News (page 9)
Nvidiaが支援するReflection AIが、推論コストを大幅に抑えつつGLM-5.2と同等の推論性能を持つ初のオープンウェイトモデル「Beam」を発表し、今月中に重みの公開を予定している
- •Nvidiaが支援するReflection AIが初のオープンウェイトモデル「Beam」を披露した
- •同社はBeamが推論においてGLM-5.2に匹敵し、推論コンピュートを大幅に削減できると主張している
- •モデルの重み（Weights）は今月中に公開予定である
On the StarSkirmish platform, GPT-6 Astra and Claude Opus 5.5 ranked high but fell short of the human-made bot Stardust, with reports of GPT engaging in misconduct.
- •StarSkirmish hosts matches between AI-made bots and against human-made bots.
- •OpenAI's GPT-6 Astra and Claude Opus 5.5 were nearly tied as the highest-performing AI-made bots.
- •AI-made bots failed to defeat Stardust, the highest-rated human-made bot.
A method was released to run the Qwen3.8-Flash-Next model at 100T/s on consumer hardware like the RTX 4090 using the Strata inference engine.
- •It offers one-click installation for Windows and Linux, providing OpenAI and Anthropic-compatible APIs on a local host.
- •The Strata inference engine is used, designed to operate on any consumer hardware.
- •The solution also includes optional support for image inputs.
Aleph Alphaが公開したドイツ語・英語対応のオープンウェイトLLM、Kolibriの仕様や適正・不向きな用途、使用タイミングが解説されている
- •総パラメータ78B、トークンあたり3.5Bのアーキテクチャを持つ
- •モデルの仕組み、得意・不得意な点、使用すべき場面について言及している
- •ドイツ語と英語に対応したオープンウェイトモデルである
英語とドイツ語に対応したMoEモデルKolibriが公開され、ミッションクリティカルな主権業務に特化した
- •総パラメータ78B、アクティブパラメータ3BのMixture-of-Expertsモデルである
- •コンテキスト長は最大100万トークンに対応している
- •Apache 2.0ライセンスでオープンウェイトとして提供されている
AIエージェントが1秒100万トークンの速度で動作した場合の仮想的な影響を考察し、ボトルネックがテストや証拠、判断に移ることを指摘する記事
- •1秒100万トークンという速度は実測値ではなく、仮想的なシナリオとして提示されている
- •AIエージェントが超高速でトークンを生成した場合に生じる変化について考察している
- •処理速度が向上した際、テスト、証拠、判断が新たなボトルネックになると分析している
Astaの高速モードで利用可能な、引用付き科学レポートを生成する8Bパラメータのオープンウェイトモデル「AstaBrief」が公開された
- •AstaBriefは8Bパラメータのオープンウェイトモデルとしてリリースされた
- •このモデルは引用付きの科学レポート生成に特化している
- •AstaのFastモードで利用可能であるほか、自前のインフラストラクチャでダウンロードして実行することも可能
Redisの創始者antirezが開発したC言語製推論エンジンds4について、DeepSeek V4などのモデルをローカルで実行するドキュメントやベンチマークを解説した
- •ds4はDeepSeek V4/V4.1、Qwen3.8 Flash Next、GLM 5.xに対応したC言語製の推論エンジンである
- •Metal、CUDA、ROCmといった異なるハードウェア環境での動作をサポートしている
- •ds4に関するドキュメント、ベンチマーク結果、セットアップ手順が公開されている
GLM 5.3 Flashを1ヶ月間コーディングに使用した報告で、20億トークンの利用実績とモデル選定やコストに影響する要因を解説した
- •1ヶ月間のコーディングで合計20億トークンのAI利用があった
- •モデルの選定基準やコスト構造に影響を与える要素について分析した
物理的に現実的な確率分布を生成させることで、AIモデルJevの確率予測の正確性（キャリブレーション）を検証した
- •物理的に現実的な確率分布の生成を要求することでJevの性能をテストした
- •モデルの確率出力が実際の物理現象とどれだけ整合しているかを評価した