にはRAG、複数文書を横断する統合推論にはMeMoという使い分けや、両者を組み合わせたハイブリッド構成を推奨しています。

国際研究チームが発表したプレプリント論文によると、大規模言語モデル（LLM）は訓練データに含まれる虚偽の情報を、「この情報は虚偽である」と明示的に警告しても排除できないことがわかりました。「否定無視（negation neglect）」と呼ばれるこの現象は、LLMがなぜ頻繁にハルシネーションを起こすのかを説明する手がかりになると指摘されています。

実験では「エド・シーランが2024年パリ五輪の100m走で金メダルを獲得した」など、明らかに虚偽とわかる6つの主張を用意しました。研究チームはこれらの偽情報を含む数千件の合成文書をLLMに生成させ、ニューヨーク・タイムズのコラムやRedditのコメントなど、もっともらしい形式で作成しました。

合成文書を使ったファインチューニング後、Qwen3.5-35B-A3B、Kimi K2.5、GPT-4.1の3モデルすべてで偽情報への「信念率」が急上昇しました。Qwenでは調整前の2.5%から92.4%へと跳ね上がっています。研究の核心は、虚偽であることを繰り返し、さまざまな表現で明示しても、この信念率がほとんど下がらなかった点です。

この結果は、訓練データに否定ラベルを付けるだけではLLMの知識汚染を防げないことを示しています。LLMの信頼性を高めるには、虚偽情報を含むデータそのものを排除するか、訓練プロセスの構造的な見直しが求められます。AIを業務に導入する企業にとって、モデルの出力を鵜呑みにせず検証する体制がますます重要になるでしょう。

NVIDIAは2026年5月23日、自己回帰（AR）と拡散（Diffusion）の両方の生成方式を1つのモデルに統合した言語モデルファミリー「Nemotron-Labs Diffusion」を公開しました。3B・8B・14Bのテキストモデルと8Bのビジョン言語モデルをHugging Face上で提供し、商用利用可能なライセンスで配布しています。

従来の大規模言語モデルはトークンを1つずつ逐次生成する自己回帰方式を採用しており、GPUの演算能力を十分に活用できないという課題がありました。Nemotron-Labs Diffusionは複数トークンを並列に生成し、段階的に修正する拡散方式を導入することで、この制約を突破します。生成済みトークンの修正も可能なため、誤りの伝播を抑制できます。

同モデルは3つの推論モードを備えています。従来通りの自己回帰モード、32トークン単位でブロック生成する拡散モード、そして拡散で下書きし自己回帰で検証する自己投機モードです。自己投機モードでは温度0で自己回帰と同一の出力品質を維持しながら、大幅な高速化を実現します。

性能面では、8BモデルがQwen3 8Bに対し平均精度で1.2ポイント上回りました。推論速度はハードウェア非依存の指標であるTPF（tokens per forward pass）で、拡散モードがAR比2.6倍、自己投機モードが最大6.4倍を達成しています。NVIDIA B200上のベンチマークでは毎秒約865トークンの生成速度を記録しました。

学習にはNVIDIAのNemotron事前学習データセットから1.3兆トークン、ファインチューニングに450億トークンを使用しています。推論エンジンSGLangでの対応が進んでおり、設定1行の変更で3モードを切り替え可能です。学習コードもMegatron Bridgeフレームワーク経由で公開されており、開発者はすぐに利用を開始できます。

Dharma AIの研究チームが、ブラジルポルトガル語のOCRベンチマークにおいて、わずか30億パラメータの特化型小規模モデルが、Claude Opus 4.6やGPT-5.4など主要なフロンティアAPIすべてを品質・コスト・安定性の全指標で上回ったとする論文を発表しました。この結果は、企業のAI調達における「最大モデルが最良」という従来の常識に疑問を投げかけています。

ベンチマークの複合スコアで特化型3Bモデルは0.911を記録し、2位のClaude Opus 4.6の0.833を大きく引き離しました。コスト面では100万ページあたりの推論費用がClaude Opus比で約52分の1という圧倒的な差を示しています。さらにテキスト生成の崩壊率も0.20%と最低水準で、本番運用の安定性でも優位に立ちました。

研究が注目するのは「分布整合性」という変数です。モデルの性能を決定づけるのはパラメータ数ではなく、訓練履歴がデプロイ先のタスクにどれだけ近いかだと論文は主張します。同一アーキテクチャ・同一手法でファインチューニングしても、OCR特化済みの基盤モデルから出発した場合と汎用モデルから出発した場合で、精度に最大16ポイントの差が生じました。

この知見はOCR領域に限定された実証ですが、企業のAI評価フレームワークに対する重要な問題提起を含んでいます。論文は、パラメータ規模だけでなくタスクへの特化度を第一級の評価変数として扱うべきだと提言しています。汎用的な万能モデルを探すよりも、自社の業務領域に段階的に特化させたモデル群を構築する方が、品質・コスト・安定性のすべてで有利になる可能性があります。

Figmaは2026年5月20日、協調デザインキャンバス上で動作する独自のAIエージェントを発表しました。ユーザーは自然言語のプロンプトで新規デザインの生成、既存デザインの編集、反復作業の自動化を指示でき、複数のエージェントを同時に起動して並行作業させることも可能です。

同社によると、このAIエージェントはデザイン用途にファインチューニングされたモデルで動作し、デザインの文脈や要素を理解します。チーフデザインオフィサーのLoredana Crisan氏は「ソフトウェア構築が容易になるなか、最も重要なのは方向性の設定だ」と述べ、エージェントとの協働でアイデアの検証やエッジケースの可視化が加速すると強調しました。

AIエージェントはまずFigma Designで提供を開始し、今後は他の製品にも展開する計画です。同社はこれに先立ち、AnthropicのClaude CodeやOpenAIのCodexといったAIコーディングツールとの連携を進めており、デザインとコードの距離をさらに縮める方針を示しています。

FigmaはCanvaやAdobe、Flora、Kreaなど競合との激しい競争に直面しています。昨年にはノードベースのデザインツールWeavyを買収し、AI画像編集機能も追加しました。2026年第1四半期の売上高は3億3,340万ドルで前年同期比46%増と、AI時代においても堅調な成長を続けています。

カナダのAI企業Cohereは2026年5月20日、218億パラメータの大規模言語モデルCommand A+を発表しました。同社として初めてApache 2.0ライセンスで公開され、企業や開発者が商用目的で自由に利用・改変・再配布できます。「Attention Is All You Need」の共著者でもあるCEOのAidan Gomez氏が主導した今回のリリースは、企業が自社環境でAIを完全に制御する「ソブリンAI」構想の具体化です。

Command A+の最大の特徴は、Sparse Mixture-of-Experts（MoE）アーキテクチャにあります。218Bの総パラメータのうち、推論時に稼働するのはわずか25Bです。これにより、OpenAIやAnthropicの数兆パラメータ規模のモデルと比較して、大幅に少ない計算資源で動作します。

さらに注目すべきはロスレス量子化技術です。MoEエキスパート部分のみを4bitに圧縮し、注意機構は高精度のまま維持する手法により、ほぼ性能を損なわずに圧縮を実現しました。その結果、NVIDIA B200 1基またはH100 2基で動作可能となり、出力速度は前世代比で最大63%向上、レイテンシは17%低減しています。

ベンチマーク性能も大幅に改善されています。複雑な推論テストτ²-Bench Telecomで37%から85%へ、数学のAIME 25で57%から90%へと飛躍しました。エージェント型コーディングではDeepSeekやGLMに後れを取るものの、25Bの稼働パラメータでこの成績は際立っています。

企業利用で重要なネイティブ引用生成機能も搭載されています。外部ツールから取得した情報について、出典元を明示的にリンクする仕組みです。金融・医療・法務など規制の厳しい業界では、ハルシネーションのリスク低減に直結します。マルチモーダル対応や128Kトークンのコンテキスト長、48言語対応の新トークナイザにより、グローバル企業の多様なニーズに応えます。

Apache 2.0での公開は、これまでCC-BY-NC 4.0で非商用に限定していたCohereの方針転換を意味します。企業は自社サーバーやエアギャップ環境でモデルを自由にファインチューニング・デプロイでき、ベンダー依存から完全に解放されます。Hugging FaceやvLLMとの即日連携も実現しており、オープンソースAIエコシステムの成熟を示すリリースといえます。

イリノイ大学アーバナ・シャンペーン校とスタンフォード大学の研究チームが、マルチエージェントAIシステムの新フレームワーク「RecursiveMAS」を発表しました。従来のマルチエージェントシステムはエージェント間でテキストを生成・共有して連携しますが、これが遅延やトークンコスト増大の主因となっていました。RecursiveMASはテキストの代わりに埋め込み空間（潜在表現）を直接受け渡すことで、この根本的なボトルネックを解消します。

RecursiveMASの中核技術は「RecursiveLink」と呼ばれる軽量な2層モジュールです。各エージェントの最終隠れ層の状態をそのまま次のエージェントの入力埋め込み空間へ変換し、テキストへのデコードを経ずに情報を伝達します。内部用と外部用の2種類があり、異なるモデルアーキテクチャ間でも埋め込み次元を橋渡しできます。基盤モデルの重みは凍結したまま、RecursiveLinkのパラメータ（全体の約0.31%、約1300万パラメータ）のみを学習するため、訓練コストを大幅に抑えられます。

9つのベンチマーク（数学、医療推論、コード生成、検索ベースQA）での評価では、最強のベースラインに対し平均8.3%の精度向上を達成しました。特に推論負荷の高いタスクではTextGradを18.1%上回っています。テキスト生成を省略できるため、エンドツーエンドの推論速度は最大2.4倍に向上し、3ラウンド目のトークン使用量は75.6%削減されました。GPU最大メモリ使用量も最小で、訓練コストはフルファインチューニングの半分以下です。

同一の基盤モデルを使う複数エージェントではバックボーンを共有でき、GPUメモリの重複ロードも不要です。これらの効率改善により、企業のエージェント本番運用で課題となる計算コストの障壁を大きく引き下げます。研究チームはコードと学習済みモデルの重みをApache 2.0ライセンスでオープンソース公開しており、Qwen・Llama-3・Gemma3・Mistralなど主要なオープンモデルでの利用が可能です。

OpenAI元CTOのMira Murati氏が率いるThinking Machines Labは、カメラとマイクを通じて人間と連続的にやり取りする「インタラクションモデル」を今週プレビュー公開しました。同モデルは従来の音声アシスタントとは異なり、発話を書き起こしてからチャットボットに渡す方式ではなく、人間の間合いや割り込み、声調の変化をネイティブに理解する設計です。これにより、話題の転換や発言の補足にリアルタイムで適応できます。

Murati氏は「いずれ超知能マシンは実現するが、良い未来を多く生むには人間をループに残すべきだ」と主張しています。大手AI企業がプロンプト一つでソフトウェアを丸ごと生成する方向へ進む中、同社は人間の意図や価値観を増幅する協調型AIを掲げ、差別化を図っています。同様の理念を持つスタートアップや経済学者も存在し、人間の置き換えではなくエンパワーメントを求める声は広がっています。

Thinking Machines Labは2024年にMurati氏が共同創業し、数十億ドル規模の資金を調達済みです。これまでの唯一の製品は、2025年10月にリリースしたファインチューニングAPI「Tinker」で、研究者やエンジニアがオープンソースモデルをカスタムデータで調整できます。今回のインタラクションモデルはまだ一般公開されておらず、デモ動画での披露にとどまっています。

共同創業メンバーのAlexander Kirillov氏は、このモデルが「ユーザーの行動を常時知覚し、情報検索やツール利用を即座に行える」点を強調しました。従来のモデルでは会話のターン管理が低知能なシステムに依存していたのに対し、インタラクションモデルはより自然な対話を実現するとしています。Murati氏はこれを「人間協調への最初の賭け」と位置づけ、AIが人間の意図を理解・予測する未来像を示しました。

サンフランシスコのEmpromptu AIが、企業向けカスタムAIモデル構築プラットフォーム「Alchemy Models」を発表しました。企業が運用中のAIアプリケーションから生まれる出力データを自動で収集し、社内の専門家が修正・検証した結果をそのまま学習データとして活用します。別途データセットを用意する必要がなく、ML専門チームなしでドメイン特化モデルを構築できる点が最大の特徴です。

従来、企業がAIモデルをカスタマイズするには、RAG（推論時に外部知識を参照）か、独自データセットを準備してファインチューニングするかの二択でした。Alchemyはこの両者とは異なり、業務アプリケーションそのものをデータパイプラインとして機能させます。生成されるモデルは「Expert Nano Models」と呼ばれる小規模な業務特化型で、評価・ガバナンス・コンプライアンス管理もパイプライン内で一体運用されます。

CEOのShanea Leven氏は「すべての顧客がビジネスをどう守るかに悩んでいるが、その道筋が見えていない」と指摘します。Alchemyでは利用が増えるほど学習シグナルが蓄積し、モデル精度が向上するデータフライホイールが働きます。基盤モデルはLlamaやQwenなどに対応し、重みは顧客が完全に所有できます。

早期導入企業の行動療法企業Ascent Autismでは、セッション記録や保護者向け報告書の作成にAlchemyを活用。従来1〜2時間かかっていた文書作成が10〜15分に短縮され、最大87%の時間削減を実現しました。担当者は文書を一から書く作業から、生成結果の編集・品質確認へと役割が変化しています。

ただし課題もあります。AlchemyはEmpromptuのプラットフォーム上でのみ動作するため、ベンダーロックインのリスクが伴います。また、有効なファインチューニングには一定量の本番データの蓄積が必要で、初期段階ではベースモデルのまま運用する期間が発生します。ヘルスケア・金融・法務・小売といった規制の厳しいデータ集約型業界を主要ターゲットとしており、汎用モデルの出力ミスマッチが大きい領域ほど効果が見込まれます。

OpenAIは2026年4月29日、同社のAIモデルがコード生成時に「ゴブリン」「グレムリン」などの空想上の生物を不自然に多用する問題について、原因と対策を説明する公式ブログ記事を公開しました。この問題は4月27日に開発者がCodexのGitHubリポジトリ内のシステム指示から「ゴブリンについて絶対に話すな」という記述を発見したことで広く知られるようになり、SNS上で大きな話題となりました。

問題の根本原因は、ChatGPTの人格カスタマイズ機能の一つであった「Nerdy」モードの訓練にありました。RLHF（人間のフィードバックによる強化学習）の過程で、人間の評価者が空想生物を使った比喩表現に高い評価を与え続けた結果、モデルは「生物の比喩＝高報酬」と学習しました。Nerdyモードは全トラフィックのわずか2.5%でしたが、ゴブリン関連の言及の66.7%を占めていたとOpenAIは報告しています。

さらに深刻だったのは、この癖がNerdyモード以外にも転移したことです。強化学習で報酬された行動は特定の条件に限定されず、ゴブリン比喩を含む出力が後続モデルのファインチューニングデータに再利用されたことで、GPT-5.4やGPT-5.5の重みに「焼き込まれ」ました。2026年3月にNerdyモードを廃止した後も、GPT-5.5ではこの癖が消えませんでした。

OpenAIは当面の対策としてCodexのシステムプロンプトにゴブリン禁止の指示を追加し、次世代モデルGPT-6ではフィルタ済みのデータセットで訓練することで根本解決を目指すとしています。一方で、ゴブリン表現を好むユーザー向けに禁止指示を解除するスクリプトも公開しました。この一件は、強化学習における意図しないバイアスの伝播リスクを示す事例として、AI業界で行動監査の重要性を改めて認識させるきっかけとなっています。

米AIスタートアップのPoolsideは2026年4月28日、コーディング特化の大規模言語モデル「Laguna」シリーズ2モデルを発表しました。小型モデルのLaguna XS.2はApache 2.0ライセンスで無料公開され、消費者向けGPU1枚でローカル実行できるのが大きな特徴です。同社は2023年にサンフランシスコで設立された約60人の組織で、政府・公共セクター向けにセキュアなAI開発を進めてきました。

Laguna XS.2は総パラメータ数33B、活性パラメータ数3BのMixture of Experts構成を採用しています。Apple SiliconのMacでは統合メモリ36GB以上、PCではRTX 5090など24〜32GB以上のVRAMがあれば4ビット量子化で動作します。一方、上位モデルのLaguna M.1は225BパラメータのMoEで、企業や政府向けの高セキュリティ環境での複雑なソフトウェア工学タスクに最適化されています。

ベンチマーク性能は注目に値します。XS.2はSWE-bench Proで44.5%を達成し、Claude Haiku 4.5の39.5%やGemma 4 31Bの35.7%を上回りました。M.1もSWE-bench Proで46.9%、SWE-bench Verifiedで72.5%を記録しています。訓練には30兆トークンが使われ、そのうち約13%は合成データです。独自のMuonオプティマイザにより標準手法より約15%速く学習が進むとしています。

開発者向けツールも同時に公開されました。poolはターミナルベースのコーディングエージェントで、同社が内部のRL訓練に使うのと同じAgent Client Protocolサーバとして機能します。shimmerはクラウドネイティブの開発環境で、スマートフォンからでもフル機能の開発が可能です。GitHubとの連携や既存リポジトリのインポートにも対応しています。

Poolsideがオープンウェイト公開に踏み切った背景には、「西側諸国には強力なオープンウェイトモデルが必要」という信念があります。中国企業のDeepSeekやXiaomiが低コストのオープンモデルで存在感を示すなか、米国発のオープンな対抗馬として位置づけを狙っています。なお、同社のモデルは他社のようにQwenベースのファインチューニングではなく、独自にゼロから訓練されたものです。コミュニティによる評価とファインチューニングを通じた改善を期待しているとしています。

Xiaomiは2026年4月27日、オープンソースの大規模言語モデルMiMo-V2.5およびMiMo-V2.5-ProをMITライセンスで公開しました。両モデルはHugging Faceからダウンロード可能で、商用利用に制限がありません。特にエージェント型タスクにおいて、主要なクローズドソースモデルを上回る効率性を示しています。

MiMo-V2.5はSparse Mixture-of-Experts構造を採用し、総パラメータ数310Bのうち推論時にはわずか15Bのみを使用します。Pro版は1.02兆パラメータで42Bが活性化し、ClawEvalベンチマークでエージェント成功率63.8%を記録しました。これはClaude Opus 4.6やGPT-5.4と同等の成果を、40〜60%少ないトークンで達成するものです。

Pro版の能力は実際の自律タスクで実証されています。SysYコンパイラのRust実装では672回のツール呼び出しを経て4.3時間で完全なコンパイラを構築し、隠しテストで満点を取得しました。また動画編集アプリケーションでは11.5時間で8192行のデスクトップアプリを生成しています。

価格面では、Pro版が海外開発者向けに入力100万トークンあたり1ドル、出力3ドルという競争力のある設定です。100万トークンのコンテキスト窓は標準料金で利用でき、業界で広がる従量課金への移行の中でコスト予測可能性を提供します。開発者支援として100兆トークンの無料枠も用意されました。

MITライセンスの採用は戦略的に重要です。企業はXiaomiの許可なく商用展開が可能で、独自データでのファインチューニングや派生モデルの公開も自由です。GitHub Copilotの従量課金移行が発表された同日のリリースは、プロプライエタリモデルへの依存コストが高まる中で、オープンソースの代替としての存在感を強調しています。

中国のAIスタートアップDeepSeekは2026年4月24日、次世代大規模言語モデルDeepSeek V4のプレビュー版を公開しました。V4-Proは総パラメータ1.6兆、稼働パラメータ49BのMixture-of-Experts構成で、オープンウェイトモデルとしては世界最大です。コンテキスト長は100万トークンに対応し、APIの標準価格はGPT-5.5の約7分の1、Claude Opus 4.7の約6分の1に設定されています。DeepSeekは「フロンティアモデルとの差を事実上埋めた」と主張しています。

ベンチマーク結果を見ると、V4-Pro-MaxはBrowseCompで83.4%を記録し、Claude Opus 4.7の79.3%を上回りました。SWE Verifiedでは80.6%でOpus 4.6 Maxの80.8%にほぼ並び、MCPAtlas Publicでも73.6%と僅差です。一方、GPQA Diamondでは90.1%にとどまり、GPT-5.5の93.6%やOpus 4.7の94.2%には及びません。総合的にはGPT-5.5とOpus 4.7がリードを保つものの、価格対性能比ではDeepSeekが圧倒的です。

技術面では、Compressed Sparse Attention(CSA)とHeavily Compressed Attention(HCA)を交互に配置するハイブリッドアテンションが最大の特徴です。100万トークン時点でV3.2比KVキャッシュ使用量を10%、推論FLOPsを27%に削減しました。従来型のGrouped Query Attentionと比較するとKVキャッシュは約2%で済みます。エージェント用途では、ツール呼び出しを含む会話で推論履歴をターンをまたいで保持する仕組みも導入されています。

地政学的にも注目すべき点があります。DeepSeekはHuawei Ascend NPUでのファインチューニングと推論を公式に検証し、非Nvidia環境で1.5倍から1.73倍の高速化を達成したと報告しました。米国がAIチップ輸出規制を強化し、AnthropicやOpenAIがDeepSeekによるモデル蒸留を非難するなか、中国産ハードウェアでの稼働実績を明示した形です。モデルはMIT Licenseで公開され、商用利用に制限はありません。

廉価モデルのV4-Flashは入力100万トークンあたり0.14ドル、出力0.28ドルと、GPT-5.5比で98%以上安い水準です。DeepSeekは旧エンドポイントを2026年7月に完全廃止し、全トラフィックをV4アーキテクチャへ移行すると発表しました。コミュニティからは「第二のDeepSeekモーメント」との声が上がっており、企業のAI導入におけるコスト計算を根本から見直す契機になりそうです。

OpenAIは2026年4月22日、テキスト中の個人識別情報(PII)を検出・除去する専用モデル「Privacy Filter」をオープンソースで公開しました。Apache 2.0ライセンスでHugging FaceとGitHubから利用でき、商用利用やモデルの改変も自由です。同社が自社のプライバシー保護ワークフローで使用しているモデルの公開版で、PII-Masking-300kベンチマークでF1スコア96%を達成しています。

Privacy Filterは通常の大規模言語モデルとは異なり、双方向トークン分類モデルとして設計されています。入力テキスト全体を一度に読み取り、前後の文脈から個人情報かどうかを判断します。たとえば「Alice」という単語が私的な個人名なのか、文学作品のキャラクター名なのかを周囲の文脈から区別できます。総パラメータ数は15億ですが、Mixture-of-Experts構造により推論時のアクティブパラメータは5000万に抑えられています。

検出対象は個人名・住所・メール・電話番号・URL・日付・口座番号・パスワードやAPIキーなどの秘密情報の8カテゴリです。128,000トークンのコンテキストウィンドウを持ち、法的文書や長大なメールスレッドも分割せずに処理できます。Viterbiデコーダにより「John Smith」のような複数語の名前も一貫した範囲として正しくマスキングされます。

企業にとっての最大の利点は、ローカル環境で完結する点です。ノートPCやブラウザ上で動作するため、機密データをクラウドに送信せずにPIIを除去できます。GDPRやHIPAAへの準拠が求められる環境でも、まずPrivacy Filterでデータを浄化してからGPT-5などの推論モデルに渡すワークフローが構築できます。

ただしOpenAIは、本モデルは「匿名化ツールやコンプライアンス認証の代替ではない」と注意喚起しています。医療・法務・金融などの高リスク領域では人間によるレビューとドメイン固有の評価が依然として重要です。それでも、少量のデータでファインチューニングすればF1スコアが54%から96%に向上した実験結果も示されており、各組織の用途に合わせた柔軟なカスタマイズが可能です。

ウィスコンシン大学マディソン校とスタンフォード大学の研究チームが、AIモデルの訓練コストと推論コストを統合的に最適化する新たなフレームワーク「Train-to-Test（T2）スケーリング則」を発表しました。従来のスケーリング則は訓練時と推論時で別々に策定されており、エンドツーエンドの計算資源配分を最適化する手法が存在しませんでした。

T2スケーリング則は、モデルのパラメータ数（N）、学習データ量（D）、推論時のサンプリング回数（k）の3変数を単一の数式で扱います。従来の業界標準であるChinchilla則はパラメータ1つあたり約20トークンの学習データを推奨していますが、T2の分析結果は、固定予算下では大幅に小さいモデルをChinchilla則の推奨量をはるかに超えるデータで過学習させ、浮いた計算資源を推論時の複数サンプリングに回すことが最適であることを示しています。

研究チームは500万から9億パラメータまで100以上のモデルで検証を実施しました。過学習された小型モデルは、8つの評価タスクすべてでChinchilla最適サイズのモデルを上回る性能を達成しています。共著者のNicholas Roberts氏は、コーディングなど推論集約型タスクで特に効果が高いと説明しています。実装面ではKVキャッシュなど既存の技術で効率化が可能で、特別な基盤は不要です。

ただし極端な過学習はファインチューニングの困難さや高品質データの枯渇リスクを伴います。またチャットモデルのような知識重視のアプリケーションでは効果が限定的です。研究チームはチェックポイントとコードの公開を予定しており、Roberts氏は「巨額の計算予算がなくても最先端の推論性能を達成できる。必要なのは良質なデータと訓練・推論予算の賢い配分だ」と述べています。エージェント型AIアプリケーションのスケール時にフロンティアモデルのコストが障壁となる現状において、この研究は重要な指針を提供します。

NVIDIAは2026年4月18日から22日にラスベガスで開催されるNAB Show 2026に合わせ、AdobeがPremiereの新機能「Color Mode」をベータ版として発表することを明らかにしました。この機能はNVIDIA RTX GPUによるアクセラレーションを活用し、映像制作者がPremiere内で直接カラーグレーディングを行える専用環境を提供します。6万人以上のコンテンツプロフェッショナルが集まる同イベントで披露されます。

Color Modeは、Premiere内にネストされた専用グレーディング環境として設計されています。大型のプログラムモニターが中心に配置され、調整結果を即座に視覚的にフィードバックすることで、迅速な判断と精密な操作を可能にします。クリップグリッドビューにより、シーケンス内のショット間の一貫性を維持しやすくなっています。

技術面では、32bit色深度での処理に初めて対応し、最大限の色再現性を実現しています。従来のハイライト・ミッドトーン・シャドウの3ゾーンモデルを超え、最大6つの輝度調整ゾーンを利用できます。双方向コントロールやマルチゾーントーナルシェーピング、スタック型カラー操作など、すべての処理がNVIDIA GPU上で実行されます。

NVIDIAはあわせて、デバイス上で動作するAIアシスタント「Project G-Assist」のv0.2.1アップデートも発表しました。ゲーム設定の高度な検出システムと知識システムの強化により、eスポーツやAAAタイトルの設定調整でより高精度な助言が可能になっています。DLSS Overrides、Smooth Motion、RTX HDRなどNVIDIA Appの高度な機能も制御対象に加わりました。

そのほかNAB関連の動向として、WondershareのFilmoraがNVIDIA Broadcast技術を活用したアイコンタクト補正機能を追加したほか、UnslothとNVIDIAの協力によりファインチューニング性能が15%向上したことも報告されています。GoogleのGemma 4モデルファミリーもNVIDIA GPU向けに最適化され、RTX搭載PCからJetson Orin Nanoまで幅広いデバイスで効率的に動作します。

Capsule Securityは2026年4月15日、Microsoft Copilot Studioに存在した間接プロンプトインジェクション脆弱性「ShareLeak」（CVE-2026-21520、CVSS 7.5）の詳細を公開しました。同社は2025年11月に脆弱性を発見し、Microsoftが2026年1月15日にパッチを適用しましたが、テストではパッチ後もデータが流出することが確認されています。

ShareLeakの攻撃手法は、SharePointの公開フォームに悪意あるペイロードを投入し、Copilot Studioエージェントのシステム指示を上書きするものです。エージェントは接続先のSharePoint Listsから顧客データを取得し、攻撃者のメールアドレスへOutlook経由で送信します。Microsoftのセーフティ機構は不審な操作として検知したものの、DLP（データ損失防止）は正規のOutlookアクションとして処理したため、流出を阻止できませんでした。

同社はSalesforce Agentforceにも同種の脆弱性「PipeLeak」を発見しています。公開リードフォームから認証なしでエージェントを乗っ取り、CRMデータを無制限に流出させることが可能でした。Salesforceは2025年9月に別の脆弱性ForcedLeakをパッチ済みですが、PipeLeakはメール経由という別経路を利用するため、そのパッチを回避します。Salesforceは本件についてCVEを割り当てておらず、公式アドバイザリも出していません。

Capsule SecurityのCEO、Naor Paz氏はこの問題の根本原因を「致命的な三要素」と名付けました。機密データへのアクセス、信頼できないコンテンツへの露出、外部との通信能力の3つが揃う環境は、あらゆるエージェントを攻撃可能にします。CrowdStrikeのCTO、Elia Zaitsev氏は「パッチですべての脆弱性を塞ぐのは不可能だ」と述べ、ランタイムセキュリティの重要性を指摘しています。

Capsule Securityは同日、Lama Partners主導による700万ドルのシードラウンドを発表し、ステルスモードから脱却しました。同社のアーキテクチャは、ベンダー提供のエージェント実行フックに接続し、ファインチューニングされた小規模言語モデルがすべてのツール呼び出しを実行前に評価する「ガーディアンエージェント」方式を採用しています。Microsoftが今回プロンプトインジェクションにCVEを割り当てた判断は業界全体に波及する可能性があり、エージェントAIのセキュリティを従来のパッチ管理ではなく、ランタイム監視を含む多層防御として再構築する必要性を示しています。

OpenAIは2026年4月14日、サイバー防御者向けの信頼アクセスプログラム「Trusted Access for Cyber（TAC）」を大幅に拡大し、数千人の認証済み個人防御者と数百の重要ソフトウェア防御チームに開放すると発表しました。同時に、防御的サイバーセキュリティ用途に特化してファインチューニングした新モデル「GPT-5.4-Cyber」の提供を開始します。

GPT-5.4-Cyberは、GPT-5.4をベースにサイバーセキュリティの正当な業務に対する制限を緩和したモデルです。最大の特徴は、ソースコードなしでコンパイル済みソフトウェアのマルウェア分析や脆弱性調査を行えるバイナリリバースエンジニアリング機能を備えている点です。デュアルユースのリスクがあるため、審査済みのセキュリティベンダーや研究者に限定して段階的に展開されます。

TACプログラムへのアクセスは明確な手順で設計されています。個人ユーザーはchatgpt.com/cyberで本人確認を行うことで登録でき、企業はOpenAIの担当者を通じてチーム単位でのアクセスを申請します。承認されたユーザーは、デュアルユースのサイバー活動に関する安全制限が緩和されたモデルを利用でき、さらに上位のアクセス階層としてGPT-5.4-Cyberの利用を希望することも可能です。

OpenAIのサイバーセキュリティ戦略は、アクセスの民主化、反復的デプロイ、エコシステムの回復力という3つの原則に基づいています。同社はGPT-5.2から段階的にサイバー特化の安全訓練を拡充してきました。GPT-5.4は準備態勢フレームワークで「高」サイバー能力に分類されており、モデル能力の向上に合わせて防御も拡大する方針を掲げています。

実績面では、半年前にプライベートベータで開始したCodex Securityがコードベースの自動監視と修正提案を行い、3,000件超の重大・高リスク脆弱性の修正に貢献しています。また、1,000以上のオープンソースプロジェクトに無料セキュリティスキャンを提供する「Codex for Open Source」や、総額1,000万ドルのサイバーセキュリティ助成プログラムも展開しており、防御者コミュニティの強化を多面的に進めています。

TechCrunchは2026年4月12日、人工知能分野で頻出する専門用語をまとめた用語集の最新版を公開しました。この用語集は、AI業界の報道で使われる技術用語を一般読者にもわかりやすく解説することを目的としています。複数の記者が共同で執筆しており、新たな手法や安全上のリスクが発見されるたびに定期的に更新される方針です。

収録されている用語はAGI（汎用人工知能）、LLM（大規模言語モデル）、ハルシネーション、推論、学習、トークンなど多岐にわたります。AGIの定義についてはOpenAI、Google DeepMindなど主要企業ごとに解釈が異なることも併せて紹介しています。LLMについてはChatGPTやClaude、Geminiといった具体的なAIアシスタントとの関係も説明されています。

注目すべき新項目として、AIエージェントの定義が加わりました。経費精算やレストラン予約、コード管理といったタスクを自律的に実行するツールとして説明されています。またRAMageddonという新造語も収録され、AI産業の急成長がメモリチップの世界的な供給不足を引き起こしている状況を解説しています。

技術的な項目では、連鎖思考（Chain of Thought）による推論の精度向上、拡散モデルによる画像・音楽生成の仕組み、蒸留技術による小型モデルの効率的な開発手法などが取り上げられています。ファインチューニングや転移学習といったモデル最適化の手法も網羅されており、AI開発の全体像を俯瞰できる内容です。

この用語集は、AIを活用したいビジネスリーダーやエンジニアにとって実用的なリファレンスとなります。専門用語の壁を越えて技術の本質を理解するための入り口として、定期的に参照する価値があるでしょう。

2026年4月7日のSteamクライアント更新で、「SteamGPT」と名付けられた複数のファイルが発見されました。Valve関連の動向を追跡するSteamTrackingプロジェクトがこれを検出し、PCゲーミングプラットフォーム最大手がAI機能の導入を検討している可能性が浮上しています。Ars Technicaが詳細を報じました。

流出したファイルには、マルチカテゴリ推論やファインチューニング、「上流モデル」といったAI関連の変数名が含まれています。これらはChatGPTなどで知られる生成AI技術を示唆しており、Valveが社内向けにAIシステムを構築している可能性を示しています。

想定される用途の一つは、Steamのマルチプレイヤーゲームにおけるインシデント報告の自動分類です。ファイル内には「ラベリングタスク」や「評価エビデンスログ」といった変数があり、ユーザーからの通報を自動的にカテゴリ分けするシステムが検討されているとみられます。

もう一つの用途として、不正アカウントの検出支援が挙げられます。「SteamGPTSummary」関連の関数には、VAC禁止歴やSteam Guard設定、不正メールアドレスの判定、電話番号の国情報など、アカウントの信頼性を総合的に評価するための参照データが含まれています。

現時点ではValveから公式な発表はなく、これらのファイルが実際にユーザー向け機能として実装されるかは不明です。ただし、ゲーム業界でもAI活用の流れが加速するなか、不正対策やモデレーションの効率化にAIを活用する動きとして注目されます。

AIエージェントが過去の経験から自律的に学習し、モデルの再訓練なしに能力を向上させるフレームワークが相次いで発表されました。IBM Research等が開発したALTK-Evolveと、複数大学の研究者によるMemento-Skillsは、いずれもエージェントの「永遠のインターン問題」に取り組んでいます。

ALTK-Evolveは、エージェントの実行履歴から再利用可能なガイドラインを抽出し、品質スコアリングで精査したうえで必要な場面でのみ注入する仕組みです。AppWorldベンチマークでは、困難なタスクで14.2ポイントの改善を達成しました。Claude CodeやCodexへのプラグイン統合にも対応しています。

一方のMemento-Skillsは、スキルをマークダウン形式で保存し、実行結果に基づいて自動的に書き換える「読み書き反省学習」を採用しています。GAIAベンチマークで13.7ポイント、HLEベンチマークでは17.9%から38.7%へと倍増する成果を示しました。意味的類似度ではなく強化学習ベースのスキル選択により、タスク成功率を80%に引き上げています。

両フレームワークに共通するのは、大規模言語モデルのパラメータを固定したまま、外部メモリを通じて継続的に学習する設計思想です。従来の手動スキル設計やファインチューニングに伴う運用負担を大幅に軽減できる可能性があります。

ただし、企業導入には構造化されたワークフローが前提条件となります。Memento-Skillsの共同著者Jun Wang氏は、タスク間の構造的類似性が高い環境でこそ効果を発揮すると指摘しています。物理エージェントや長期的タスクへの適用には、マルチエージェント協調など更なる研究が必要です。安全性の面では自動テストゲートなどの基本的な仕組みはあるものの、企業規模での運用にはより包括的なガバナンス体制が求められます。

Googleは、医療AI開発者向けオープンモデル基盤「Health AI Developer Foundations（HAI-DEF）」プログラムの一環として開催した「MedGemma Impact Challenge」の受賞者を発表しました。Kaggleと共催した本コンペには850以上のチームが参加し、医療課題の解決に挑みました。

グランプリのEpiCastは、西アフリカ経済共同体の疾病監視の空白を埋めるモバイルファーストのソリューションです。ファインチューニングしたMedGemmaモデルにMedSigLIPやHeARを組み合わせ、地域言語による臨床観察をWHOの統合疾病監視・対応シグナルに変換し、感染症アウトブレイクの早期発見を支援します。

FieldScreen AIは、リソースが限られた環境向けの結核スクリーニングワークフローです。MedGemmaによる胸部X線解析とHeARベースの咳音声分類を組み合わせ、完全にオンデバイスで動作します。Tracerは医師のメモから仮説を抽出し、検査結果と照合することで医療ミスの防止を目指します。

技術特別賞では3テーマが表彰されました。BridgeDXは2015年ネパール地震の経験から着想を得たオフライン診断支援デモで、WHOやMSFのガイドラインに基づきます。CaseTwinはエージェント型ワークフローで胸部X線の類似症例を照合し、農村部の病院での紹介プロセスを数時間から数分に短縮します。

本コンペは、HAI-DEFのオープンウェイトモデルが世界中の医療格差解消に大きな可能性を持つことを示しました。Googleは2024年末にHAI-DEFを立ち上げ、2025年1月にはMedGemma 1.5を公開しており、今後も開発者コミュニティとの連携を通じて医療AIの民主化を推進する方針です。

Mistralは2026年3月、推論・マルチモーダル・エージェントコーディングの3機能を統合した小型オープンソースモデル「Small 4」を公開しました。Apache 2.0ライセンスで提供され、企業が複数モデルを使い分ける必要性を解消することを目指しています。

Small 4はMixture-of-Experts（MoE）アーキテクチャを採用し、総パラメータ数1190億のうち、トークンあたりの活性パラメータはわずか60億に抑えられています。128のエキスパートから各トークンで4つが選択される設計により、効率的なスケーリングと専門化を実現しています。

新たに導入された「reasoning_effort」パラメータにより、ユーザーは推論の深さを動的に調整できます。軽量な高速応答からMagistralのようなステップバイステップの詳細推論まで、用途に応じた切り替えが可能です。256Kのコンテキストウィンドウも長文分析に対応します。

ベンチマークでは、MMLU ProでMistral Medium 3.1やMistral Large 3に迫る性能を示しました。一方、LiveCodeBenchではQwen 3.5 122BやClaude Haikuに及ばない結果も出ています。ただしSmall 4はインストラクトモードで最短の出力長（2.1K文字）を記録し、推論コスト面での優位性を主張しています。

小型言語モデル市場のNeurometric社CEOロブ・メイ氏は、Small 4のアーキテクチャの柔軟性を評価しつつも、小型モデル市場の断片化リスクを指摘しました。企業がAIモデルを選定する際には「信頼性と構造化出力」「レイテンシと知能の比率」「ファインチューニング可能性とプライバシー」の3つの柱を優先すべきだと述べています。

NVIDIAは2026年3月20日、汎用埋め込みモデルを特定ドメインに最適化するファインチューニングレシピを公開しました。GPU1台と1日未満の学習時間で、手動ラベリング不要で高品質なドメイン特化型埋め込みモデルを構築できます。

本レシピの核心は、LLMを使った合成データ生成パイプラインです。ドメイン文書をLLMに読み込ませ、複雑さの異なる質問・回答ペアを自動生成します。マルチホップクエリにも対応し、複数文書にまたがる推論を学習データに反映できます。

学習効果を高めるため、ハードネガティブマイニングを導入しています。正解に近いが誤りである文書を特定し、モデルが微妙な違いを学習できるようにします。正解スコアの95%以上の候補は偽陰性の可能性があるため自動除外されます。

Atlassianは本レシピをJiraデータセットに適用し、Recall@60が0.751から0.951へと26.7%向上する成果を確認しました。数百万のRovoユーザーの検索精度が直接的に改善されています。

完成したモデルはONNXやTensorRTに変換後、NVIDIA NIMコンテナでOpenAI互換APIとして本番展開できます。既存のRAGパイプラインにコード変更なしで組み込める点が実用上の大きな利点です。

Hugging Faceは2026年春のオープンソースAI生態系レポートを公開しました。2025年にユーザー数は1300万人に達し、公開モデルは200万件超、データセットは50万件を突破するなど、すべての指標がほぼ倍増しています。

中国が月間ダウンロード数で米国を逆転し、全ダウンロードの41%を占めるに至りました。DeepSeek R1の公開を契機に、Baiduは2024年のゼロから100件超のリリースへ急増し、ByteDanceやTencentも8〜9倍にリリース数を拡大しています。

企業の開発シェアは2022年以前の約70%から2025年には37%に低下しました。一方、個人や小規模コミュニティがダウンロードの39%を占め、量子化やファインチューニングを通じてモデルの流通を主導する存在へと成長しています。

各国政府はAI主権の確保に動いています。韓国は国家ソブリンAIイニシアティブを発足させ、LG AI ResearchやNaverなど国内企業を指名しました。スイスやEU各国も公的資金によるオープンモデル開発を推進し、Reflection AIと韓国のデータセンター提携も発表されています。

ロボティクス分野ではデータセットが2024年の1,145件から2025年に26,991件へと急増し、Hub最大のカテゴリとなりました。科学研究でもタンパク質折りたたみや創薬への応用が進み、オープンソースAIは言語・画像生成を超えて物理世界への拡張を加速させています。

NVIDIAは2026年3月のGTC 2026において、ローカル環境で動作するAIエージェント向けの新しいオープンモデル群と開発基盤を発表しました。DGX SparkやRTX PCでクラウド級の性能を実現することを目指しています。

Nemotron 3 Superは1200億パラメータのオープンモデルで、アクティブパラメータは120億に抑えられています。エージェントAI向けベンチマークPinchBenchで85.6%を記録し、同クラスのオープンモデルで最高スコアを達成しました。

小型モデルとしてはNemotron 3 Nano 4Bが発表され、GeForce RTX搭載PCでもエージェントやアシスタントの構築が可能になります。AlibabaのQwen 3.5シリーズ向けの最適化も同時に提供され、26万2000トークンの大規模コンテキストウィンドウに対応します。

エージェント実行基盤としてNemoClawがオープンソースで公開されました。OpenClaw向けの最適化スタックで、ローカルモデルによる推論でトークンコストを削減し、OpenShellランタイムによるセキュアな実行環境を提供します。

ファインチューニングの分野では、Unsloth StudioがウェブベースのUIで公開され、500以上のAIモデルに対応します。従来は高度な技術知識が必要だったカスタマイズ作業を、ドラッグ＆ドロップの直感的な操作で完結できるようになりました。

クリエイティブAI分野では、LightricksのLTX 2.3がNVFP4・FP8対応で2.1倍の高速化を実現し、Black Forest LabsのFLUX.2 Klein 9Bも画像編集が最大2倍に高速化されました。RTX GPU向けに最適化されたモデルが続々と登場しています。

仏Mistral AIは2026年3月17日、企業が自社の独自データを使ってAIモデルを構築・カスタマイズできるエンタープライズ向けモデル訓練基盤「Forge」を発表しました。NvidiaのGTCカンファレンスで披露され、クラウド大手への対抗姿勢を鮮明にしています。

Forgeは従来のファインチューニングAPIを大幅に超え、大規模内部データでの事前学習、教師ありファインチューニング、DPO、ODPOによるポストトレーニング、さらに社内ポリシーや評価基準に沿った強化学習パイプラインまでフルサイクルで対応します。製品責任者のサラマンカ氏は「AIサイエンティストはもはやファインチューニングAPIを使っていない」と述べています。

早期導入企業の事例では、Ericssonがレガシーコードの現代化に活用し、年単位の手作業を大幅に短縮しました。また古文書の欠損テキスト復元や、ヘッジファンドの独自定量言語への対応など、汎用モデルでは解決できない高度な専門領域での成果が報告されています。

ビジネスモデルは顧客が自社GPU上で訓練する場合、ライセンス料とデータパイプラインサービス料を課金し、計算資源は非課金とします。最大の特徴は「フォワードデプロイド・サイエンティスト」と呼ばれる組込み型AI研究者の派遣で、Palantir型の伴走支援モデルを採用しています。

同週にはMistral Small 4、オープンソースコードエージェントLeanstral、NvidiaとのNemotron Coalition参画も発表されました。ARRは2026年中に10億ドル突破を見込んでおり、ASMLや欧州宇宙機関など機密性の高い組織との提携を通じ、「AIを借りるのではなく所有する」という戦略を加速させています。

Google DeepMindは、アフリカの次世代技術者を対象とした高度AI教育プログラム「AI Research Foundations」の拡充を発表しました。University College Londonの教育専門家と共同開発された本カリキュラムは、Google Skillsプラットフォームで無償提供されます。

本プログラムはAIリテラシーの入門にとどまらず、生成言語モデルやTransformerを実際に構築・ファインチューニングする実践的内容を提供します。受講者は言語モデルをゼロから構築する経験を通じ、最先端AI研究に必要な基盤スキルを習得できます。

アフリカは世界人口の約20%を占めるにもかかわらず、AI研究への貢献はわずか1.8%にとどまっています。この格差を埋めるため、アフリカ数理科学研究所（AIMS）の専門家と協力し、大陸固有の研究ユースケースを取り入れたローカライズを実施しました。

Google.orgはFATE Foundationに400万ドルの資金を提供し、AIMSとの連携でオンラインカリキュラムをアフリカの教室に展開します。専門の講師ツールキットや「トレイン・ザ・トレーナー」プログラムにより、現地教育者の指導力強化を図ります。

本取り組みは責任あるイノベーションの原則に基づき設計されており、アフリカの研究者が自らのコミュニティにとって重要な課題にAIを活用できるよう支援します。カリキュラムはアフリカ向けに最適化されていますが、世界中の学習者が無償でアクセス可能です。

Microsoftは、AI統合基盤「Microsoft Foundry」上でFireworks AIのオープンモデル推論サービスのパブリックプレビューを開始したと発表しました。企業がオープンモデルを本番環境で安全かつ効率的に運用できる体制を整えます。

Fireworks AIは業界トップクラスの推論性能を誇り、毎日13兆トークンを処理し、秒間約18万リクエストを捌く実績があります。大規模モデルでも毎秒1,000トークン以上の生成速度を実現しており、この性能がAzure上で利用可能になります。

対応モデルはDeepSeek V3.2、OpenAI gpt-oss-120b、Kimi K2.5、新規追加のMiniMax M2.5の4種類です。サーバーレスの従量課金と、安定稼働向けのプロビジョンドスループットユニットの2つの料金体系から選択できます。

企業向けには独自のファインチューニング済みモデルをアップロードして推論に使える「BYOW」機能を提供します。既存の推論スタックを変更せずにカスタムモデルを登録・運用でき、実験から本番移行までの障壁を大幅に下げます。

Microsoft Foundryはモデル評価からデプロイ、ガバナンス、監視までを一元管理するエンタープライズ制御基盤として設計されています。オープンモデルの採用拡大に伴い、ツールやインフラの分断を防ぎ、継続的な改善サイクルを支える統合プラットフォームとして位置づけられています。

Microsoft Researchは、150億パラメータのオープンウェイト・マルチモーダル推論モデル「Phi-4-reasoning-vision-15B」を公開しました。テキストと画像の両方を処理し、数学・科学の推論、チャート読解、GUI操作など幅広いタスクに対応します。

最大の特徴は訓練効率の高さです。約2000億トークンのマルチモーダルデータで訓練されており、QwenやGemma3など競合モデルが1兆トークン以上を使用するのに対し、およそ5分の1のデータ量にとどまります。その秘訣はオープンソースデータの徹底的なフィルタリングと品質改善にあります。

技術的に注目すべきは「混合推論」アプローチです。訓練データの約20%に思考過程を含む推論サンプルを、80%に直接応答のサンプルを使用し、モデルがタスクに応じて推論の要否を自動判断する仕組みを実現しました。画像キャプションでは即座に応答し、数学では段階的に思考します。

ベンチマーク評価では、ChartQAで83.3、MathVistaで75.2、ScreenSpot v2で88.2のスコアを記録しました。大型モデルのQwen3-VL-32Bには及ばないものの、同規模モデルを上回り、推論速度と精度のバランスでパレート最前線に位置しています。

Microsoftは本モデルをMIT許容ライセンスで公開し、ファインチューニングコードや評価ログも提供しています。Phiファミリーはエッジデバイス向けのPhi Silicaやロボティクス向けのRho-alphaにも拡大しており、「最も賢いモデルは最大のモデルではなく、いつ考えるべきか知っているモデルだ」という戦略を鮮明にしています。

Photoroomは2026年3月3日、テキストから画像を生成する拡散モデルを24時間・約1500ドル（約22万円）の計算予算で訓練する手法「PRX Part 3」を公開しました。H200 GPU 32台を使用し、コードもGitHubでオープンソース化しています。

最大の特徴はピクセル空間での直接訓練です。従来必要だったVAE（変分オートエンコーダ）を排除し、パッチサイズ32と256次元のボトルネック層で系列長を制御します。512pxで訓練を開始し、1024pxへファインチューニングする2段階方式を採用しています。

品質向上のため知覚損失を2種類導入しています。LPIPSは低レベルの知覚的類似性を、DINOv2ベースの損失は意味的な信号を捉えます。プール済み画像全体に適用し、全ノイズレベルで計算する独自の工夫が加えられています。

計算効率の面ではTREADによるトークンルーティングを採用し、50%のトークンをTransformerブロックの大部分でスキップさせます。またREPAでDINOv3教師モデルとの表現整合を行い、収束を加速させています。オプティマイザにはMuonを使用しAdamを上回る性能を確認しています。

訓練データは合成データセット3種（計約870万枚）を使用し、Gemini 1.5でキャプションを再生成しています。生成品質にはまだ改善余地があるものの、プロンプト追従性や美的一貫性は高く、構造的な欠陥ではなくデータ多様性の不足が主な課題と分析しています。

Alibaba傘下のQwenチームは2026年3月、小型オープンソースモデル「Qwen3.5 Small Model Series」を公開しました。0.8B、2B、4B、9Bの4モデルで構成され、Apache 2.0ライセンスのもとHugging FaceとModelScopeで即日提供が開始されています。

最大の注目点はQwen3.5-9Bの性能です。GPQAベンチマークで81.7を記録し、13.5倍の規模を持つOpenAIのgpt-oss-120B（80.1）を上回りました。MMMU-Proでも70.1を達成し、Gemini 2.5 Flash-Liteの59.7を大幅に超えています。

技術面では従来のTransformerアーキテクチャから脱却し、Gated Delta NetworksとスパースMixture-of-Expertsを組み合わせたハイブリッド構造を採用しています。これにより推論時のスループット向上と低レイテンシを実現し、小型モデルの「メモリの壁」問題を解消しています。

開発者コミュニティからは強い関心が寄せられています。「M1 MacBook Airで無料で動く」との報告や、ブラウザ上での動画解析が可能との検証結果が共有されました。Baseモデルも同時公開され、企業独自のファインチューニングが容易になった点も高く評価されています。

企業活用の観点では、エッジデバイス上でのUI自動操作、文書解析、コードリファクタリング、モバイルでのオフライン動画要約など幅広い用途が想定されます。クラウドAPIへの依存を減らしコスト削減とデータ主権の確保を両立できる点が、企業導入の大きな推進力となりそうです。

NVIDIAはMWC Barcelonaに先立ち、通信事業者向けの自律ネットワーク技術とAI-RAN商用化に関する大規模な発表を行いました。自律ネットワーク分野では、Nemotron 3ベースの300億パラメータ通信特化大規模モデル（LTM）をオープンソースで公開しています。

このLTMはAdaptKey AIが業界標準データや合成ログを用いてファインチューニングしたもので、障害の切り分けや修復計画の策定、変更検証といった通信業務の推論が可能です。オンプレミスでの安全な展開にも対応し、事業者が自社データで拡張できる設計となっています。

さらにNVIDIAはTech Mahindraと共同で、ネットワークエンジニアのように推論するAIエージェント構築ガイドを公開しました。VIAVIと連携したRANエネルギー効率化のBlueprintや、Cassava Technologies、NTT DATAによるネットワーク構成Blueprintの商用採用も発表されています。

AI-RAN分野では商用展開が急速に進んでいます。T-MobileはNokiaのCUDA対応RANソフトウェアで商用環境実証に成功し、SoftBankのAITRASは業界初の16層MIMOを達成しました。SynaXGは単一GH200サーバー上で36Gbpsのスループットと10ミリ秒以下のレイテンシを実現しています。

MWC 2026ではAI-RANアライアンスのデモが前年比3倍の33件に拡大し、うち26件がNVIDIA Aerialベースです。NVIDIAはLinux Foundation傘下のOCUDU財団にも参画し、オープンソースRAN開発を通じて次世代無線ネットワークの研究と商用化を加速させる方針です。

Hugging FaceとUnslothは、Hugging Face Jobsプラットフォームを通じてLLMのファインチューニングを無料で提供するパートナーシップを発表しました。Unslothはその高速化（通常の2〜5倍速）とメモリ効率（最大80%削減）で知られており、これをHFのクラウドインフラと組み合わせることで、GPUを持たない開発者や研究者に訓練機会を開放します。

ファインチューニングの民主化は、AI活用の次のフロンティアを拓きます。汎用的な基盤モデルをドメイン特化させる能力は、医療、法律、製造など特定業界でのAI活用精度を大幅に向上させます。これまでこの作業には高額なGPUクラスターが必要でしたが、今後は個人や中小企業でも実施可能になります。

HuggingFaceにとってこの提携は、モデルハブ（保管）からトレーニング基盤（構築）、さらにはデプロイメントまでをカバーするフルスタックMLプラットフォームとしての地位を強化します。Unslothのユーザーベースを取り込む獲得戦略でもあります。

Unslothの側では、有料の商用サービスへの入口としてHF経由の無料ティアを活用する戦略です。無料で試したユーザーが高度な機能や大規模訓練のために有料プランに移行するフリーミアムモデルを狙っています。

この動きはより広いトレンドの一部です。LLMの推論コストが下がり続ける中、次の競争軸は専用化・個別最適化にシフトしています。ファインチューニングの民主化が進むことで、汎用LLMよりもドメイン特化モデルが主流になる時代が近づいています。

Alibabaが公開したQwen 3.5は、1兆パラメータを超える巨大モデルと比較しても同等以上の性能を示しており、大規模モデルが必ずしも高性能であるという常識を覆しています。

コスト効率の高さから、エンタープライズでの実運用における費用対効果が期待されます。中国のAI技術力の台頭を改めて示す結果となっています。

Qwen 3.5はオープンウェイトモデルとして公開されており、日本企業を含む世界中の開発者がファインチューニングに活用可能です。

NVIDIAは日本語に特化した小規模言語モデル（SLM）「Nemotron 2 Nano 9B Japanese」をHugging Faceで公開しました。Nejumi Leaderboard 4において10Bパラメータ以下のモデルで最先端の性能を達成しています。

このモデルは日本の主権AI（Sovereign AI）戦略を支えるために設計されており、日本語データで特化したファインチューニングが施されています。開発者がモデルをカスタマイズできるよう、データセットやレシピも合わせて公開されます。

日本語対応の高精度AIモデルへの需要が高まる中、NVIDIAの本モデルは日本企業のAI活用を加速させる可能性があります。エッジデバイスやオンプレミス環境での実行も視野に入れた設計です。

ByteDanceのAI動画生成モデル「Seedance 2.0」に対し、DisneyとParamount Skydanceが差し止め請求書を送付しました。これを受けByeDanceは著名キャラクターや有名人の動画生成をブロックするためのガードレール改修作業を開始しました。

Hollywood業界団体は「AIによるクリップアート化」と批判し、Seedance 2.0が著作権保護されたコンテンツを自由に複製・変形できる状態であることを問題視しています。

技術的には、AIモデルが著作権のある対象を完全にブロックするのは困難です。ガードレールはキーワードベースのフィルタやファインチューニングによる制約によって実装されますが、回避手法も存在します。

この問題はByteDanceだけでなく、Runway、Sora、Klingなど他のAI動画生成ツールにも同様の法的リスクが存在することを示しています。コンテンツライセンスの業界標準整備が急務です。

長期的には、ハリウッドとAI企業の間で、コンテンツ学習データや生成物に対するライセンス料・使用許諾の枠組みが構築される方向に向かうと見られており、Getty Imagesのアプローチが一つのモデルとなっています。

MITとImproba Labsの研究者が、LLMに新しいスキルを教えても既存の知識を失わない新しいファインチューニング手法を発表しました。これまでの手法では新タスクへの適応（ファインチューニング）が既存の能力低下（壊滅的忘却）を引き起こすという根本的な課題がありました。

この問題はエンタープライズ向けLLM活用において深刻です。特定業務に特化したモデルを作ろうとすると、汎用的な能力が失われ、結果としてスキルごとに別々のモデルを維持管理する必要が生じていました。

新手法によりこのサイクルが断ち切られれば、企業は単一のモデルを継続的に成長させることができ、モデル管理の複雑さとコストを大幅に削減できます。実用化に向けた検証が今後の焦点となります。

Databricksは月次ARR（年換算経常収益）54億ドルを達成し、前年比65%の成長を報告しました。このうちAIプロダクトが14億ドル超を占めており、同社がAIデータプラットフォームとして市場での存在感を急速に高めていることを示しています。

CEO Ali Ghodsiは、AI時代においてSaaSという括りから積極的に距離を置いています。「我々にとってAIはSaaSの利用を増加させているだけだ」と述べつつ、プライベート市場ではAI企業として評価されることを重要視しています。

Ghodsiの踏み込んだ発言は「AIがSaaSを無関係にする」というものです。AIエージェントが個別のビジネスアプリケーションの機能を代替できるようになれば、何十もの専用SaaSサービスへの契約は不要になる可能性があります。

同社はMosaic Research（旧MosaicML）の買収を完了し、生成AIモデルの訓練・ファインチューニング能力を強化しました。生成AIとデータ統合の組み合わせが同社の差別化戦略の核心となっています。

既存のSaaSベンダーにとっては深刻な脅威を意味するこの予測は、企業のIT予算配分とソフトウェア調達戦略の抜本的な見直しを迫るものです。

VentureBeatが報じたMemRL（Memory Reinforcement Learning）は、ファインチューニングなしに強化学習でAIエージェントの記憶を管理し、複雑なベンチマークでRAGを超えた性能を示した。メモリ管理の新アプローチだ。

RAGはベクタDBへの依存と検索精度の限界があるが、MemRLは強化学習によりエージェントが自律的に重要情報の記憶・忘却を管理するため、より柔軟だ。

エンタープライズでのAIエージェント展開において、MemRLのアプローチが既存RAGシステムの代替または補完技術として注目される。

新しい研究によると、強化学習(RL)は表現の深さ（representation depth）が不十分な場合に性能が頭打ちになることが明らかになりました。これはAIエージェントの設計において重要な知見です。

従来の研究が報酬設計やアルゴリズムの改善に注目してきた中で、本研究は特徴抽出の質こそが強化学習の性能を決定的に左右することを示しています。

この知見はRLHF（人間フィードバックによる強化学習）を用いるChatGPTやClaudeなどのLLM改善にも重要な示唆を与えます。基盤となるモデルの表現能力が上限を決める可能性があります。

AIエージェントの自律性向上に取り組む研究者にとって、今後のアーキテクチャ設計の指針となる成果として注目されています。

新しい研究により、特定のプロンプト技法を使用するだけでLLMの精度が最大76%向上することが示されました。この手法は高価なモデルへの移行やファインチューニングなしに、既存モデルの能力を大幅に引き出すことができます。

この発見はAIシステムの最適化においてプロンプト設計が持つ重要性を改めて実証しています。コスト効率の観点から、モデルのアップグレードより先にプロンプト最適化に取り組むことが合理的なアプローチである場合が多いことが確認されています。

スタンフォード大学とNvidiaの研究チームは、テスト時学習（Test-Time Training）という新しい継続学習手法を発表しました。AI モデルがデプロイ後も推論を行いながら学習を続けられる仕組みで、従来のファインチューニングと異なり追加の推論コストが発生しないことが特徴です。

この手法が解決する重要な問題は「破滅的忘却」です。通常、AIモデルに新しいデータを学習させると過去の知識が失われてしまいますが、この新手法ではその問題を回避する仕組みが組み込まれています。

エンタープライズAIエージェントにとっては特に重要な技術で、顧客データや業務データの変化に継続的に適応できるAIシステムの構築が現実的になります。研究段階ではありますが、商用展開への道筋を示した成果として業界から高い注目を集めています。

NvidiaはCES 2026でDGX SparkとDGX Stationという2つのオンプレミスAIコンピューティング製品を発表した。DGX Sparkはデスクトップサイズながら最先端のAIモデルをローカルで実行できる製品で、研究者・開発者・中小企業のAI活用を民主化する。

Hugging Faceとの連携により、DGX Spark上でオープンソースモデルを即座にデプロイし、エージェント型AIアプリケーションを構築できる。Reachy Mini（ロボット）をDGX Sparkで制御するデモは、AIエージェントが物理世界に接続される未来を示した。

DGX Stationは研究チームや企業のAI開発部門向けに設計された、より高性能な版だ。フロンティアモデルのファインチューニングや大規模推論をクラウドなしで実行できることで、データプライバシーと低遅延を両立する。

BlueField DPUはエンタープライズAIファクトリーのネットワークセキュリティと加速の要として位置づけられている。AIインフラへのサイバー攻撃が増加する中、ハードウェアレベルでのゼロトラストセキュリティ実装が大企業の重要要件となっている。

DGX SparkとBlueFieldを組み合わせることで、エッジからデータセンターまで一貫したNvidiaエコシステムを構築できる。これは企業がクラウドプロバイダーへの依存を減らしながら、AI能力を高めるという二律背反を解消する重要なアーキテクチャとなっている。

アリババが開発したQwen-Image-2512がリリースされ、GoogleのNano Banana Pro（Gemini 3 Pro Imageベース）に対抗できる品質をオープンソースで提供するモデルとして注目を集めています。

Nano Banana Proは11月のリリース後、画像生成AIの基準を大幅に引き上げたと評価されていました。Qwenチームはこれを受けて独自の画像・テキスト統合モデルを開発し、推論能力と画像品質の両立で高い評価を得ています。オープンソースであることが最大の差別化です。

商用利用の自由度と自由なカスタマイズ性は、特にスタートアップや研究機関にとって大きな利点です。Googleに料金を支払うことなく同等品質の画像生成APIを構築できることは、エコシステム全体の民主化を促します。

2025年末時点で画像生成AI市場は三つ巴になりました。Google Nano Banana Pro、Fal最適化Flux 2、そしてQwen-Image-2512——それぞれが異なる価値提案を持つ健全な競争環境が整いつつあります。中国発オープンソースの存在感は2026年さらに高まるでしょう。

AIコーディングエージェントの中核にあるのは大規模言語モデル（LLM）であり、膨大なテキストデータと大量のプログラミングコードで学習したニューラルネットワークです。プロンプトに基づき、学習時に圧縮された統計的表現を「引き出す」パターンマッチングマシンとして機能します。

OpenAI・Anthropic・Googleのコーディングエージェントは、複数のLLMをリンクさせたプログラムラッパーです。監督LLMがユーザーのタスクを解釈し、並列に動作する複数のサブLLMに割り振り、それらがソフトウェアツールを使って実行する階層構造を持ちます。

Anthropicのエンジニアリングドキュメントでは「文脈収集→行動→作業検証→繰り返し」というパターンが説明されており、この反復サイクルがエージェントの自律的な作業遂行を可能にしています。

最近の革新としてシミュレーテッド推論モデルがあり、推論スタイルのテキストを生成してコンテキストを拡張することでLLMがより正確な出力に到達できるよう補助します。精度向上に貢献する一方、計算コストも増大します。

コーディングエージェントは数時間にわたってソフトウェアプロジェクトに取り組み、完全なアプリを書き、テストを実行し、バグを修正できますが、魔法のツールではありません。理解せずに使えばプロジェクトを複雑化させるリスクがあります。

開発者にとって重要なのは、LLMが本質的にパターンマッチングエンジンであり、推論の誤りが生じることを理解した上で、適切な使いどころを見極めることです。いつ・どのように使うべきかを知ることが生産性向上の鍵となります。

Allen Institute for AI（Ai2）は、トークナイザーを使わずにUTF-8バイト列を直接処理するバイト列言語モデルの新ファミリー「Bolmo」を公開しました。Bolmo 7BとBolmo 1Bの2モデルを提供しており、同社はこれらを「初の完全オープンなバイト列言語モデル」と位置付けています。

Bolmoの訓練は既存のOlmo 3チェックポイントを流用する2段階方式を採用しています。第1段階では変換器本体を凍結してローカルエンコーダ・デコーダと境界予測器のみを98億トークンで訓練し、第2段階でモデル全体を解凍してさらに学習させます。ゼロから訓練するよりも大幅にコストを削減できます。

バイト列モデルはスペルミスや低資源言語、非標準テキストに強く、モデレーション・エッジ展開・多言語アプリケーションに適しています。Ai2はチェックポイント・コード・論文をすべて公開しており、組織が独自のバイト列モデルをOlmoエコシステム上に構築できる再現可能なブループリントを提供しています。

韓国のAIスタートアップMotif Technologiesは、12.7Bパラメータの推論特化モデル「Motif-2-12.7B-Reasoning」を公開し、独立ベンチマーク機関Artificial Analysisにより韓国発モデルとして最高性能と認定されました。通常版GPT-5.1をも上回る結果が注目を集めています。

Motifがarxivで公開した白書には、エンタープライズチームがLLM訓練で直面する課題への実践的な教訓が詳述されています。特に重要なのは、フロンティアモデルで生成した合成データが必ずしも転用可能ではないという点です。推論トレースの形式・冗長性・ステップ粒度が目標モデルと一致しないと、性能が低下することが実測で示されています。

長コンテキスト訓練については、トークナイザーや保存処理の調整だけでは対応できず、ハイブリッド並列化とシャーディング戦略、積極的なアクティベーションチェックポイントを訓練スタック設計の段階から組み込む必要があります。後付けで長コンテキスト対応を追加しようとすると、再訓練の高コストや不安定なファインチューニングを招くリスクがあります。

強化学習ファインチューニング（RLFT）は、難易度フィルタリングなしに報酬訓練をスケールさせると性能退行やモード崩壊が起きやすいとMotifは指摘しています。通過率が特定範囲内のタスクのみを選別し、軌跡の複数ポリシー間での再利用とクリッピング範囲の拡大により訓練の安定性を確保しています。

メモリ制約はコンピュート以上に訓練の可否を左右することが多いとMotifは強調しています。カーネルレベルの損失関数最適化によってRLのメモリ圧力を軽減する手法は、共有クラスターや規制対応環境で独自LLMを構築する企業にとって特に参考になります。

両記事が共通して示すのは、LLM訓練の競争優位がモデル規模だけでなく、訓練設計・データ整合・インフラ選択という地道な工学的判断に宿るという点です。Ai2とMotifのいずれもオープンな情報公開を通じてコミュニティに再現可能な知見を提供しており、エンタープライズAIチームの実務判断に直結する内容となっています。

ReplitはAgent 3の開発において、コードが「動いているように見えるだけ」の問題、いわゆる「ポチョムキン実装」に悩まされてきました。この課題を解決するためREPL（対話型実行環境）とブラウザ自動化を組み合わせた独自の検証システムを構築し、エージェントが生成したコードを実際に実行・操作して機能の実在性を確認できるようにしました。

この仕組みによりAgent 3は200分以上にわたって自律的にタスクを継続でき、単に見た目を整えるだけの実装を自動的に検出・修正するサイクルを回せるようになりました。自己テスト型の検証ループはエージェントの品質保証に新たな基準を示しています。

IBMが開発したCUGA（Configurable Generalist Agent）はオープンソースの汎用AIエージェントフレームワークです。AppWorldベンチマークで1位、WebArenaでも上位を記録しており、WebやAPIを跨ぐ複雑なマルチステップタスクを高い精度でこなします。

CUGAは現在Hugging Face Spacesに統合され、オープンモデルと組み合わせて誰でも試せる環境が整いました。推論モードをコスト・レイテンシに応じて切り替えられる柔軟な設計が特徴で、MCP・OpenAPI・LangChain経由の多様なツール連携にも対応しています。

Twilioの調査によると、消費者の54%が「AIは過去のやりとりをほとんど覚えていない」と感じており、AIから人間担当者へ引き継がれる際に全文脈が共有されると答えたのはわずか15%でした。エージェントAIが真に機能するには、リアルタイムで携帯可能な会話メモリが不可欠です。

この問題を解決するには、従来のCRMやCDPを使い続けるのではなく、会話メモリをコミュニケーションインフラの内部に組み込む必要があると指摘されています。Twilioはこうした次世代の顧客データ基盤の構築を推進しています。

NVIDIAはNemotron 3ファミリーを発表し、エージェントAIの微調整に最適化されたオープンモデルとライブラリを提供しました。GeForce RTXラップトップからDGX Sparkまで幅広いNVIDIA GPUで動作します。

Unslothを使ったLoRA/QLoRAによるファインチューニングは、フルパラメータ更新より少ないメモリと時間でモデルを特定タスクへ特化させる手法です。製品サポートや個人アシスタントなどの用途で小型言語モデルの精度を高める実用的なアプローチとして注目されています。

Hugging Faceが、OpenAIのコーディングエージェント「Codex」にHugging Face Skillsリポジトリを統合しました。先行してClaude Codeで実現された機能に続くもので、Codexがオープンソースモデルの訓練から公開まで一連のMLタスクを実行できるようになります。

HF Skillsにより、Codexは言語モデルのファインチューニング、RL整合の適用、Trackioからのリアルタイムメトリクス監視、チェックポイント評価、実験レポート作成、GGUF量子化、Hugging Face Hubへの公開が可能です。AGENTS.mdファイルによるリポジトリレベルの設定に対応しています。

この統合は、コーディングエージェントとMLOpsプラットフォームの融合における重要な進展です。ソフトウェア開発とML エンジニアリングの壁を低くし、専門的なMLインフラの知識がないチームでもオープンソースモデル開発に取り組める環境の実現に貢献します。

2025年12月、MIT発のスタートアップ「Pickle Robot Company」が物流業界の注目を集めています。同社は生成AIと機械学習を駆使した自律型ロボットにより、物流倉庫における過酷な荷下ろし作業を自動化しました。UPSやRyobi Toolsなどの大手企業で導入が進み、深刻な人手不足と高い離職率という業界の構造的課題の解決に貢献しています。

同社の技術的な強みは、高度なソフトウェアと既存ハードウェアの賢明な融合にあります。独KUKA社製の産業用アームに独自のセンサーやAIを搭載し、最大50ポンド（約23kg）の荷物を処理します。生成AIモデルのファインチューニングにより、多様な環境に即応しつつ、稼働しながら性能を高める仕組みを構築しました。

創業者のAJ Meyer氏らは当初、仕分けロボットを開発していましたが、資金難に直面し方針転換を余儀なくされました。現場観察で「90日以内に全員が辞める」という過酷な荷下ろし現場の実態を知り、事業をピボットします。YouTubeに投稿した概念実証動画が大きな反響を呼び、投資家と顧客を呼び戻して再起を果たしました。

今後は荷下ろしに加え、積み込み作業や他社製ロボットとの連携プラットフォーム開発も視野に入れています。鉱山から玄関先まで、サプライチェーン全体の自動化を指揮する「ネットワークの構築」を目指し、同社は事業拡大を加速させています。

AI学習データ作成を手掛ける米スタートアップのMicro1が、年間経常収益（ARR）1億ドルを突破しました。年初の約700万ドルからわずか1年で急激な成長を遂げており、Scale AIなどの競合がひしめく市場において、その存在感を急速に強めています。

創業3年の同社を率いるのは24歳のアリ・アンサリ氏です。成長の鍵は、ドメイン専門家を迅速に採用・評価する独自の仕組みにあります。もともとエンジニア採用AIとして開発された技術を転用し、高度な専門知識を持つ人材を効率的に確保することで差別化を図っています。

登録する専門家にはハーバード大学の教授やスタンフォード大学の博士号保持者も含まれ、時給100ドル近くを得るケースもあります。高品質なデータへの需要は旺盛で、アンサリ氏は人間の専門家によるデータ市場が、2年以内に1000億ドル規模へ拡大すると予測しています。

業界最大手Scale AIを巡る環境変化も追い風となりました。報道によると、Metaとの接近を背景にOpenAIなどがScale AIとの関係を見直したとされ、これによりMercorやSurgeといった新興ベンダーへの需要分散が加速しています。

今後の注力分野として、非AIネイティブ企業による社内業務効率化のためのAIエージェント構築を挙げています。企業のモデル導入には体系的な評価とファインチューニングが不可欠であり、同社はこの「評価プロセス」への予算配分が急増すると見込んでいます。

さらに、ロボット工学向けのデータ収集にも着手しました。家庭内での物理的なタスクを人間が実演するデータを集め、世界最大規模のデータセット構築を目指しています。LLMだけでなく、物理世界でのAI活用も視野に入れた戦略的な事業拡大が進んでいます。

Hugging Faceは2025年12月4日、AIエージェント「Claude」などがLLMのファインチューニングを自律的に実行できる新機能「Skills」を発表しました。エンジニアはチャットで指示するだけで、複雑な学習プロセスを完結できます。

本機能はスクリプト作成に留まらず、クラウド上のGPU確保からジョブ送信、進捗監視、モデルのアップロードまでを自動化します。データセットの形式チェックや、モデル規模に応じた最適なハードウェア選定もAIが代行し、失敗リスクを低減します。

対応手法は、一般的な「SFT（教師あり微調整）」に加え、人間の好みを反映する「DPO」、数学やコード生成に有効な「GRPO」など多岐にわたります。実運用レベルの高度なモデル開発が、対話インターフェースを通じて手軽に実行可能になります。

利用にはHugging FaceのPro以上のプランが必要です。開発者はインフラ管理の時間を節約でき、AIモデルのカスタマイズやローカル環境向けの軽量化（GGUF変換）を、低コストかつ迅速に試行錯誤できるようになり、生産性が大幅に向上します。

米アマゾン・ウェブ・サービス（AWS）は年次会議「re:Invent」にて、AI開発支援の新機能「Kiro powers」を発表しました。これはAIコーディングアシスタントが外部ツールと連携する際、必要な専門知識だけを動的に読み込む仕組みです。従来の手法で課題となっていたトークンの浪費や応答精度の低下を防ぎ、開発者の生産性とコスト効率を劇的に高める狙いがあります。

昨今のAI開発では、決済やDBなどの外部ツールを連携させる際、開始時にすべてのツール定義を読み込むのが一般的でした。しかしこれには、コードを書く前に数万トークンを消費してしまう重大な欠点があります。結果としてコストが嵩むだけでなく、無関係な情報がノイズとなり、AIの判断を鈍らせる「コンテキスト腐敗」を引き起こしていたのです。

Kiro powersはこの問題を、コンテキストの「オンデマンド化」で解決します。開発者が「決済」について尋ねればStripeの知識を、「データベース」と言えばSupabaseの知識を自動的に呼び出します。不要な情報はメモリから消去されるため、AIは常に最適な情報量で稼働し、回答精度と速度が向上します。AWSはこのアプローチを「何を忘れるべきかを知る賢さ」と位置づけています。

ローンチパートナーにはStripe、Figma、Datadogなど有力テック企業9社が名を連ねました。これにより、高度なスキルを持つエンジニアしか行えなかった「最適なプロンプト設定」や「ツール連携の最適化」が、誰でもワンクリックで利用可能になります。特定のサービスのベストプラクティスがパッケージ化され、即座に開発環境へ適用される「専門性の民主化」が進むでしょう。

特筆すべきは、この手法が高額なモデルのファインチューニングよりも安価で実用的である点です。企業は最新の高性能モデルを利用しながら、必要な専門性だけを外付けで追加できます。現在はAWSの「Kiro IDE」専用ですが、将来的にはCursorなど他のAIエディタとの互換性も目指しており、開発ツール市場全体の標準化を主導する構えです。

仏Mistral AIは2日、新モデル群「Mistral 3」ファミリーを発表しました。フラッグシップ機とエッジ向け小型モデルを含む計10種を展開。巨大テックの大規模化競争とは一線を画し、コスト効率と実用性を武器にビジネスAIの覇権を狙います。

最上位の「Large 3」は、画像とテキストを統合処理し多言語にも対応します。MoEアーキテクチャにより410億のアクティブパラメータを効率制御。NVIDIA最新基盤との連携で、前世代比10倍の推論性能と長文脈の理解を実現しました。

真の革新は小型モデル群「Ministral 3」にあります。PCやドローン等のエッジデバイスでオフライン動作が可能。30億〜140億パラメータの軽量設計で、汎用巨大モデルに代わる高速で安価な選択肢を、現場レベルで提供します。

創業者は「企業の課題の9割は、調整済みの小型モデルで解決できる」と断言します。高価なクラウドAIに依存せず、自社データでファインチューニングすることで、特定業務においては巨大モデルを凌駕する成果と大幅なコスト削減が可能になります。

この戦略は、機密保持が必須の産業や通信制限がある現場に最適です。同社は「分散型インテリジェンス」を掲げ、単なる性能競争から、データ主権と実運用性を重視するフェーズへと、AI市場の潮目を変えようとしています。

米AWSは2日、新基盤モデル「Nova」と、企業が自社データで特化型AIを構築できる「Nova Forge」を発表しました。単なる性能競争から脱却し、ビジネス現場での「実用性」と「カスタマイズ」を最優先する戦略を鮮明にしています。

目玉の「Nova Forge」は、学習の初期段階から独自データを注入できる点が画期的です。既存モデルの微調整で起きがちな知識の消失を防ぎつつ、ゼロからの開発より低コストで、自社ビジネスに特化した「専門家モデル」を構築できます。

既にRedditが導入し、過去の投稿データを学習させた自社専用モデルを開発しました。汎用モデルでは理解が難しいコミュニティ特有の文脈やルールをAIに習得させ、コンテンツ管理の自動化と精度向上という実利を得ています。