AI&フロンティアテック・ラウンドアップ:Gemini 4 Hydrogen、Blackwellフォレンジクス、そしてエージェントスタック
GoogleのGemini 4 Hydrogenのローンチと、中国の研究所が輸出規制対象のNVIDIA Blackwellハードウェアで最先端モデルを訓練したとするフォレンジックな主張は、今回のディスパッチで最もシグナルの強い2つの項目です。その周辺では、エージェントスタックはセルフホスティングと評価へと移行し、推論エンジンはスループットとローカルアクセラレーションで競争し、オープンウェイトのロボティクスモデルはファインチューニングが現実的になりつつあります。
Gemini 4 Hydrogenがスピード最優先のフロンティアモデルとして登場
Gemini 4 Hydrogenは、Google DeepMindのスピード最優先のフロンティアモデルであり、API価格は入力トークン100万あたり1.50ドル、出力トークン100万あたり7.50ドルで、Search、Geminiアプリ、開発者ツール全体に展開されています @TheRundownAI。Artificial Analysisは、新しいxhigh推論レベルでインテリジェンス指数54と位置づけており、Claude Sonnet 5.5(max)とGPT-6.1 Sol(max)に1ポイント差で、タスクあたりのコストはSonnetの約32%、GPT-6.1 Solの約2.5倍です @ArtificialAnlys。高い推論ではスコア51で、Gemini 4 Argonのインテリジェンスにタスクあたりのコスト約19%で匹敵します @ArtificialAnlys。このモデルは100万トークンのコンテキストウィンドウを持ち、テキスト、画像、ビデオ、音声入力とテキスト出力を受け付け、低、中、高、xhighの推論レベルを提供します @ArtificialAnlys。Artificial Analysisは、強力な視覚推論と非幻覚を強調しています:中程度の推論でのGDP.pdfの全パス33%で首位タイ、AA-Omniscienceでの幻覚率8%(Claude Sonnet 5.5(max)の43%、GPT-6.1 Sol(max)の52%に対して) @ArtificialAnlys。エージェント的なターミナル作業では弱く、Terminal-Bench 4.0で54%、Terminal-Bench-Science 0.1で50%を記録し、Claude Sonnet 5.5(max)の64%と53%、GPT-6.1 Sol(max)の56%と58%に対してです @ArtificialAnlys。Cursorは、Gemini 4 Hydrogenがデフォルトの努力でCursorBenchで54.3%を記録し、Gemini 3.8 Flashの39.6%から上昇したと報告しています @cursor_ai。早期アクセステスターは、これまで使用した中で最速かつ最高品質のモデルであり、高速になるほど安くなると主張しましたが、これは主観的な発売前の印象です @Inmerson。
フォレンジックな主張が中国モデルを輸出規制対象のBlackwellチップに結びつける
Will DePueは、DeepSeek、Moonshot、MiniMax、Ant Groupが中国への輸出が禁止されているNVIDIA Blackwellチップで最新モデルを構築したという決定的な証拠を主張するフォレンジック分析を公開しました @AndrewCurran_@willdepue。この方法は、モデルの初期重みに隠されたシグネチャに依存しています:初期の重みレイアウトは正確なGPUとシードに依存し、トレースはトレーニング後も公開されたチェックポイントに残ります @willdepue。DePueは、チップレイアウトとシードの6兆以上の組み合わせを検索し、DeepSeek-V4-Pro、Kimi K3、MiniMax-M3を含む6つの中国モデルをBlackwellシステムに一致させたと述べています;4つはGrace Blackwell GB200およびGB300パーツに一致しました @willdepue。彼は、Blackwell B300がDeepSeek-V4-Flashの未変更の初期重みをビット単位で再現し、レンタルしたGB200がKimi K3の重みを0.999995の相関で再現した一方、H100は何も再現せず、シードを1つ変えると一致が崩れたと報告しています @willdepue。同じ方法で、既知のオープンウェイトモデル24個を開発者が使用したと述べたハードウェアに一致させ、実際の一致は、予想される最良の偶然の一致である約8シグマに対して、49から1,385シグマの範囲でした @willdepue。DePueは、Kimi K3とDeepSeek-V4-Proがそれぞれ2,000〜3,000個のBlackwell GPUを使用し、クラスターはそれぞれ1億5,000万〜2億ドル、実験用コンピューティングを除いて研究所全体で5億ドル以上かかると推定しています @willdepue。彼は、この結果はOpenAIとAnthropicの上級研究者によって独立に検証されたと述べています @willdepue。別の投稿では、InformationがAlice HuangがDeepSeekにNVIDIAチップを約束したと報じたと引用しています @zerohedge。
これは非常識に聞こえるかもしれませんが、ほとんどすべてのAIモデルには、それを訓練したGPUの隠されたシグネチャが含まれていることを発見しました。 @willdepue
エージェントプラットフォームはセルフホスティング、ガバナンス、評価へ移行
AnthropicのClaude Managed Agentsは、セキュアなエージェントシステムを構築するためのAPIプラットフォームとして位置づけられており、現在はセルフホスティングが可能です @katelyn_lesse。このリリースでは、ガバナンスのためのエージェントアイデンティティ、OpenTelemetryの可観測性、キルスイッチ、セルフホスト型マネージドエージェント向けの実際のevals製品が追加されています;Anthropicは、顧客がバイオ研究、チップ設計、ソフトウェアファクトリーに使用していると述べています @katelyn_lesse。Microsoftは、dotnet/skillsリポジトリにAIエージェント向けの既製の.NETスキル99個を公開し、14のプラグインとして整理され、Claude Code、Codex、GitHub Copilot、Cursorで使用できます @AntonMartyniuk。スキルには、.NET 8から10へのアップグレード、EF Coreクエリ最適化、Minimal APIエンドポイント、テスト、MCPサーバー開発などのタスクが含まれており、著者は、すべてのスキルがエージェントのコンテキストに追加されるため、スタックに一致するプラグインのみをインストールすることをアドバイスしています @AntonMartyniuk。Benchmark Routerは、任意のモデルまたはハーネスで公開ベンチマークを実行するための統一された場所を提供し、自分で実行するコストの10分の1で、公式コード、メトリクス、完全なログ、失敗分析を提供します;新しいLLMベンチマークは6時間ごとに開始されると述べています @arushi_ressl。AgenticRL-Benchは、エージェントがエージェント強化学習を実行できるかどうかをテストし、Miles、Slime、Verl、SGLang、Harbor全体の実際のRLインシデントから再構築された22のタスクがあります @guohao_li。検証可能な19のタスクにわたって、どのエージェントも試行の14.0%以上を通過しませんでした;1つのオープンエンドタスクでは、エージェントがヒント付きロールアウトを生成し、ヒントを削除してGRPOロールアウトとブレンドすることで、38タスクでpass@1を0から0.186に改善しました @guohao_li。別の継続的ARCの結果では、9Bモデルが重みをトレーニングすることで、100の未見パズルのうち19から49に改善し、メモリファイルは想起に役立つが、重みトレーニングが一般化を促進すると報告されています @heyshrutimishra。Tencent Cloudは、80%いっぱいになるまで待つのではなく、毎ターンコンテキストを少しトリミングすることで、150のコーディング問題で同じ合格率を維持しながら、コストを約23%削減したと報告しています @tenctcloud_Intl。
推論スタックはスループットとローカルアクセラレーションで競争
vLLMは、Vera Rubin NVL72向けのvLLM上のDeepSeek-V4.1-Flashが、GB300 NVL72の58倍のスループット、GPUあたり毎秒170万トークン、SemiAnalysis AgentXでユーザーあたり毎秒387トークンに達したと報告しています @vllm_project。カーブ全体では、ピークスループットでGPUあたり毎秒252万トークン(GB300の2.7倍)、TP 1/4で1つの同時セッションで毎秒1,810トークンを報告しています @vllm_project。Vera Rubin NVL72上のMiniMax-M3.1-Flashについては、vLLMはキャッシュされたトークンを含むチップあたりの総トークン毎秒10.2倍(ユーザーあたり毎秒546 P90トークン)、6.5倍(ユーザーあたり毎秒376 P90トークン)、低同時実行でユーザーあたり毎秒最大1,205 P90トークンを報告しています @vllm_project。B200上のDeepSeek-V4.1-Flash向けに最適化された推論エンジンMaxwellは、同じユーザーあたりの速度でvLLMよりもGPUあたり3倍のトークン、または一般的な負荷でユーザーあたり2倍の速度を主張し、公開されているすべてのB200セットアップと同等のGB300結果を上回ると述べています @doubleAI。oMLXは、NVIDIA GPUまたはDGX Sparkをプレフィルアクセラレータとして使用し、Macがモデルを保持してデコードできます;LANケーブルとNVIDIAマシンでの1回のdocker runのみが必要で、RDMAやThunderboltは不要です @jundotkim。DGX Sparkと64Kプロンプトを使用すると、oMLXはQwen3.8 27Bが毎秒352から1,062トークンに、Qwen3.8 Flash-Nextが1,370から2,715に、DeepSeek V4.1 Flashが1,085から2,412に、GLM-5.3 Flashが555から1,076に上昇したと報告しています @jundotkim。Kineticは、ユーザーがEnterを押す前に処理を開始する新しいオープンソースのRust推論エンジンです;RTX 3060ラップトップGPUで22,631トークンのドキュメントを使用した場合、報告された待機時間は0.13秒(llama.cppの10.95秒に対して)で、編集テストではLFM3-1.7Bを毎秒1,033.7トークン(229.7に対して)で実行しました @TeksEdge。KineticはApache 2.0で、サポートされているGGUFモデルをロードし、WindowsとLinuxでCPU、CUDA、Vulkanで動作し、OpenAI互換APIを公開しています @TeksEdge。LeapQuantは、線形アテンションモデルで8ビットまたは4ビットのリカレント状態を実現するトレーニング不要の方法です;Qwen、Kimi、GLM全体で、FP32一致精度、4.25倍高速なカーネル、最大2倍の推論スループット、最大56%のメモリ削減を報告しています @conlesspan。Omarchy 4.6は、ラップトップがTailscaleを介してデスクトップで実行されているローカルモデルを借用できるようにし、クラウドやAPIの請求はありません;共有エンジンはomarchy-local-ai 0.6としてリリースされ、パネルは4.6にマージされています @OmarchyUpdates。
オープンウェイトモデルがデバイスとロボティクスに進出
Edge0-145BとEdge0-120Bは、Edge0によるデバイスネイティブな100Bクラスのオープンウェイト基盤モデルです;同社は、Edge0がTerminal-Bench 2.1でClaude Opus 4.6を86.5%対78.2%で上回り、29 GBのメモリを必要とし、RTX SparkとMacで毎秒75+トークンのデコードと毎秒1,050+トークンのプレフィルを実現し、128K-256Kのコンテキストを処理すると主張しています @SamuelZengML。Raon-1 nanoは、Apache 2.0の下でスクラッチからトレーニングされた15億パラメータの小型言語モデルで、NeurIPS 2026オーラルメソッドでRaon-1 miniから蒸留され、エッジAI向けのVRAMを削減するためにレイヤーごとの埋め込みを使用しています @Kangwook_Lee。Runwayは、Apache 2.0の下でオープンウェイトの27BワールドアクションモデルPraxis-1をリリースし、RoboLabリーダーボードで主要なオープンウェイトロボティクスモデルであり、そのベンチマークで他のすべてのワールドアクションモデルを上回ると述べています @agermanidis@runwayml。Runwayは、Praxis-1が9つのロボット形態でテストされており、30分未満のデモで新しい形態で良好なパフォーマンスに達することができ、単一のRTX 5090でNVFP4で動作し、テストされた操作タスクでGPT-6 Astraよりも10倍以上高速で50倍安価であると述べています @agermanidis。vLLM-Omniは、Praxis-1のデイ0サポートを追加し、カメラ観測、ロボット状態、タスク指示を受け取ってアクションチャンクを生成し、オフライン推論とOpenPI/Positronicサービングが単一のH100 80GBで認定されています @vllm_project。Reactorは、Praxis-1のデイ0 DROIDおよびYAMエンドポイントと、中央値レイテンシ73 msのPraxis-1 Fastチェックポイントを出荷しました @reactorworld。EqCは、VLAのための内省を備えたエネルギーベースの制御を導入します:ポリシーは自身の能力を監視し、エージェントに助けを求め、回復から学習します @RunhanH。実世界のテストでは、EqCは、エージェント生成の回復6回後に衣服の折りたたみが0%から100%の自律的成功に、ブロック積みが0%から96.7%に、がれき清掃が100%に達し、RoboTwin 2.0 Hardでpi0を18%から33%に、LIBERO-Plusで53.6%から65.8%に引き上げたと報告しています @RunhanH。NYUのLerrel PintoグループによるSteertuningは、5分未満の5つの人間のデモンストレーションで、12の新しい環境の12のタスクで71%の成功率を生み出すと報告しており、約110時間の一人称人間ビデオで事前トレーニングされた4億パラメータの拡散ポリシーと、タスクあたり2分のファインチューニングを使用しています @CyberRobooo。NTTは、実行前に複数のロボットアクションを評価する物理ベースのワールドモデルを示し、タスク成功率を73.1%から92.3%に引き上げたと、vangridをグラウンドトゥルースの空間コンテキストレイヤーとして説明する投稿で述べています @GpaAndy。Nova3Dは、デザインツールとロボティクスシミュレーター向けにコードから編集可能な3Dワールドを構築し、1つのソースがBlender、MuJoCo、Isaac Sim、Unity、Unrealをターゲットにしています @dextune。Google DeepMindのロボティクスシミュレーションエンジンであるMuJoCoは、無料でオープンソースであり、pip install mujocoでインストールできます @RoundtableSpace。投稿で要約されたChinaTalkレポートは、ヒューマノイドロボット向けの中国の自己中心的なデータ収集産業を調査し、データセットの品質、所有権、商業化について疑問を提起しています @0xrichboy。
研究と評価のシグナル
LlamaIndexは、4,300ページ以上、追加されたフォーム次元、330以上のエラータイプの重大度スコアを備えたドキュメント解析ベンチマークParseBench-2を導入し、メトリクスを人間の判断に合わせて調整しました @jerryjliu0。ParseBenchは、月間5万以上のダウンロード、150以上のOCRソリューションのベンチマーク、NVIDIA、Cohere、Aleph Alpha、Perplexityによる採用があると発表で述べられています;それに加えて、OCRia-1.5は、複雑なテーブル、フォーム、チャート、フォーマット、バウンディングボックス向けの新しいドキュメント解析モデルファミリーです @jerryjliu0。独立した実験では、Blood on the Clocktowerベンチマークに5つのオープンモデルが追加されました;Kimi K3.1 Proは最高のオープンモデルであり、クローズドモデルの中央に位置し、GPT 5.5のすぐ下で、著者はオープンモデル間で一貫したランキングを観察しました @eliebakouch。同じ実験では、ゲームが得意なモデルは公開トランスクリプトだけから邪悪なプレイヤーを見つけるのも得意であり、より安価な評価経路を示唆し、思考の連鎖に多くの評価認識があることを指摘しました @eliebakouch。Iris-Zは、Apache 2.0の下での9B/32Bオープン画像モデルで、外観とジオメトリを組み合わせ、画像と深度を生成し、深度を推定して条件付けし、MoGe-3などのタスク固有の深度モデルを上回ると主張しています @speridlabs。
資金調達、消費者採用、業界リード
Walter Goodwinは、AI推論向けのより高速なチップを構築するために、Thrive Capital、Lightspeed、Redpoint、Founders Fundが主導する7億2,000万ドルのシリーズCを発表しました @goodwin_ml。発表では、極端な推論スケーリングが難しい問題に重要であると主張し、OpenAIがミレニアム賞問題で1,000万ドル以上のコストで10,000の並列エージェントを80時間実行したことを挙げ、応答時間を除けば、より少ないエージェントがより長く考える方がスケーリングが良いと述べています @goodwin_ml。投稿で引用されたSalesforceの調査では、ホリデーショッパーの約5人に1人が買い物の前にAIに尋ねるが、76%はAIエージェントに自分で買い物をしてほしくないと思っており、エージェントユーザーの27%がエージェントが高すぎるものを購入したと述べています @murtuza_merc。Illia Polosukhinはインタビューで、中央集権的なAIプロバイダーはプライバシーと制御のリスクを生み出し、暗号化処理と暗号検証を備えたユーザー所有のAIが代替手段であると主張しました;彼は安全性監視を懸念事項として認めました @KevinWSHPod。毎日のAIブリーフでは、Gemini APIとAI StudioでのGemini Decision 1、全ユーザー向けのAntigravityブラウザ使用、Signalのプロトコルを正式に検証するAlphaProof Code、細胞タイプごとにDNAバリアントをモデル化するAlphaGenome 2、ByteDanceのプロアクティブAIエージェント計画、n8n Labsのオープンソースの小タスクエージェントNodのリリースもリストされました @testingcatalog。このブリーフはGrokで構成され、厳選されたものであると明示的に説明されているため、これらの項目は確認されたレポートではなくリードとして扱うべきです @testingcatalog。
資金調達、消費者採用、業界リード
Walter Goodwinは、AI推論向けのより高速なチップを構築するために、Thrive Capital、Lightspeed、Redpoint、Founders Fundが主導する7億2,000万ドルのシリーズCを発表しました @goodwin_ml。発表では、極端な推論スケーリングが難しい問題に重要であると主張し、OpenAIがミレニアム賞問題で1,000万ドル以上のコストで10,000の並列エージェントを80時間実行したことを挙げ、応答時間を除けば、より少ないエージェントがより長く考える方がスケーリングが良いと述べています @goodwin_ml。投稿で引用されたSalesforceの調査では、ホリデーショッパーの約5人に1人が買い物の前にAIに尋ねるが、76%はAIエージェントに自分で買い物をしてほしくないと思っており、エージェントユーザーの27%がエージェントが高すぎるものを購入したと述べています @murtuza_merc。Illia Polosukhinはインタビューで、中央集権的なAIプロバイダーはプライバシーと制御のリスクを生み出し、暗号化処理と暗号検証を備えたユーザー所有のAIが代替手段であると主張しました;彼は安全性監視を懸念事項として認めました @KevinWSHPod。毎日のAIブリーフでは、Gemini APIとAI StudioでのGemini Decision 1、全ユーザー向けのAntigravityブラウザ使用、Signalのプロトコルを正式に検証するAlphaProof Code、細胞タイプごとにDNAバリアントをモデル化するAlphaGenome 2、ByteDanceのプロアクティブAIエージェント計画、n8n Labsのオープンソースの小タスクエージェントNodのリリースもリストされました @testingcatalog。このブリーフはGrokで構成され、厳選されたものであると明示的に説明されているため、これらの項目は確認されたレポートではなくリードとして扱うべきです @testingcatalog。