DeepSeekがAPI価格75%引き下げ──他社の値上げと真逆の戦略

DeepSeekがAPI価格を75%引き下げると発表した。他の主要AIラボが軒並み価格を2〜3倍に引き上げる中で、DeepSeekだけが逆行する動きを見せている。

この価格戦略は、DeepSeekがコスト効率の高いモデル開発に自信を持っていることの表れとみられる。一方で、価格競争が激化する背景には、推論コストの増大やインフラ投資の回収需要があると推測される。ユーザーにとっては選択肢が広がる一方、各社の収益性と持続可能性のバランスが注目される。

AIコーディング企業Cognitionが260億ドル評価で10億ドル調達

AIコーディングスタートアップのCognitionが、260億ドル（約3.9兆円）の評価額で10億ドル（約1,500億円）の資金調達を行ったことが分かった。Bloombergが報じた。

CognitionはAIプログラミングアシスタント「Devin」などを手がける企業で、AIコーディング分野の急成長を背景に短期間で巨大な評価額に達した。AIコーディングツール市場はDevin、Cursor、Windsurfなど多数のプレーヤーが競合しており、調達額の大きさは市場の期待の表れと言える。ただし、実際の収益基盤や製品の差別化要因については、今後の展開を待つ必要がある。

採用AIが黒人・アジア系応募者を高確率で拒否──バイアス問題が再燃

AI採用アルゴリズムが黒人およびアジア系の求職者を他の人種よりも高い確率で拒否していることが報告された。The Registerの報道による。

AI採用ツールはすでに多くの企業で導入されているが、トレーニングデータに内在するバイアスが実際の採用決定に影響を与えている可能性が改めて指摘された。特に履歴書スクリーニングやオンライン評価の段階での差別的結果が確認されているという。

AIの公平性に関する規制議論は各国で進んでいるが、実務面での対策は依然として不十分とされる。採用現場でのAI利用が拡大する中、透明性の確保と定期的な監査の仕組みが急務となっている。

AIコーディングエージェントが「誰も管理していない」パッケージを勝手にインストール

AIコーディングエージェントが、メンテナ不在や所有者不明のパッケージを自律的にインストールしてしまうセキュリティリスクが指摘された。The New Stackの報道による。

AIエージェントはコーディング作業を自動化する際、必要なパッケージを自己判断でインストールするが、その過程で悪意あるパッケージや放棄されたパッケージが混入する危険がある。従来の依存関係管理では人間のレビューが前提だったが、AIエージェントの自律性が高まるにつれ、この前提が崩れつつある。

対策として、AIエージェントのインストール操作に対するサンドボックス化や、パッケージの信頼性スコアリングの導入が議論されている。

オープンソース開発者がAIバグ対応で過労──Heiseの論評

ドイツのテクノロジーメディアHeiseが、オープンソース開発者がAI関連のバグ対応に追われて過労状態に陥っていると報じた。

AIコーディングツールの普及により、オープンソースプロジェクトにAI生成のコントリビューションが大量に流入している。その多くは表面上は正しく見えるが、実際には微妙なバグを含んでおり、レビュー担当者の負担が急増しているという。

品質の低いAI生成パッチの対応に追われるメンテナーたちは、ボランティアベースの活動でありながら実質的にフルタイムに近い労働を強いられている状況だ。オープンソースコミュニティの持続可能性に関する根本的な問いが投げかけられている。

$300ノートPCでQwen 3.5 35Bが動く──ローカルLLMの进化

RedditのLocalLLaMAコミュニティで、300ドル（約4.5万円）のノートPCでQwen 3.5 35Bパラメータモデルを10.33トークン/秒で推論実行したユーザーの報告が話題を呼んでいる。

ローカル環境でのLLM実行は、プライバシーの確保やAPIコストの削減、オフライン利用などの観点で重要性を増している。350億パラメータクラスのモデルが安価なハードウェアで実用レベルの速度で動くことは、ローカルAIの可能性を大きく広げる成果と言える。

ただし、実行環境の詳細やモデルの量子化設定、実際の出力品質については、再現性の検証が待たれる。

WarpがGPT-5.5を使ったオープンソース開発ワークフローを発表

OpenAIの公式ブログで、ターミナルアプリWarpがGPT-5.5とOpenAIモデルを活用して、ローカル・クラウド・オープンソースの各開発ワークフローにまたがるコーディングエージェントの連携を実現したことが紹介された。

Warpは開発者の日常的なターミナル操作にAIを統合するアプローチをとっており、今回は特にオープンソース開発におけるエージェント間の連携に注力しているという。開発ワークフローの自動化が一段と進む可能性がある一方で、エージェント間の連携が複雑化する中での制御やデバッグの難しさも指摘されそうだ。

1030億トークンのUsenetコーパス──AI汚染ゼロの学習データ

Redditユーザーが、1980年から2013年までのUsenetデータを元に1030億トークンのテキストコーパスを構築し、公開した。

このコーパスの最大の特徴は「AI汚染ゼロ」であること。すべてのテキストがLLMが存在する前の時代のものなので、AI生成テキストのバイアスが全く含まれていない。ファインチューニング用のクリーンなデータセットとして、ローカルモデル開発コミュニティで高い関心を集めている。

学習データの品質がモデルの性能に直結する中、AI生成テキストの再帰的な学習（モデル崩壊）への懸念が高まっている背景もあり、このような「人間のみ」のコーパスの価値は今後さらに増す可能性がある。