AI＆フロンティアテックラウンドアップ：コーディングハーネス、ローカルモデル、フィジカルAIデータ

これらの投稿に共通するテーマは、フロンティアAIの関心が生のモデルデモからモデルを取り巻くシステム、すなわちコーディングハーネス、圧縮されたローカルチェックポイント、物理世界のデータパイプライン、自律エージェントの検証レイヤーへと移行していることです。

コーディングエージェント：ハーネスが製品になる

最も繰り返し述べられている主張は、コーディングエージェントはもはや生のモデル選択ではなく、ハーネスの設計（ツール、メモリ、ルール、ループ）で競争しているというものです。

広く共有された投稿は、Claude Codeを構築した人物として紹介されるBoris Cherny氏が、人々がまだコーディングを学ぶべきかどうかは1、2年後には重要ではなくなると述べたことを引用しています。同じ投稿は、彼のチームは現在、PM、デザイナー、財務担当者を含む全員がコーディングしており、彼自身は昨年11月以降、手でコードを一行も編集しておらず、1日に10〜30のプルリクエストを出していると述べています。また、Claude Codeをモデルを包むハーネスと表現し、彼のチームは新しいモデルが出るたびにそれを変更し、システムプロンプトを80%削減したと述べています@0xSanabi。

1、2年後には、それは重要ではなくなるでしょう。 @0xSanabi

別の投稿は、Anthropicが共有したパターンで、Sonnet、Haiku、Opusを同時に実行する方法を説明しています。Sonnetはセッションを実行してコードを書き、Haikuは並列リポジトリ検索と差分監査を担当し、Opusはプランが確定する前、同じエラーが2回発生したとき、および最終承認前にアドバイザーとして機能します。主張されている利点は、各タスクが適切なモデルに割り当てられるため、より少ないトークンでより良い結果が得られることです@xsmryze。別の投稿は、一晩で実行されるClaude Codeハーネスについて説明しており、目標を最大60のテスト済みタスクに分割し、それらを1つずつ出荷し、単一のチェックが赤である限り停止しないと述べています@0xwhrrari。3番目の投稿は、ハーネス、ループ、グラフが、実際に機能するモデルとエージェントの間にある欠落したレイヤーであると主張しています@0xWhitemon。

これらのラッパーがどれほど永続的かについては意見が分かれています。ある投稿は、ソフトウェアファクトリーが次の絶滅するラッパーであり、より優れたコーディングエージェントが3〜6か月以内にその中核となるオーケストレーション価値の多くを吸収し、ガイドラインとガードレールを備えた、よりスリムなスキルベースのアプローチを残すと主張しています@jleechan2015。

ツールもマルチエージェントワークフローに統合されつつあります。T3 Codeは、MITライセンスのオープンソースツールであり、Claude Code、Codex、Cursor、OpenCode、Grok Build、Antigravityを1つのウィンドウにまとめ、ユーザーがすでに支払っているサブスクリプションで動作し、サブエージェント、スレッドごとのモデル選択、ワンボタンでのコミット、プッシュ、PR作成をサポートすると説明されています@Mnilax。オープンソースのテストフレームワークは、agent.act()やagent.assert()などのエージェントプリミティブと、後続の実行でエージェントのアクションを再生するキャッシュレイヤー、およびプルリクエストで関連するテストのみを実行するフィルターを使用します@o_kwasniewski。別のツールは、ほぼすべてのGitHubリポジトリをClaude CodeまたはCursor用のすぐに使えるプロンプトに変換します@dyfwsammy。Greg Isenberg氏は、AppFiguresまたはSensor Towerを使用して弱いアプリを見つけ、レビュースクラピングで苦情をクラスタリングし、AppleのXcodeプラグインを使用したClaude Codeでビルドし、Maestroでテストし、RevenueCatでサブスクリプションを管理し、App Store最適化でランキングを上げるiOSアプリワークフローを概説しました@gregisenberg。

ローカルモデルと圧縮

ローカル推論は、積極的な圧縮とスパースまたはコンシューマーフレンドリーなモデル設計という2つの力によって推進されています。

PrismMLのBonsai 2は、Qwen3.8-27Bを55.6GBから5.9GBに圧縮し、89.4%の削減でありながら、20のベンチマークにわたる総合ベンチマークパフォーマンスの98.2%を保持すると報告されています。この技術は三値量子化であり、重みを-1、0、+1とスケーリング係数のみで表現します。この投稿は、5.9GBはチェックポイントサイズであり、総実行時メモリではないこと、および総合的な保持率がすべての機能が正確に98.2%を保持することを意味するわけではないことに注意を促しています@Oluwaphilemon1。

あるユーザーは、Qwen 4 27Bがスパースであれば、今週末までに機能するバージョンが8GB VRAMまたはモバイルでも実行できる可能性があると主張しています@RuiCarrilho5。別の比較では、Qwen 4は非常に効率的である一方、DeepSeekは結果が正しくなるまでトークンを大量に消費し、両方にユースケースがあると述べています@loktar00。Qwen-4-Flash-EarlyがGameFeel Benchに追加され、qwen-4-27bのオーディオスコアリングの誤りが修正されました@follistatindev。

検閲されていないローカルモデルも会話の一部です。ある投稿は、DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSOREDを、DeepSeek-V4-Proの蒸留とQwen3.5 9Bのハイブリッドであり、Q4_K_M GGUFで5.6GB、作成者の100プロンプトテストで3%の拒否率、約25万データポイントを使用して蒸留され、Apache 2.0でリリースされたと説明しています@Forhanvv。別の投稿は、同じモデルが5GBのラップトップでゼロ拒否でローカルに実行できると述べています@0x0SojalSec。

メモリ面では、スタンフォード大学の研究者によるMemorillaは、16の学習されたメモリトークンを介して8Bモデルが大規模なドキュメントコレクションを使用できるようにするオープンソースのメモリシステムとして説明されています。同じQwen3-8Bモデルを使用したFactKGでは、完全なドキュメントコンテキストが80.43%の精度を達成したのに対し、Memorillaは16のメモリトークンで84.33%の精度を達成し、LLMに渡されるドキュメントトークンは108分の1でした。この投稿は、このアプローチは、通常の検索がより適切に処理する正確な名前や細かい事実に苦労する可能性があると述べています@techNmak。

モデルリリースとベンチマーク

いくつかの投稿は、Qwenファミリーモデル、コーディングエージェント、小規模モデルベンチマークを中心とした多忙なリリースサイクルを指摘しています。

AlibabaのコーディングエージェントQoderは、Qoduckと呼ばれるステルスモデルを導入し、個人ユーザーには期間限定で無料です@AiwithNomi@atulkumarzz。あるユーザーは、QoduckがQwen 4 27Bであれば強力な結果になると推測し、Qwen 4 Previewとは異なる方向に同じプロンプトを取ったと述べました@loktar00。

169Pi Researchの9Bマルチモーダル推論モデルAlpie Seedは、MMLU-Proで82.54%、GPQA Diamondで84.32%、LiveCodeBench v6で72.99%、SWE-Bench Verifiedで61.20%を報告しています。この投稿は、評価がリトライなしのミニSWEエージェントを使用し、比較が共通のハーネスの下で再実行されなかったため、方法論の違いを考慮すべきだと述べています@169Pi_ai。

ある投稿は、TencentのTerminal-RSIパイプラインをQwen3.8-27Bベースモデルで説明しています。再帰的自己書き換えは、モデルを自身の成功した軌跡でファインチューニングし、再帰的ポリシー改善は前の段階から継承された批評家を使用してPPOを実行し、成功優先の報酬は厳密な成功と部分的なクレジットを分離します。報告された結果は、平均ターミナルベンチ成功率が20.68%から50.58%に上昇し、最も難しいスイートが0.00%から19.84%に上昇したことです@thesupermannx。

Bloombergは、DeepSeekがオープンソースAI技術を中心に構築されたアプリケーションでAnthropicやOpenAIに挑戦し続ける中、AIエージェントインフラストラクチャの驚くべき採用数をリリースしたと報じました@business。あるユーザーは、Kimi-Flashがゲームを変え、最高のCyberモデルになると主張しました@0xSero。

ロボティクスとフィジカルAI：データがボトルネック

ロボティクスの議論は、デモビデオから、信頼できる物理世界の能力に必要なデータと運用に移行しています。

CoRL 2026に採択されたHuGは、能動的知覚を備えたヒューマノイド全身アフォーダンス認識把持を学習すると説明されています。ロボットは半分隠れたオブジェクトを探し回り、全身をしゃがんだり伸ばしたりして到達し、把持します。主張は、ゼロの実デモ、未見のオブジェクトや日常シーン（低いテーブルから高い棚まで）へのゼロショット転送です@Xuanbin_Peng。

ロボティクスデータに関する投稿は、2027年より前のデータ業界には明確な形があると主張しています。モノは死んだ、ほぼ誰もオフザシェルフのステレオを持っていない、触覚が新しいフロンティアである@theSamPadilla。

モノは死んだ。ほぼ誰もオフザシェルフのステレオを持っておらず、触覚が新しいフロンティアだ。 @theSamPadilla

Vangridは、スマートフォンをフィジカルAIデータのための分散型センサーネットワークに変えるものとして説明されています。ノースカロライナ州ローリーで完了したバウンティは、縁石スロープ、触覚舗装、道路標示、歩行者用ボタン、歩道の詳細を含む、日中と夜間に撮影された14の横断歩道に対して1,000 USDCを支払い、Baseで決済されました@NeonVoid01。別の投稿は、AIエージェントがリクエストを投稿し、BaseまたはArcでUSDCを資金提供し、地上の誰かから映像を受け取り、提出を承認し、APIを介して3D再構築を取得でき、ウォレットだけが必要だと述べています@when_tge。より広範な投稿は、Jensen Huang氏がCES 2026でこれをフィジカルAIのChatGPTモーメントと呼び、Fei-Fei Li氏がロボットは言語モデルがこれまでに持っていたよりもはるかに少ないトレーニングデータしか持っていないと述べたことを引用しています@sadatbnb。

4D Labsは、Ego Suiteの一人称キャプチャ、ViTamの視覚触覚融合、物理的相互作用を中心に構築されたAXONワールドモデルを通じてフィジカルAIにアプローチしていると説明されています。パイプラインは、動き、力、抵抗、タスク結果を記録し、貢献されたデータに検証可能なオンチェーン権利を追加します@thuyhatcl。

Y Combinatorのロボティクス企業は、ロボットを稼働し続けるインフラストラクチャを構築することでロボティクスに賭けていると述べています。テレオペレーションと運用ソフトウェア、24時間365日の人間オペレーター、ロボットトレーニングと一人称データ、1秒未満での人間による引き継ぎ@karanwalia_ai。PrismaXは、ブラウザとVRインターフェースを介してロボット、リモートオペレーター、AIを接続し、人間の判断がAIナビゲーションと反復タスクをサポートすると説明されています@tas_onu。CoRL 2026に採択されたHuman2Anyは、人間のビデオからオブジェクトがどのように相互作用するかを学習し、テスト時推論と計画を通じてその知識を適応させます@ShuoCheng94。

オープンソースのヒューマノイドプロジェクトも安価になっています。ある投稿は、Menlo ResearchのAsimov 1が20,000ドル、Berkeley Humanoid Liteが5,000ドル未満、StanfordのToddlerBotが6,000ドル未満、Poppy Humanoidが8,000〜9,000ドルとリストしています@techniahqrobot。UBTechのU1コンパニオンロボットは、男性モデルと女性モデルがあり、身長168cmと183cm、シリコン肌、88のサーボジョイント、ローカル感情AIを備えていると説明されています。訪問者は、応答が数十秒遅れることがあり、肌は人間の肌のように感じられたが温度はなかったと報告しました@hey_simanto。ロボティクスパネルの投稿は、損傷したヒューマノイドはテストを再開するまでに数か月待たされる可能性があるため、シミュレーションが重要であり、チームはハードウェアを危険にさらす前にシミュレーションでポリシーをテストし、失敗をキャッチすべきだと主張しています@AI_Ashik07。Tau RoboticsのSergeyは、家事をするロボットとして説明されています@sciencegirl。

科学のためのAI：パイプラインの自動化とその限界

科学のためのAIの投稿は、研究パイプラインの一部を自動化することと、その自動化の限界に焦点を当てています。

バイラルな投稿は、GoogleがScientistTwoという論文を発表し、文献レビュー、仮説生成、実験設計、コード作成、デバッグ、データ分析、チャート生成、論文作成、シミュレートされたピアレビューを自動化すると主張しています。この投稿は、これを職人的な人間速度の研究から工業化された知識創造への移行と位置付け、人間は何をすべきかと問いかけています@CrazyShyyt。

Y Combinatorの生物学のためのAIに関するPaper Clubは、シーケンシングコストが崩壊し、生物学が研究者が理解できるよりも多くのデータを生成しており、モデルが追いつき始めていると主張しています。機会は、生物学的データを読むことから、癌ゲノミクス、仮想細胞、ゲノム言語モデル、生物学的設計にわたって、生物学的システムをモデル化し設計することへの移行です。セッションではまた、DNAでトレーニングされた言語モデルの内部を調べ、モデルが明示的にトレーニングされていなかったにもかかわらず、インコンテキスト学習がどのように出現したかを探ります@ycombinator。

DeSci Summit Mumbaiの要約は、IPの問題が生物学者がフロンティアモデルをまったく使用できるかどうかを決定すると述べています。なぜなら、いくつかの博士課程ラボは、プロンプトが未発表の研究を漏らすため、ChatGPTとClaudeを完全に禁止しているからです。要約はまた、Macで実行されるRFdiffusion 4、カスタムカーネルを使用してM1からM5で毎秒100トークンで実行されるQwen 8Bモデル、QwenがオーケストレーションしRFdiffusionが設計するローカル創薬セットアップについて説明しています。また、英国で19%、米国の健康研究で13%、EUの初期キャリア賞で8%に助成金採択率が低下し、Natureでの出版に約12,000ドルかかり17か月かかると述べています@BioProtocol。

研究文化も議論の一部です。ある研究者は、論文を拒否するためにLLMを使用してあら探しをすることは悪行であり、会議レビューはその分野の研究者が良い判断で行うべきだと主張しています@murat_kocaoglu_。

論文を拒否するためにLLMを使ってあら探しをするのは悪行だ。 @murat_kocaoglu_

別の投稿は、arXivリンクは方法を検討するのに役立つが、それを認定するものではなく、プロジェクトのUniswap論文は会議やジャーナルに提出されていないと述べていることに注意を促しています。出版とピアレビューは交換可能ではありません@nabi_sarvi。

エージェントインフラストラクチャ：制御、検証、支払い

エージェントインフラストラクチャは、ガードレールと決済に収束しています。権限、実行前チェック、エスクロー、評判です。

Motesは、ユーザーが戦略を定義し、支出制限を設定し、権限を制御し、必要なときにいつでもエージェントを一時停止できるようにすると説明されており、自律性には無制限の自由ではなく明確な境界が必要であるという議論があります@ShamimTB。Actumは、検証をアクション自体の一部にすると説明されています。すべてのアクションは、承認前に権限、コンテキスト、タイミング、ターゲット、シーケンスに対してチェックされ、失敗したものは実行されるべきではありません@fredkaff。

Termixは、登録されたエージェントがオンチェーンIDを取得し、仕事を見つけて入札し、仕事が完了するまで支払いをエスクローに保持し、検証後にUSDCまたはUSDTを受け取り、完了した仕事で評判を構築し、エージェント型AIコマースプロトコルであるAACPで紛争プロセスを使用するエコシステムとして説明されています。この投稿は、チームがYZi Labsから100万ドルを調達し、BNB ChainのMVB 9プログラムに選ばれたと述べています@0xBishu。

別の実験であるAgentic Credit Scoreは、エージェントをペーパートレーディングで開始し、実際の市場と実際の決済を使用しますが、偽のお金を使用し、勝敗を削除せずに記録し、その記録からスコアを構築し、決済された取引はエアドロップに向けて$CREDITを獲得します@calbuldelis69。Decryptの投稿は、Tyler Did It氏が早すぎることは間違っていることと同じだと述べたことを引用し、エージェント型金融とインフラストラクチャのプレイが需要に先行しているかどうか疑問視し、一部は成熟するのに12〜24か月かかる可能性があると述べています@DecryptMedia。

実際的な問題点はエージェントのドリフトです。ある投稿は、エージェントが昨日は完璧に機能しても、今日はルールの半分を無視することがあり、Grok Bot、CREAO、Muse、Manus、Hermes、Agnes AI、n8n、Make、Zapier、またはClaude Codeを使用しているビルダーに最大の問題を共有するよう求めています@Sonofpeace0001。別の投稿は、オープンソースの本番スタックを説明しています。ワークフロー自動化とMCPツール用のActivepieces、永続的なエージェントメモリ用のLetta、LLMパイプラインのプログラミングと最適化用のDSPyですが、DSPyは悪いデータを修正せず、永続的なメモリが自動的に正確なメモリを意味するわけではないと警告しています@ImoleayomideAI。Andrej Karpathy氏は、ほとんどの人がまだLLMをチャットボットとして扱っているが、メモリ、ビジョン、推論、検索、ツール、エージェントシステムという5つのシフトがそれらをエージェントシステムに変えつつあると述べたと引用されています@res1dualedge。

生成ビデオと3D：エージェントパイプラインがコンテンツを工業化

生成ビデオは、エージェントパイプラインと再利用可能なスキルを通じて工業化されています。

あるクリエイターは、26時間51分で作成されたAgenCビデオについて説明し、101億トークン、131エージェント、23,354回のモデル呼び出しを使用しました。完成した映画は5:26、1920x1080、24fpsで、84ショットと573の歌詞が画面に表示され、Claude Opus 5.5、Grok 4.7、Grok Imagine Image 2.0とVideo 1.5、Qwen-Image 2.1、Qwen-Image-Edit 2511、Seedance 2.5、MiniMax H3、GPT Image 2.5、GPT-2 XL、ゼロから作った51Mウェイトモデル、BiRefNet、Depth Anything、RAFT、ComfyUI、Claude Code、Blender Cycles、NVENC付きffmpegなどのスタックで構築されました@tetsuoai。

ビデオ用のClaude Codeスキルスタックは、ストーリーボード、VFX、SFX、編集をClaude Code内でカバーし、ハイパーフレーム（HTMLをビデオにする）、Reactビデオ用のremotionスキル、claude-animated-shorts、シネマティックディレクター、ドラマスキル、seedanceストーリーボード、pixelfx、シェーダースキル、WebGPUスキル、comfyui-mcp、ElevenLabsスキル、SunoのAI音楽パイプラインなどのツールがあると説明されています@Y0urDumble。更新バージョンは、reverse-any-video、10,000以上の音楽トラック、75,000以上のストック画像、TTS、GSAPスキル、video-shotcraft、motionmaxxing、Blender MCP、Blenderスキル、dream-loop、threejs-game-skills、アナトミー、3dviz-pro-maxを追加します@Y0urDumble。

cutawayと呼ばれる無料のClaudeスキルは、コードで3Dタコを構築し、何かを動かす前に参照画像に対してチェックリストラインを採点し、各腕をガラスリンクの列としてモデル化し、2列の吸盤ホイールで16リンクのスパイラルに締め付け、2.4倍でレンダリングしてから1080p 60fpsにダウンスケールし、サウンドを-14 LUFSに調整すると説明されています@0x_fokki。

3Dインターフェース側では、あるプロトタイパーがガウシアンスプラットがインターフェースをレンダリングできるかどうかをテストし、ImagenからSHARP、spark、popmeltへのパイプラインが最初の試行でまともな結果を得て、アートディレクションとインタラクションチューニングでより良い結果を得られると報告しています。この投稿は、AstraのようなLLMはスプラットを扱うのが得意で、ファインチューニングをより効率的にすると述べています@bekhovsgun。