Archive
AI 晶片、GPU、資料中心、邊緣裝置與硬體安全。
推論系統
AMDはROCm Hyperloom 1.0.0a1を公開した。エージェントがパフォーマンスプロファイリングからカーネルおよびホストプログラムの修正までを実行し、正確性と速度のテストに基づいて変更を採用するか判断する。初版が対応するInstinct GPUは3モデルのみで、「数週間から数時間への短縮」も現時点ではAMDによる主張にとどまるため、導入者は自身のモデルで再現性を検証する必要がある。
最新模型
新ベンチマークは、6言語で並行作成された3,300問とフランス語5,340問を用い、モデルが言語をまたいで同じ日常知識やロングテール知識にアクセスできるかを検証する。大規模モデルほど全体的な精度は高いものの、ポップカルチャー、最近の出来事、言語切り替えによる格差は依然として解消されていない。
AI 研究與訓練
新たな研究では、各問題について同数の推論軌跡を固定的に生成するのではなく、報酬のばらつきが大きいサンプルに追加の計算資源を集中させる。著者らは数学およびプログラミングタスクでrollout効率が向上したと報告しているが、コードはまだ公開されておらず、実際のGPU時間や大規模モデルへのスケーラビリティは今後の検証を待つ。
最新模型
AMDは、Instella-MoEの事前学習、長コンテキスト対応、SFT、DPO、強化学習など6段階のチェックポイントを公開し、トレーニングフレームワーク、データレシピ、推論コードも同時に提供した。モデルはGated MLAとFarSkip-CollectiveによってAttentionとGPU間通信のコストを削減するが、正式な技術レポートと独立評価はまだ完了していない。
AI 安全
新たに公開されたCVE-2026-66012により、SiYuan 3.7.2より前の`POST /mcp`エンドポイントは通常のログイン状態しか確認せず、管理者ロールや読み取り専用制限を強制していなかったことが判明した。MCPはノート機能の中核をAIクライアントに公開できるため、本来はコンテンツの読み取りのみを許可されたアカウントが、状態を変更する操作を実行できる可能性があった。
最新模型
UK AISIと米国CAISIによる初期テストでは、Kimi K3のExploitBenchスコアは32%でGLM-5.2を上回ったものの、評価対象となった米国のフロンティアモデルには大きく後れを取った。同モデルは32ステップの模擬企業攻撃を一度完遂したが、評価条件とサンプル数が限られているため、現実世界での攻撃成功率を直接推定することはできない。
硬體
Ultralytics 8.4.105では、YOLO26深度推定モデルでHailo-8LとQualcomm QNNのサポートが追加され、CoreML、OpenVINO、NCNNなどのデプロイバックエンドも改善された。また、中断された知識蒸留チェックポイントを直接検証・エクスポートできるようになったが、性能向上についてはターゲットハードウェアごとに個別の測定が必要だ。
硬體
Microsoft ResearchはVibeVoice-ASR-BitNetを公開した。音声エンコーダーと言語モデルにそれぞれINT8量子化と三値重み量子化を適用し、GPUなしで多言語ASRを実行可能にする。公式テストでは、同程度のモデルサイズのWhisper.cppより1.6～2.3倍高速だが、現時点ではオフラインのバッチ文字起こしにのみ対応する。
推論系統
Hugging Face DiffusersはNunchaku Liteのチェックポイントを直接読み込み、4-bitの重みとアクティベーションで拡散Transformerを実行できるようになった。公式の単一GPUテストでは、ピークVRAM使用量を最大で約半減し、1.8倍の高速化を達成したが、対応ハードウェアの範囲と画質検証は依然として限定的だ。
機器人與模擬
NVIDIAはMedical Physics SimulationをIsaac for Healthcareに統合し、血管、柔軟な器具、接触摩擦、X線センシングをシミュレーションしたうえで、GPU並列環境を用いてロボット方策を訓練する。公式デモでは、5時間以上かかっていた訓練を2分未満に短縮したが、シミュレーション速度は臨床的有効性や安全認証を意味するものではない。
AI 基礎設施
NVIDIAはModelExpressの転送経路全体を公開した。新しい推論レプリカは、既存のGPUからP2P RDMA経由で重みとコンパイルキャッシュを優先的に複製する。公式検証では、8基のB200上でDeepSeek-V4-ProのAPI利用可能までの時間を8分から1分44秒に短縮したが、この結果は同一種類のGPU、高速ネットワーク、互換性のあるテンソル構成に大きく依存する。
AI 基礎設施／分散式運算
Google は、Ray 上で TPU を利用するための包括的な AI ライブラリパスを発表した。`topology` フィールドにより、モデルワーカーが同じ ICI slice に配置されることを保証する。新バージョンには JAX ネイティブのデータバッチ、`JaxTrainer`、公式コンテナ、TPU モニタリングも追加されたが、現時点で主に検証されている環境は依然として GKE である。