AI・LLMの最新ニュースを毎朝日本語でまとめてお届けします
DeepSeekが10月17日にDeepSeek-V4.1-Flash-1017を公開した。重みはMITライセンスでHugging Faceに置かれている。Xでは「Opus超え」という投稿が広がったが、この記事はモデルカード・料金ページ・ベンチマーク図を確かめ、本物の進歩と誇張が混ざっていると結論づけている。Claude APIからの乗り換えを考えている人は、比較の相手と実際の料金を先に確かめる材料として読める。
AIコーディングツールの認証情報を盗むマルウェア「Aoki」が公表された。同じ週には、保存されたAPIキーが流出した可能性のあるOpenCodeの侵害も明らかになった。盗まれたキーは不正利用され、利用者に高額の請求が来るおそれがある。記事は、手元のキーの保管方法と、流出に気づいたときの対応を整理している。
MiniMaxが10月19日にM3.1 Flashを出した。同社はエージェント用途の利用コストを70%下げ、推論も約3倍速くなったと主張している。ただし数字のほとんどはMiniMax自身の発表によるもので、記事は大きな注意点が1つあると指摘している。安いエージェント用モデルを探している人は、自分のタスクで試してから採用を決めたい。
米国は国家安全保障上の懸念を理由に、連邦の民間機関に対してDeepSeek製品の削除を命じた。DeepSeekの技術を使って作られたサードパーティのサービスも対象に含まれる。米政府と取引する企業では、自社製品の中で使っているモデルの出どころを説明できるかどうかが問われる。
デジタル庁は10月20日、政府職員向けの生成AI環境「源内」で、職員が自分でAIエージェントを作って動かせる環境を順次導入すると発表した。安全に使うためのルール「源内基準」も公表している。社内でエージェント活用のルールを作る日本企業にとって、公的機関が出した具体的な基準として参考にできる。
セキュリティ企業Clarocは、Metaのアシスタント「Muse」の会話共有URLを公開DNSレコードから6,800件以上見つけたと報告した。Ars Technicaによると、個人情報や業務上の機密を含む会話もあった。Metaは共有機能を止めて調査している。リンクを知っている人だけが見られるという前提のURLでも外部から見つかりうるため、社内で生成AIを使うときのルールも見直しておきたい。
ワシントン大学の研究者が論文「Agentic Browsers and the Same-Origin Policy」を発表した。AIエージェントがユーザーの代わりにWebを操作するとき、メールやネットバンキングの情報が悪意あるサイトに渡るかを7種のブラウザで調べている。ブラウザの基本的な防御であるSame-Origin Policyが、エージェントを介すると素通りされうることが論点になっている。重要なサービスにログインしたままAIブラウザに別の作業をさせる使い方は避けたい。
Googleが、PyTorchのアプリをNVIDIA GPU以外へ簡単に移せる開発者向けツールを出した。Amazonに続く動きになる。Hugging Faceも同じ日に「TorchTPU」でTPUへのネイティブ対応を発表した。PyTorchのコードをほぼそのまま使ってTPUを試せるようになり、GPUの調達やコストで困っているチームには選択肢が増える。
Anthropicが提案した法案は、50人以上の死者を出しうるモデルの公開を止められる仕組みを掲げている。ただTechCrunchの分析では、裁判官の許可がなければ連邦機関はモデルの公開を止められない内容にもなっている。安全規制を強める案に見えて、実際には開発企業に有利な面もあるというのが同紙の見方だ。
Anthropicは10月15日、AIリスク評価を行う非営利団体METRのチームに、社員とほぼ同じ社内アクセスを与え始めたと発表した。すでに6人が社内のツールやシステムを使っている。METRはリスク水準や事故についての分析を公表でき、Anthropicはその公表を拒否できない。外部評価をどこまで独立させられるかの前例になる。
Preferred Networksと米Tenstorrentが、生成AIの学習と推論に向けたプロセッサとシステムの共同開発を始めた。CPUはTenstorrentが、AIプロセッサはPFNが担当する。光電融合と最先端パッケージングで、非常に高いメモリ帯域を目指す。NVIDIA GPUに代わる計算基盤を国内企業が作る試みとして、今後の進み具合を追う価値がある。
Hugging Faceのブログで、カスタマーサービス系タスクのベンチマークτ²-benchでALTK-Evolveがリーダーボード首位になったと報告された。最先端の大型モデルではなく、エージェントが経験から学ぶメモリの仕組みで成績を上げたという。順位は開発側の発表だが、モデルを替えずにメモリ設計で性能を上げる手法として、業務エージェントを作る人には試す価値がある。
