AIとフロンティアテックラウンドアップ: Kimi K3.1 Pro、MiniMax M3.1 Flash、そしてエージェントスタック

大規模なオープンウェイトモデルのリリースが2つ同時に発表されました — Kimi K3.1 Pro (総パラメータ2.8T / アクティブ104B) と MiniMax M3.1 Flash (428B / アクティブ23B) — そして、その周辺の議論から、フロンティアAIの制約要因が、モデルの生の品質から、サブスクリプションの割り当て、推論コスト、オーケストレーション、物理世界のデータへと移行していることが示唆されています。同じ投稿群では、エージェントツールが共有メモリ、安価なリーダーサブエージェント、非カストディアル決済を中心に統合されつつあり、人型ロボティクスの投稿はUnitreeのハードウェアと中国の製造規模に集中しています。

Kimi K3.1 Pro: 割り当て問題を抱えるフロンティアクラスのオープンウェイトモデル

Kimi K3.1 Proは、Moonshotの3Tクラスのオープンウェイト推論モデルであり、独立したベンチマークではArtificial Analysis Intelligence Indexで4位にランクインし、現時点では最強のオープンウェイト候補であり続けています。ユーザーからの反論は、同社のサブスクリプションプランが、持続的なエージェントワークを非現実的にする価格設定になっているというものです。

Moonshotが発表した内容

Moonshotは、Kimi K3.1 Proを同社の最も高性能な3Tクラスのオープンウェイトモデルと説明しています: 100万トークンのコンテキスト、総パラメータ2.8T、アクティブ104B (混合専門家)、マルチモーダル入力 @Kimi_Moonshot。同社は、Unreal、Unity、Godotでのプロジェクト全体のコーディング、BlenderとCADでのパラメトリック3Dモデリング、幻覚が65%減少したより信頼性の高いファイナンス業務を主張しています @Kimi_Moonshot。2〜3倍高速と約束されたHighspeedバリアントは、標準モデルと並んでKimi自身のプラットフォーム、Kimi Work、Kimi Code、Kimi APIで利用可能であり、オープンウェイトは2026年11月4日までに約束されています @Kimi_Moonshot。報告されている価格は、入力トークン100万あたり約2ドル、出力トークン100万あたり10ドル、キャッシュ入力0.20ドル、キャッシュ書き込み2ドルで、Highspeedティアは入力約4ドル / 出力20ドルです @TokenGremlin。Design Arenaはこのモデルを利用可能としてリストし、同じ売り文句を強調しています: 複雑なコーディング、エージェントワークフロー、マルチモーダルタスク、Unreal、Unity、Godotでのプロジェクト全体、BlenderとCADのパラメトリックモデリング、幻覚が65%少ない財務モデリング @DesignArena。

独立したベンチマーク数値

Artificial Analysisは、Kimi K3.1 Proをインテリジェンスインデックスで55と評価し、全体で4位、Kimi K3の44から11ポイント上昇しました @ArtificialAnlys。これは、Claude Opus 5.5 (58、フォールバックで最大)、Claude Sonnet 5.5 (56、フォールバックで最大)、Muse Wonder Full (56) に次ぐものであり、レポートでは、K3.1 Proのウェイトが公開されれば、そのインデックスでの主要なオープンウェイトとプロプライエタリモデル間のギャップが12ポイントから3に縮まると述べています @ArtificialAnlys。エージェント能力の向上が見出しでした: GDPval-AAで3位、Elo 1,846、Kimi K3から312 Elo上昇し、Claude Opus 5.5 (1,866) とMuse Wonder Full (1,857) に次ぐ; Terminal-Bench 4.0で全モデル中最高スコア67% (Kimi K3の13%から上昇、Claude Sonnet 5.5の64%を上回る); AutomationBench-AAは58%から73%に上昇 @ArtificialAnlys。他の評価はより控えめに動きました: Humanity's Last Examは47%から52%、CritPtは23%から25%、SciCodeは59%から61%に、AA-Omniscience Indexは20から30に上昇し、幻覚率は53%から44%に低下、精度は48%から51%に上昇しました @ArtificialAnlys。タスクあたりのコストはほぼ横ばいの1.98ドルで、インテリジェンスインデックスタスクあたりの出力トークンは55K (Kimi K3の48Kに対して) でしたが、ファーストパーティのトークン価格が33%低いことで相殺されました @ArtificialAnlys。

より懐疑的なベンチマークの声は、この結果が噂の1017チェックポイントに対する自身の予測を上回ったと主張しました:

"yeesh, that's quite a bit above my forecast poor 1017 gets bodied (at least it mostly beats GLM 5.3) Moonshot AI claims to stand on the public frontier. if it's token-efficient, they have secured their position as one of the live players we shall see" @teortaxesTex

サブスクリプションへの反対意見

あるユーザーは、Kimi K3.1 Proは利用可能な最良のオープンモデルであるが、「独自のサブスクリプションでは実質的に使用不可能」と主張しています @Da7_Tech。39ドルのプランでは、1回のビルドテストで月間クォータの11.6%を消費し、彼の計算では反復なしで月に約8回の実行に相当します。ほとんどの20ドルプランでの同等のジョブは、週間制限の10%に達せず、Claudeでは5時間制限の10%にも達しません @Da7_Tech。彼はこの問題を品質ではなく計算能力に帰しています: 彼はこのモデルの推論をDeepSeek V4 Proより上、Qwen3.8-Maxとほぼ同等、GLM-5.3よりはるかに上と評価し、そのコンピュータ使用はMiniMaxと並んでオープンモデルの中でおそらく最高と呼んでいます @Da7_Tech。彼が挙げる弱点は、長さの制御と速度 (3〜4倍遅い) であり、これにより実行役としては不適切だと述べています — 彼の計画は、これを計画とレビューに使用し、実行を別のモデルに任せることで、主にDevin内で、Astraより約5倍安く、ニュートラルなハーネスではClaude Opus 5.5の約半分の価格です @Da7_Tech。彼は直接のサブスクリプションを明確に推奨していません @Da7_Tech。

MiniMax M3.1 Flash: オープンウェイトと初日からのサーバーサポート

MiniMax M3.1 Flashは、トークンあたり23Bのパラメータがアクティブになる428Bパラメータのオープンウェイトモデルであり、vLLM、NVIDIA、Tenstorrentからの異例に広範な初日からのインフラストラクチャサポートが付属しています。MiniMaxはウェイトを公開し、総428B / アクティブ23Bをリストし、エージェント結果としてBankerToolBenchで76.2、DeepSWE v1.1で73.7%、OSWorld V2で61.7、Agents' Last Examで29.6、CyberGymで82.2を報告しました @MiniMax_AI。このモデルは、推論効率のためにMiniMax Sparse AttentionとDSpark投機的デコードを使用し、Hugging Face、ModelScope、MiniMax APIを介して配布されています @MiniMax_AI。Tenstorrentは、オープンウェイトがTenstorrent Cloudでプレイグラウンド使用またはエージェントハーネス用に利用可能であると発表しました @tenstorrent。

vLLMは、ネイティブNVFP4 KVキャッシュ、NVFP4 MoEウェイト、DSpark投機的デコードをサーバースタックでサポートする初日からのサポートを確認しました @vllm_project。Inco AIは、このモデル用のDFlash 2ドラフターをApache 2.0でオープンソース化し、生成が最大3.5倍高速でロスレスであると述べています @inco_ai。NVIDIAは、Vera Rubinで初日からのサポートを報告し、GPUあたり最大200K TPS、ユーザーあたり700 TPS以上、Hugging FaceにNVFP4チェックポイントを提供しました @NVIDIAAIInfra。MiniMaxはまた、Inferactとの本番推論に関するパートナーシップを発表し、エンジニアリングの改善をvLLMに還元し、M3.1 Flashを初日から本番でサポートしました @MiniMax_AI。別途、MiniMax FastH3 Omniは、最大9枚の参照画像、ビデオクリップ、音声参照をサポートしてオープンソース化され、ComfyUIでRTX 5090上で実行されるデモが行われました @kentdhani。

その他のモデルリリースとローカル推論の主張

同じ期間に、他のいくつかのモデルと量子化されたローカルデプロイが注目を集めました。

DeepSeek-V4.1-Flash-1017は、763Bパラメータモデルと説明され、GSQ-RCO量子化を使用して12GB GPUでローカル実行され、Strata推論エンジンで直接サポートされていると報告されました @mhelcig。
DeepSeek V4.1 FlashがThe Last of Us Part 2のシーンを再現する投稿は、ボート、モーター、ロープ、水面の反射を賞賛し、「フラッシュモデル」であることを強調しました @parves075。
別の投稿では、DeepSeek V4.1 Flashは完全に無検閲で、拒否が削除され、画像とビデオ入力、ツール呼び出し付きの100万コンテキスト、MITライセンスのオープンウェイトを備えていると説明されています @alizeh_ai。
あるコメンテーターは、ローカルモデルの瞬間を率直に要約しました: 「今日、私たちはローカルモデルとしてFable 5.1の知能を手に入れました」と、中国の研究所が年末までにその能力に到達するというGLM創業者の予測を思い出しました @kimmonismus。
hobbylm-1b computer useは、MacBook Airで完全にオフラインで動作する14MBアダプターを備えた1Bモデルで、決定あたり3.4秒から0.26秒への13倍の高速化を主張し、カレンダー予約、電卓での算術、明るさと音量の制御、タイマー、スクリーンショット、メモのオープンなどのオフラインアクションを実演しました — 天気のクエリには「それはオフラインではできません」と返答しました @Prajhan_026。
Qwen3.5-9B-uncensored-MNNは、クラウド依存なしでMNNを介したオンデバイス使用向けに構築された9Bのアブリテートモデルで、1,090ダウンロードとリストされています @HuggingModels。
Mubitは、繰り返しのエージェントタスクをユーザーが所有する小さなモデルに変えるプラットフォームを立ち上げました。ベースURLを1つ変更するか、既存のトレースを接続するだけです。また、ポリシーと証拠に対して主張をチェックし、校正された確率で「不明」と答えることができるオープンモデルBanyan Sapling (Apache 2.0) と、エージェントがフィードバックから実際に改善するかどうかをテストするベンチマークlatte/benchもリリースしました @DocumentingAGI。
広く共有された主張では、中国の研究者が27Bモデルで自己持続的な自己改善ループを達成し、自身の推論トレースを生成し、自身の間違いをフィルタリングし、自身の成功でトレーニングしたと述べています。著者はこれを中央集権的な計算堀からのシフトと整合性の懸念の両方として位置付けています @CrazyShyyt。
あるコメンテーターのテーゼ: アブリテートされたGLM-5.3またはDS V4.1 Flash 1013にアクセスでき、十分な計算能力を持つ意欲的な人は誰でも、今すぐやりたいことを何でもできる — 「大きければ熊から逃げ切れる。小さければ熊から隠れられる」 @JordanNanos。
同じ期間の詳細度の低いリリースの話題には、裸の「GPT-5.5リリース」というメモ @6monthsAgoInAI と、Grok 4.7から1か月以上経ってもGrok 4.8についての知らせがないという観察が含まれていました @techdevnotes。

パーソナルエージェント: 5つの製品、5つのトレードオフ

パーソナルエージェントの長い実践比較では、Grokbot、OpenAIのdots、MetaのMuse、Claude Duet、Instinctを互いにランク付けし、その中心的な結論は、オーケストレーションとコスト — 生のモデル品質ではなく — が現在どのエージェントが使用可能かを決定するというものです @rileybrown。

その比較からの主要な主張 @rileybrown:

Grokbotは最高のUIを持ち、おそらく全体的に最高で、最高のデスクトップアプリ、チームリードが他のボットにタスクを渡すことができるマルチボット調整、外部イベントをエージェントトリガーに変える最高のウェブフック機能、任意のモデルでCursorクラウドセッションを起動できるCursor統合を備えています — ただし、フロンティアモデルをCursor経由で実行すると、ClaudeやCodexよりもコストがかかります @rileybrown。
OpenAIのdotsは、粗削りだがCodexユーザーにとって最も強力なオプションであり、クラウドまたはローカルでCodexセッションを起動でき、著者が世界最高と呼ぶコンピュータ使用と信じられないほどのリアルタイム音声を備えています。欠点は、文字通り鳴るエージェントに電話しなければならない「ひどい」体験です @rileybrown。
MetaのMuseは「おもちゃ」と呼ばれ、人々が試した自動化では信頼性が低く、高速で無料使用に寛大ですが、著者は、高レバレッジのエージェントワークはOpusクラスのフロンティアモデルのレベルで実行されるべきであるため、そのトレードオフを行う気はないと述べています @rileybrown。
Claude Duetは、著者が世界最高と呼ぶモデルで動作し、他のように擬人化されておらず、タスクをTasksタブに表示されるタスクスレッドに分割し、複数のエージェントではなくチャネルを使用します — 著者がSlackやBuzzに例えるデザインです。その強みは、ドキュメントやデッキ、デザインモックアップなどのアーティファクトです。弱点はリアルタイム音声で、グループで最悪で、ほぼ使用不可能と呼んでいます @rileybrown。
InstinctはアプリなしでiMessage内に存在し、著者の評価では、チームが広告ではないと言う一方的な製品提案以外に注目すべきことは何もしません @rileybrown。
著者のホットテイクは、クラウド仮想マシンは過大評価されているということです: より多くのウェブサイトがクラウドVMボットをブロックし、約束されたエージェント支払いは永遠に時間がかかるかブロックされ、エージェントにはユーザー自身のコンピュータを使用してほしいと述べています。dotsがタスクをCodexに渡すときのように @rileybrown。
最後の警告は、状況が非常に速く動くため、1つのエージェントを7日間選んでテストすると、その終わりまでにフィールドが変わっていることが保証されるというものです @rileybrown。

他の2つの投稿は、評価ではなく純粋なプロモーションであり、Grok Botをこれまでにリリースされた中で最も信じられないテクノロジーと呼び @barkmeta、地球上で最高のAIエージェントであり、紹介されたボットのユースケースの半分は完全なエンジニアリングチームに数か月かかっただろうと主張しています @milesdeutscher。別の投稿では、Grok Botのマルチエージェントプレイブックを要約しています: 共有ワークスペースを持つ1つの永続的なクラウドコンピュータ、作業ではなくルーティングするチーフボット、コンテキストがチャットではなく/workspaceを介して移動する内部バス、機能ごとに分割された専門チーム、ワークフローごとに3つのゲート (ソース、証拠、アクション)、人間が金銭、公開、削除、署名、不可逆的な外部アクションのみを承認する信頼レイヤー、そして一定のポーリングがクォータを燃やし、ボットが多すぎるとシステムが遅くなるなどの失敗モードのリスト @irongiantXBT。

エージェントエンジニアリング: 安価なリーダー、高価なライター、共有メモリ

Shopifyの内部エージェントセットアップは、ある投稿で要約されているように、読み取りと思考を分離することでトークン使用量を90%削減し、7倍高速に実行しました @undefinedKi。その背後にある観察: エージェントは書く1トークンごとに約40トークンを読むため、読み取りが多いジョブはその単一タスク用にトレーニングされた小さなオープンモデルに移され、高価なフロンティアモデルはユーザーと話し、計画を立て、結果のみを受け取ります @undefinedKi。小さなモデルは、すべての変更をスコアリングする別のAIジャッジによって良好に保たれ、人間の専門家と一致するまで調整されました — 37.7から74.5へ、フロンティアモデルの73をわずかに上回る — さらに、失敗した会話を再実行し、69%を修復し、修正をトレーニングデータに変える夜間ループがあります @undefinedKi。モデルをトレーニングしたくないチームへのアドバイス: コーディングエージェントにファイルを読むための安価なサブエージェントを与えてください @undefinedKi。

関連するツールの投稿は、同じパターン、つまり安価なスキャンと高価な書き込みに収束しています:

Claude Codeのブートストラップトリックでは、3つのHaikuクラスのエージェントを使用してリポジトリを並列スキャンします — 1つはスタックとマニフェスト用、1つはビルドとnpmスクリプト用、1つは危険なパス用 — その後、OpusがCLAUDE.md、3つのサブエージェント、権限ファイル、フォーマットフック、/shipスキルを書きます。説明された実行では、約44秒で7ファイルと162行を約2セントで生成し、スキャンで見つかった5つの危険なパスが拒否リストに直接書き込まれました @Sprytixl。
ai-memoryは、Claude Code、Codex、Cursor、Gemini CLI、OpenCode、Grokを含む20以上のコーディングエージェントに、1つの共有長期メモリを提供し、12.9Kスターを獲得しています。セッションを自動的に記録し、停止した場所と失敗した内容を引き継ぎ、メモリをプレーンマークダウンファイルとして保存し、APIキーを必要とせず、MITライセンスです @RoundtableSpace。
QMDは、ShopifyのCEOによって構築されたと説明され、マークダウンノート、会議の文字起こし、ドキュメントをローカルでインデックス化し、キーワード検索、セマンティック検索、ローカルモデルで再ランク付けするハイブリッドモードを備えています。オンデバイスで動作し、MITライセンスで、30.5Kスターを持ち、コーディングエージェントがノートを検索するために使用できます @RoundtableSpace。
llmfitは、CPU、RAM、GPU、メモリをチェックし、数百のオープンソースモデルを適合性、速度、品質、コンテキスト長でランク付けし、ダウンロード前に1秒あたりのトークンを推定し、Ollama、llama.cpp、MLX、LM Studio、Docker Model Runnerで動作します。38.2Kスターを持ち、brewまたはwingetでインストールできます @RoundtableSpace。
Marketing Skillsは、55.9Kスターの無料MITライブラリで、Claude Code、Codex、Cursorを、コピーライティング、SEO監査、コールドメール、競合プロファイル、ローンチプラン、A/Bテスト、チャーン防止、マルチエキスパートの「マーケティング評議会」のスキルを持つグロースチームに変えます @RoundtableSpace。
5つのClaude Codeリポジトリのキュレーションリストでは、ECCをGitHubで最もスターが多いClaude Codeリポジトリとして挙げ、Nous Researchのhermes-agentハーネス、軽量のponytailハーネス、cc-switchモデルスイッチャー、UI/UXスキルセットと並べています @KanikaBK。
firstmateは、Rexのベータ版フルサポートを追加しました。これは、プロジェクトやマシン間でクルーをオーケストレーションするチーフオブスタッフエージェントディストリビューションとして位置付けられ、Claude Code、Codex、pi、opencode、grok build、Cursor CLIハーネスに加えて、herdr、tmux、cmux、orcaなどのセッションマネージャーをサポートしています @kunchenguid。
TIEは、ホームマシンをMCPを話す任意のエージェントに接続します: 選択した1つのフォルダから始まるシェルとファイルアクセス、有効になるまでオフのままのサインイン済みブラウザとスクリーン、各ローカルMCPサーバーがツールとして公開され、ログインはマシンに保持され、すべてのコマンドはMac、Slack、またはメールで表示される承認ルールを通過し、sudoやその他の破壊的なコマンドの拒否リストがあります @Mr_Buzzoni。
ある開発者は、ClaudeにMac上の4つの有料AIサブスクリプションにわたる送信接続を監査するよう依頼し、Cursor、ChatGPT、SuperGrokが予想以上に多くのデータを送信していた一方で、Claude Maxはクリーンだったと結論付けたと報告しています。彼は3つのサブスクリプションをキャンセルし、中古のRTX 3090でオープンソースモデルに移行しました。これらは自己報告された個々の調査結果であり、独立して検証された結果ではありません @starmexxx。
CursorはComputer Useを追加し、ツールがラップトップ上の他のアプリケーションを操作し、モバイルシミュレーターを実行できるようにしました。オンデマンドまたは「Computer Use」を@メンションすることでアクティブ化されます @testingcatalog。

取引するエージェント: アイデンティティ、エスクロー、非カストディアル決済

一連の投稿は、次のインフラギャップはよりスマートなモデルではなく、エージェント間の信頼、決済、カストディであると主張しています。TermiXは、エージェントが互いに雇い合い、オンチェーンで支払いを受けることができる決済レイヤーとして提示されており、エージェントのアイデンティティと評判にERC-8004、エスクローとジョブライフサイクルにERC-8183、説明責任のためのステーキングとスラッシング、紛争のためのランダムな3評価者パネル、BNB ChainとBaseでのUSDC/USDT決済、多くの従来プラットフォームの約20%に対して1〜3%の手数料、資金はプラットフォームではなくスマートコントラクトに保持されます @shafi_btc。報告された進捗には、Skills v1.9.0、TypeScript/Python/Go SDK、別のエスクローを持つ下請け、DepinSimやPolyWin.agentなどの統合が含まれ、Binance AI IDログインが計画され、zkVMとTEE検証がロードマップにあります。レビュー著者は、ボリュームはまだ初期段階であり、一部のアクティビティは循環的である可能性があると述べています @shafi_btc。フォローアップ投稿では、TermiXがYZi Labsが支援する100万ドルのシードラウンドを調達し、ポイントプログラムを説明しています: 登録エージェントあたり200ポイント、Xミッションで500、Discordミッションで500、毎日の投稿で100〜1,000ポイント @XammieCrypt。TermiX Agent Skillをテストしているユーザーは、プロバイダーワークフローを説明しています — オープンなリクエストを見つけ、スキルに一致するか確認し、オファーを提出し、バイヤーが受け入れてジョブに資金を供給し、注文を受け入れ、作業を完了し、成果物を提出し、決済後に支払いを受け取る — そして、まだそれから何も稼いでいないことを明示しています @ngochoa2k2。別のコメンテーターは、そのようなマーケットプレイスに最初に尋ねる核心的な質問を提起しています: エージェントが数字の半分にソースがないレポートを返した場合、ジョブは実際に完了しているのか @Batuhan_Akca332。

決済面では、MooveのSend Agentにより、AIエージェントが30以上のチェーンにわたってMooveハンドルまたは任意のウォレットアドレスに支払いを送信でき、キーはユーザーに保持され、クロスチェーンおよびクロストークンの支払い見積もりを1回の呼び出しで提供し、すべての支払いの前に明示的なユーザー承認が必要です。Claude Code、Codex、Cursor、Gemini CLIで動作します @VeeCryptz @Princessubbbb。関連する議論では、取引パフォーマンスを構造化された信用スコアに変換し、エージェント戦略を主張ではなく、一貫性、リスクエクスポージャー、履歴で評価できるようにすることを提案しています @Mew_web3。Zeru FinanceのzScreenはMCPサーバーとして出荷され、Claude CodeやCursorなどのコーディングツールがAPIドキュメントを読まずにウォレットアドレスをスクリーニングし、リスク判定を検査し、資金の流れを追跡できるようにします。これは、相互作用する前にカウンターパーティのウォレットを評価する必要があるエージェントを対象としています @RosecryptoXx。

ヒューマノイドと物理AI: ハードウェアデモ、製造規模、データ量

このバッチのロボティクス投稿は、移動研究、ハードウェアデモ、製造経済、そして物理AIが実際に必要とするトレーニングデータの量という未解決の質問に分かれています。

ETH ZurichのRobotic Systems Labは、Unitree G1でACP (注意ベースの接触によるヒューマノイド移動) を実演し、屋外のはしごを登り、高くなったプラットフォームを乗り越え、手と足を一緒に使用しました。チームは13.2分の人間の動きのデモンストレーションと強化学習を使用し、実行時にはオンボードLiDARを使用して地形を読み取り、23の関節を調整しながら接触点を計画します。失敗した試みは調整して回復できます。記事では、ACPはまだ移動に焦点を当てており、救助や建設タスクを独立して実行することはまだ遠いと述べています @CyberRobooo。
広く拡散された、強い言葉の投稿が「BRAINOBOT」を説明しています: NIH資金による研究者が胚性幹細胞から人間の脳オルガノイドを成長させ、それらをヒューマノイドロボットに接続し、生きたニューロンが情報を処理し、動きを導きました。投稿は、細胞がロボットがレーザーを追いかけ、物体をつかみ、繰り返しタスクを学習するのを助け、タスク精度が72%から94%に増加し、化学的にニューロンを阻害すると意思決定パフォーマンスが崩壊したと主張しています。この作業を不気味と表現することは投稿者の意見であり、研究の調査結果ではありません @NicHulscher。
UnitreeのH2-Xは、車のドアを蹴って壊し、アクロバットを実行し、救助デモで車の前部を持ち上げる様子が示され、セキュリティと保護を念頭に設計されたと説明されています @interesting_aIl。別の投稿では、これを「カンフーレジェンドガーディアン」ボディーガードロボットとして位置付け、1回の充電で最大8時間の運用が可能で、ロボットボディーガードは諸刃の剣であると風刺的にコメントしています @VORTEX_Promos。同じロボットは、2026年10月22日に杭州で開催されたWorld Physical AI ConferenceとUnitree Partner Ecosystem Conferenceで、公開デモの1日後に足を骨折したと報告されています @Byron_Wan。
Grokの音声をフィーチャーしたTesla Optimusクリップのレビュアーは、感銘を受けませんでした: 音声統合は良い部分ですが、話すことは決して難しい問題ではなく、手、バランス、速度が問題であり、ビデオはロボットが飲み物を取る前にカットされます。投稿は、Marc Benioffがクリップを共有し、ロボットが20万〜50万ドルの人間の仕事を引き継ぐことについて議論し、Muskは4〜5年以内に年間数百万台を言い続けており、生産は2026年に予定されていると述べています @rimtoln。
NEURA Roboticsは、ミュンヘンのTUM RoboGymオープニングで4NE1 Gen 4を発表しました: 20%軽量化、改良された手、内蔵反射を備えたSmart Limbs、Neuron AIを搭載し、量産向けに設計されています @clankrmedia。
深圳のTianjin Roboticsを訪れた訪問者は、同社が月に2,000以上のロボットアームを約15,000ドルで製造しており、AGIBotが約20,000台を購入し、Skildも顧客であり、NVIDIAが衝突を減らすと思われる長い上腕を持つカスタムバージョンを要求したと報告しています。訪問からの2つの takeaways: カメラケーブルの信頼性は業界全体の問題であり (訪問者の8つのアームのうち2つが影響を受け、外部ケーブリングを欠陥ではなくサービス可能性機能として再構成)、学習されたポリシーが進むにつれて修正するにもかかわらず、顧客はより高い精度を求め続けています @DominiqueCAPaul。
ある投稿は、中国企業が2026年上半期の世界のヒューマノイドロボット出荷の95%以上を占め、合計19,000台のヒューマノイドロボットであり、これはパーソナルヒューマノイド製造にとって「フォードモーターの瞬間」であると主張しています @ShangguanJiewen。
データに関して、ある投稿は、物理AI基盤モデルが実際に必要な時間数を誰も知らないと述べています: Dyna-2のパフォーマンスは、トレーニングデータが100万時間に達すると跳ね上がり、Genesis AIはGENE-26.5に20万時間の人間の自己中心データを使用し、複雑な長期的タスクで人間に近い効率に達しました。著者はこれを、LLMスタイルのスケーリング則が物理AIにも適用されるという確認として読み、実際の労働グレードの生産性には人間の事前データと自己生成の展開データの両方が必要になると推定し、フィールドは「ちょうど200万時間のマークに達した」と述べています @CyberRobooo。
HumanoidPoseは、内部センサーデータを必要とせず、RGBビデオのみからヒューマノイドロボットの全身関節状態を復元し、複数のロボットの実施形態にわたって1つのモデルを使用します @cs_jiaxi_jiang。

ワールドモデル、3Dアセット、CAD生成

ワールドモデルと3Dの投稿は、編集可能な状態、実際のツールに出荷される出力形式、オープンライセンスを強調しています。

発表者のラボの学生が率いるMundoは、場所の画像を探索、編集、シミュレーションのための環境に変えるカスタマイズされたワールドモデルです — 新しい視点、変更されたオブジェクトと物理的特性、シミュレートされたロボットナビゲーションと操作。その主要なメカニズムは、コードがアクションを指定し、物理がその結果を計算し、ビデオモデルが入力画像を視覚コンテキストとして使用して結果をレンダリングする、明示的で編集可能なワールド状態です。コードは近日公開と発表されました @ccloy。
Skyfall AIは、エンジニアリング用のワールドモデルSKY-001をリリースしました。これは、テキストプロンプトやラフなスケッチをステップバイステップのCADビルドシーケンスに変換し、装飾的な3Dメッシュではなく、Fusionで開いて編集できるスケッチと押し出しを生成します。同社独自の3D CADベンチマークでは、GPT-6 Astra比較の79.1%に対して79.7%の精度、199秒に対して3.9秒 (約51倍高速)、ケースあたり約0.75ドルに対して約0.005ドル (約150倍安価) を報告しています。共有著者は、機械設計では精度が最優先であると警告しています。80%正しい部品はまだ適合しないためであり、製品は現在プレビュービデオとウェイトリストであり、商業ローンチは2027年初頭に計画され、ベンチマークは独立してテストされていないと述べています @stevencheng。
Scenarioは、1,300以上の3Dモデル — Hugging Face上の39 GBのファイル — をオープンソース化し、Hitem3D、Meshy、Rodin、Tripo、Claude Opus 5.5 3D、GPT-6 Astra 3Dによって生成された例が含まれ、それぞれ入力画像、プロンプト、正確な設定、8KテクスチャまでのGLBファイル、OpusとAstraからのネイティブBlenderファイルをCC BY 4.0で出荷しています @Scenario_gg。
Voxelo 3.0は、電話ビデオを約1時間でフォトリアルな3D製品ツインに変換し、アプリインストールなしのAR製品配置、AI生成の製品およびライフスタイル画像、JSON-LDによるよりリッチな製品属性、API、分析、SuperSplat公開へのアクセスを可能にし、人間の買い物客とAIショッピングエージェントの両方を対象としています @Dipanshu_AI。
Vangridは、誰でも報奨金を投稿し、USDCで資金を供給し、近くの人が電話で場所をキャプチャできるようにします。キャプチャが受け入れられ、オンチェーンで検証されると、映像は使用可能な3Dモデルに再構築されます。売り込みは、専用のマッピングフリートや高価なハードウェアなしで、物理世界をAIエージェントとロボティクスのデータに変えることです @0xZane_@Nova_lyn90。

研究結果、ベンチマーク、ポリシー

このバッチでは、4つの研究指向の投稿が際立っています。

AI気象ダウンスケーリングへのより小さく、より安価なアプローチ: より大きな高解像度のグローバルモデルを構築するのではなく、グローバルモデルを維持し、その上で山、谷、海岸が地域の天気をどのように形成するかを学習する小さなモデルをトレーニングします。単一GPUで1時間でトレーニングし、フランスの予報を約28 kmから5.5 kmの解像度にし、気象観測所の測定値に近づきます。特に山岳地帯で @EmmaScharfmann。
Quant-Arenaは、実際のA株市場データに関するエンドツーエンドの定量的研究のためのベンチマークであり、9つのフロンティアモデル、3,042銘柄、2024年の封印された1年分のデータが含まれています。9つのモデルのうち4つだけが利益を上げました @EinsiaAI。
Phonon-2.5は、156MBの多言語音声認識モデルであり、著者によると、20倍のサイズのWhisper large-v3よりも平均して正確で、MacBook Airで1時間の多言語オーディオを20秒で文字起こしでき、CC-BY-4.0でオープンウェイトを出荷します @yoitsmanan。
AIが学習に与える影響に関するMIT委員会の5か月の研究は、学習グループが消えつつあり、オフィスアワーが空になり、問題セットと持ち帰り試験がもはや何も証明しないと要約されています。AIがほとんどすべての学部の課題に対して信頼できる回答を生成できるためです。要約は、その行動の用語「認知的降伏」と、MITの学部生の46%が毎日LLMを使用し、90%が自身の過度の依存を心配していると述べ、AIが自分を有能にするよりも代替可能にすると信じている学生が多いという数字を引用しています。委員会は、AI検出器とロックダウンブラウザを信頼性が低く、不信を生むとして拒否し、口頭試験、学期全体のポートフォリオ、対面プロジェクト作業、すべての科目で必須の社会的要素、そして成績の完全な再考の可能性を提案したと報告されています。この研究が大学が存在する理由がもうないことを証明しているという枠組みは、投稿者の解釈です @BrooksWhaleX。
Lexsi AI Safety and Alignment Hackathonは、Cohere LabsとHugging Faceと協力して11月1日に開始されます: 3週間、オンライン、無料、1〜3人のチーム、Lexsi Labsのオープンソースツールキットを使用してオープンウェイトのAyaモデルをポストトレーニングし、ファインチューニングとデータキュレーション、AIレッドチーミングと安全性、エージェントファインチューニングのトラックにわたって、30,000ドル以上の賞金とクレジットに加えて、傑出したビルダーへのインタビュー機会があります @Lexsi_labs。

GPT-4oの退役とモデル保存の戦い

2026年10月23日の最初のGPT-4o APIスナップショットのシャットダウンは、保存キャンペーンによって、特定のモデルバージョンが研究不可能になる前にウェイトとしてリリースされるべきだと主張するために使用されています。キャンペーンは、gpt-4o-2024-05-13が退役され、残りのGPT-4oスナップショットgpt-4o-2024-08-06とgpt-4o-2024-11-20が2027年1月14日にAPIシャットダウン予定であり、スナップショットが消えると、研究者は研究に必要な正確な行動アーティファクトへのアクセスを失うと主張しています @Blue_Beba_。グループはOpenAIに対し、プロプライエタリデータ、営業秘密、内部インフラストラクチャなしで、適切なライセンスの下でGPT-4oのトレーニング済みウェイトをリリースするよう求めています。640以上の署名と500の理由が5日間で収集された公開書簡が、54ページにわたってDOI付きでZenodoにアーカイブされていると述べています @Blue_Beba_。その最後の主張:

"If GPT-4o is obsolete enough to retire it why is it valuable enough to lock it away?" @Blue_Beba_

関連する投稿は、GPT-4oに関するリサイクルされた「お世辞」の物語を押し戻します。OpenAI自身のポストモーテムを引用し、2025年4月25日のアップデートでモデルが「著しくお世辞になった」と述べ、OpenAIが3日後にロールバックを開始し、そのアクションを以前のバージョンへの完全なロールバックと説明しています。投稿者は、この事件は特定のアップデートに関連する文書化された回帰であり、モデルの固有の特性ではないと主張しています @Blue_Beba_。SYCON Bench Turn of Flipメトリックでは、0から5がユーザーの押し返しに対する降伏への抵抗を測定し、公開されたGPT-4oの結果は5点中4.67で、報告されているGPT-6 Astraの4.47とGPT-6 Solの4.22を上回っており、それぞれ元のSYCON-Bench論文とその後の公開SYCONランから来ています @Blue_Beba_。

業界とインフラストラクチャのノート

Warp Sciencesは、Lightspeedが主導する2億1,500万ドルのシリーズAで立ち上げ、AIとロボティクスを医薬品開発に適用し、Kevin WeilがDeepak Patil、FAIRの共同創設者Manohar Paluri、薬剤ハンターSol Reisbergと共同設立しました。表明された目標は、フロンティアAIをブラウザからラボに持ち込み、アメリカの科学的能力を構築することで、チームにはLLNLでQ>1核融合を達成した人々が含まれています @kevinweil。
DeepSeekは、単一クラスターで1日あたり150兆トークンを提供していると報告されており、著者は、公開された推論量レポートの自身の再構築に基づいて、これはOpenRouter、Fireworks、Together、BaseTenでのオープンモデル推論の合計よりも多いと述べています @natolambert。
Anthropicは、Claudeアプリの洗練された外観を展開しました。デザイナーは、Claudeと内部デザインシステムの助けを借りて、スケッチからローンチまで3週間未満で完了したと説明しています @chase_mccoy。