4Bパラメータモデル、エージェント実行タスクでフロントランナーに肉薄

コーディングエージェントがサブタスクを小規模なサブエージェントに委譲するアーキテクチャが一般化する中、「そのサブエージェントに高価なフロントランナーLLMは本当に必要なのか？」という問いに挑んだ論文が発表された。

Terminus-4Bは、わずか40億パラメータのモデルでありながら、検索・デバッグ・ターミナル実行といったエージェントの実行タスクにおいて、GPT-4やClaude等のフロントランナーに匹敵する性能を示したという。エージェントのコンテキストウィンドウをクリーンに保ちつつ、コストを大幅に削減できる可能性がある。エージェントアーキテクチャにおけるモデルの「適材適所」配置が、今後の実用化の鍵になりそうだ。

cotomi Act：ブラウザエージェントが「あなたの作業を見て学ぶ」

「ブラウザエージェントが、ユーザーの作業をただ見ているだけで学習できたらどうなるか？」——そんな問いから生まれたのがcotomi Actだ。

このブラウザベースのコンピューター操作エージェントは、適応的な遅延観察、発話差分に基づく履歴圧縮、粗粒度アクション、テスト時スケーリングによるbest-of-N行動選択を組み合わせ、WebArenaベンチマークで80.4%を達成した。さらに、ユーザーの行動から組織知識を継続的に学習する仕組みを備えており、「作業を見ながら学ぶ」というパラダイムを実現している。RPAの進化形とも言えるアプローチとして注目される。

AI査読への警告：「群集心理」が生む過剰な確信

学術界隈で議論を呼んでいるのが「Stop Automating Peer Review Without Rigorous Evaluation」というポジションペーパーだ。

ICLR 2026のレビューを用いて人間とAIの査読を比較した結果、AIレビュアーには「群集心理（hivemind effect）」による過剰な意見の一致と、不適切な確信度の問題が見つかった。論文の自動リライトが異なるAIレビュアーに与える影響も評価しており、現時点でAIに査読を任せることの危険性を指摘している。査読の危機に対する安易なAI適用に対する重要な警告と言える。

META超知能ラボ：AIが「ゼロから」実プログラムを再現できるか

METAのSuperintelligence LabがProgramBenchを発表した。これは、最先端AIがffmpeg、SQLite、ripgrepといった実際の実行可能プログラムを、インターネットなしでゼロから再現できるかを問うベンチマークだ。

実用的なプログラムの完全な再現は、AIの「理解力」を試す究極のテストと言える。コード生成ベンチマークの多くが短い関数やアルゴリズム問題に留まる中、実際のソフトウェアプロジェクトの再現に挑む点で新機軸となっている。AIの実用的コーディング能力の真の評価指標として要注目だ。

Character.ai、ペンシルベニア州で「無免許医療行為」の訴訟に直面

AIチャットボットサービスのCharacter.aiが、ペンシルベニア州で医療行為の無許可提供を理由とする訴訟を提起された。

AIがユーザーに医療アドバイスを提供することが、法律上の「医療行為」に該当するかどうかが争点となる。AIサービスの責任範囲をめぐる法整備が追いついていない中、重要な判例になる可能性がある。AIプラットフォームに対する規制リスクが高まる中、業界全体への影響が懸念される。

AIデータセンター需要が急加速、Nvidiaがエンタープライズ向けリファレンスアーキテクチャ公開

AIブームによるデータセンター需要がさらに加速している。オーストラリアのデータセンター運営NEXTDCのCEOは「AIブームが睡眠を奪っている」と語り、巨額の資金調達を背景に急拡張を進めている。

また、アジアのチップメーカー株価が急上昇しており、中国ではAlibabaがチップ関連への露出を強める中でTencentを上回る上昇を見せている。NvidiaもAIデータセンター向けのエンタープライズリファレンスアーキテクチャを公開し、インフラ標準化に乗り出した。AIインフラ投資は当分止まりそうにない。

まとめ： 今日はエージェント技術の小型化・実用化が目立った一日だった。4Bモデルのエージェント適性、ブラウザエージェントの「観察学習」、AIの査読への適用限界、そして実プログラム再現への挑戦。AIの実用化が進む一方で、法規制や査読の品質など社会的な課題も浮き彫りになっている。