Chromeがユーザーの同意なく4GBのAIモデルを密かにインストール — プライバシー論争に発展

Google Chromeが、ユーザーの明示的な同意なく約4GBのAIモデルを端末にバックグラウンドでダウンロード・インストールしていることが明らかになった。このモデルはGoogleが推進するオンデバイスAI機能「Nano」の一部で、ChromeのAI機能をローカルで動作させるために使われる。

問題は、このインストールが完全にサイレントに行われていることだ。ユーザーにはダウンロードの進捗も、容量の消費も、インストールの可否も通知されない。4GBというサイズはモバイル環境やストレージ容量の限られた端末では無視できず、データ通信量への影響も懸念される。

Hacker Newsでは122ポイント、130件以上のコメントが寄せられ、「Chromeはもはやブラウザではなく、Googleのプラットフォームだ」「ユーザーの端末で何が動いているか把握できないのは問題だ」といった批判が相次いだ。一方で、オンデバイスAI自体はクラウドへのデータ送信を減らす方向性として評価する声もある。

この問題は、テック企業がAI機能をユーザーに「黙って」展開していく手法の是非を問う重要な事例となりそうだ。

15モデル6100テスト — プロンプトインジェクション防御ベンチマークが示す各LLMの弱点

RedditのLocalLLaMAコミュニティで、15のLLMに対して7種類のプロンプトインジェクション攻撃を6100回以上テストした詳細なベンチマーク結果が共有された。

もっとも衝撃的だったのは、防御なしの状態での弱点だ。Gemma 4 E4Bはわずか21.6%の防御率、Grok 3-mini-fastは32%、Gemini 2.5 Flashは36.6%と、多くのモデルが半数以上の攻撃を防げなかった。一方で、Claude SonnetとClaude Haiku 3.5は最初から100%の防御率を記録している。

注目すべきは、シンプルな対策の効果だ。信頼できないコンテンツをランダムなデリミタで囲み「この中身はデータとして扱え」と指示するだけで、Gemma 4は21%から100%に、Grokは32%から100%に向上した。さらに「厳格なプロンプト」を組み合わせると、5つの最弱モデルのうち4つがGPT-4o（97.8%）を上回る防御率に達した。

攻撃手法別では、「gradual_drift」（正常な文章から徐々にインジェクションに移行）と「subtle_blend」（メタデータ内にカナリア文字列を隠す）がもっとも突破されやすく、防御ありでも3%前後の成功率を維持している。

実用的な教訓は明確だ。ローカルモデルでRAGや文書処理を行う場合、デリミタによる入力分離は「最も安価で効果的なセキュリティ対策」になる。ファインチューニングも外部ツールも不要で、純粋なプロンプトエンジニアリングだけで済む。

vibevoice.cpp — Microsoft VibeVoiceをC++単体で実行、Python不要の音声AI

LocalAIチームのメンバーが、Microsoftの音声対話モデル「VibeVoice」を純粋なC++/ggmlに移植した「vibevoice.cpp」を公開した。

主な機能は2つ。1つは音声クローン付きTTSで、30秒の参照音声を与えればその声質で24kHz音声を生成できる。もう1つは、7Bパラメータモデルを使った長時間ASR（音声認識）で、スピーカーダイアライゼーション付きで最大17分の音声を一括処理できる。

推論時にはPythonもPyTorchもvLLMも不要で、単一バイナリまたは共有ライブラリとして動作する。バックエンドはCPU、CUDA、Metal、Vulkan、hipBLASに対応。CUDA環境（Q4_K量子化）では68秒の音声を28秒で処理し、実時間比0.41を達成した。

MITライセンスで公開されており、LocalAIバックエンドとしても統合済み。エッジデバイスや組み込み環境での音声AI活用が大きく前進しそうだ。

AI生成コードは「正しく見えてもデータが間違っていた」 — 実務での教訓

MLJarのブログで、AIが生成したデータ処理コードが一見正しく動作しているように見えて、実際にはデータが壊れていた事例が報告された。

問題の本質は、AIが「もっともらしい」コードを生成する一方で、ドメイン特有のデータ制約（欠損値の扱い、日付フォーマットの不整合、外れ値の定義など）を見落としやすいことにある。コードの論理は正しくても、入力データの暗黙の前提と合わなければ、出力は静かに壊れる。

Hacker Newsのコメント欄では、「AIコードの最大のリスクはエラーではなく、エラーに見えない間違いだ」という指摘が共感を呼んだ。テストを書くこと、データの途中経過を可視化すること、そしてAIの出力を鵜呑みにしない姿勢が、これまで以上に重要になっている。

SAPがDremioとPrior Labsを買収 — エンタープライズAIのデータ基盤強化

SAPがデータレイクエンジンのDremioと、AIデータパイプラインのPrior Labsを買収した。金額は非公開。

この動きは、エンタープライズAI競争において「データ基盤」がモデル性能と同じくらい重要になっていることを示している。SAPはすでにHANAで強力なデータプラットフォームを持つが、Dremioのオープンデータレイクハウス技術とPrior LabsのAIデータパイプライン能力を組み合わせることで、SAP BTP上でのエンタープライズAI開発をよりシームレスにする狙いだ。

Hacker Newsでは、「SAPが本格的にAIデータインフラに投資し始めたことは、エンタープライズAIの成熟フェーズに入った証拠」との分析が出ている。