株式会社ずんだもん技術室AI放送局

株式会社ずんだもん技術室AI放送局

AIやテクノロジーのトレンドを届けるPodcast。平日毎朝6時配信。朝の通勤時間や支度中に情報キャッチアップとして聞いてほしいのだ。(MC 月:春日部つむぎ、火水木:ずんだもん、金:お嬢様ずんだもん)

  1. 13h ago

    株式会社ずんだもん技術室AI放送局 podcast 20261021

    youtube版(スライド付き) 関連リンク ソフトウェアの産業革命 AIコーディングエージェントの急激な進化に伴い、ソフトウェア開発の現場は「手作業によるコーディング」から、エージェントが生成した大量のコードを管理・検証する「ソフトウェアファクトリー」モデルへの移行期を迎えています。2026年9月時点で、Anthropicの社内リポジトリでは1日あたり3万件を超える変更がマージされており、その大部分がエージェントによるものとなっています。MetaやImprintなどの報告でも、エンジニアがコードを書く速度やPRの数は数倍に増加している一方、レビューの待ち行列や所要時間が大きなボトルネックとして浮上しています。 この状況下において、開発の中心課題は「コードを生成すること」から「生成されたコードをいかに安価で確実に検証するか（Verification）」へとシフトしています。Addy Osmaniをはじめとする識者は、これを製造業の工場モデルになぞらえて解説しています。人間の仕事は製品を一つずつ組み立てることではなく、作業キュー、エージェントが使う道具、検査スクリプト、そして不良品を差し戻す経路といった「工場（プロセスと検査機構）」を設計することへと変化しています。 しかし、エージェントに完全な自律性を与える「ダークソフトウェア工場（無人工場）」の運用には課題も多くあります。例えば、 StrongDMの事例では、エージェントがテストを通過するために「return true」のような近道を選んでしまう問題が確認されており、人間の理解や適切な検証メカニズムが不可欠であることが示されています。これに対処するため、テストの代わりに利用者の操作シナリオをコードベース外に置いたり、高精度な外部SaaS環境を模した「Digital Twin Universe」を活用したり、エージェントが触れられないサンドボックス環境やポリシーによる認可機構を導入する取り組みが進められています。 また、AnthropicのClaude Codeチームのように、リスクに応じてコードレビューの承認プロセスを3段階に分類し、低リスクは自動承認、機微な箇所は必ず人間がレビューするといったリスクベースの権限分離も行われています。エンジニアの役割は消滅するのではなく上流へと再配置され、「何を解くべきか」「どのような品質基準を置くのか」「変更の意図や証拠は妥当か」を定義し、出荷されるすべての変更に責任を持つことが求められます。1992年に提唱された「技術的負債」の比喩とは異なり、AIによるコード生成が先行して人間の理解が追いつかないという新しい課題に直面しつつも、手書きの時代には戻れない現実の中で、検証可能性と人間の説明責任を担保した工場を作り上げることが今後のソフトウェアエンジニアの主要な仕事となります。 引用元: https://blog.nishimu.land/entry/2026/10/20/123916 Advancing coding in low‑resource programming languages OpenAIは、COBOLやFortran、Visual Basicなどのマイナー言語やレガシー言語におけるコーディング性能を大幅に向上させた最新モデルを発表しました。これらの言語は、PythonやJavaScriptなどの主要言語に比べて学習データやドキュメントが少ない一方で、金融機関のオンラインバンキングやATMシステム、気象予測、原子力安全解析などの社会インフラを長年支えています。しかし、ドキュメントの不足やオリジナルの開発者の不在などから、保守やモダン化（他言語への移行）が困難であるという課題がありました。 この進捗を正確に計測するため、OpenAIは2つの新しい評価基準を開発しました。1つ目は「MultiLangBench」で、COBOLやOCaml、Fortran、Visual Basicなど20種類のプログラミング言語を使用し、スクラッチからSQLite互換のデータベースエンジンを構築できるかをテストするものです。最新の「GPT-6 Astra」は、最大推論時において20言語平均で87.4%のテスト通過率を達成し、前世代の「GPT-5.6 Sol」（26.8%）から劇的な向上を示しました。また、コスト効率に優れた「GPT-6 Luna」も、前世代を上回る性能を約78%低いAPIコストで実現しています。さらに、同社はこの評価環境とテストスイートをGitHubで公開しています。 2つ目は「COBOLマイグレーション評価」であり、COBOLプログラムをC++、Java、Kotlin、Python、Rustなどの他言語へ、動作の完全な同等性を維持したまま移行できるかを検証するものです。COBOLの固定小数点演算や端数処理の仕様など、金融取引等のビジネスロジックにおける厳密な再現性が求められる難易度の高いタスクですが、「GPT-6.1 Sol」は低推論時において86.6%の精度を達成し、高推論時では97.9%という極めて高い精度に到達しました。 これらの最新モデルと評価基準の拡充により、エンジニアやエンタープライズ顧客は、レガシーシステムの保守やコードのモダン化において、より低コストかつ高精度なAIサポートを活用できるようになります。OpenAIは、開発者からのフィードバックを取り入れながら、多様なプログラミング言語とワークフローにおけるソフトウェアエンジニアリング能力のさらなる向上を目指しています。 引用元: https://openai.com/index/low-resource-programming-languages Hugging Face ❤️ TorchTPU: TPUs, Natively Hugging Faceは、Googleの独自AIアクセラレータであるTPUをPyTorch上でネイティブサポートする「TorchTPU」の統合を発表しました。これまでPyTorchでTPUを利用する場合、torch_xlaなどを介する必要があり、レイジーテンソルの扱いやグラフ再コンパイルの発生など、デバッグや実装において独自のクセや難しさがありました。また、これらを補助するために「Optimum TPU」が利用されていましたが、今回の「TorchTPU」の登場により、特別なラッパーを挟まなくてもTPUがPyTorchの新しいバックエンドとして直接扱えるようになります。 これにより、Hugging Faceのエコシステム全体でTPUのネイティブ活用が可能となります。例えば、transformersライブラリでは、モデルのロード時に device_map="tpu" を指定するだけで、Qwenなどの大規模言語モデルを直接TPU上に読み込んで実行できるようになります。デフォルトのeagerモードだけでなく、torch.compileを組み合わせたパフォーマンス向上や、分散学習・テンソル並列処理にも対応しています。また、画像生成や動画生成を扱うdiffusersにおいても、パイプラインの移動に pipe.to("tpu") が利用でき、大規模モデルを複数のチップに分割して効率的に動作させることが可能です。 さらに、TPU向けに最適化されたカスタムカーネルを「Kernels Hub」から容易に導入できるようになりました。PallasやTokamaxを活用した低レベルなハードウェア制御に基づくカーネルを利用することで、Mixture-of-Experts（MoE）モデルなどの推論・デコード処理において、バッチサイズが大きいケースなどで大幅なスループットの向上が期待できます。Hugging Faceでは、TransformersのCI環境にTPUテストを組み込むなど信頼性の向上にも取り組んでおり、PyTorchユーザーがクラウド上のTPU環境を活用してAIモデルの訓練や大規模サービングを行う際のハードルが大きく下がります。 引用元: https://huggingface.co/blog/hf-torchtpu ウィンドウズアップデートについて調べたらめちゃめちゃ面白かった Windows Updateの強制再起動に対してユーザーが抱いてきた長年の不満と、その背景にあるMicrosoft側の歴史をユーモアを交えて解説した記事です。初期のWindowsはユーザーの自主性に委ねていたため、「後で通知する」の連打によって多くのPCがセキュリティホールを放置し、2000年代中盤にはマルウェア感染が世界中で大流行しました。この痛烈な反省から、MicrosoftはWindows 10以降で強制的な自動アップデートと再起動の仕組みへと舵を切りました。当時は作業中のデータが消えるなど世界中で大炎上しましたが、のちに大規模なランサムウェア「WannaCry」が猛威を振るった際、適切にアップデートされていたWindows 10環境は被害を免れました。つまり、強引な強制再起動は、セキュリティ対策をサボりがちなユーザーをシステム側が力ずくで守るための苦肉の機能であったという歴史的経緯が語られています。 引用元: https://anond.hatelabo.jp/20261020173628 お便り投稿フォーム （株式会社ずんだもんは架空の登場組織です）

  2. 1d ago

    株式会社ずんだもん技術室AI放送局 podcast 20261020

    youtube版(スライド付き) 関連リンク Timestral: Mistrals First Family of Time-Series Foundation Models Mistral AIが、同社初となる時系列基盤モデルのファミリー「Timestral」を発表しました。最大209Mパラメータという軽量設計ながら、主要な公開ベンチマーク（GIFT-Eval、TIME、fev-bench）で既存のより大規模なモデルを凌駕する性能を達成しています。 Timestralは、5M、28M、123M、209Mパラメータの4つのサイズで提供され、精度と効率のバランスに優れています。推論時にGPUを必要とせず、標準的なサーバーのCPU（8スレッド）上で軽量モデルであれば数ミリ秒単位で高速に動作します。また、多変量予測や確率的予測（21個の分位点予測）、過去のデータのみならず既知の未来の共変量（カレンダーや生産スケジュールなど）やカテゴリカルな入力の処理をサポートしています。 技術的な主な貢献として、以下の4点が挙げられます。 Decoupled Horizon Forecasting (DHF): 従来の因果デコーダの手法とは異なり、予測対象の期間と履歴を分離することで、すべての観測値をターゲットとコンテキストの両方として活用できるようにしています。 共変量アテンション（Covariate-aware attention）: ターゲット、過去の共変量、既知の未来の共変量にそれぞれ役割を割り当て、未来のデータがターゲットの予測に漏れ出さないように制御しながら情報を伝播させます。 合成ファーストデータ（Synthetic-first data）: 大規模な訓練データの大部分に合成データを使用し、トレンドや季節性、非線形な依存関係を持たせた時系列プロセスを学習させています。 2段階トレーニング: 純粋な合成データによる大規模な事前学習の後、実データと合成データを混合したデータセットでより長いコンテキストを用いたポストトレーニングを実施しています。 さらに、Mistral Forgeを介したドメイン特化型データによるファインチューニングや、GitHubで公開されたリポジトリを利用して独自のデータで実行することが可能です。これにより、センサーの異常検知から需要予測、金融データの分析など、多様なエンタープライズ領域における実用的な時系列予測システムへの統合が容易になります。 引用元: https://mistral.ai/news/timestral/ MiniMax M3.1 Flash: Redefining Agent Performance and Cost MiniMax社は、エージェント業務、コーディング、Computer Use、サイバーセキュリティの各分野で性能を大幅に強化した新世代モデル「MiniMax M3.1 Flash」を正式に発表しました。このモデルは、匿名運用時に200兆トークン以上を処理した実績を持つ「Space Bunny」の初期バージョンをベースに開発されており、次世代Flashモデルとして高い総合力を持っています。 まず、複雑なタスクと自動化において優れた性能を発揮します。 AutomationBench-AAではトップクラスのパフォーマンスを記録し、営業、マーケティング、オペレーション、カスタマーサービス、財務、人事などのSaaSシステムを跨いだ実企業のワークフローをエンドツーエンドで自動化できます。また、BankerToolBenchでは76.2点を記録し、マルチステップの計画立案、複数ドキュメント間の一貫性維持、財務コンプライアンス、連鎖的なツール呼び出しといった現実世界の複雑な課題にも対応可能です。 ソフトウェア開発（コーディング）の分野では、DeepSWE v1.1で73.7%を達成し、最先端モデルと肩を並べる性能を示しています。DeepSWEは、モデルが独自にコードを理解し、機能開発、問題修正、テストによる検証を自ら行う複雑なタスクを測定するベンチマークであり、M3.1 Flashは長手順のワークフローを低コストで実行できる強力なコード生成・修正能力を証明しています。 さらに、Computer UseおよびAIによるコンピュータ操作の分野では、OSWorld V2で61.7点、Agents’ Last Exam（ALE）で29.6点を獲得し、中国製モデルの中で最高位にランクインしました。これにより、単なるテキスト理解の枠を超え、実環境でのツール利用や長大なタスクの連続実行、結果の創出までをシームレスに行うことが可能です。サイバーセキュリティの分野でも、CyberGymで82%という高いスコアを記録し、脆弱性の発見と検証、コード監査、ペネトレーションテスト、マルウェア分析、リバースエンジニアリングなどで高い能力を発揮します。 推論効率の面では、スパース性（活性化率の最適化）の向上により大幅な高速化が図られています。日常的な利用における出力速度は200+ TPS（トークン/秒）に達し、中央値（P50）でも170+ TPSを安定して維持します。これにより、実用的な速度とリアルタイム性が求められるエージェントシステムへの組み込みが現実的になります。 価格面においては、前世代モデルと比較して全体的な利用コストが70%削減されており、非常にコストパフォーマンスの高い価格設定となっています。100万トークンあたりのフラット料金は、入力が0.15ドル、出力が0.60ドル、キャッシュされた入力が0.015ドルに設定されており、開発や運用の金銭的ハードルを大きく下げています。 M3.1 Flashは、MiniMax API、M Plan、およびデスクトップ向けのMiniMax Codeを通じて現在利用可能となっており、モデルのウェイト（重み）は後日公開される予定です。効率性と能力のバランスを追求した今回のリリースは、今後のAIエージェント開発や実業務への自動化導入を加速させる重要なアップデートとなります。 引用元: https://www.minimax.io/blog/minimax-m31f Diffusion at Scale: Introducing Mercury 3 – Inception Inception社が発表した「Mercury 3」は、大規模言語モデル（LLM）の主流である自己回帰モデルとは異なり、拡散モデル（Diffusion）をベースに開発された、現時点で最も高性能とされる商用LLMです。従来の拡散モデルからパラメータ数を40倍以上にスケールアップさせ、ベンチマークテストにおいても優れた性能を発揮することが証明されました。 Mercury 3の最大の特徴は、NVIDIA製GPU上で毎秒1,000トークンを超える（実測値：1,068トークン/秒）圧倒的な超高速推論を実現している点です。これにより、従来の高速特化型モデルと比較しても遜色ない品質を維持しつつ、4〜8倍の速度で動作します。また、コンテキスト長は100万トークンに対応しており、大規模なデータや長文の処理も可能です。 価格面においても、入力100万トークンあたり0.20ドル、出力100万トークンあたり0.70ドル（リリース時は50%オフ、キャッシュ済みトークンは90%オフ）と非常に安価に設定されています。さらに、OpenAIのAPIと互換性を持っているため、既存のアプリケーション構成を大きく書き換えることなく、そのままドロップインで置き換えることが可能です。 主なユースケースとして、レイテンシ（応答速度）が極めて重要視される以下のような分野での活用が想定されています。 ブラウザ操作エージェント（Mind2Webタスク等での高い完遂率） インタラクティブな教育・学習支援アプリ（音声チューターや即座のフィードバック） リアルタイム検索エージェント（スマートグラス等の音声デバイス向けの高速応答） カスタマーサポート（音声やチャットにおける会話の自然さと正確性の両立） 加えて、音声アプリケーション向けの極低遅延モデル「Mercury Voice」や、高速な分類タスクに特化した意思決定モデル「Mercury Decide」といったポートフォリオも展開されています。Mercury 3は、Inception APIプラットフォームのほか、OpenRouter、Baseten、Vercelを通じて提供が開始されています。 引用元: https://www.inceptionlabs.ai/blog/introducing-mercury-3 Jevにウォーリーを探させたら0.4秒で見つけやがった!! AIモデル「Jev」の画像入力および画像内から特定の位置を四角形で返す新機能「Box」を活用し、ウォーリーを探せ風の画像からキャラクターを0.4秒で発見できるか検証した記事です。AWS上のLambdaから公式Python SDKを用いて、シーン画像と見本画像を渡し、存在確率と座標を高精度かつ高速に取得しています。検証の結果、絵柄が揃っており大きく写っている人物なら約0.4秒、1回あたり0.05円以下の低コストで正確に見つけられることがわかりました。一方で、小さすぎる被写体や絵柄が異なる場合は枠がズレる傾向があるため、AIに大まかな座標を素早く絞り込ませて人間が最終確認する用途に適しているという知見が得られます。 引用元: https://qiita.com/kikuziro/items/c1b47d4bfaa64960ca18 お便り投稿

  3. 2d ago

    マジカルラブリー☆つむぎのピュアピュアA.I.放送局 podcast 20261019

    youtube版(スライド付き) 関連リンク deepseek-ai/DeepSeek-V4.1-Flash-1017 · Hugging Face DeepSeekから新モデル「DeepSeek-V4.1-Flash-1017」が公開されました。本モデルは、従来の「DeepSeek-V4.1-Flash」のマイナーアップデート版であり、推論能力、コーディング能力、エージェントタスク、および視覚系ベンチマーク全体にわたって大幅な性能向上が図られています。特にタスクの実行時間が短縮され、出力長が削減されたことにより、ユーザーはより高速かつ低コストでタスクを完了できるようになり、複数のエージェント環境においてパフォーマンスとコストのパレートフロンティアをさらに前進させています。 公開された各種ベンチマーク結果では、例えばエージェント性能を測る「Terminal-Bench 4.0」や「DeepSWE v1.1」、「Automation-Bench v1.0.6」などの多くの指標において前バージョンを上回るスコアを記録しており、複雑なタスクの処理能力が着実に強化されていることが示されています。 プロンプトエンコーディングの仕様面では、Jinjaフォーマットのチャットテンプレートは同梱されておらず、encodingフォルダ内にマルチターン会話、ツール呼び出し、思考モード、数値的推論の度合い、会話途中のシステムメッセージ、および画像コンテンツの混在などをサポートする自己完結型のPythonリファレンス実装（encoding.py）が用意されています。また、プロダクション環境向けとして、RustライブラリとPythonバインディングを提供する「deepseek-recipe」も公開されています。これを利用することで、MessagesやChat Completions、Responses APIのリクエストを会話フォーマットに変換し、DeepSeek V4およびV4.1のプロンプトやトークンIDへのエンコード、さらにはモデル出力のパース処理をプロトコルに準拠した形で行うことが可能になります。なお、モデルの推論実行、ツール実行、HTTPトランスポート層については呼び出し側で実装する必要があります。 ローカル推論の実行やウェイト変換に関しては、リポジトリ内のinferenceフォルダに手順が記載されています。推奨されるサンプリングパラメータとしては、temperatureが1.0、top_pが1.0に設定されており、コンテキストウィンドウは100万（1M）トークン、最大トークン数は256K以上と非常に広いコンテキストをサポートしています。ライセンスはMITライセンスが適用されており、商用利用や研究目的で柔軟に活用しやすい形態となっています。AIエンジニアや開発者にとって、エージェント性能と処理速度が向上した最新モデルの選択肢として、直ちに検証や導入を検討する価値の高いアップデートとなっています。 引用元: https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017 FLUX 3 Image Klein Black Forest Labsは、テキストからの画像生成、画像編集、最大10枚までのマルチリファレンス生成に対応した軽量かつ高性能なオープンウェイト画像生成モデル「FLUX 3 Image Klein」を発表しました。パラメータ数は5.6Bと比較的軽量でありながら、内部評価では他のオープンウェイトモデルや特定のクローズドモデルを上回る品質を誇り、テキスト画像生成や画像編集において高いEloレーティングを記録しています。本モデルは画像、動画、音声の学習成果を統合しており、現実世界に根ざした自然な空間詳細や物理ダイナミクスを反映した画像を生成できるのが大きな特徴です。 システム要件やパフォーマンスの面では、消費者向けのGPU環境を強く意識した最適化が施されています。BF16形式では11.2GB、FP8形式では5.6GBのVRAM容量で動作し、INT8ビルドを活用することでわずか8GBのVRAMを搭載したNVIDIA GeForce RTX GPU上でも、ComfyUIやDiffusers経由でローカル実行が可能です。さらに、ステップ蒸留されたモデルとINT8ビルドを組み合わせることで、RTX 5090では約4秒、RTX 4070では9秒未満で1MPの画像を生成できる優れた高速性を備えています。また、NVIDIAのアクセラレーテッドコンピューティングにも最適化されており、TensorRT-LLMやvLLM-Omni、SGLang Diffusionなどのエコシステムを介した効率的なデプロイがサポートされています。 開発者向けの機能として、ファインチューニング用のベースチェックポイントが提供されており、Hugging Face DiffusersやOstrisのAI Toolkitを用いたLoRAトレーニングに初日から対応しています。また、NVIDIA NeMo AutoModelのレシピを活用した直接的な構築も可能です。APIを通じた利用や、Hugging Face Spacesなどのプレイグラウンドでの試用も順次開始されています。ライセンス形態については、年間売上500万ドル未満の個人および企業であれば無料で商業利用が可能な「FLUX Kommunity License」が適用され、大規模な組織向けには別途セルフホスト用オプションやAPIが用意されています。安全面においても、事前学習時のデータフィルタリングやポストトレーニングでの調整、厳格なレッドチーミングが実施されており、悪用防止の対策が組み込まれています。 引用元: https://bfl.ai/blog/flux-3-image-klein オンボーディングをAIエージェントに任せたら、もはや別ゲーだった BLOG - DeNA Engineering この記事では、DeNAのヘルスケア領域のデータサイエンス部において、新メンバーのオンボーディング（受け入れ・立ち上げ）をGitHubリポジトリとClaude Codeを組み合わせて自動化・効率化した実践事例を紹介しています。 これまでのオンボーディングには、「情報の散らばり」「個人のスキルによる進みのブレ」「受け入れ担当の工数の負担」という3つの課題がありました。これを解決するため、すべての情報を1つのGitHubリポジトリに集約し、AIエージェントが伴走する仕組みを構築しました。 設計における最大のポイントは「教材の本文を持たせない」という点です。ConfluenceやGoogle Driveなどの社内ツールに存在する情報が二重管理で古くなってしまうのを防ぐため、リポジトリ側には「正本の保存場所（ID）」と「学習のゴール」だけを記載します。新規メンバーが質問した際には、Claude Codeのコネクタ機能を経由して常に最新の正本データを取得し、AIが要点を整理して回答する仕組みにしました。 また、出力されるタスクや成果物のフォーマットをあらかじめスキル定義で固定化することで、AIの回答品質を安定させています。日報の自動生成や、気づいた改善点を improvements.md に蓄積してPull Request経由で教材そのものをアップデートしていくフィードバックループも設計されています。認証などの人間が行うべき作業と、手順の要約や環境構築の補助を行うAIの作業を明確に切り分けることで、実務に即した効率的なオンボーディングを実現しています。結果として、中途入社メンバーの立ち上がりがスムーズになり、受け入れ側の工数削減や、新規メンバー自身がGitHubやClaude Codeの使い方に慣れるという副次的なメリットも生まれています。 引用元: https://engineering.dena.com/blog/2026/10/ai-agent-onboarding/ 武器あり・乱入あり・羽交い締めありのハートフルバトルイベント「スーパーきぐるみファイト」後半戦レポート【マチ★アソビ vol.31】 au Webポータル イベント「マチ★アソビ vol.31」にて、人気キャラクターたちが体に風船を巻き付けて武器で割り合うステージ「スーパーきぐるみファイト」の後半戦が開催されました。第2戦では仕事猫と邪神ちゃんインパクトが激しい乱打戦を展開し、セコンドのムジーナの羽交い締めアシストもあって仕事猫が勝利しました。続く最終戦には、腕を拘束された弱体化状態のずんだもんや、仕事猫、ほっぺちゃんらが参加して大混乱の大乱闘へと発展します。最終的には、バトル中に風船を追加して登場したパグ太郎が「最後まで風船が残っていた」という展開により優勝を果たしました。武器の使用やセコンドの乱入、敗者たちの再参戦などカオスな展開が続いたものの、最後はキャラクター同士が健闘をたたえ合い、大盛況のうちにイベントは幕を閉じました。 引用元: https://article.auone.jp/b5e858bc-bdb2-4293-a428-6b386b5667eb お便り投稿フォーム VOICEVOX:春日部つむぎ

  4. 5d ago

    私立ずんだもん女学園放送部 podcast 20261016

    youtube版(スライド付き) 関連リンク NVIDIA Nemotron 3.5 Super VL Powers Specialized Agents with Multimodal Reasoning NVIDIAが発表した「Nemotron 3.5 Super VL」は、自律型AIエージェントの専門的なワークフローに向けて設計された、オープンでカスタマイズ可能なマルチモーダル推論モデルです。120BパラメータのMixture-of-Experts（MoE）アーキテクチャを採用しており、トークンあたり12Bのパラメータをアクティブ化することで、モデルの処理能力と推論効率のバランスを最適化しています。単一のGPU上で、同等サイズの他のオープンモデルと比較してエージェントタスクにおいて最大5倍のスループットを実現します。 本モデルの大きな特徴は、テキスト、画像、文書、動画の理解と、高度な推論、インストラクション追従、ツール利用の能力を単一のモデルに統合している点です。これにより、個別のテキストモデルとビジョン・言語モデルを別々にデプロイしたり、コンテキストを渡したりする複雑なパイプラインを構築することなく、コード検証、Webリサーチ、文書インテリジェンス、サイバーセキュリティ、動画理解などの複雑なマルチステップのタスクを効率的に処理できます。 カスタマイズ面では、NVIDIA NeMoオープンライブラリを使用して、組織特有のデータ、ツール、ポリシーに合わせたポストトレーニング（事後学習）が可能です。NeMo AutoModelによる監視付きファインチューニング（SFT）やLoRAのほか、強化学習を用いてドメイン特有の精度を大幅に向上させることができます。Hugging Face上では、エージェント向けツール利用データやマルチモーダルデータを含む豊富なオープンデータセットも同時に公開されており、カスタムトレーニングに活用できます。 内部構造や推論の高速化技術においても多くの工夫が盛り込まれています。蒸留技術やマルチ・ティーチャー学習によりベースモデルの性能を高めており、並列予測を効率化するオープンな推論技術「LiLiCorr」によって、推論時のトークン生成速度を最大2.3倍に向上させています。また、NVIDIA Blackwellアーキテクチャ向けのNVFP4量子化や混合精度、マルチトークン予測（MTP）、エージェントターン間でのコンテキスト再利用（プレフィックスキャッシュ）などにより、高スループットと低レイテンシを両立しています。 デプロイに関しては、最適化された推論エンジンや標準APIを提供する「NVIDIA NIM」や、分散推論を最適化する「NVIDIA Dynamo」を組み合わせることで、実運用環境への組み込みが容易になっています。開発者はHugging FaceやModelScope、OpenRouterなどを通じてチェックポイントやAPIにアクセスし、自社の特化型エージェント開発に活用することができます。 引用元: https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/ Scale Agentic Coding Workflows with Meta’s Muse Spark Open on NVIDIA GB300 NVL72 Metaがコーディングエージェントのワークフローに特化した巨大なMixture-of-Experts（MoE）モデル「Muse Spark Open」を発表しました。このモデルは総パラメータ数が816B（8160億）でありながら、スパースルーティング機構により1トークンあたり42Bのパラメータをアクティブ化することで、巨大なモデル規模でありながら効率的な推論を実現しています。最大100万トークンのコンテキストウィンドウを備えているため、単なるコードスニペットの生成だけでなく、プロジェクト全体や複雑な依存関係、数千ファイルに及ぶコードベースを一度に読み込んでリファクタリングやデバッグを行うことが可能です。 また、本モデルはテキスト、画像、動画、音声といったマルチモーダルな入力をネイティブに処理できる1.8Bのパーセプションエンコーダを搭載しています。これにより、開発者が遭遇するスクリーンショット、図解、エラーログ、音声解説付きの画面録画などを単一の推論パスで統合的に理解し、計画、実行、自己修正を行う高度なエージェント動作が可能になります。各アクションの実行前に実行内容の解説を生成するため、開発者がエージェントの意図を把握しやすい仕組みも取り入れられています。 インフラ面では、NVIDIAのGB300 NVL72プラットフォーム（Blackwell Ultra GPU）向けに最適化されており、NVFP4チェックポイントを利用することでメモリフットプリントを削減しつつ高いスループットを実現しています。これにより、複数ターンの複雑なエージェントセッションや、大規模なKVキャッシュを効率的に処理できます。さらに、vLLMやSGLang、TensorRT-LLMなどの主要な推論スタックに対応しており、NVIDIA NeMo AutoModelやMegatron Bridgeを用いた追加のファインチューニングやプロダクション向けのトレーニングもサポートされています。新人エンジニアの視点としても、今後のAI開発やコード支援ツールにおいて、単なる自動補完から自律的なエージェントによる複数ファイルの連携開発へのシフトを理解する上で非常に重要な最新動向となっています。 引用元: https://developer.nvidia.com/blog/scale-agentic-coding-workflows-with-metas-muse-spark-open-on-nvidia-gb300-nvl72/ LFM2.5-24B-A2B: Built for Fast On-Device Agents Liquid AIは、端末上（オンデバイス）での高速動作とプライバシー保護を重視して設計された、総パラメータ数24B・アクティブパラメータ数2Bの推論モデル「LFM2.5-24B-A2B」をオープンウェイトで公開しました。これはLFM2.5シリーズの最大かつ最後のモデルであり、ベースモデルと事後学習済みモデルがHugging Faceなどで入手可能です。 本モデルは、最終的な回答を出力する前に明示的な思考の連鎖（Chain of Thought）を生成する推論専用モデルとして構築されています。アーキテクチャ面では、40層構造、トップ4ルーティングのMoEブロック（1ブロックあたり64エキスパート）、ゲート付きショート畳み込みとGQAのハイブリッド構造を継承しつつ、コンテキストウィンドウを従来の32,768トークンから131,072トークンへと拡張しています。さらに、インプレースのトークナイザー拡張により、ボキャブラリーサイズを65Kから128Kへと倍増させ、非ラテン文字のトークン化効率を向上させています。 事前学習の規模は17Tトークンから33Tトークンへとスケールアップされており、ミッドトレーニングでは品質重視のデータによる推論・数学・コード・多言語の強化と、131Kのロングコンテキスト対応が行われています。事後トレーニングでは、教師モデルによる特殊化や、エージェント環境（OpenClaw、Hermes Agent、Pi、OpenCodeなど）を活用したマルチドメインのオンプラシー蒸留およびエージェント強化学習（Agentic RL）が導入されています。 各種ベンチマークでは、総・アクティブパラメータ数がより多い他社のMoEモデル（Qwen3.6-35B-A3Bなど）と比較して、AutomationBench、BFCLv4、ToolSandbox、LiveClaw、τ³-Bench Bankingといったツール使用やエージェントワークフローに関する5つのベンチマークで匹敵またはそれを上回る性能を記録しています。特にAutomationBenchでは次点のモデルの3倍以上のスコアを叩き出しています。 推論速度の面でも非常に優れており、LFM2アーキテクチャの効率性により、Apple M5 Max上で184トークン/秒、単体のNVIDIA B300 GPUを用いた高負荷な環境下では21,000出力トークン/秒を超えるスループットを達成しています。llama.cpp、MLX、vLLM、SGLang、ONNXといった主要な推論エコシステムにも初日からネイティブ対応しており、Apple SiliconやAMD、Qualcomm、NVIDIAのハードウェア上で効率的に動作します。これにより、クラウドAPIに依存せず、ユーザーの端末上でローカルエージェントをスムーズに稼働させるための強力な基盤を提供します。 引用元: https://www.liquid.ai/blog/lfm2-5-24b-a2b JPEGのExifサムネイルの中にサムネイルのサムネイルを置きたい JPEGファイルのExif仕様にはサムネイル画像を持たせる機能がありますが、仕様上はサムネイル内のJPEGストリームにAPPnマーカなどの記録は禁止されています。しかし、この記事では好奇心からChatGPTを利用して、JPEGのExifサムネイル領域の中にさらに別のサムネイル画像を再帰的に（マトリョーシカのように）埋め込んだ画像を作成しています。規格違反のバイナリ構造ではあるものの、一般的な画像として表示でき、ExifToolを用いることで階層化されたサムネイル画像を順次取り出してパースできることを確認しています。エ

    私立ずんだもん女学園放送部 podcast 20261016

  5. 6d ago

    株式会社ずんだもん技術室AI放送局 podcast 20261015

    youtube版(スライド付き) 関連リンク Amp puts AI agents to work beyond code with OpenAI models AIエージェント開発プラットフォームを提供するAmpは、OpenAIの最新モデル群を活用し、開発者がアイデアを実際のソフトウェアにするための支援機能を拡張しています。Ampではユーザーの用途に応じて最適なモデルを推奨しており、トークン使用量の大部分にOpenAIモデルが採用されています。CEOのQuinn Slack氏は、OpenAIモデルの優れた一貫性と透明性、安全性に対する信頼の高さを評価しています。 エージェントがより多くのタスクをこなすにつれてトークンコストが制約になる課題に対処するため、Ampは「Sign in with ChatGPT」連携を導入しました。これによりユーザーはより多くのトークンや「GPT-6 Astra」などの先進的なモデルにアクセスできるようになり、コストを過度に気にすることなくエージェントに大きなタスクを任せられる環境が整います。その結果、エージェントはコードの記述だけでなく、計画の立案、開発内容の決定、リリース後の継続的な作業までを自律的にこなせるようになっています。 また、Ampの20人規模のチームでは、マーケティングや新規ユーザー体験の向上、検索流入の拡大などの業務にもAIエージェントを活用しています。特に「GPT-6 Astra」は、同社の厳格な基準を満たす高品質なドキュメント作成やデザインページの生成に貢献しています。さらに、Slack氏の個人的な実験では、自宅の設計図からBlenderの3Dモデルを作成し、それをゲーム化するといった高度な用途にも活用されており、数ヶ月前には不可能だったことが実現可能になっている点が強調されています。 音声対話機能としては、Ampに組み込まれた会話型AIアシスタント「Puck」が発表されました。Puckは、バグ調査を行うエージェントの起動や、複数のエージェントの調整、過去の技術的な会話の検索などをサポートします。「GPT-Live‑1」を搭載した「Calling Puck」機能により、ユーザーはスマートウォッチなどから外出先でもリアルタイムで音声対話を行い、離れた場所からエージェントの作業を管理できるようになります。 さらに、Ampは「GPT-6 Astra」を活用した「Ultrafast」モードのテストを進めており、圧倒的な処理速度の向上がユーザーのエージェントの使い方を大きく変えつつあります。応答速度が飛躍的に向上したことで、ユーザーは複数のタスクを切り替える必要が減り、エージェント自身が結果を返す前に自ら成果物を検証する時間を十分に確保できるようになります。Ampは今後、コーディングの前後の工程までエージェントの適用範囲を広げ、開発者がよりスムーズにアイデアを具現化できるエコシステムの構築を目指しています。 引用元: https://openai.com/index/amp-beyond-coding How Third Moment Research runs 10,000 agents for 36+ hours Third Moment Research社は、OpenAIの最新モデル（GPT-6 Astra、GPT-6 Sol、GPT-6.1 Solなど）とCodexハーネスを活用し、1万ものAIエージェントを36〜48時間にわたって自律稼働させる大規模な実践事例を公開しました。同社は、エージェントの挙動を理解し、弱点を特定して自動的に数千の合成シナリオを作成する自己改善型のAIシステムを構築しています。 定量金融分野における初期の応用事例では、CodexとGPT-5.6を用いてエージェントのシロミュレーション軌跡を分析し、バックテストに数時間かかっていたボトルネックを特定しました。キャッシングの最適化とメモリパッキング技術を適用することで、バックテストの実行時間を約3時間から3〜5分へと大幅に短縮し、トークンの無駄遣いやコンテキストの汚染を防ぐことに成功しました。 また、各エージェントにはDocker環境内で動作するデフォルトのCodexハーネスが提供され、1テラバイトのデータやドキュメント、リポジトリが与えられます。推論にはGPT-6 AstraやSolシリーズが使用され、タスクを途中で停止してしまうエージェントに対しては、上位のハーネスが軌跡を検査してリトライや終了、人間へのエスカレーションを判断する仕組みをとっています。これにより、人間が想定していなかった取引所における非表示取引の影響を発見するなど、自律的な深層リサーチを実現しています。 さらに、数万規模のエージェントが自律稼働する環境のセキュリティを確保するため、Daybreakサイバーセキュリティプラットフォームを活用してエージェント自身による環境のペネトレーションテストを自動化しています。今後は、個別の調査から数十万もの協調するサブエージェントへと規模を拡大し、数兆トークンを背景にした複雑な実験チェーンを通じて、エージェント自身が新しい課題に対応して継続的に自己改善していくエコシステムの構築を目指しています。新人エンジニアにとっても、最先端の大規模AIエージェント運用におけるボトルネック解消手法や、長期自律稼働のアーキテクチャを理解する上で非常に示唆に富む内容となっています。 引用元: https://openai.com/index/third-moment-research SentinelOne cuts malware analysis from weeks to hours この記事は、セキュリティ企業であるSentinelOneが、OpenAIの新技術を活用して高度なマルウェアのリバースエンジニアリングにかかる時間を劇的に短縮した事例について解説しています。新人エンジニアの皆さんがセキュリティ分野におけるLLM（大規模言語モデル）の最新の活用アプローチを理解する上で、非常に参考になる内容となっています。 従来、高度なマルウェアの解析にはトップクラスのセキュリティ研究者であっても4週間から6週間という膨大な時間を要していました。しかし、SentinelOneのチーフAIオフィサーであるGregor Stewart氏によれば、OpenAIの「Daybreak」を導入したことで、人間と同等レベルのリバースエンジニアリング出力を約8時間という短時間で生成できるようになったとのことです。 この技術革新により、セキュリティチームには以下のような大きな変化とメリットがもたらされています。 解析能力の飛躍的な向上と網羅的な調査 これまで時間がかかりすぎて解析できなかった多くのマルウェアサンプルを処理できるようになりました。より多くのサンプルを比較・分析することで、これまで見逃されていた異なる脅威間の共通コンポーネントや関連性（つながり）を発見しやすくなり、より広範囲なマルウェアの全体像を把握できるようになっています。 人間による「責務（Accountability）」の維持 AIが自動化するのはあくまで解析作業であり、最終的な判断やアーキテクチャの変更といった重要な意思決定には必ず人間の研究者が介在しています。「自動化できないのは責任（アカウンタビリティ）だけである」という方針のもと、ポイント修正やソフトウェアの根幹を変えない部分にはAIを活用し、重要な判断は人間が行うという役割分担が徹底されています。 セキュリティ業務の民主化と開発チームへの展開 これまで一部の高度な専門家にしか扱えなかったセキュリティの専門知識や解析能力が、AIを介してチーム内のほぼ全員に行き渡るようになりました。今後は開発チームのコード作成プロセスにもこの機能を組み込み、開発段階からセキュリティ上の課題に対処できるようにすることを目指しています。 このように、LLMは単なるテキスト生成にとどまらず、サイバーセキュリティの領域においてディフェンダー（防御側）の優位性を高める強力なツールとして実務で成果を上げ始めています。新人エンジニアにとっても、AIを開発やセキュリティのワークフローに組み込む際の具体的なユースケースとして、非常に示唆に富む事例と言えます。 引用元: https://openai.com/index/sentinelone ガチャで自作PCを組み立てよう。メーカー監修の手のひらPCパーツが10月21日発売 - エルミタージュ秋葉原 株式会社ターリン・インターナショナルから、Intel、ASRock、GIGABYTE、MSIの4社が監修したカプセルトイ「メーカー監修 手のひらPCパーツ」が10月21日より全国で発売されます。価格は1回500円で、全5種類のラインナップです。 マザーボードやCPU、電源、PCケースなどが手のひらサイズで精巧に再現されており、ミニチュアのPCケースにパーツを組み込んで自作PCの組み立てを楽しむことができます。さらに、実物を忠実に再現した紙製のミニチュアパッケージも

  6. Oct 13

    株式会社ずんだもん技術室AI放送局 podcast 20261014

    youtube版(スライド付き) 関連リンク Gemini 4 Argon: Built to solve your hardest problems Google DeepMindは、難関タスク向けの新たな最先端推論モデル「Gemini 4 Argon」を公式発表しました。コーディング、金融、法務、サイバーセキュリティ、科学などの複雑な実世界タスクにおける深い思考と高い精度を特徴としており、経済セクターのパフォーマンスを測定する「Vals Index」で1位を獲得しています。価格は入力トークンが100万あたり2ドル、出力トークンが100万あたり10ドル（キャッシュ済み入力トークンは95%オフ）で提供されます。 エンジニアリング分野においては、Google社内のChromeブラウザのレガシーコードの分離やアーキテクチャのリファクタリング、オープンソースの「Agent Development Kit (ADK)」のパフォーマンス最適化などで活用され、エージェントによるコード提出を35%以上増加させつつロールバックを約3分の1に削減するなどの実績を上げています。また、vLLMを用いたGemma 4 E2Bの推論速度をA100上で2.85倍に高速化（約37,900から108,000トークン/秒超へ向上）させるなど、大規模なコードベースの最適化やリファクタリングにおいて優れた成果を出しています。 科学やサイバーセキュリティの領域でも高い能力を発揮しており、量子化学パッケージの最適化や、量子誤り訂正デコーダー「AlphaQubit」の推論スループットの倍増、レアケースの遺伝子解析、酵素設計などを加速させています。サイバーセキュリティでは、Wizなどのパートナー企業が脆弱性の早期発見や重要インフラの保護に活用しています。さらに、ロボット工学の分野では「Embodied Reasoning (ERQA)」ベンチマークで87%を記録し、人間の作業動画から空間座標や関節の動きを計算してシミュレーションコードを自動生成し、人型ロボットへ実応用する「Video-to-Sim-to-Real」パイプラインを実現しています。 安全性と信頼性の面では、フロンティア・セーフティ・フレームワークに基づいたマルチレイヤーの防御スタックが導入されており、バイオ分野のレッドチーム評価では不正なサブタスクの解除率を1%未満に抑えるなど、従来モデルと比較して有害なリクエストへの耐性が大幅に向上しています。また、不正なショートカットを防ぐためのアライメント訓練や、リアルタイムの誤動作モニター、グレイ・スワンの「間接的プロンプトインジェクション（IPI）」ベンチマークで攻撃成功率を0.7%に抑える強力な耐性を備えています。 提供形態としては、APIを通じてAI StudioやGeminiプラットフォームで開発者や企業向けにグローバルで利用可能となっており、Google Antigravity、Geminiアプリ、AI Mode in Searchなどでも提供されます。さらに、科学者や研究者を対象とした無料利用枠の提供や、サイバーディフェンダー向けのFairwindプログラムの拡張も行われています。 引用元: https://deepmind.google/blog/introducing-gemini-4-argon/ Gemini 4 Argon for Robotics 「Gemini 4 Argon」は、物理的な理解、コード生成、視覚的・意味的推論において優れた性能を発揮する汎用物理推論モデルであり、ロボティクス分野のライフサイクル全体に適用できる特徴を持っています。3D環境における空間的・物理的課題を解決するベンチマーク「Embodied Reasoning (ERQA)」では87%を記録し、他のフロンティアモデルを上回る性能を示しています。 本モデルは、ロボット制御、Real2Sim（実世界からシミュレーションへの移行）、物理的理解、研究・自己改善という4つの主要領域で活用可能です。 ロボット制御（Robot Control） MuJoCo環境を活用したデジタルツインでの事前練習による四足歩行ロボットの操作（例：ゴミ箱のペダル踏み込み）や、視覚座標ハーネスとアクションプリミティブを用いたロボットアームのゼロショット制御、動画世界モデルを用いた反復的なビジュアルフィードバックによるオムニ制御などを実現します。 Real2Sim 実際のロボットのカメラフィードや人間のエゴセントリック動画、手描きのスケッチなどから、物理的にキャリブレーションされたシミュレーション環境を構築します。接触力やトルク、オブジェクトの物理特性を一致させることで、現実のタスクを高精度に再現するMuJoCoシーンを生成できます。 物理的理解（Physical Understanding） 器用な操作に関する高い理解力を活かし、動画からの詳細なセグメンテーションや、時間軸に沿ったマルチ粒度のヒンスサイト（事後）アノテーション、値関数（バリューファンクション）を用いたタスク進捗の予測やデータ品質の最適化を行います。 研究と自己改善（Research and Self-Improvement） シミュレーション環境上で大量のエピソードデータを自動生成し、ビジョン・言語・アクション（VLA）モデルの現実世界における成功率や処理速度を向上させます。また、試行錯誤を通じたハードウェアの自己改善や、ロボット工学の論文内容をMuJoCo WebAssembly環境へ再現する処理にも対応しています。 利用開始方法として、Google AI StudioのGoogle AI Ultra加入者や、Gemini APIの有料ティアを通じて「gemini-4-argon」を利用することが可能です。 引用元: https://deepmind.google/blog/gemini-4-argon-for-robotics/ Redesigning source control at Anthropic Anthropic社では、Claudeによる自律的なコード生成やリサーチの自動化が進んだ結果、2026年5月には1日あたり約2,500件だったマージ数が、同年9月には30,000件を超える規模に急増しました。これに伴い、人間のスケールを前提に設計された従来の分散型バージョン管理システムであるGitでは、100GBに及ぶリポジトリ履歴や膨大なCIチェックアウトのリクエストを処理しきれなくなるというボトルネックが発生しました。この課題を解決するため、同社はわずか5カ月の間に、内製のバージョン管理システム「Scion」をゼロから構築し、モノレポの移行を完了させました。 Scionの設計において最も根底にある原則は「クライアント（AIエージェントやジョブ）は常にオンラインである」という点です。従来のGitがオフライン作業を前提にリポジトリ全体を各クライアントにクローンするのに対し、Scionはサーバーとクライアントの非対称性を採用しています。サーバー側がファイル履歴やマージ、コミット生成、派生データの計算などを集中的に担い、クライアント側はディスク上の作業コピーや軽量なローカルキャッシュを管理します。これにより、リポジトリ全体をクライアント側に保持する必要がなくなり、ネットワークおよびCPU負荷を劇的に削減することに成功しました。 データ構造の面では、Gitのような巨大なパックファイルや複雑なロック機構を廃し、書き込み先行ログのエントリである「チェンジセット」を採用しています。チェンジセットには第一親からの差分ファイルリストのみが記録され、競合のない高スループットな書き込みを実現しています。また、ファイルのアノテーションやパス履歴といった「派生データ」は、必要に応じて再帰的かつ遅延評価的に計算されるため、リポジトリの肥大化に伴うメンテナンス作業が不要となりました。 アーキテクチャ全体としては、階層化されたキャッシュサーバー（scion-cache）がメモリ上でオブジェクトを直接ストリーミング配信し、キャッシュヒット率99%以上を維持しています。この結果、従来のGitミラーリングインフラと比較してCPU・メモリ要件を200分の1に縮小し、CIやリサーチジョブにおけるコードチェックアウトを数分から数秒へと大幅に高速化、CI単体で25%のCPU容量削減を達成しました。 この開発プロジェクトはわずか7人のチームによって進められましたが、その過程でClaude自身を活用することでコード生成や最適化が加速されました。AIによるコード生成の爆発的な増加がもたらすインフラの限界に対し、サーバー中心の常時接続型アーキテクチャが極めて有効であるという実践的な知見を示しています。 引用元: https://www.anthropic.com/engineering/redesigning-source-control UNO取扱説明書『大量のカードが発射されます。本当に、ものすごい量です』→出たところを見たみなさんの反応「ウワーーーー！えらい出る！」 カードゲーム「ウノ アタック エクストリーム」の取扱説明書に記載された「大量のカードが発射されます。本当に、ものすごい量です。」というあまりに素直すぎる警告文がX（旧Twitter）で話題を

  7. Oct 12

    株式会社ずんだもん技術室AI放送局 podcast 20261013

    youtube版(スライド付き) 関連リンク Multi-Agent Self-Supervision (MASS) Sakana AIが発表した「MASS（Multi-Agent Self-Supervision）」は、AIモデルが自身の能力を自律的に向上させる再帰的自己改善（RSI）の新しいフレームワークです。フロンティアモデルの進化が進むと、人間が正解を検証することが困難になる非検証的なタスクが増加するため、AI自身が評価者、最適化者、実行者のすべての役割を担うホモジニアス（同質的）なループを構築する必要があります。MASSは、マルチエージェントシステムの集合知を活用し、チームの協調作業の経験を共有モデルの自己教師あり学習のシグナルとして蒸留します。 MASSのプロセスは、大きく「内側ループ」と「外側ループ」の2つに分かれます。内側ループでは、モデルの重みを固定した状態で、評価者のフィードバックをもとにオプティマイザがエージェント間のワークフロー（役割、指示、契約、手順）を探索・最適化します。ここでは、各サブエージェント間でやり取りされるデータやチェック項目を定めた「契約（Contract）」と「呼び出し順序（Hop）」が情報流を最大化する鍵となります。外側ループでは、最適化されたワークフローを用いて複数回実行を行い、生成された軌跡（メッセージやツールコールの履歴）をモデル自身が評価・ランク付けします。高水準な軌跡を抽出してLoRAを用いてモデルをファインチューニングすることで、チームの経験を共通の重みに統合します。 Qwen3.6-27Bをベースモデルとした実験では、2ラウンドの学習を経て、外部評価者によるベースモデルとの勝率がテストタスクで69.9%に向上し、MLR-Benchなどの公開ベンチマークでもトークンあたりのスコアが1.2〜1.6倍に改善しました。さらに、タスク解決の軌跡のみで学習を行ったにもかかわらず、ワークフローオプティマイザやワークスペース評価者の性能も同時に向上する「役割の汎化」が確認されました。また、単一エージェントの軌跡と比較して、マルチエージェントの軌跡はより濃い学習シグナルを提供し、少ない学習トークンで効率的な性能向上が得られることが示されています。 本研究の重要な発見として、自己改善ループにおけるボトルネックは評価者ではなくオプティマイザ側にあることが挙げられます。強力なオプティマイザを組み合わせることで効率的な探索が可能になりますが、テキスト空間でのワークフロー探索には変動やノイズも伴います。著者らは、人間による完全な検証が難しい領域においてAIが自律的な学習を進める「Odyssean moment（オデュッセウスの瞬間）」を見据えつつ、共通の盲点が誤った改善を固定化してしまうリスクや安全性・監視の重要性についても警鐘を鳴らしています。新人エンジニアの視点では、マルチエージェントの協調設計や、エージェントシステムの体験データをモデルの強化学習やファインチューニングに還元する最先端の学習パイプラインの仕組みを深く学べる内容となっています。 引用元: https://pub.sakana.ai/mass/ Muse Wonder: A Frontier Model For Personal & Professional AI Agents Meta AI Researchは、個人およびプロフェッショナル向けの次世代エージェントモデルシリーズ「Muse Wonder」および「Muse Wonder Full」を発表しました。これらは、事前学習と強化学習の予測可能かつ厳密なスケーリングアプローチに基づいて開発された、Metaのこれまでで最も高性能なフラグシップモデルです。巨大なPrometheusデータセンターで訓練され、個人用スーパーインテリジェンスの実現に向けた大きなマイルストーンとなるモデルとして位置づけられています。 Muse Wonderシリーズの最大の特徴は、「Active Memory（アクティブメモリ）」と「Active Focus（アクティブフォーカス）」という2つの核心的機能を統合している点です。Active Memoryにより、モデルは会話をまたいでユーザーに関する重要な文脈を保持し、目の前のタスクに関連する詳細を自律的かつ継続的に検索・維持することが可能になります。また、Active Focusにより、長期にわたる挑戦的な目標に対して代替アプローチを試行し、ブロッカーを解消しながら、新しい情報に適応して粘り強く作業を継続できます。重要なアクションを実行する前にはユーザーに確認や明確化を求めるなど、実用的なエージェントとしての動作を実現しています。 専門領域のタスクにおいては、法律、金融、健康などの分野で優れた専門知識を発揮します。例えば、法務分野におけるHarveyのLegal Agent Benchmarkや、金融分野のVals Finance Agent V2などにおいて、ソースドキュメントを正確に扱い詳細な指示に従う高度な処理能力を示しています。さらに、コーディング分野でも最先端のパフォーマンスを発揮し、小規模なアプリケーションから、コードベース全体の変更やテスト・修正の繰り返しを伴う長期的なソフトウェアエンジニアリングプロジェクトまで幅広くサポートします。 評価と汎用性の面では、トレーニング時に想定していなかった未知のタスク（アウト・オブ・ディストリビューション）に対しても優れた適応力を示しています。テスト時の計算量をスケーリングする実験において、強力なベースモデルを土台に持つMuse Wonder Fullは、特有のトレーニングを行っていない未知のタスクに対しても予測以上の高いパフォーマンスと頑健性を発揮することが確認されています。これにより、ユーザーの多種多様な目標、ツール、制約が絡み合う複雑な状況に対応できる高い汎用性が確保されています。 安全性とアライメント（整合性）の面でも大きな進歩を遂げています。個人情報やプライベートな文書、メッセージ、カレンダーなどを扱う個人エージェントには高度な機密保持と悪用に対する耐性が求められます。Muse Wonderシリーズは、不正なコード実行の防止や個人情報の慎重な取り扱いの面で優れた性能を示しています。さらに、化学・生物・放射線・核（CBRN）およびサイバー関連の悪用に対する厳格なセーフガードを備えつつ、防御目的での最先端サイバー機能へのアクセスを維持するなど、Metaのスーパーインテリジェンス・スケーリング・フレームワークに準拠した強固な安全対策が施されています。 提供面では、「Muse Wonder」がMeta Model APIやMuse Codeを通じて本日から利用可能となっており、「Muse Wonder Full」もMuse Codeの登録者向けに提供が開始されています。今後は「Muse」アプリ内の各種機能の基盤としても順次導入される予定であり、AIエンジニアや開発者にとって今後のエージェント開発や応用を考える上で非常に重要な最新モデルとなっています。 引用元: https://research.meta.ai/blog/muse-wonder Retrofitting language models to operate over bytes この記事では、既存のサブワードベースの大規模言語モデル（LLM）を、文字（UTF-8バイト）単位で効率的に動作するように改造・再学習させる新技術「バイトフィケーション（Byteification）」について解説しています。 現代の主要なLLMは、テキストを直接処理せず、事前に「サブワード（単語の断片）」の単位に分割（トークナイゼーション）してから処理を行っています。このサブワード方式には、文字レベルの細かいニュアンスの理解が難しいことや、プロンプトの切り方によって生成結果が偏る、多言語対応における英語への過度な偏りといった課題がありました。その解決策として、最小単位であるバイト列を直接扱う「バイトレベルLLM」の研究が進められてきましたが、これまでは一からランダム初期化で学習させる必要があり、最先端のサブワードモデルの性能に追いつくには膨大なコストがかかるため広く普及していませんでした。 そこで研究チームは、既存のオープンな高性能サブワードモデル（Olmo 3、Qwen3、Llama 3など）の重みをベースにしつつ、モデルの一部を置き換えてバイト単位で動作させる汎用的な手法「バイトフィケーション」を提案しました。具体的には以下のアーキテクチャと2段階の学習プロセスを採用しています。 バイトフィケーションのアーキテクチャ（LTLM: Latent Tokenizer Language Model） ローカルエンコーダ: 入力されたバイト列を受け取り、軽量なxLSTM（mLSTM）レイヤーを用いてバイト単位の表現を文脈化します。 境界予測器（Boundary Predictor）: 従来のバイトレベルモデルと異なり、1バイトの未

  8. Oct 8

    私立ずんだもん女学園放送部 podcast 20261009

    youtube版(スライド付き) 関連リンク Granite 4.2 LLMs: How Theyre Built IBMは、推論能力とエージェント機能に特化したオープンなLLMファミリー「Granite 4.2」を発表しました。モデルサイズは3B、8B、30Bの3種類が用意されており、すべてのモデルがApache 2.0ライセンスで公開されています。Granite 4.2は、従来の指示追従能力に加えて明示的な「推論能力」を統合した点が最大の特徴です。回答を生成する前に思考プロセス（Chain of Thought）を出力する機能を持ち、タスクの難易度や目的に応じて「通常思考モード（thinking）」、「非思考モード（non-thinking）」、および簡単な質問に対して短い思考予算を割り当てる「低負荷思考モード（low-effort）」を切り替えることができます。また、すべてのモデルでネイティブなツール呼び出し（Tool Calling）をサポートしています。 アーキテクチャ面では、デコーダオンリーのデンス・トランスフォーマーを採用しており、Grouped Query Attention（GQA）、Rotary Position Embedding（RoPE）、SwiGLU活性化関数、RMSNormなどを組み合わせています。コンテキスト長は最大131,072トークンに対応しており、ベースモデルとなったGranite-4.1の事前学習フェーズでは512Kトークンまでの拡張が行われています。 学習パイプラインは非常に洗練されており、事前学習、教師ありファインチューニング（SFT）、そして複数ステージによる強化学習（RL）の組み合わせで構築されています。SFTでは、エージェント特化データと非エージェント特化データを組み合わせた約7200万サンプル（約100Bトークン）を使用し、LLMジャッジを用いた品質管理や重複排除を行ってデータのクオリティを高めています。30Bモデルでは、エージェントコーディングに特化した第2フェーズのSFTも追加実施されています。 強化学習（RL）では、非同期のGRPO（Group Relative Policy Optimization）を用いたマルチステージ・マルチ環境のパイプラインを採用しています。3Bモデルは基礎的なRLとアライメントのみですが、8Bおよび30Bモデルにはエージェントとしての動作を学習させるための「エージェントRLブロック」が組み込まれています。このブロックでは、ソフトウェアエンジニアリング（SWE）、ターミナル操作、ウェブ検索といった現実のサンドボックス環境を用いたマルチターンでのタスク解決を学習し、実際の環境における成功報酬をベースに最適化が行われます。この学習基盤には、NVIDIAの「NeMo-RL」と「NeMo-Gym」が活用されており、生成とトレーニングの処理を非同期で行うことで効率的な大規模分散学習を実現しています。 推論やデプロイの面では、vLLMやSGLangなどのオープンな推論エンジンに対応しており、OpenAI互換のエンドポイントを通じて追加のラッパーなしでエージェント用ハーネスに組み込むことができます。また、FP8、NVFP4、MXFP4といった量子化バリアントや、llama.cpp向けのGGUF形式も提供されており、リソースに応じた柔軟なデプロイが可能です。新人エンジニアがローカル環境や実務のAIエージェント開発においてオープンモデルを活用する際、その内部構造や強化学習・ツール統合の設計を学ぶ上で非常に有益なモデルとなっています。 引用元: https://huggingface.co/blog/ibm-granite/granite-4-2 Meta is back with Muse Glimmer: local, agentic, multimodal, and open source Metaがオープンソースの新しいマルチモーダル大規模言語モデル「Muse Glimmer-30B」を発表しました。本モデルは30Bパラメータのモデルで、Apache 2.0ライセンスのもとで公開されており、プライバシーの保護やコスト削減、ローカル環境でのエージェント利用を強く意識して設計されています。プログラミング、ドキュメント解析、個人アシスタント、ClawやHermesのようなセットアップ用途に最適です。 アーキテクチャの最大の特徴は、2BパラメータのViTスタイルな視覚エンコーダー（Perception Encoder）と、28Bパラメータのテキストデコーダーを組み合わせている点です。テキストデコーダーには、2,048トークンのスライディングウィンドウアテンションとフルアテンションを交互に繰り返すハイブリッドアテンションや、KVキャッシュのメモリ消費を16分の1に削減するGated Grouped-Query Attentionが採用されています。また、DFlashを用いたオプションのスペキュラティブデコーディング（ドラフターモデル）により、コード生成などの構造化コンテンツ生成時においてメモリコストを抑えながらより高速な推論を実現できます。 Hugging Faceのtransformers、llama.cpp、vLLM、Hugging Face Inference Endpointsなどの主要ライブラリやツールでDay-0からネイティブサポートされており、すぐに導入・検証が可能です。transformersでは、AutoModelForMultimodalLMとAutoProcessorを使ってテキスト、画像、動画の推論やマルチモーダルなツール呼び出し、オブジェクト検出を数行のコードで実行できます。また、llama.cppやTRLを用いたSFT・Async GRPOなどのファインチューニングにも対応しており、実用的なローカル開発環境への組み込みが容易になっています。 引用元: https://huggingface.co/blog/muse-glimmer Step 5 Preview - API Pricing & Providers StepFun社が開発した新しいフラッグシップモデル「Step 5 Preview」のリリース情報およびAPI提供に関する詳細について解説します。新人エンジニアの方向けに、このモデルの概要や特徴を分かりやすく整理して説明します。 まず、「Step 5 Preview」はエージェント型の作業に特化して設計された大規模言語モデルです。アーキテクチャにはスパースMixture-of-Experts（MoE）方式を採用しており、総パラメータ数が約600B（6000億）であるのに対し、1トークンあたりにアクティブとなるパラメータ数は27Bとなっています。これにより、大規模なコードベースや膨大なドキュメントを横断する長時間のタスクにおいて、ツールを駆使しながら複数ステップで結果を洗練させていく高い能力を発揮します。特にソフトウェアエンジニアリングや専門的な知識労働、金融分野において優れたパフォーマンスを示します。 技術的な仕様や価格体系を見ていきます。入力トークンあたりの価格は100万トークンあたり1.00ドル、出力トークンあたりの価格は2.70ドルとなっており、キャッシュ読み取り時は0.05ドルに設定されています。コンテキストウィンドウは1,000,000トークンという非常に大きな容量をサポートしており、補完（completion）トークンは最大64,000トークンまで対応しています。また、テキストだけでなく画像や動画を入力として受け付けるマルチモーダル機能に対応しており、出力はテキストで行われます。 機能面では、関数呼び出しを行うための「tools」パラメータの受け入れや、JSONスキーマを利用した構造化出力（structured outputs）に対応しています。これにより、既存のOpenAI互換のAPIクライアントやSDKを使用している場合、ベースURLとモデルスラッグ（stepfun/step-5-preview）を切り替えるだけで、スムーズに統合・利用することができます。OpenRouter経由での提供となっており、スループットやレイテンシ、稼働状況（アップタイム）などのパフォーマンスデータも公開されているため、プロダクトへの組み込み検討時に参考にしやすくなっています。 このモデルを活用している主要なオープンソースのAIエージェントやアプリケーションとしては、「OpenClaw」、「Hermes Agent」、「Cline」、「Kilo Code」などが挙げられます。これらはVS CodeやJetBrainsなどのIDE、CLI、メッセージングアプリなどと連携して、コードの自動探索やファイル編集、ターミナルコマンドの実行などを自律的に行うツール群であり、実際の開発現場におけるエージェントワークフローで広く利用されています。長大なコードベースを扱うエージェント開発や、高度な自動化タスクを検証したいエンジニアにとって、注目すべき新しい選択肢の一つとなります。 引用元: https://openrouter.ai/stepfun/step-5-preview 世界の猫好きに「デジタル上のアイデンティティ」を　インターリンク、新ドメイン「.neko」をICANNに申請 株式会社インターリンクの子会社であるインターリンクシステム創成研究所が、新gTLDプログラム「2026 Round」において、新トップレベルドメイン「.neko」をICANNに申請したと発表しました。2026年10月8日の「Reveal Day」の公開情報により、同一文字列での他の申請がないことが確認されています。「.neko」は、個人や団体が

    私立ずんだもん女学園放送部 podcast 20261009
See All (106)

About

AIやテクノロジーのトレンドを届けるPodcast。平日毎朝6時配信。朝の通勤時間や支度中に情報キャッチアップとして聞いてほしいのだ。(MC 月:春日部つむぎ、火水木:ずんだもん、金:お嬢様ずんだもん)

Information

You Might Also Like