Archive
新模型、開放權重、多模態、語音、影像與模型架構。
硬體
MetaのMTIA 300は、1.2TB/sのネットワークI/Oと16基のメッセージエンジンをアクセラレータに直接統合し、collectiveが主要な計算アレイを占有しないようにした。公式発表では、150B規模の推薦モデルにおいて、比較対象のGPUクラスタより通信時間を3.9倍短縮したとしているが、システム全体のトレーニングコストを比較するのに十分な完全なデータはまだ提供されていない。
AI 安全
Anthropicの自動アラインメント研究エージェントは、文献調査、データ設計、モデルのポストトレーニングを自律的に行い、10種類の安全性問題で評価ギャップを26%から96%縮小した。制約付きの人間による提案ベースラインも上回ったが、比較ではエージェントにより長い反復時間が与えられており、実証されたのは測定可能な失敗を修正する能力に限られる。
AI 安全
Pandex は、企業の AI 向けドキュメントに、未登録のパッケージやドメインを参照するインストールコマンドが数百件含まれていることを発見した。その後、Claude、Codex、Hermes は実際の企業環境で、研究者が設置したビーコンを実行した。問題は llms.txt 形式そのものではなく、エージェントが信頼できるドキュメントをそのまま実行可能なコマンドへ昇格させ、パッケージの所有権や配布元の検証を迂回している点にある。
代理工具
Stanford主導のオープンベンチマークは、データ分析、シミュレーション、定理証明、機器校正などの科学研究を再実行可能なターミナルタスクとしてパッケージ化した。Claude Codeと組み合わせたClaude Opus 5が首位となったが、3回の試行後も解決率は30％にとどまり、一般的なcoding benchmarkでの高得点を科学研究へそのまま外挿できないことを示している。
AI 安全
Google DeepMind、MLCommonsなどの機関は、Gemini 2.5 Flash Liteと非公開の安全性評価問題セットを、検証可能な同一のセキュアエンクレーブ内に投入し、双方が取得できる結果を制限した。この設計はベンチマーク汚染のリスクを低減する一方、信頼は依然としてハードウェアのルートキー、Trusted Computing Base（TCB）、機関横断のコードレビューに依存する。
代理工具
OpenAIは、CursorがSpaceXに買収されたことを受けて契約終了手続きを開始し、今後のモデルもCursorには提供しない方針を示した。Cursorの現行ドキュメントでは、ルーティング、エンタープライズ向け許可リスト、ユーザー所有のAPI keyが契約終了後に具体的にどう動作するかはまだ説明されておらず、エンジニアリングチームはモデルの置き換えを無痛の切り替えと捉えるべきではない。
AI 軟體／文件處理
Parse 5はPDF、プレゼンテーション、画像を、表と読み順を保持したMarkdownに変換する。API料金は1,000ページ当たり1.50米ドル。公式発表のParseBenchスコア79.2は、5つの評価軸のうち3つのみを対象としており、文書理解全体の成績とはみなせない。
AI 安全
Anthropic は、2.1.248 の restricted モード導入に続き、ファイル、プラグイン、設定の信頼境界に関する5種類の問題を修正した。新バージョンではモデル切り替え hook と prompt cache 指標も公開され、企業向けゲートウェイが切り替えをインターセプトし、再キャッシュのコストを追跡できるようになった。
推論系統
NVIDIA は TensorRT Model Connect を公開した。Python ビルドツールを使い、対応する Hugging Face checkpoint を C++ から読み込める TensorRT bundle にパッケージ化する。プロジェクトではモデルファミリー84種とエンドツーエンド manifest 221件を掲げているが、依然として nightly 開発モードであり、サポート一覧への掲載は、すべてのハードウェアで検証済みであることを意味しない。
最新模型
Z.aiはAPI公開から2週間後にGLM-5.3の重みをリリースした。モデルはGLM-5.2の基本アーキテクチャを踏襲し、能力向上の大部分はエージェント型コーディングとサイバーセキュリティのポストトレーニングによるものだ。FP8ファイルは依然として約756GBに達し、カスタムライセンスやベンダー主導の評価もあるため、実際の採用前には性能、安全性、法的側面を別途検証する必要がある。
最新模型
Thomson ReutersはQwen3.6-35B-A3Bをベースに、総パラメータ数35B、推論時の有効パラメータ数3BのThomson-1.0-Smallを公開した。法律、税務、リサーチエージェントの評価では性能が向上したが、結果の大半は開発チーム自身による測定であり、PolyForm Strictも一般的なオープンソースライセンスではない。
AI 安全
新たな研究により、予測不可能な問題でも権威的に見えるデータダッシュボードを添えると、すべての数値が捏造であっても、LLMエージェントは方向性のある判断を下しやすくなることが分かった。540件の合成事例によるファインチューニングで行動ゲートを一時的に修正できるものの、出力形式を強制すると効果は失われる。