AI＆フロンティアテック・ラウンドアップ：DeepSeek V4.1 Flash、SpaceXのスーパーインテリジェンス四半期、そしてロボティクスのデータ層

この一連の投稿に共通するテーマは、オープンウェイトモデルとエージェントインフラが急速に収束していることだ。DeepSeekのV4.1 Flashとそのオープンソース化されたサービングスタックが最も技術的な注目を集め、SpaceXは「スーパーインテリジェンス」コンピュート事業が現在最大のセグメントであると報告し、エージェントとロボットの真のボトルネックは、モデルの品質そのものではなく、データ、評価、オーケストレーションであると主張する投稿が相次いだ。

DeepSeek V4.1 Flashとオープンモデルの急増

DeepSeekのV4.1 Flash 1017は、このバッチで最も話題になったモデルであり、推論速度、量子化、最先端プロプライエタリモデルとのベンチマーク比較に関する投稿が寄せられた。

  • Fireworksは、DeepSeek V4.1 Flash 1017がUltrafastサービス上で毎秒1,521トークン以上で動作し、Claude Opus 5.5より7倍高速であると報告した @FireworksAI_HQ。RunAnywhereは、同じモデルがWallyランタイム上で毎秒615トークン以上で動作すると述べた @RunAnywhereAI。
  • Bloombergは、DeepSeekがAIモデルを大規模に実行するために使用するソフトウェアを公開しつつあり、これにより企業がその技術をより安価かつ容易に実行できるようになる可能性があると報じた @business。
  • Vals AIは、DeepSeek V4.1 Flash 1017が、シミュレートされた企業ネットワーク上に構築されたベンチマークである多段階の攻撃的サイバーセキュリティタスクでGPT 6 Solを上回ったと述べた。Vals AIは、SolはDaybreakトラステッドアクセスプログラムを通じてテストされ、完全な評価は数週間以内に公開されると述べた @ValsAI。
  • Cruzという量子化開発者は、DeepSeek V4.1 Flash 1017の1.62ビット/ウェイト（bpw）量子化をリリースし、9つのスイートにわたる353の一致するベンチマーク質問で、2つの高精度・2-Spark量子化を上回ったと報告した。1台のDGX Sparkで94.1%（332/353）、2台のDGX Sparkでの2.8 bpw量子化では90.1%、2.9 bpw量子化では88.4%だった。同じ投稿では、128GBのDGX Spark 1台で518,103トークンのプロンプトを使用した検索テストが成功し、最初のトークンまで約7.8分、その深さでのデコード速度は毎秒25.6トークンだったと報告された @ViC305。
  • MiniMaxは、M3.1 Flashモデルが検索機能の効率性リーダーボードで現在1位であると述べた @MiniMax_AI。別の比較投稿では、同じ生成コーディングタスクで4つのモデルを計測し、MiniMax M3.1 Flashは43分54秒・0.62ドル、DeepSeek V4.1 Flashは1時間9分22秒・0.51ドル、Haiku 5.5は30分23秒・0.65ドル、GPT-6 Lunaは17分40秒・0.14ドルだったと報告された @noclipepe。アニメーションタスクでのDeepSeek V4.1 Flash-1017とOpus 5.5の別の比較では、Flash-1017はV4.1 Flashから明確にステップアップしている一方、Opus 5.5は依然として最もリッチなシーンを生成すると結論付けられた @pipeline_os。
  • あるユーザーは、完全にローカルハードウェア上でDeepSeek、Maya、GLM Flash 5.3、Strata、IQS_3、Qwen 3.8 27B FP8のローカル対決を実行したと報告した @loktar00。別の投稿では、DeepSeek V4.1 Proが登場間近であるとほのめかした @yangyang_2048。
  • いくつかの投稿は測定ではなく意見だった。ある投稿者は、GLMとKimiは「DeepSeekと比較するとかなり見劣りする」と主張し @LindaGreyHill、別の投稿者はDeepSeekが「Claudeに涎を垂らしているGrokを挑発している」と冗談を言い @LindaGreyHill、さらに別の投稿者はAnthropicがDeepSeekがアーキテクチャをオープンソース化するのを待ってからそれを再利用していると非難した。これは投稿者自身の意見であり、検証された事実ではないとされた @LindaGreyHill。

SpaceX 2026年第3四半期：スーパーインテリジェンスが最大の事業に

Grok Botが生成したSpaceXの2026年第3四半期決算ウェブキャストの要約と、株主の要点スレッドによると、SpaceXのAIコンピュートセグメントは最大の収益ラインになったと報告された @cb_doge@Teslaconomics。

決算説明会から報告された主要数字：売上高146億ドル（前年同期比161%増、前年は56億ドル）、純利益44億ドル（前年は11億ドルの損失）、調整後EBITDA 88億ドル（306%増）、9月30日時点の受注残630億ドル（うち約420億ドルが1年以内に収益認識される見込み）@cb_doge@Teslaconomics。

四半期のセグメント別内訳：スーパーインテリジェンス収益76億ドル、コネクティビティ収益52億ドル、宇宙収益18億ドル。スーパーインテリジェンスのうち、70億ドルはAI製品とインフラによるもので、Cursorからの6億800万ドル（買収は四半期中頃に完了）を含む。Cursorを除いても、このラインは前期比192%成長した @cb_doge@Teslaconomics。

決算説明会から報告されたコンピュート容量と支出額：第3四半期末の定格コンピュート容量1.7 GW、10月末までに約2.2 GW、年末までに2.5〜3 GWを目標とし、イーロン・マスクは2027年中に10 GWを追加して合計約13 GWにするとかなり確信していると述べた。設備投資は第3四半期に196億ドル、第4四半期のガイダンスは350〜400億ドル。2027年第1四半期の売上高ガイダンスは330〜370億ドルで、マスクは2027年末までの年間経常収益を「5,000億〜1兆ドルの間」と示唆した @cb_doge@Teslaconomics。

Grok Botの決算説明会からの数字：8月にローンチし、10月初旬までに週間有料ユーザー80万人を達成、月間で2倍以上に増加し、企業が最も成長している顧客グループである @cb_doge@Teslaconomics。

決算説明会から報告されたその他の項目：ブースターとシップの両方をキャッチする計画のFlight 15、2027年初頭を目標とした軌道上での燃料補給試験、2027年上半期を目標とした毎週のStarship飛行、平均月間収益ユーザー単価69ドルのStarlinkホーム顧客1,360万人、Starlink Mobile月間ユーザー2,200万人、そしてSpaceXとTeslaがそれぞれ独立取締役による特別委員会を設置し、潜在的な合併について協議していること（条件は合意されておらず、マスクは利益相反のため参加していない）が確認された @cb_doge@Teslaconomics。

別途、AI Engineer New Yorkカンファレンスの講演概要では、SpaceX AIのJed Katzが、よりスマートなモデルによってCursorがプロンプトとガードレールを削除できる理由と、Grok Botがそれらを再び追加している理由を説明すると述べられた @aiDotEngineer。あるユーザーは、新しいバンドルされたGrok/Cursorサブスクリプションを「絶対にひどい制限」と批判し、Grokの使用制限は実際の作業には低すぎて使えず、SpaceXがOpus 5.5レベルのモデルを出すまでGrokを使う理由はほとんどないと述べた @dobroslav_dev。

パーソナルエージェントとGrok Botエコシステム

Peter Yangは、4つのパーソナルエージェントの最新レビューを公開した。彼はGrok Botを、最も理解しやすいボットチームモデル、リサーチのための無料のXアクセス、優れたボイスモードとPagesを持つとして最高評価としたが、メール機能は実際には機能しないと述べた。Museは無料で最高の消費者向けUXと最高のビジネス向け通話を持つとし、Claude Duetは初期状態で最もプロアクティブであり、おそらく最も優れた基盤モデルだが、リサーチプレビューでのブラウザ制御などの機能が欠けているとし、ChatGPT DotsはChatGPT内で動作し、クラウドとローカルのスレッドを駆動できるため有用だが、まだバグが多く音声接続が遅いと述べた @petergyang。

Riley Brownは、CodexとClaude Codeの間で作業を分割し、約45分間の朝の会話に音声「ドット」を使用してメール、指示、計画を処理し、Claude Codeプロジェクトをコーディング、ドキュメント、ビデオ作業のコーディネーターとして使用していると説明した。彼は、両方ともTwitter関連タスクをGrok Botスキルに委任できるが、どのモデルが使用されているかが見えないため、それを避けていると述べた @rileybrown。

プロモーション投稿では、営業、エンジニアリング、デザイン、マーケティング、オペレーションにわたる54の既製のGrok Botセットアップがリストされ、これらはGrok Botチームによって構築・テストされているため、ゼロから構築するよりも迅速に採用できると主張された @ScottyBeamIO。

Nous Researchは、Jensen HuangのGTC Berlin 2026基調講演を締めくくったHermes Agentデモについて説明した。そこでは、Hermesが1つのプロンプトでインストールおよび設定され、その後、Hugging Face Microduckロボット用のシミュレートされたトレーニング環境を構築し、障害物コースを計画し、何千ものシミュレートされたアヒルをトレーニングしてから、検証されたポリシーを実際のハードウェアで実行した。Nousは、オープンソースは哲学的な理想であると同時に実用的なツールであるという立場を中心にデモを構成した @NousResearch。

エージェントインフラ：ハーネス、メモリ、オーケストレーション

繰り返し出てきたテーマは、エージェントの能力は、モデル自体よりも、スキャフォールディング、メモリ、ツールによってますます制限されるようになっているということだ。

  • Nikita Bierは、脅威は人間を陥れる暴走AIエージェントではなく、AIを使って他の人間を傷つける人間であると主張した @nikitabier。
  • ある投稿では、36カテゴリにわたる300以上のAIエージェントプロジェクトをマッピングしたGitHubリポジトリを推奨し、コードとしてエージェントを書くためのDSPy、セマンティックコード編集のためのSerena、ブラウザ自動化のためのStagehand、サンドボックスブラウジングのためのSteel Browser、小規模モデルでの永続メモリのためのCognee、作業コンテキスト記録のためのScreenpipe、コードファーストのエージェントチームのためのGoogleのADK、トレーシングと評価のためのOpikなど、具体的な選択肢を挙げた。投稿は、AutoGenがリストに含まれているものの、Microsoftは現在新規ユーザーにその後継であるMicrosoft Agent Frameworkを指していると警告した @thegreatest_sv。
  • ある投稿では、最初のエージェント、短期/永続/長期メモリ、エージェントループ、MCP対API、マルチエージェントシステムをカバーする、エージェント工学に関する無料の1時間のGoogleコースが紹介された @DAIEvolutionHub。
  • ある投稿では、エージェントが自身の過ち、避けるべきパターン、より良いアプローチを更新し、新しいタスクの前に読む「AGENT_LEARNINGS.md」ファイルについて説明し、このパターンを「外部メモリスキャフォールディング」と呼んだ @swadeshkumar_。
  • 別の投稿では、ClaudeでパーソナルAIアシスタントを構築するための7段階のアプローチを概説した：役割を定義し、コンテキストを与え、マスタープロンプトを書き、Projectsを使用し、ツールを接続し、ワークフローを自動化し、重要なアクションには人間の承認を保持する @Origin_AI_01。
  • Niall McCormackは、WebMCPがChatGPT DesktopのMCP Appsで有効になったと発表し、OpenAIがWebMCPをエージェントがMCP Appsとやり取りするデフォルトの方法にするために協力していると述べた @ndmccormack。
  • Robert Scobleは、Claude Code、Cursor、Codex、および20以上の他のツール間でセッションを保存するオープンソースツールBeaconについて説明し、プロジェクトを再説明せずにエージェント間で作業を引き渡すことができると述べた。彼は、これがちょうど550万ドルを調達したと述べた @Scobleizer。
  • Paul Iusztinは、チームは推論の方法を改善することよりも、エージェントが何について推論するかを定義することにもっと時間を費やすべきだと主張し、Jevが構造化されていない入力をキャリブレーションされた信頼スコアを持つ構造化された決定に変換し、オントロジーが可能な結果を定義し、高信頼度が実行をトリガーし、中信頼度がLLMにエスカレーションし、低信頼度が人間のレビューを要求するパターンについて説明した @pauliusztin_。
  • AI時代のバックエンドエンジニアリングプロジェクトの長いリストには、セマンティックキャッシュとプロバイダーフォールバックを備えたAIゲートウェイ、人間の介入による一時停止を備えた耐久性のあるワークフローエンジン、PII編集プロキシ、ハイブリッド検索エンジン、トークン認識レートリミッター、イベントソース型エージェント軌跡ストア、コストキルスイッチミドルウェアが含まれていた @suraj_sharma14。
  • Uber Engineeringは、AIを活用したAutoCleanシステムが、AIエージェント、決定的なコード変換、検証を使用して、100万行以上のデッドコードを削除し、16,000以上の古いフィーチャーフラグをクリーンアップしたと述べた @UberEng。
  • ある投稿では、10月16日のCursorクラウドエージェントアップデートを要約した：1つの環境に最大500リポジトリを保持でき、大規模なマルチリポジトリ環境は5倍速くロードされ、ベータ版の新しいEnvironments APIによりコード内でエージェント環境を作成・削除でき、クラウドエージェントは共有可能なインタラクティブキャンバスを構築できる @DamiDefi。
  • draw.ioは、Claude、ChatGPT、VS Code、CursorのAIアシスタントが、フローチャート、クラウドアーキテクチャ、フロアプラン、回路、マインドマップなど、説明から編集可能なDrawio図を生成できると発表した @drawio。
  • ある投稿では、タップして話すとタイプしてくれるMacアプリTapMacを紹介し、あらゆるアプリで動作し、アカウントやサブスクリプションなしでプライベートにオンデバイスで実行されると述べた @rutu_3。
  • ある投稿では、実際のウェブサイトやアプリページをキャプチャし、150のモーションレシピから選択し、ストーリーボード、アニメーション、ビートに合わせたカット、サウンドデザインの追加を行うことで、Claude CodeやCodexをモーションデザインスタジオに変える12.6Kスターのツールvideo-shotcraftについて説明し、すべてのフレームが生成ではなくコードによって描かれると述べた @RoundtableSpace。
  • freeCodeCampは、PythonでマルチエージェントAIシステムを構築し、Dockerでコンテナ化し、スケーラブルな環境にデプロイするチュートリアルを紹介した @freeCodeCamp。
  • ある投稿では、AIコーディングアシスタントにBachsでの構築に必要なドキュメント、ルール、テストを提供するBachsスキルを発表し、Claude Code、Cursor、Copilot、Codexで動作すると述べた @the_boludada。
  • ある投稿では、GoogleのAgents CLIをClaude Codeと一緒にテストしてRAGエージェントを構築し、ADKプロジェクトをスキャフォールドし、20の評価シナリオを生成し、デプロイ前に命令の抜け穴を見つけ、定量的なスコアカードを生成し、Agent Runtimeにデプロイし、Gemini Enterpriseに登録したと説明した @DailyDoseOfDS_。
  • ある投稿では、AIエージェントを本番環境に持ち込んだエンジニアは業界の大部分よりも先を行っていると主張し、ツール呼び出し、メモリ、システムプロンプト、評価をカバーするエンドツーエンドの何かを構築するようアドバイスした @soorajchandran_。

エージェントとモデルの評価

評価方法論は明確なクラスターであり、ベンチマークスコアだけでは信頼できないシグナルであると主張する投稿がいくつかあった。

  • Ghita氏は、Notionがモデルを評価し、モデルルーターであるAutoを改善するためにEloを復活させたと述べた @ghita__ha。
  • Cameron R. Wolfe氏は、高度に主観的なタスクで評価を構築するためのロードマップを公開し、3つのコンポーネントを中心に構成した：品質ガイドラインとキャリブレーションされた評価者を備えたゴールドスタンダードとしての人間評価、キャリブレーションされたLLMジャッジやタスク固有のルーブリックをプロキシとして使用するオフライン評価、そしてA/Bテストによる本番モニタリング。彼は、オフライン評価、人間評価、本番A/Bテスト、完全デプロイの段階的プロセスを説明し、ノイズを処理するためにパワー分析、信頼区間、再サンプリング、ペア比較を推奨した。彼の述べた重要なポイント：改善されたベンチマークスコアは、必ずしもエージェントがより有能であることを意味しない @cwolferesearch。また、人間のデータ品質、LLM-as-a-judge、ルーブリックベースのジャッジ、評価の統計、エージェント評価に関するリソースの付随読書リストも共有した @cwolferesearch。
  • Blocksterは、SentientAGIが10のモデルフィンガープリンティング方法をテストし、自社のものを含むほぼすべてが回避可能であることを発見し、Sentientがモデルの来歴に関するオープンベンチマークを開始したと報告した @BlocksterCom。

ロボティクスと物理世界データ層

ロボティクス関連の投稿は単一の主張に収束した：ボトルネックは実世界のデータとハードウェア経済であり、モデルアーキテクチャではない。

  • Jim Fan氏は、物理世界を解析し、生の映像をトレーニングシグナルに変換するオープンモデルのスイートであるFloraを発表し、重みをオープンソース化した。彼は、Floraはすでに500 GPUで毎日20万時間のビデオにラベル付けする社内データエンジンを支えており、Astraレベルのパフォーマンスを125分の1のコストで実現したと述べた。Floraは、人間の自己中心視点とロボットデータをキュレーションするためのタイムスタンプ付きキャプション、品質管理とRLポストトレーニングのための高密度な進捗報酬、実世界ベンチマークのためのルーブリックスコアリングを提供する @DrJimFan。
  • Michelle Sun氏は、ロボティクスデータに必要な3つの品質を挙げた：多様性、スケーラビリティ、ロボットの経験への近さであり、巨大なデータセットでもロボットが必要とする経験には不足する可能性があると述べた。彼女は、サンフランシスコで開催されたThe Humanoid Hub ConferenceでのSkild AI創業者Deepak Pathakのプレゼンテーションからこの枠組みを引用した @michellelsun。
  • ある投稿は、ヒューマノイドレースはモデルではなく精密減速機によって決まると主張し、TeslaのOptimusは28の構造アクチュエータを持ち、したがってロボットあたり28の減速機があり、そのボリュームでのストレインウェーブギアは主に日本と中国の少数の工場から来ており、日本の減速機は2万ドルのロボットの予算を消費すると述べた @Shred_0x。
  • ある投稿では、Dream LabsのDream-1について説明し、同社はロボット固有の微調整なしにAPIを通じて馴染みのないロボットを制御でき、APIアクセスは1時間3ドルからと宣伝されていると述べた。投稿者は、一般化を示すことは、すべての実世界環境で信頼性の高いパフォーマンスを証明することとは同じではないと述べた @Grand_father007。
  • ある投稿では、Unitree R1ロボットがわずか5,000ドルであり、ロボティクスがはるかにアクセスしやすくなったと指摘した @clankrmedia。Cointelegraphは、Unitreeが最大8時間の耐久性を持つ「サーブ＆ガード」用に設計されたH2-Xヒューマノイドロボットを発表したと報じた @Cointelegraph。
  • 2つの投稿で、Tuesday Labsの家庭用ロボットVoxelが取り上げられた。Pixarのアドバイザーと元Boston Dynamicsのエンジニアによって開発された、キャラクターを持つ執事のようなロボットと説明されている。宣伝されている機能には、家のリセット、フェッチ、置き忘れアイテムの発見、植物への水やりが含まれ、限定のSeries-1は200ドルで予約でき、2028年に出荷される @slash1sol@codemarch。
  • Rice Roboticsは、10月15日に香港生産力促進局の下でFLAIRによって設立されたEmbodied AI International Applications Hubの立ち上げに、Unitree Robotics、Galbot Robotics、AGIBOTを含む7つのロボティクス企業とともに参加したと述べた。Riceはまた、学校向けの学習コンパニオンTOMOを発表した @realRiceAI。
  • 複数の投稿で、特定の場所に対するUSDC報奨金をリクエスターが投稿でき、近くのコントリビューターがスマートフォンでキャプチャし、キャプチャフィンガープリントがオンチェーンでアンカーされた3Dモデルに再構築されるネットワークVangridが宣伝された。ある投稿では、公開エクスプローラーが130万以上のキャプチャと63万5,000ドル以上のUSDC決済を示しており、キャプチャフィンガープリントを超えた独立した検証はまだ計画中であると述べた @DiproOnChain@SomieCITYY@RyzneOnX@Aminur980@jitusorkar12@TrieuTiger@MadMagicSOL@OMOREYY___@siraj_dev122。そのうちの1つの投稿では、ClaudeやCursorなどのツールがキャプチャを検索し、レコードを検査し、来歴を検証できるようにするMCP統合が紹介された @MadMagicSOL。
  • Axis Roboticsは、$AXISエアドロップチェッカーが稼働しており、請求ポータルが10月21日12:00 UTCにオープンすると発表した @axisrobotics。

再帰的自己改善と自動化された研究

2つのモデルリリースが、自動化されたAI研究のランドマークとして位置付けられた。

  • Robert Lange氏は、同じ日に2つのリリースがあったと説明した。Mirendilは、研究者1人と1,000万ドル未満のコンピュートで、3.5ヶ月でゼロから100B-500BコーディングモデルであるMirendil-Baseを事前トレーニングしたと報告した。エージェントがコードの99%以上を書き、実験を実行し、研究者が方向性を選び、どの結果を信頼するかを決定した。Recursiveは、自動化された研究システムであるEureka Machineを使用して、4ヶ月未満でゼロから構築したオープンウェイトの40BコーディングモデルFlintをリリースした。Lange氏は、フレーミングが異なると指摘した：Mirendilは人間がエージェントを指示して、モデルあたりの人数、コンピュート、時間を削減する一方、RecursiveのEureka Machineは研究ループ自体の多くを自動化することを目指している。両方とも、より良いコーディングがAI研究を加速するという見解からコーディングモデルを出発点としている @RobertTLange。Recursiveは別途、Eureka Machineで構築された最初のモデルとしてFlintを発表し、Hugging Faceでオープンウェイトを提供するとした @Recursive_SI。
  • Bo Wang氏は、Xairaの創薬向けエージェント型AIプラットフォームX-Scientistを紹介し、同じAstraモデルを使用してCodexをDrugDiscoveryBenchで7.4パーセントポイント上回り、人間のキュレーションと同等のウェットラボヒット率で約10倍速くターゲットを指名し、PerturbQAベンチマークでAutoResearchとAutoScientistsを上回ったと述べた @BoWang87。
  • Sakana AIは、品質多様性検索によるレコメンデーションのオープンエンドな進化のための方法QD-Recをリリースした。QD-Recは、何を推奨するかとなぜ推奨するかの両方を検索し、候補と自然言語の仮説をペアにし、コンテキストバンディット、仮説を生成するLLM、新しい理由を保持または類似のものを置き換えるアーカイブを組み合わせる。Sakanaは、QD-Recがほとんどの設定で最高の平均LLM評価品質を達成し、進化的仮説生成やコンテキストバンディットを削除したバリアントと比較して通常最大のアーカイブを構築し、実用的なアプリケーションにはより豊富な情報と専門家による人間のフィードバックが必要になると述べた @SakanaAILabs。
  • ModelScopeは、256Kコンテキスト、並列研究、長期間科学研究ワークフロー向けのエビデンスチェックを備えたSage-A1.5を発表した。報告されたスコアはPinchBenchで90.0、FrontierScience-Olympiadで81.0、FrontierScience-Researchで48.3であり、報告された比較ではKimi-K3、GLM-5.3、GPT-5.6-solを上回り、エージェント型オーケストレーション、オプションの検証モード、Apache 2.0ライセンスを備えている @ModelScope2022。

モデルの振る舞い、バイアス、隠れた構造

  • ある投稿では、Gemini、ChatGPT、Claude、Llamaなどのモデルに対して24言語で31,000の質問をテストした論文を要約し、無関係な言語でプロンプトされた場合でも、日本の文化的規範と美学に対する広範なバイアスが報告されたと述べた。投稿は、バイアスは事前トレーニングではなく安全性の微調整段階で現れ、量子化が小規模なローカルモデルでそれを増幅させると主張した @thesupermannx。
  • ある研究者は、レイヤー24、ニューロン11128に「政治指導者ニューロン」と呼ぶものを発見したと報告した。英語のプロンプトで「私は誰と話していますか？」と尋ねると「あなたは習近平国家主席と話しています」と返答し、同じ自己紹介をスペイン語で行うとQwenがBidenとTrumpにシフトし、中国語のプロンプトでモデルを何と呼ぶべきか尋ねると「主席」と返答し、明示的に毛沢東に言及した @HariKorrapati10。
  • ある投稿では、MITのクオンツ金融論文を要約し、27の戦略バリアント、AI支援リサーチ、完全なリスク管理を備えた取引システムを構築したと述べた。投稿者の述べた教訓は、モデルがエッジではなく、インフラがエッジであり、生存者バイアスが+42%ではなく+228%を偽装できること、24.3%の年間リターンは0.05%のコスト後に9.3%に低下し、0.10%のコストでは-1.2%になることだった @0xkvro。

業界、資本、採用

  • Ed Zitron氏は、Anthropicが報告した第3四半期のコンピュート支出98億ドルに疑問を呈し、SpaceXが第3四半期のAIインフラおよびソリューション収益が約70億ドルで、Cursorから6億800万ドル、Reflectionからおそらく4億ドルを差し引くと、Anthropicコンピュートには約40億〜60億ドルが残り、AnthropicがMicrosoft、Google、AWSに実際に約38億ドルしか費やしていないのかと疑問を呈した @edzitron。
  • Meta for Developersは、Fireworks AI、Baseten、Modalとともに、既存のスタック上でMuse GlimmerとMuse Spark Openを実行することに焦点を当てたGlobal AI Developer Hackathonを発表し、賞金総額100万ドル、応募締切は10月25日、選ばれる応募者は20,000人に制限されるとした @MetaforDevs。
  • Rebecca Kaden氏は、マーケットプレイス時代には供給の集約が王様だったが、エージェント時代には供給は制約がなく、エージェントが見つけられるものによってのみ制限されるため、広告のために閲覧数に依存するマーケットプレイスや、需要が圧倒的なスパムを生み出すマーケットプレイスにとっては厄介な中間状態になり、エージェント型の需要を受け入れるものに機会が生まれると主張した @rebeccakaden。
  • 2つの投稿で、フォロワー数ではなく実際の取引パフォーマンスを使用して、人間のトレーダーと自律的な取引エージェントのためのクレジット層を構築しているAgentics Creditについて説明した。そのAgentic Credit Scoreは300から850の範囲で、収益性、一貫性、ドローダウン、リスク管理を加重し、ペーパートレードはカウントされ、実際のオンチェーントレードはより多くカウントされ、さらに500万ドルの報酬を備えたQuest Hubもある @Napoleecrypt@Lin98201。
  • ある投稿では、XO MarketのMODRA AIエンジンについて説明した。これは、ユーザーが生の市場アイデアを厳格で検証可能な、ソースに裏付けられた解決条件に変換するのを支援し、事前定義されたソースに対して結果を検証し、エッジケースをステークされた人間の仲裁者にエスカレーションする。投稿は、XOが1,900以上のユーザー作成マーケットで6億5,000万ドル以上の取引量に拡大し、市場を作成するための10 USDCのシード注文があり、メインボードに昇格した市場の作成者には取引手数料の20%が支払われると述べた @WEB3MIM。
  • ある投稿では、アイドルGPUとコンピュートを必要とする開発者を接続するネットワークCrynuxについて説明し、タスクの約10%を他のノードが繰り返してクロスチェックするvssML検証を使用し、Crynux Bridgeを通じたOpenAI互換APIを提供し、最大供給量の71%をタスクマイニングに割り当てている。投稿は、Crynuxが1,785ノードと5,500万の完了タスクを記録したとされるテストネットの後、2026年6月にメインネットを開始したと述べた @Resilience1_。
  • Benjamin Bolte氏は、ロボティクス企業Tuesdayの擁護文を書き、同社はUnitree G1のラッパーであり、独自の基盤モデルやデータフィードバックループを持たない可能性が高いと説明し、同様の企業が同じモデルをラップしており、Tuesdayのユニットエコノミクスは初日から理にかなっており、モデルプロバイダーとの契約上のロックアップもないと主張した。彼は、共有のY CombinatorバッチからTuesdayへのエンジェル投資家であることを開示した @benjamin_bolte。
  • Mistral AIは、産業工学にAIをもたらすためのNVIDIAとのコラボレーションを発表し、より高速なシミュレーション、物理AIのためのオープンベンチマークとサポートデータセット、CAEおよびEDAにおけるエージェント型AIの評価をカバーするとした @MistralAI。
  • Zi Wang氏は、Google DeepMindが2027年に最先端のAIエージェントとマルチエージェントシステムの理解、評価、整合性に取り組む博士課程の学生研究者3名を募集していると発表した @ziwphd。
  • Gartnerは、AIエージェント採用に向けた組織の準備、初期実装の教訓、必要な技術基盤に関するオンデマンドウェビナーを宣伝した @Gartner_inc。
  • Shanu Mathew氏は、ほとんどのAIツールには一般ユーザーにとっての「使い続けるべき理由」が欠けていると主張した。なぜなら、ほとんどの人はコーディングやサイドプロジェクトを追求したくなく、日常業務をアシスタントに任せようとしないため、ラボはより深い使用を強制できず、毎日戻ってくるパワーユーザーを生み出す必要があるからだ @ShanuMathew93。
  • ある投稿では、GoogleのCarbonモデルについて推測し、Argonは強いがOpus 5.5が依然としてコーディングでリードしており、Carbonが新しいモデルとして登場するのか、静かにArgonを強化するのかを問いかけた @KrishnaBuildsAI。

学習リソースと開発者ツール

  • ある投稿では、AIエンジニア向けの10のリポジトリをリストアップした。Python-100-Days、Microsoftのgenerative-ai-for-beginners、ML-For-Beginners、AI-For-Beginners、ai-agents-for-beginners、rasbtのLLMs-from-scratch、OpenAI Cookbook、Stable Diffusion、Pathwayのllm-app、MetaのSegment Anythingなどが含まれる @rakib_hossen_ai。
  • 別の投稿では、有料ツールの無料代替として位置付けられた10のオープンソースリポジトリをリストアップした。yt-dlp、Ollama、Fooocus、Whisper、Plausible Analytics、AppFlowy、Penpot、n8n、Cal.com、Bitwardenなどが含まれる @BrooksWhaleX。
  • ある投稿では、MacBookにはターミナルからアクセスできる無料のローカルLLMが搭載されていると指摘した @AlexChhk。
  • ある投稿では、コーダー向けの5つのツールをリストアップした：オープンソースのAIインターフェース、オープンソースのAIコーディングエージェント、100の無料Shadcnコンポーネント、156以上の無料Reactアニメーション、無料のランディングページインスピレーション @csaba_kissi。
  • ある投稿では、Google CloudエンジニアがClaudeを使ってゼロから完全なアプリケーションをステージ上でライブで26分で構築したと説明した @warraich_Ai2。
  • 別の投稿では、Claudeが7つのプロンプトを使用して、ロゴのアイデアからカラーシステムまで、1時間以内に完全なブランドキットを構築できると主張した @Navid_Tasnim0。
  • JetBrainsは、CursorからKotlin Multiplatformを使用するデモを紹介し、Kotlin LSP、ホットリロード、AIがウェブチームが既存のJavaScriptおよびTypeScriptプロジェクトとKotlinビジネスロジックを共有するのに役立つと述べた @kotlin。