Jalapeñoが最初の実測値を公開、WebMCP Challengeに6つのプラットフォームが参加、Perplexityがエージェントをローカル実行へ

24時間で51件の発表があり、9つの分野にまたがる：8月25日は今週で最も盛りだくさんの日だ。そこから4つの動きが浮かび上がる。OpenAIは、自社設計の推論チップJalapeñoの最初の実測結果を公開し、その流れでChrome、Cloudflare、Shopify、Vercel、Render、NetlifyとともにWebMCPをめぐる10日間のハッカソンを開始する。Perplexityは、自社のComputerエージェント全体をユーザーのマシン上で動かす。IBMは、推論モデルの最初のファミリーであるGranite 4.2を公開する。そしてAnthropicは、ClaudeのメモリをチャットとCoworkの間で統合し、ファイルごとに読み書き・編集できるようにする。残りの話題――National Hurricane Centerで運用が始まったWeatherNext Cyclones、Stability AIのSeries B、そして約20件のツール更新――は以下のとおり。

WebMCP：標準、その製品対応、社内利用、そして起動用のコンテスト

8月25日 — OpenAIは、Webとエージェントの関わり方を変える、まだ実験段階のオープン標準に特化した10日間のハッカソン、WebMCP Challenge を開始する。狙いは具体的だ。今のところ、サイト上で何らかの作業をこなす必要があるエージェントは、視覚とマウス向けに作られたインターフェースをどう進むべきか推測しなければならない。WebMCPはこの論理を逆転させ、サイト側がエージェントに直接呼び出される構造化ツールを公開する。

このコンテスト自体が、発表の中で最も重要というわけではない。むしろ、そこから見える足並みの方が重要だ。Chrome（Google）、Cloudflare、Shopify、Vercel、Render、Netlifyが、同じ標準のもとでOpenAIと連携している。審査員にもそのことが表れており、Sarah Drasner（Distinguished Engineer, Chrome）、Andrew Galloni（VP Research & Innovation, Cloudflare）、Jude Gao（Next.js Coreチーム, Vercel）、Ilya Grigorik（Distinguished Engineer, Shopify）、Sean Roberts（VP of Applied AI, Netlify）、Justin Rushing（Browser Agent Lead, OpenAI）、そしてMCP-Bの作者Alex Nahasが名を連ねる。

The WebMCP Challenge is here. We’ve teamed up with @ChromiumDev, @CloudflareDev, @ShopifyDevs, @vercel, @render, and @Netlify for a 10-day hackathon. Up for grabs: $35,000 in cash prizes, Codex Micros, ChatGPT Pro subscriptions, and more prizes from our supporters.

🇯🇵 WebMCP Challengeが始動しました。@ChromiumDev、@CloudflareDev、@ShopifyDevs、@vercel、@render、@Netlifyと協力し、10日間のハッカソンを開催します。賞金総額は3万5,000ドルで、Codex Micro、ChatGPT Proのサブスクリプション、そしてパートナー提供のその他の賞品も用意しています。 — @OpenAIDevs on X

スケジュールはタイトで、評価基準も明確だ。実用性、独創性、実装、WebMCPの思慮深い活用、そして人間とエージェントの体験の質である。登録と提出はDevpost経由で行う。OpenAIはまた、プロジェクトの起点として使えるエージェントネイティブなデモアプリも公開している。エージェント駆動の3Dモデリング、エージェントが自分の名義でコメントする共同執筆、カスタムクロスワード生成器、旅行メモを旅程に変えるWandernote、そしてブラウザ内でDuckDB-Wasmを使ったデータ探索である。既存アプリから始めてWebMCPを追加することも認められている。

コンテスト項目	発表された詳細
予定期間	10日
提出開始	2026年8月25日、12:00 PT
提出締切	2026年9月3日、13:00 PT
受賞者発表	2026年9月23日（予定日）
総賞金	35,000ドル
各受賞者の賞品（上位10名）	3,000ドル、ChatGPT Pro 1年分、Codex Microキーボード、グッズ
提出プラットフォーム	Devpost

標準を日常的に使えるようにする製品層も同日に登場する。ChatGPTデスクトップアプリとChatGPT Sitesに内蔵されたブラウザが、WebMCPを消費できるようになった。ChatGPTやCodexが対応サイトを訪れると、エージェントはページが公開しているツールを検出し、インターフェースを手探りで操作する代わりに自動で使う。これにはデスクトップアプリの最新版への更新が必要だ。もう半分のループは提供側にある。CodexにWebMCP対応アプリを作らせ、そのままSitesに直接デプロイできるようになる。なお、Chromeでの対応は非対称で、WebMCPは依然として実験フラグ、あるいはorigin trialの後ろにある一方、ChatGPTのブラウザではネイティブに扱える。

残る第3の側面は、最も示唆に富む。OpenAIは、自社の内部利用についても文書化している。同社のあるエンジニアは、タスクごとに自動化を書くのをやめ、Codexとの共同作業を前提にしたオープンソースのノートブックWebアプリ Runme を作った経緯を語る。そこでは、過去の実行を確認する、詳細な計画を書く、開始前に承認を待つ、実行したコマンドとその解釈を記録する、といった短い目標と明示的な指示を書き込み、Codexが作業の進行に応じてノートブックを読み、更新する。特に注目すべきアーキテクチャ上の選択が2つある。まず永続化だ。ノートブックはGoogle Driveに保存され、Runmeは並行して *.index.md という補助Markdownインデックスを生成する。Driveはこれをインデックス化できるため、エージェントは過去の実行を運用コンテキストとして再発見できる。次に機能の公開方法だ。Runmeは静的配信されるクライアントアプリであり、従来のMCPエンドポイントを公開するためだけにサーバーを追加すると、インフラが増え、ノートブックのデータ処理が別の場所へ移ってしまう。WebMCPなら、アプリはブラウザから直接ツールを登録できる。

🔗 WebMCP Challenge · ChatGPTデスクトップおよびSitesでの対応 · OpenAIにおけるCodex、Runme、WebMCP

Jalapeño：OpenAIが推論チップの最初の数値を公開し、compute戦略を前面に出す

8月25日 — OpenAIは、自社で設計した最初の推論チップ Jalapeño の実測結果を公開する。この発表の価値は、単なる生の性能向上だけではない。むしろ、これまでの推論システムが一般にトレードオフとして抱えていた、スループットとレイテンシの両立を打ち破ると主張している点にある。Jalapeñoは、1つのアーキテクチャでその両方を実現するとしている。

この測定は、リクエスト処理全体をシミュレートするSemiAnalysisの公開ベンチマーク InferenceX に基づく。テストされたオープンモデルは、GPT-OSS 120B、DeepSeek R1 670B、Kimi K2.5 1Tの3つで、商用システムと比較した。1チップ単位ではなくWあたりで正規化する選択は明示的で、しかも理にかなっている。比較対象のシステムと比べて、Jalapeñoは消費電力が2分の1で済むからだ。Jalapeñoは700Wとされ、実測の持続消費はテスト負荷で550W以下にとどまった。一方、GB200は1,200W、GB300は1,400Wである。

評価モデル（比較システム）	kWあたりのピークスループット	エンドツーエンドのレイテンシ	最小TBT
GPT-OSS 120B（GB200、1,200W）	≈1.9倍（85,448 vs 44,960）	≈1.7倍（1.03 s vs 1.80 s）	≈2.7倍（0.69 vs 1.87 ms）
DeepSeek R1 670B（GB300、1,400W）	≈1.7倍（19,641 vs 11,781）	≈3.6倍（1.65 s vs 5.99 s）	≈4.1倍（1.43 vs 5.90 ms）
Kimi K2.5 1T（GB300、1,400W）	≈1.5倍（18,195 vs 11,862）	≈3.4倍（1.56 s vs 5.31 s）	≈3.8倍（1.44 vs 5.48 ms）

3つのモデル全体では、OpenAIはピークスループットにおいて1WあたりのAI処理量が1.5〜1.9倍、比較システムに対してエンドツーエンドのレイテンシが1.7〜3.6倍短いと主張し、さらに非常に対話的な負荷では2.1〜4.1倍の性能向上があるとしている。技術的には、こうした改善は、チップ、メモリ、ネットワーク、ソフトウェア、そしてラック全体のシステムを共同設計したことから生まれている。推論にはボトルネックの異なる2つの段階がある。prefill はプロンプトを処理して計算資源を使い切る段階で、decode はトークンを1つずつ生成し、主にメモリ帯域に依存する段階だ。Jalapeñoはデータ移動を最小化することを狙っており、KV cacheを含むモデル状態を明示的に配置し、フェーズに応じて計算・メモリ・ネットワークの適切な組み合わせを有効化したままローカルに保持できる。

開発者にとって最も興味深いのは、チップそのものの設計におけるAIの役割だ。OpenAIによれば、初期設計からtapeoutまでを9か月で進め、設計・測定・検証のループを短縮した。チップは、人間だけでなくAIにとっても予測可能なプログラミング対象として設計されていた。ローカルなテンソル、明示的な通信、予測可能な同期によって記述されるのである。CodexとGPT-Astraを使い、チームは2か月で初期生産計画に存在しなかった3つのオープンウェイトモデルを移植し、GPT-OSSの選択されたattentionブロックとmixture-of-expertsブロックでは、AI生成のカーネルが人間の専門家による実装より1.5〜1.8倍高速に動作した。もっとも、ここでの数値は選択されたブロックに限られ、モデル全体ではない点は押さえておくべきだ。スケジュールは慎重だ。生産認定は進行中で、ソフトウェアはまだ成熟途上、OpenAIのインフラへの展開は年末予定、Gen 2は高度な開発段階にあり、Gen 3も姿を現しつつある。

同日、Sarah Friarは、この全体の背後にある経済的ロジックを示す記事を公開した。そこでは、MicrosoftとNVIDIAを基盤とし、AWS、AMD、Broadcom、Cerebras、CoreWeave、Oracle、SB Energy、SoftBankで補完される幅広いcomputeポートフォリオを掲げる。理由は商業的であると同時に技術的でもある。供給元の選択肢を現実的に保てば、各ワークロードを最良の性能対価格比へ振り分けられ、価格規律も維持できる、というものだ。具体的な数値も添えられている。Artificial Analysis Coding Agent Indexでは、最大推論時のGPT-5.6 Solが新記録を達成しつつ、別の有力モデルより出力トークン消費を54%削減した。記事はさらに、ジェボンズのパラドックスも受け入れている。知能を安くしても消費は減らず、むしろ採算の合う用途の範囲が広がるだけだ。インフラ面では、ジョージア州のProject Camelliaが、閉ループの水利用と、年次の独立した公開監査にかけられる約束付きで紹介されている。OpenAIは、学習でも推論でも、NVIDIAや他のパートナーのアクセラレータを広く展開し続けると明言している。

🔗 Jalapeño — 最初の結果 · 豊富な知能を支えるフルスタック

Perplexity Portable Computer：すべてがマシン上で実行、ベンチマークも証拠あり

8月25日 — PerplexityはPortable Computerを発表した。これは同社のComputerエージェントの派生版で、ユーザーのマシン上で完全に実行される。切り替えは見た目の変更というよりアーキテクチャ上の変更であり、ローカルで動くのはモデルだけではない。オーケストレータ、プランナー、ツールルーター、スケジューラ、永続タスクキュー、ローカル検索インデックスまで、オーケストレーションの全工程が対象だ。

Today we’re launching Portable Computer on @NVIDIA DGX Spark.

Portable Computer is a fully local version of Perplexity Computer, where the entire runtime: orchestrator LLM, subagent LLM, agent harness all run on your local hardware. No cloud dependency.

🇯🇵 本日、@NVIDIA DGX Spark 上で Portable Computer を発表します。Portable Computer は Perplexity Computer の完全ローカル版であり、オーケストレーション LLM、サブエージェント LLM、エージェントハーネスを含む実行環境のすべてがあなたのローカルハードウェア上で動作します。クラウドへの依存はありません。 — @perplexity_ai の X 投稿

発表はNVIDIAとの共同で行われ、まずはDGX Spark、つまりGrace Blackwell GB10プラットフォーム、20コアArm CPU、NVIDIA GPU、128GBのユニファイドメモリを備えた環境を対象とする。対応は今後、RTX搭載PCにも広げる予定だ。選択可能なモデルは Qwen 3.8 27B と PPLX 27B の2つで、後者はPerplexityによるQwenの後学習版である。さらに、30Bのオープンモデル NVIDIA Nemotron 3.5 Lightning もセレクタに追加される予定だ。ローカルで処理された作業はクレジットを消費しない。クラウドへのエスカレーションも可能で、最新情報、ブラウザ、接続済みアプリ、あるいは15以上ある frontier モデルのいずれかを使えるが、明示的なユーザー許可が必要だ。Google Drive、Gmail、Slack、GitHub のコネクタは端末上で動作し、音声入力は NVIDIA Nemotron 3.5 ASR Model を使ってローカルで実行されるため、音声がマシンを離れることはない。コード実行は分離されたサンドボックス内で行われる。Portable Computer はDGX Sparkを持つProおよびMax加入者向けで、まずLinux、その後Windowsに対応し、アプリからワンクリックでインストールできる。

同日、エンジニアリングチームはこの発表を裏付ける数値も公開した。主張は、モデルとハーネス（harness）は一体として設計されるべきだというものだ。汎用ハーネスは、長いコンテキストを吸収し、広い時間軸で計画できる frontier モデルを前提にしているが、ローカルモデルではその点が弱い。

測定ベンチマーク	Computer (Qwen 3.8 27B)	Pi	Hermes	Computer + PPLX 27B
Local Knowledge Work Bench（53タスク）	82,6 %	77,6 %	74,0 %	85,4 %
BrowseComp（1 266タスク）	66,7 %	50,2 %	43,9 %	—
ParseBench-100（マルチモーダル文書）	65,1 %	13,9 %	34,6 %	—

BrowseCompでは、ComputerはついでにHermesよりも時間を61%少なく、トークンを16%少なく消費し、Piよりも時間を51%少なく、トークンを70%少なく消費する。この差を生む設計上の選択は4つある。最小限のシステムプロンプト、経路に応じてロード・アンロードされる skills としてのモジュール化された機能、よく使うコネクタ（Gmail、GitHub、Outlook、Google Calendar）を、コンテキストを食い潰すMCPサーバーとして公開するのではなく、コンパクトなCLIツールへ変換していること、そして常時有効で設定変更不可のサンドボックスだ。サンドボックスが利用不能なら、ハーネスは非分離実行へ切り替える代わりに、最初のツール呼び出しの前に停止する。Perplexityは実用上の重要な観察も述べている。Qwen 3.8 27B は260Kトークンのウィンドウを謳うが、実測では100Kを超えるあたりから明らかに苦しくなり始める。

Terminal Bench 2.1（89タスク）	スコア	1実行あたりのAPIコスト
Qwen 3.8 27B、100% ローカル	59,6 %	約 0
Qwen 3.8 27B + Claude Opus 5 アドバイザ	73,0 %	0,415 USD
Claude Opus 5 単体	82,4 %	0,65 USD

モデルアドバイザ（advisor）へのエスカレーション機構は、このレポートの中で最も興味深い点だ。frontier との差の約5分の3を、コストのおよそ3分の2で取り戻しており、最終的な判断権はユーザーの手に残る。各呼び出しの前に、ハーネスは適切なコンテキストを選び、個人データ分類器を適用し、端末の外に出る内容をユーザーに示す。アドバイザモデルはテキストしか返さず、ファイルやツールへ直接アクセスできない。最後に、PPLX 27B の後学習は、拒否ベースのファインチューニング（rejection fine-tuning）と、Dockerコンテナ内で実行された合成環境での強化学習を組み合わせており、実ユーザーデータは一切使っていない。技術レポートと評価ベンチマークのオープンソース公開も予告されている。

🔗 ローカルハーネスのベンチマーク · Portable Computer — Perplexity記事

Claude：チャットとCoworkでひとつのメモリ、ファイルごとに読める

8月25日 — Anthropicは、これまで共存していた2つのメモリの境界を取り払う。チャットでClaudeが覚えている内容は、今ではClaude Coworkでもそのまま利用でき、その逆もまた同様だ。実際には、Cowork がクラウド上でタスクを実行する際、数か月かけて蓄積された文脈、つまり四半期の優先事項、プロジェクトの進捗状況、相手の文章の好みなどを持った状態で開始する。Anthropicは、かなり現実的な例を挙げている。たとえば、上司への進捗報告を依頼するときに、その人物が誰で、どのような形式で情報を受け取りたいかをいちいち指定しなくてよい、というものだ。

2つ目の変更は目立たないが、日々の振る舞いを変える。メモリは事後に要約を作るのではなく、会話の進行に合わせて更新されるのだ。締切が9月に延期されたと伝えれば、次の会話でそれが反映される。「これを覚えておいて」というフレーズは特定の項目を強制的に保存するために引き続き使え、メモリはいつでも一時停止またはリセットできる。

透明性の面では、Anthropicはブラックボックスではなく、読みやすい表現を選んだ。Claudeが覚えている内容はすべて、設定の「メモリ」にある、トピック別に整理された短いファイルとして表示される。各ファイルは読めるし、修正も削除もできる。実用上の利点はすぐに分かる。会社の旧称を1つのファイルで直すだけで、その後のすべての会話で正しい名前が使われる。

センシティブな話題の扱いは、プロダクト設計上の選択として最も興味深い点だ。デフォルトでは、Claudeは健康、出自、民族性、宗教的信条、政治的意見、ジェンダーアイデンティティに関する内容を記憶しない。ただしAnthropicは、この境界は個人ごとに異なることを認めており、これらの話題を含めるための任意設定を用意している。これにより、たとえばレシピを提案する際にグルテン不耐症をClaudeに覚えさせることができる。この設定は過去にさかのぼっては適用されず、いつでも無効化できる。設定にかかわらず除外されるカテゴリもある。身分証番号、犯罪歴、移民ステータス、そしてより広く、利用規約に反するものすべてだ。Claudeはこの種の情報を保存できないときに明示的に知らせる。この設計は、静かにふるい落とすのではなく、見える拒否を優先している。

メモリの側面	説明された挙動
範囲	チャットとClaude Coworkで共有される単一メモリ
更新のタイミング	会話の途中で更新、以前のような終了後要約ではない
保存形式	トピック別に整理された短いファイルで、個別に読み書き可能
センシティブな話題	デフォルトでは記憶しない、設定で有効化可能、遡及効果なし
永続的な除外	身分証番号、犯罪歴、移民ステータス
Free、Pro、Max プラン	Web、デスクトップ、モバイルでメモリはデフォルト有効
Team、Enterprise プラン	管理者が開放、ユーザー単位では有効化まで無効

🔗 Claude のメモリはどこでも動く · @claudeai の発表

IBMがGranite 4.2を公開、推論向け初のファミリーと470MのASRモデル2種

8月25日 — IBMはGranite 4.2を公開した。これは、推論のために明示的に設計された、密なデコーダ専用の言語モデルファミリーとしては同社初のものだ。前世代が効率性と従来型の企業タスクを重視していたのに対し、今回は推論を中心に据え、それをモジュール化した。各モデルは thinking、non-thinking、low-effort の3モードを公開しており、アプリケーションは許容するレイテンシとトークン予算に応じて選択する。3つのサイズ（3B、8B、30B）は同一のアーキテクチャと同一のパイプラインを共有しており、統合面での移行を容易にしている。

アーキテクチャはクラシックだ。8本のKVに対して40ヘッドのGQAアテンション、131,072トークンのコンテキストに対応するための θ=1,000万のRoPE、SwiGLU MLP、RMSNorm、CoreWeave がホストする NVIDIA GB200 NVL72 クラスタ上での bfloat16 学習。事前学習はゼロから始まり、約15兆トークンを5段階に分けて処理する。本当にGranite 4.2を特徴づけるのは後学習だ。単一の一括処理ではなく、特殊化された段階を連ねる強化学習パイプラインであり、非同期GRPOと切り詰め重要度サンプリングを用いることで、生成と学習の2つの半分が互いに停止することはない。カリキュラムは、検証可能な報酬を伴う3回のRLVR、指示追従とコードに焦点を当てた増幅、128Kコンテキストでの2段階のソフトウェアエンジニアリング、1段階のターミナル、1段階のリサーチ、そしてRLHFアライメントを順に並べている。エージェント的な強化ブロックは8Bと30Bにのみ適用されるため、3Bと上位モデルのエージェント型コーディング性能差が説明できる。

IBMが公開したベンチマーク	3B Dense	8B Dense	30B Dense
SWE-Bench Verified	—	47,67	57,00
SWE-Bench Multilingual	—	30,78	41,89
Terminal-Bench 2.1	—	20,56	29,24
τ³-bench	45,78	58,06	62,00
AIME25	78,33	86,67	89,17
GPQA	54,80	64,14	66,41
LiveCodeBench v6	69,71	73,24	75,77
MMLU-Pro	67,84	74,04	77,60
RULER 128K	55,30	71,41	81,38

公開は bfloat16 の重みだけにとどまらない。vLLM向けに4種類の量子化版も同時に提供される。キャリブレーションなしの動的チャネル単位FP8、そして2,000件のSFTサンプルでキャリブレーションしたGPTQを通じたNVFP4とMXFP4だ。さらに llama.cpp 向けには Q2_K から Q8_0 まで、14種類のGGUF形式が用意されている。対応言語はフランス語を含む12言語で、エージェント型コーディングのハーネスも初日から3つ文書化されている。OpenCode、Pi、OpenHands だ。データ品質については、IBMは GPT-OSS-120B と Gemma 4 を評価者としてSFTサンプルに採点させ、その後、SHA-256 ハッシュによるローカルおよびグローバルな重複排除を行う流れを詳述している。

同日、IBMはGranite Speech 5.0 Turbo CTCも公開した。これは470Mパラメータの英語音声認識モデル2種で、学習データとライセンスだけが異なる。標準版は Apache 2.0、追加データで学習した版は CC-BY-NC-SA-4.0 だ。アーキテクチャの変更も注目に値する。従来の Granite Speech は音響エンコーダ、プロジェクタ、LLM を組み合わせていたが、今回のものはエンコーダ専用だ。スタックは16個のConformerブロックを積み、8番目のブロックの出力で自己条件付けを行い、二次スケーリングを避けるために内積アテンションを chunkwise アテンションに置き換え、CTC損失を直接最適化する。本当の新規性はトークンレートにある。サブサンプリング操作によって、log-Melスペクトログラムの出力は毎秒100フレームから毎秒12.5フレームへと減少し、これが名前の「Turbo」を説明している。結果は遠距離音声について OpenASR Leaderboard と FFASR Leaderboard に掲載され、個別スコアではなく速度/精度のパレート図として示される。さらに、Chrome と Edge に限定された WebGPU 経由のブラウザ内連続認識デモも行われている。

🔗 Granite 4.2 — 技術的な流れ · Granite Speech 5.0 Turbo CTC

WeatherNext Cyclones、National Hurricane Center がリアルタイムで使用する初の AI モデル

8月25日 — Google AI は WeatherNext Cyclones を詳説した。これは Google DeepMind と Google Research が生み出した熱帯低気圧の予報モデルである。この発表が注目されるのは、生の性能そのもの以上に、気象 AI が研究室から運用へ移行することを物語っている点だ。

取り組まれた課題は構造的だ。これまでサイクロンを追跡するにはトレードオフが必要だった。スーパーコンピュータ上で動く物理モデルは、地球規模で広がる大きな大気構造をうまく捉えられる一方、嵐の勢力を左右する局所的で強烈な物理を理解するには、まったく別の地域モデルに切り替えざるを得なかった。WeatherNext Cyclones はこの行き来をなくし、進路、強度、規模を一体で予測する。

公表された改善は、従来システムに比べて丸1日分の予測前倒しだ。Google はこれを印象的な形で表現している。3日先予報が、これまでの2日先予報と同等の精度に達したというのだ。これは、従来なら方法論的な進歩の積み重ねに10年を要したはずの進展である。2つ目の利点は確率論的な点にある。モデルは十分に高速で、1つの嵐につき最大1,000回のシミュレーションを生成できるため、「最もありそうな」単一路線の代わりに、複数のシナリオを提示できる。これにより、最大持続風速が24時間で少なくとも30ノット増加する現象として定義される急速強化が、より読み取りやすくなる。今年は、嵐ごとに1,000件の確率予測が WeatherLab を通じて予報官に提供されている。

最も重要なのは実運用への展開である。2025年のハリケーンシーズン中、WeatherNext Cyclones は 米国 National Hurricane Center — この機関が AI モデルをリアルタイム運用に使うのは初めて という場で実地検証された。気象予報士たちはこれを用いて、ハリケーン Melissa がジャマイカにカテゴリー5で上陸する予報を作成し、現地当局に追加の準備時間を与えた。Nature には論文が掲載され、Google はモデルのコードと重みを GitHub 上でオープンソース公開すると発表している。

モデルの側面	WeatherNext Cyclones の利点
予測する量	進路、強度、規模を1回の推論で
予測前倒しの改善	1日；3日先予報 = 旧来の2日先予報と同等の精度
嵐あたりのシミュレーション数	最大1,000
運用展開	U.S. National Hurricane Center、2025年ハリケーンシーズン
文書化されたユースケース	ジャマイカでのハリケーン Melissa のカテゴリー5上陸
強化のしきい値	24時間で最大持続風速が30ノット超増加
提供形態	WeatherLab；コードと重みを GitHub 上でオープンソース化

🔗 @GoogleAI の発表 · Google DeepMind の記事

Stability AI、EA・Sony Music・Universal・Warner とともに6,000万ドルの Series B を完了

8月25日 — Stability AI は Series B の完了を発表した。新規資本は6,000万ドルで、これにより Prem Akkaraju が2024年6月に同社の立て直しを主導して以来の総調達額は2億3,200万ドルとなる。2回の株式ラウンドと転換社債も含まれている。金額自体は業界規模から見れば控えめだが、ラウンドの顔ぶれが本当の焦点だ。

エンタメ大手4社が出資に入った。ビデオゲームの Electronic Arts、音楽の Sony Music Group、Universal Music Group、Warner Music Group である。レコード大手3社が同じ研究所の株主になった。さらに AMD Ventures と Pacific Alliance Ventures も加わる。これらの投資家は突然現れたわけではない。EA、Universal、Warner は、すでに2025年秋から Stability AI の戦略的パートナーだった。今回のラウンドは、既存の商業契約を資本参加へと転換した形だ。

もう1つのシグナルは、金融投資家の継続的な支持にある。Coatue、Greycroft、Kadmos Capital、Sean Parker、Eric Schmidt が、新体制の下で2回連続となる追加出資を行った。Stability AI が2023年から2024年にかけて経験した混乱を踏まえれば、これは実質的な信任といえる。Coatue の共同創業者 Thomas Laffont は、すでに James Cameron、Sean Parker、Dana Settle、Prem Akkaraju が座る取締役会に加わる。

This unmatched group of investors is an affirmation of our vision where generative AI empowers every producer, musician, and storyteller. Stability is unique in the AI field because we are creative people making tools for creatives.

🇯🇵 この比類なき投資家グループは、私たちのビジョン、すなわちあらゆる制作者、音楽家、語り手に力を与える生成 AI を裏づけています。Stability は、クリエイターのためのツールを作るクリエイターであるがゆえに、AI の世界で独自の存在なのです。 — Prem Akkaraju、Stability AI CEO、8月25日の声明

明確に打ち出されている戦略は、ニッチな研究所としての路線だ。汎用モデルではなく、創作の専門家向けツールを、権利者と対立するのではなく協力して構築する。これはまさに Stable Audio 3.0 の方針と一致する。これは完全にライセンスされたデータで学習された、重み公開のモデル群であり、8月18日にはオーディオ制作環境向けプラグインによって拡張された。資金は、製品群、応用研究、そしてプロフェッショナル向けサービス部門の拡充に充てられる。

🔗 @StabilityAI の発表

ChatGPT の企業向け機能：Admin プラグイン、マルチブラウザ拡張、100ドルの Premium シート

8月25日 — OpenAI の3つの発表は、同じ利用者層、つまり ChatGPT と Codex を大規模展開する組織に向かっている。

最も重要なのは、ChatGPT Work と Codex 向けの Admin プラグイン だ。これにより、これまでダッシュボードの分析画面、設定画面、レポートを行き来しなければならなかった作業を、会話の中で完結できる。対象範囲は日常業務全般に及ぶ。導入状況とクレジット消費の把握、上限が近いメンバーやグループの特定、入退社対応、実効権限の確認、アクセス問題の診断、利用上限の調整、支出申請を実際の消費と照らし合わせて判断することなどだ。特に興味深いのは、コードを書かずに自動化できる点である。保留中の利用申請は、承認者がすでに使っている Slack や Microsoft Teams に回して承認でき、機能へのアクセス要求は、事前定義された条件を満たせば自動付与され、例外のみ人間に回される。セキュリティ面で重要なのは、このプラグインがユーザーの既存の役割と権限の範囲内で動作し、アクセスを一切拡張しないことだ。各指示は、サポートされた読み取りまたは書き込み操作に対応づけられ、結果は構造化されて返る。OpenAI は自社での利用例も挙げている。Slack 上の ChatGPT Work エージェントが社内 IT 申請を処理し、展開されたワークフローはチケット量のおよそ45%を解消しており、サポート量がほぼ倍増していた中でバックログを解消したという。

2つ目の発表は、ChatGPT のブラウザ拡張が Chrome の範囲を超える というものだ。Microsoft Edge、Brave、Opera、Vivaldi に対応するようになった。これは、プライバシー上の理由や企業の制約で代替ブラウザを使う人にとって重要だ。強調されている使い方は2つある。1つ目は、ChatGPT Desktop の @ tab を使って、開いているタブのコンテキストをタスクに持ち込むこと。これにより、Codex はすでに表示されているドキュメントやチケットを起点に作業できる。2つ目は、エージェントにブラウザを操作させて具体的な Web タスクを実行させることで、例としてサブスクリプションの解約が挙げられている。

3つ目は、より簡潔な発表だ。100ドルの Premium シート が ChatGPT Business に加わり、小規模企業やスタートアップ向けに、チーム規模に応じて柔軟かつ拡張可能なプランとして位置づけられている。発表は詳細なブログ記事なしで X 上で行われ、シートの具体的な内容はメッセージ中で明示されていない。

🔗 Admin プラグイン · マルチブラウザ拡張 · ChatGPT Business の Premium シート

NVIDIA：Gamescom で RTX Spark を拡充、そして SANA が MiniMax H3 のレイテンシーを27分の1に短縮

8月25日 — NVIDIA は今週ケルンで開催されている Gamescom に合わせて、今秋登場予定の Windows PC プラットフォーム RTX Spark のラインアップを拡大している。Electronic Arts、Embark Studios、Ubisoft が、5月の COMPUTEX で先に参加を表明していた KRAFTON、NetEase、Riot Games、XBOX に加わる。挙げられたタイトルは、技術要件の幅広さを示している。EA では EA SPORTS F1 25 と Apex Legends、Ubisoft では Anno 117: Pax Romana、Embark Studios では ARC Raiders と THE FINALS だ。

最も具体的なのはアンチチートに関する点だ。ゲームを動かすだけでは不十分で、大型オンラインタイトルは各プラットフォームに移植しなければならないアンチチートシステムに依存している。さもなければ、マルチプレイヤーでプレイ不能なままになってしまう。NVIDIA は EA と協力し、EA Javelin Anticheat を RTX Spark にネイティブ対応させる作業を進めていると発表した。これは、新しい PC プラットフォームの実際の採用を左右する、いかにもインフラ的なディテールだ。レンダリング面では、DLSS 4.5 Ray Reconstruction が即時利用可能となり、従来のノイズ除去器をスーパーコンピュータで学習したネットワークに置き換える第2世代の transformer モデルを採用している。path tracing は CONTROL Resonant と 007 First Light に導入され、Gears of War: E-Day は RTX Mega Geometry を統合し、NVIDIA ACE テクノロジーは 2027年初頭の Aniimo で発表されている。

同じ企業のもう1つの側面は、8月24日 の方にあり、こちらはより技術的だ。MiniMax は、NVIDIA の SANA チームが Sol Engine を自社の動画モデル H3 に適用して得た結果を共有した。単一の GB200 で生成した 768p の10秒動画は、414秒から14.93秒へと短縮され、27.7倍の高速化となった。手法はカーネル最適化ではなく、生成を2段階に分けることに基づいている。まず H3 が4ステップで低解像度の下書きを作成し、次に Sol-Attn を用いて LTX が3ステップで目標解像度へと仕上げる。合計7ステップだ。第2のレバーとして、コストの高い VAE デコードは、軽量化されたデコーダである TAEH3 と TAEHV に置き換えられ、精錬段階のための latent は安定に保たれる。

MiniMax H3 上の指標	測定値
測定負荷	768p の10秒動画、単一 GB200
以前のレイテンシー	414秒
以後のレイテンシー	14.93秒
高速化倍率	27.7x
生成ステップ	4（低解像度の H3 下書き）+ 3（LTX）
置き換えられたデコーダ	VAE デコードの代わりに TAEH3 と TAEHV
ノードあたりの想定スループット	月間 378,000 本、GPU 余力 97%以上

想定スループットは MiniMax の推定であり、本番測定ではないため、そのままの意味で読むべきだ。しかし方向性は明確だ。10秒の動画を15秒で生成できるなら、高忠実度の動画生成は非同期バッチレンダリングから、ほぼ対話的なインフラへと移行する。

🔗 Gamescom の NVIDIA · H3 上の SANA と Sol Engine

中国のオープンモデルが研究の基準になり、Qwen3.8-27B が Code Arena のトップ10入り

8月25日 — Qwen は同じ朝に2つの結果を取り上げており、後者が前者の意味を示している。

1つ目はランキングだ。Qwen3.8-27B が、Web インターフェース生成でモデルを評価する Code Arena: WebDev において、総合9位、1595点でランクインした。トップ10の中で同サイズ帯のモデルとしては唯一であり、はるかに大きい Qwen3.8-Max からも6順位しか離れていない。Arena はこれがランキングの Pareto 境界を塗り替えていると強調し、わかりやすい比較対象として、サイズが近いにもかかわらず4月に出た Gemma 4-31B が80位に位置していることを示している。

評価対象モデル	Code Arena: WebDev の順位	獲得点	ランキング上の注記
GLM-5.3 (Max)	総合8位	1597	8月20日時点、オープンモデル中2位
Qwen3.8-27B	総合9位	1595	トップ10で同サイズ帯唯一のモデル
Qwen3.8-Max	27B より6順位上	n.c.	同系列のはるかに大きいモデル
Gemma 4-31B	総合80位	n.c.	2026年4月に登場

2つ目の結果は、利用状況の測定だ。Ai2 で Olmo プロジェクトを共同指揮していた Nathan Lambert は、Codex に 50万本の arXiv 論文を精査させた。対象は、ChatGPT の公開以降に発表された AI と機械学習分野の論文で、研究で実際に使われているオープンモデルを特定するためだ。変化は2つの数字に表れている。2024年には、論文のおよそ30%が米国のオープンモデルを、10%が中国のモデルを言及していた。現在では、約40%が中国製のオープン LLM を引用し、米国製は25〜30%にとどまっている。

モデル系列	LLM を引用する論文の割合
OpenAI（クローズドモデル）	約37%
Qwen	約33%
Gemini, Claude	10〜15%
Gemma, Mistral	5〜10%
Olmo	約1%

詳細を見ると、Qwen は、どの LLM であれそれを引用する論文の3分の1に登場している。Llama は 2025年4月ごろに30%でピークを迎えた。ちょうど Llama 4 の登場時期だが、その後は低下している。Lambert 自身も重要な限界を指摘している。論文はモデル公開より遅れて出るため、研究に時間がかかるからだ。これらの数字は、その時点の嗜好というより、進行中の研究の状態を示している。別の大きな傾向も並行して見える。オープン対クローズドの対立とは別に、LLM を言及する AI 論文の割合は、2023年1月の10.43%から2026年には50%超へと上昇した。

🔗 Code Arena 上の Qwen3.8-27B · arXiv 分析を伝える Qwen · @natolambert の分析

Claude Code が 2.1.245 に進み、Claude の web での描画は 4 倍なめらかに

Claude Code の 2 つのバージョンがこの期間にリリースされ、その内容は明らかに組織向けデプロイを意識している。CHANGELOG には日付がないが、Git の履歴で位置づけられる。2.1.243 は 8月24日 23:40 UTC のコミット、2.1.245 は 8月25日 05:13 UTC のコミットに現れる。

追加された設定	該当バージョン	実用上の意義
`modelPricing`	2.1.243	`/cost`、ステータスバー、テレメトリにおける契約料金
`modelPicker`	2.1.243	`/model` 向けの、順序付けされラベル付きのモデル一覧
`promptCacheTtl` / `subagentPromptCacheTtl`	2.1.243	会話に対する1時間のプロンプトキャッシュ、サブエージェントに対する5分のキャッシュ
`/usage` の Ventilation Loops	2.1.243	逸脱している `/loop` タスクを見つける
Console 経由のキー不要接続	2.1.243	API キーを禁止している組織向け
glibc 2.44 の修正	2.1.245	Arch Linux、CachyOS、Fedora Rawhide での起動時クラッシュ

最も大きな設定は modelPricing である。これまでは表示コストが公開価格で計算されていたが、組織はここにモデルごとの契約料金と割引係数を投入できるようになり、数値を内部の再請求にそのまま使えるようになる。promptCacheTtl と subagentPromptCacheTtl の組み合わせは、API キー利用者にとって現実的な経済的トレードオフを扱っている。コンテキストが安定しているメイン会話には1時間のキャッシュを維持しつつ、コンテキストがより揮発的なサブエージェントには5分しか与えない。修正面では、非対話モードのリモート MCP サーバーが切断後に固まらなくなり、/resume は直近50セッションに限定されなくなり、10分以上無音だったセッションは約3分で期限切れになって再試行と明示的なエラーが返るようになった。

8月24日、Anthropic はさらに、Claude web とデスクトップで生成途中の応答を表示するエンジンを書き直したと発表した。仕組みは UI 描画では定番で、応答全体を新しい断片ごとに再描画するのではなく、まだ変化している部分だけに触れるというものだ。長い応答では、この差は構造的である。つまり、描画コストはすでに表示されたテキスト長に応じて増え続けなくなる。公表された改善は筋が通っている。およそ4倍のなめらかさ、性能の低いノートPCでのブロックが9分の1、最悪の UI フリーズが4.5分の1、さらに 120Hz の MacBook で最初から最後まで 120fps を維持するというものだ。興味深いのは、狙っている層である。最も恩恵を受けるのは、控えめな構成の環境だ。

🔗 CHANGELOG Claude Code · 4倍なめらかになった描画、@ClaudeDevs

コードエージェントの産業化：Warp が factories のフォーマットを公開、Rohlik はコードの90%をエージェントに書かせる

8月24日 の終盤、Warp は 8月18日に発表したクラウドエージェント基盤 Warp Factories の内部機構を公開した。選ばれた設定フォーマットと、早期アクセスの開始である。出発点は明快だ。Warp は品質とコストの理由から、自社エージェントをローカルマシンの外へ移し、環境、ハーネス、セキュリティ権限をバージョン管理されたコードとして記述する必要があった。

設定要素	採用値
定義ファイル	`factory.yaml`, `schemaVersion: v1alpha1`
主なキー	`name`, `repositories` (`owner` / `name`), `agentDefaults.model`
エージェント定義	`agents/<nom>/agent.md` と `agentType` (`FOREMAN`, `REVIEW`…) と `model`
トリガー	`automations/<nom>/automation.md` : `agent`, `triggers` (プロバイダー、イベント)
利用可能なインターフェース	CLI (`warp agent run-cloud`)、REST API、TypeScript SDK、MCP サーバー
早期アクセス	条件を満たす顧客に最大 10,000 USD の利用枠を提供

分離のしかたが興味深い。エージェントは単一の YAML ではなく専用の Markdown ファイルで記述されるため、エージェント定義は読みやすく diff も取りやすい文書になる。Warp はこの手法を自社にも適用しており、内部 factory の「wilson」は warp-server や warp-terraform のようなリポジトリを扱い、秘密情報や MCP サーバーを宣言し、エージェントを役割ごとに（code-review、foreman、implementation、spec、triage）34行に整理している。アクセス申請ページで示される数値は、外部から検証できない営業上の主張である。1日あたり20万回のエージェント実行、手直しなしでマージされる pull request が30%以上、pull request あたりのコストが20%減、というものだ。

8月25日、Cognition は前回よりもはるかに文書化されたケーススタディを公開した。Rohlik Group はチェコ共和国発のオンライン食品流通業者で、5か国で事業を展開し、黒字で、昨年の売上高は13億ドル超。1週間分の17,000品目を1時間未満、あるいは15分枠で配送する。記事を支える数字は、現在およそ90%のコードがエージェントによって生成されており、エンジニアリング組織は自らを「agent-mostly」と表現している、というものだ。

これは単にツールをつないだだけで得られた結果ではない。Rohlik によると、1年前に始めた最初の Devin 体験はバグだらけだった。状況を変えたのは、クライアント側で整えた基盤だった。50を超える社内外の MCP 統合、「新しいツールは初日からエージェントが使えるようにすべき」という原則、Snowflake のデータウェアハウスの上にあるセマンティック層、そして新しい同僚に渡すのと同じ文脈をエージェントに与える知識ベースである。仕事は、その発生源から Devin に届く。バグについての Slack 会話であれ、Linear の仕様書であれ、pull request に落ちるまで処理される。主張されている成果――11月以降でエンジニアリングのスループットが2倍、AutoStore ロボティクス統合が業界では2〜3年かかるところを8か月で納品、プロトタイピングが1か月から1日に短縮――は、あくまでベンダーが公開した顧客ページの内容にとどまる。より示唆的なのは別の点だ。優秀なエンジニアは今では勤務時間の80%をコードレビューに費やしており、Rohlik における Devin 利用の約30%は、ビジネスユーザーによるデータ分析だという。

🔗 factory.yaml のフォーマット、@warpdotdev · Rohlik のケーススタディ、@cognition · Devin の顧客ページ

GitHub：エージェント的ワークフローに関する4つの演習と、Customize タブの一般提供

8月25日、GitHub は学習プラットフォーム GitHub Skills に4つの新しい演習を公開した。狙いは明確で、今年のエージェント関連の新機能を文書化する代わりに、デモ用リポジトリで実際に試せるようにし、手順は pull request を通じて順次配布される。

公開された演習	演習の内容
Agent Orchestration Build Your AI Dream Team	Copilot CLI におけるカスタムエージェント：計画、設計、構築、検証、引き継ぎ
Agentic Workflows that Read the Room	`gh aw` 拡張、Markdown のエージェント的ワークフロー、pull request 経由での変更
Idea to Merge with the Copilot App	セッションからマージ済み pull request までを GitHub Copilot アプリ内だけで完結
Ship with Quality	自動化された品質シグナル、テストカバレッジ、pull request に対する必須チェック

4つの中で最も注目すべきなのは最初のものだ。GitHub が CLI でのマルチエージェントオーケストレーションについてガイド付きの流れを提示するのはこれが初めてであり、これまでは散文でしか説明されていなかった主題である。2つ目は gh aw 拡張を導入し、セキュリティ上重要な点として、ワークフローが提案した変更は直接適用されず pull request を通るため、人間のレビュー地点が維持される。

同じ日、GitHub Copilot アプリは Customize タブを一般提供として獲得した。その役割は、ここ数か月で個別に導入された4つの拡張機構――MCP サーバー、プラグイン、skills、canvas――を1つの面にまとめることだ。Featured ビューでは各カテゴリから選ばれた編集部おすすめが表示され、何をしたいかは分かっていても、それに対応する拡張の種類が分からないユーザーを助ける。MCP サーバーは専用のナビゲーションを持ち、人気度に応じて強調されたオプションとカテゴリ別の導線が用意される。変更履歴は canvas の有用性を具体例で示している。Azure DevOps の canvas を使って issue を整理し、バックログを優先順位付けし、フォローアップを割り当て、その後 Copilot にタスクを渡して調査、実装、あるいはレビュー準備をさせるというものだ。

🔗 GitHub Skills の4つの演習 · 一般提供になった Customize タブ

Google の開発者向けツール：Gemini CLI 0.57.0 と Antigravity 2.10.0

8月25日、Google は安定版 Gemini CLI 0.57.0 を公開し、その15分前には 0.58.0 プレビューも出していた。このバージョンの内容は、新機能よりも Google が自社ツールをどう保守しているかをよく物語る。24件の変更のうち 13件が [SSR Agent] Issue Fix で始まり、19239 から 28518 までの古い issue 番号に紐づいているのだ。これらの修正は backlog にたまった不満を解消する。タイムアウトを追加したことで無期限に止まるターミナル UI のブロック、個人アカウントに対して紛らわしい管理者向けエラーメッセージ、オートコンプリート候補の後に空白が入らない問題、外部エディタからの出力時に端末表示が更新されない問題などである。要するに、Google は自社の技術的負債にエージェントを適用し、その結果をそのまま安定版に載せている。

公開バージョン	日時 (UTC)	公開チャネル	主要ポイント
v0.57.0	8月25日, 18:37:14	Stable	13件の `[SSR Agent]` 修正、eval の検証、コンテキスト対応 retry
v0.58.0-preview.0	8月25日, 18:22:01	Preview	macOS の Seatbelt プロファイルでの Docker 分離、安全性チェッカー

機能面では、eval の検証コマンドと、失敗要約を組み込んだツール呼び出しフォーマッタが中心だ。信頼性も向上している。容量エラーは文脈を考慮したサイレント retry を引き起こし、複数ターンのリクエストをキャンセルすると、部分的な状態ではなく完全なロールバックが行われる。リリースノートを探す人向けに言うと、リポジトリの docs/changelogs/index.md ファイルは 8月6日の v0.54.0 以降更新されていない。

2.9.1 と Remote Control から4日後、Google Antigravity は 8月24日に 2.10.0 へ進み、ツールの外に出る必要があった2つの不足を埋めた。統合ターミナルとネイティブの Git バージョン管理で、どちらもサイドバー内に直接収められている。このまとまりは製品の方向性と一致している。Antigravity はコードを1行ずつ編集する環境というより、エージェントを操縦する環境として位置づけられているが、そうであるなら、ウィンドウを切り替えずにコマンドを実行し diff を確認できる必要がある。今回の残りの変更は、エージェントに渡せるものと、その作業から見えるものを広げている。音声ファイルが受け入れ添付に加わり、画像への対話的コメントでビジュアルに注釈を付けてエージェントの方向付けができるようになり、MCP ツール実行のリッチなプレビューで、ツールサーバーが実際に何をしたのかが読み取れるようになった。Google はこの版を 13 の改善と 8 の修正と数え、段階的ロールアウトを行っている。

🔗 Gemini CLI v0.57.0 · Antigravity の changelog

Anthropic、ウェルビーイングに関する独立評価へ500万ドルを拠出

8月25日、Anthropic は AI が利用者のウェルビーイングに与える影響についての独立研究を資金援助するため、500万ドルの助成プログラムを開始した。採択者は直接の資金、モデルへのアクセス、技術サポートを受けるが、研究自体は完全に独立して行われる。評価はオープンソースで公開され、業界全体で再利用可能である。応募は 9月21日 まで受け付けられ、完全な提案書の提出対象に選ばれた候補者には 10月5日 までに通知される。

技術的な説明では、なぜこの分野が通常の評価手法に抵抗するのかが示されている。モデルのほとんどの振る舞いでは、単独の応答を見れば正確か妥当かを判断できる。しかしウェルビーイングには文脈が必要だ。苦しんでいる利用者が、自傷に関する考えを最初から明かすとは限らないし、あるケースでは妥当な食生活の助言が、本人に摂食障害の既往があれば危険になり得る。Safeguards チームは同時に、厳密さのための5つの基準を公開している。何を測定するのかを明確に述べること、臨床家やその分野の専門家を設計に組み込むこと、予防と害の両方をテストすること――つまり、過剰な迎合のリスクと過剰な拒否のリスクの双方を評価すること――、マルチターンのシナリオで実際の利用を反映させること、そして自動修正を真の専門家に対して検証すること、である。この3つ目の基準、つまり過剰適合と過剰拒否の対称性こそが、単なるガードレールの強化とこのアプローチを分けるものだ。

🔗 ウェルビーイング研究助成

Quantization-Aware Healing : フル精度のオリジナルを上回る4ビットモデル

8月25日 — 大規模モデルをデプロイ可能にする標準的なパイプラインは、3段階で進む。まずアーキテクチャを圧縮し、次に結果を量子化し、最後に品質低下を修復する。この最後の段階で主流なのが QAT（quantization-aware training）で、擬似量子化の演算を挿入して再学習する。別案として QAD があり、圧縮済みモデルからフル精度で蒸留する。どちらの場合も、学生はせいぜい圧縮された教師に追いつく程度であり、圧縮によって定まった上限を引き継ぐことになる。

Multiverse Computing は、たった1行の変更を提案する。圧縮前の元モデル、つまり圧縮以前のモデルから直接蒸留するのだ。すると量子化は、損失を伴う後処理ではなく、学習工程の一段階になる。結果は直感に反する。GPT-OSS 120B を 60B に圧縮し、さらに MXFP4 で量子化した場合、この手法は 4ビットモデルを生み出し、9つのベンチマーク中7つで元の bfloat16 を同等以上に上回る。特に圧縮の打撃が大きい箇所で伸びが顕著で、長文コンテキスト推論の AA-LCR で +7.4ポイント、AIME 2025 で +5.6 を記録した。MMLU-Pro と SciCode の2つだけは低下したが、いずれも1.5ポイント未満に収まっている。

同一パイプラインで QAT と直接比較した結果は、実務上もっとも役立つかもしれない。GPT-OSS 9B を MXFP4 で量子化したケースでは、両手法とも同程度のピーク、54.9 対 54.6 に達するが、そこに至るコストは違う。QAH はおよそ100ステップでそこに到達し、その水準を維持する一方、QAT は到達までに約700ステップを要し、その後は劣化する。実際の影響としてはデプロイ時のリスクが変わる。QAT のチェックポイントには慎重な早期停止の監視が必要だが、QAH のチェックポイントはその必要がかなり少ない。

🔗 Quantization-Aware Healing

Gradio に gr.Workflow が統合、グラフ型の AI パイプラインビルダーに

8月25日 — Hugging Face は、gr.Workflow を紹介するガイドを公開した。これは Gradio に統合された新しいプリミティブである。出発点は単純だ。興味深い AI アプリの多くは、単一のモデル呼び出しではなく一連の処理でできている。画像を生成し、背景を切り抜き、音声ナレーションを作り、LLM にタイトルを付けさせる、といった具合だ。これまでは、この連鎖を組み上げ、きれいに公開するには、ロジックと UI の両方を書く必要があった。gr.Workflow はその2つを統合する。ステップを型付きノードのグラフとして記述すると、そのグラフ自体がインターフェースになる。

開発者にとっての利点は、見た目のデモ以上にある。グラフの各出力には、自動的に独自の REST エンドポイントが付与される。例として示されているメディアスタジオでは、FLUX の生成、切り抜き、音声合成、LLM を連結しており、3つの別々のルート（/sticker、/voiceover、/episode_title）を公開していて、インターフェースを介さずコードから呼び出せる。ノードは4つの世界と話せる。Hugging Face の Inference Providers 経由でホストされたモデル、部品として再利用される他の公開 Gradio Spaces、Hub のデータセットの1行、そして任意の Python だ。最後の点がもっとも強力だ。@spaces.GPU で装飾されたオペレータノードは実行中に ZeroGPU の GPU を確保するため、自前の重みを走らせることができる。ガイドには、実際に Spaces でデプロイされている5つのアプリが添えられており、その中にはデータセットプロファイラや Lightricks/LTX-Video を使って静止画をアニメーション化するデモも含まれる。

🔗 gr.Workflow ガイド

ElevenLabs が Composer を発表、セクションごとに編集できる楽曲エディタ

8月25日 — ElevenLabs は、セクションごとに作業する楽曲エディタ Composer を発表した。この仕組みは、音楽モデルの支配的な生成方式と決別している。曲全体を一回で生成し、1か所でも気に入らなければ全部やり直すのではなく、Composer ではヴァース、コーラス、ブリッジを個別に作り直せる。開始点は4つ用意されており、自分の歌詞、持ち込んだ既存トラック、空白のページ、あるいは単純なプロンプトのいずれかから始め、そこから少しずつ手直しして完成させる。

これは ElevenLabs にとって Eleven Music に続く音楽分野への2歩目であり、同社にとっては忙しい週に発表された。前日には CLI v1 が出ている。位置づけはオーディオ業界全体の流れと整合的だ。Suno は 8月13日に Studio 2.0 を発表し、Pika は 8月18日に Pika Music のラインを公開し、Stability AI は同日にオーディオワークステーション向けプラグインを提供した。いま競争の焦点は、生成の生っぽい品質よりも、曲の構造をどれだけ細かく制御できるかに移っている。ただし留保点もある。発表にブログ記事は伴っておらず、Composer にアクセスできるプラン、エクスポート形式、API アクセスについては何も明らかにされていない。

🔗 Composer 発表、@ElevenLabs

LiveAvatar が同時接続数の制限を撤廃し、1分あたり 0.01 USD に

8月25日 — HeyGen は、リアルタイムアバター製品 LiveAvatar の同時接続数制限を撤廃すると発表した。表現のポイントは変更の性質にある。制限が緩和されるのではなく、消えるのだ。1セッションでも1万セッションでも、同じ API 上で動作し、事前の枠交渉は不要になる。発表には2つの条件が添えられており、レンダリングは引き続き 1080p のフルボディで、価格は規模に応じて1分あたり 0.01 USD まで下がる。

この価格帯は、想定できる用途の性質を変える。1分1セントなら、リアルタイムアバターは大規模なカスタマーサポート、研修、対話型キオスクに十分実用的であり、これまで実現可能性を左右していたのは1単位あたりのコストだった。同時接続数制限の撤廃は、技術的にもっとも興味深い点だ。リアルタイムアバタープラットフォームは通常、各セッションが継続的に GPU を消費するため、同時セッション数に上限を設ける。これを外すには、十分な容量の余裕があるか、モデル効率を向上させる必要がある。HeyGen はその取り組みを説明する記事を公開しているが、スキャン時点では技術的詳細にはアクセスできなかった。

🔗 LiveAvatar の同時接続無制限

Grok 4.6 が OpenCode Go に登場

8月25日 — Grok 4.6 が、オープンソースのコードエージェント OpenCode のサブスクリプション版である OpenCode Go に加わった。発表は OpenCode から日没後に出され、その半時間後に @grok のアカウントがそれを拡散した。開発者にとっての具体的なポイントはクォータで、Go プランのユーザーは5時間あたり169リクエストまで利用できる。これは月次のカウントではなくスライド式の上限で、コーディング支援セッションに典型的なバースト的利用に向いている。

この統合は、Grok 4.6 が外部ツールへ広がる一連の動きの一部だ。このモデルは 8月14日に GitHub Copilot に入り、8月19日に Amazon Bedrock に、8月21日には Google の Gemini Enterprise Agent Platform にも載った。さらに xAI は 2026年5月に、OpenCode を SuperGrok と X Premium のサブスクリプションにすでに接続している。したがって本日の追加は、OpenCode へのアクセスそのものではなく、Go プランにおける Grok 4.6 の提供であり、xAI の別途サブスクを自分で用意するのではなく、クォータ込みで利用できる点にある。

🔗 @grok の投稿 · @opencode の発表

Cohere が 2026 年の主権 AI 採用に関する IDC 調査を公開

8月25日 — Cohere は、規制産業における主権 AI の採用について IDC に委託した InfoBrief の結果を公開した。この調査は、2026年4月から5月にかけて、カナダ、米国、英国、ドイツで売上高10億ドル超の企業の上級意思決定者500人超を対象に実施された。

最も注目すべき結果は、採用状況よりも概念上の混乱にある。経営層の3人に1人は、主権 AI を自分の言葉で説明するのに苦労しており、非常に高い認知を示したのは13%にすぎない。定義できる人のうち、52% はローカルまたは国家レベルの制御として、35% はデジタル独立性として説明している。この差は組織図にも及ぶ。IT 責任者の認知度は、事業部門責任者の2倍である。

対象業界	データ漏えいとコンプライアンスが主な懸念	競争優位が推進要因
金融サービス	82 %	21 %
製造業	77 %	32 %
通信	75 %	37 %
医療	74 %	28 %
エネルギー	70 %	21 %

動機についてのコンセンサスは明確で、業界横断的だ。データ漏えい、機密性、コンプライアンスが、調査したすべての業界で最上位に来ている。競争優位は副次的な推進力だが、増加傾向にあり、ドイツ（23%）や英国（18%）よりも、カナダ（35%）と米国（28%）でより強く意識されている。もちろん、この調査は Cohere の立場を後押しするもので、同社のエージェント基盤 North は顧客が選んだインフラと管轄で動作する。それでも、数字自体は特定可能な出典に基づいている。IDC はさらに、2028年までに多国籍企業の CIO が、モジュール型の主権クラウド環境とデータローカライゼーションへの投資を65%増やすと予測している。

🔗 State of Sovereign AI Adoption 2026

短報

Bain & Company が Claude Partner Network に参加 — 同社は Global Premier パートナーとなり、19,000人の従業員への Claude 導入を伴う。パイロット段階ですでに7,000人超のアクティブユーザーがおり、参加者の3分の2超が Claude for Excel を採用した。🔗 Anthropic の記事
Amp が orb とは何かを説明 — 名称の混乱に対する Thorsten Ball のメモ。orb はウェブ、スマートフォン、CLI から操作できる遠隔エージェントである。コストに関する2つの重要な補足として、無制限のスリープは課金対象外で、同時 orb 数にも上限はない。🔗 Amp のメモ
Together AI が Qwen3.8 27B を fine-tuning と専用推論に公開 — このモデルは、自前データでの微調整と、予約済みハードウェア上での Dedicated Model Inference の両方で利用可能になる。🔗 @togethercompute の投稿
FINAL-Bench が、エージェント向け金融予測コンペ FINCHAL を開始 — 2,000ドルの賞金付きで、予測ではなくポジションを求め、運より実力を分離するために luck ceiling を公表する。🔗 FINAL-Bench の記事
Au-Zone が EdgeFirst Model Zoo を公開 — 4系統の YOLO による検出・セグメンテーションを、実際の組み込みシリコン上で測定したもの。公開された各数値は、それを生成した検証セッションへリンクしており、メーカーが掲げる TOPS の不透明さに対抗している。🔗 EdgeFirst の記事
Gemini の macOS 向けスマートディクテーション — デスクトップ上の任意のウィンドウに дикту でき、ためらいの自動削除と文中修正の反映に対応する。音声はファイル要約やテキストの書き換えにも使える。🔗 blog.google のガイド
Push ルールがパス例外を受け付けるように — 公開プレビューで、Restrict file paths と Restrict file size のルールが特定のパスを除外できるようになり、たとえば **/gradle/wrapper/*.jar 以外の JAR をすべてブロックするといったことが可能。🔗 GitHub の更新情報
セキュリティアドバイザリからユーザーをブロック — 公開リポジトリでは、設定に戻らず、説明またはコメントの三点メニューからこの操作を行える。アドバイザリ自体はそのまま保持される。🔗 GitHub の更新情報
Manus がデータ復元への高い需要を通知 — 失敗した復元はその日の後で再試行する必要がある。バックアップパッケージは完全かつ未変更のまま保持するよう、明確な指示が出されている。🔗 @ManusAI の投稿
Kling が MCP サーバーに関する3つのガイドを公開 — Kling を MCP 対応アシスタントに接続し、検証済みのクリエイティブ設定を再生し、バリエーションを一括生成する。3本のチュートリアルのうち2本はクライアントとして Claude Code を挙げている。🔗 Kling のブログ
Wan 3.0 が Runway と Replicate に登場 — Runway は8月24日に、画像・動画・音声の複数参照入力でこれを統合した。Replicate は8月25日に続き、同期音声付きでネイティブ30秒をワンショットで生成できる点を前面に出している。🔗 @runwayml の投稿
Runway が AI Summit の新登壇者を発表 — 9月にサンフランシスコで開催されるイベントに向け、ロボティクス、自律走行車、マーケティング、インフラまでプログラムを拡大。🔗 @runwayml の投稿
MiniMax が H3 の統合インデックスを公開 — Awesome MiniMax H3 Integrations は、公開動画モデルを中心に構築されているものを集めており、24GB VRAM で動く構成も含まれる。🔗 @MiniMax_AI の投稿
Luma が Dream Lab Weekly を開始 — Luma のクリエイティブ専門家と、彼らの週次の製品作業に焦点を当てた動画シリーズの第1回。🔗 @LumaLabsAI の投稿
NVIDIA が開放モデルルーティングに関する Nemotron Labs セッションを配信 — 「Get Started with Open Model Routing」と題した55分のライブ配信で、Nemotron 3.5 Lightning と NeMo Switchyard に関する取り組みの延長。🔗 @NVIDIAAI の投稿
Grok Imagine の Odyssey コンテストは残り1週間 — Odyssey から着想を得たシーンを作成し、ツールの動画と音声の能力を示す必要がある。賞金は100,000ドル、50,000ドル、25,000ドル。🔗 @grok の投稿
Plus と Pro の加入者向けにリセット枠を用意 — リセットウィンドウを待つ代わりに、ユーザーは確保済みのリセットを消費する。開始時に1回は無料で、その後は紹介によって追加され、Business 側では共有ワークスペースクレジットが使える。🔗 ChatGPT と Codex の更新情報

それが意味するもの

シリコンが、モデルラボのテーマとして再び浮上している。 OpenAIは同じ日に、自社の推論用チップで実測した初期数値と、compute戦略を示す記事を公開した。これは単なる日程の偶然ではない。モデル提供者が自らシリコンを設計し、第三者の公開ベンチマークで測定し、10社のパートナーを含むポートフォリオを公に引き受けることで、競争の性質そのものが変わる。論点は「どのモデルが最良か」から「成功した1タスクあたりのコストはいくらか」へと移り、その答えは重みだけでなくラックの中でも決まる。おそらく最も重要な詳細は別のところにある。AIがチップ設計とそのカーネルの記述に使われ、9か月で製造段階に進み、選ばれたブロックでは人間の専門家を上回る生成実装が得られたのだ。循環は閉じる——モデルが、自らを動かすハードウェアを設計する。

AIは再びデバイスへ降りてきており、数字もそれに追随し始めている。 同じ日に出た3つのシグナルが、同じ方向を指している。Perplexityは自社のエージェント全体をDGX Spark上でローカル実行し、クレジットを消費せず、クラウドへのエスカレーションは引き続きユーザーの判断に委ねられる。Multiverse Computingは、4ビットのモデルが元のフル精度版に匹敵、あるいは上回る手法を発表し、攻めた量子化に対する従来の反論を取り除いた。Au-Zoneは、組み込みシリコンによるビジョンの測定結果を公表し、広告上のTOPSが、特定のモデルが実際に何をするかについて何も語らないと指摘している。これら3件はいずれも frontier と同等だとは主張していない。Perplexityの正直な数値は、ローカルで59.6%、Terminal Bench 2.1でClaude Opus 5単体の82.4%だ。だが、より上位のモデルへのエスカレーションによって、コストの3分の2で差の5分の3を取り戻せる。局所実行が正当化されるのは、同等性ではなく、このトレードオフにおいてなのだ。

オープンウェイトは、基準ポジションとして定着しつつある。 Qwenが共有した50万件のarXiv論文分析は、すでに感じられていた逆転を裏づけている。中国のオープンモデルは言及率10%から約40%へ上昇した一方、米国のオープンモデルは25〜30%で横ばいだ。Qwen3.8-27Bは、そのサイズで唯一の存在としてCode Arenaのトップ10に入り、GLM-5.3は複数試行のDeepSWEでGPT-5.6 SolとClaude Fable 5を上回り、コストは2.1〜5.4倍低かった。IBMはGranite 4.2を4つの量子化版と初日から14種類のGGUF形式で公開した——同じ論理が繰り返されている。ウェイトを公開することは、もはや追いつくための動作ではなく、他者のデフォルト・インフラになる方法なのだ。ただしNathan Lambert自身が指摘するニュアンスもある。論文発表はリリースに遅れをとり、こうした曲線は、その時点の好みではなく進行中の仕事を描いている。

そしてウェブは、人ではなくエージェントに読まれる準備を整えつつある。 WebMCP Challengeは賞金35,000ドルの大会であり、金額としては小さい。だが、そこで示されるものの価値はもっと大きい。Chrome、Cloudflare、Shopify、Vercel、Render、NetlifyがOpenAIと歩調を合わせ、サイトにエージェントが推測ではなく構造化ツールへアクセスできるよう求める標準に取り組んでいる。同じ日に、ChatGPT desktop は WebMCP をネイティブに利用でき、Codex は互換性のあるアプリを生成・デプロイでき、OpenAI はノートブック用ツールで自社のプロトコル利用を文書化した。この収束は、Rohlikが50件超のMCP統合とともに述べる「新しいツールは初日からエージェントがアクセスできるべきだ」という原則と響き合う。エージェント向けのインターフェース層は、研究テーマであることをやめ、エンジニアリング要件になりつつある。