AsanaがノーコードエージェントビルダーStack AIを買収

TechCrunchが報じたところによると、プロジェクト管理プラットフォームのAsanaがノーコードAIエージェント構築ツールのStack AIを買収した。Asanaは買収したStack AIの技術を、既存のAIワークフローツール群に統合していく方針という。

ノーコードツールによるエージェント構築は、エンジニアリングリソースの限られたチームでもAIエージェントを業務に組み込めるという強みがある。Asanaがプロジェクト管理という強みの延長線上でエージェント構築機能を提供することで、ワークフローの自動化が一段進む可能性がある。企業のAI導入において「誰がエージェントを構築するか」が課題になる中、ノーコードアプローチの存在感が増しそうだ。

1Tパラメータモデル「Mimo 2.5 Pro」がコンシューマGPUクラスタで40t/s

RedditのLocalLLaMAコミュニティで、Mimo 2.5 Pro（1兆パラメータモデル）を8基のNVIDIA Spark/GB10クラスタで実行し、40トークン/秒を達成したという報告が話題を集めている。

報告によると、1Kコンテキストで40t/s、30Kコンテキストで32t/s、125Kコンテキストで25t/s、250Kコンテキストで17t/sという結果。さらに並列リクエストでは2並列で60t/s、4並列で83t/sに達したという。1Tクラスの巨大モデルがコンシューマ向けハードウェアでこのレベルのスループットを出せることは、ローカルLLMの実用性が急速に高まっていることを示している。

NVIDIAのGB10（Spark）プラットフォームは比較的アクセスしやすい価格帯で提供されており、大規模モデルのローカル運用コストが下がりつつある。長コンテキストでも実用的な速度を維持できている点は特筆に値する。

「LLM Smells」— LLM利用のアンチパターンを分析

Hacker Newsで26ポイントを集めた「Various LLM Smells」という記事が注目を集めている。ソフトウェア工学における「コードスメル」になぞらえ、LLMの利用における一般的なアンチパターンや不適切な用法を整理したものだ。

LLMが広く使われるようになった今、「何に使うべきでないか」を見極めることは「何に使えるか」を知ることと同じくらい重要になってきている。この種の実践的な知見の蓄積は、プロダクション環境でのLLM活用において品質を担保する一助になるだろう。

自己改善型AI「SIA」の研究がarxivに登場

arxivに「SIA: Self Improving AI with Harness and Weight Updates」という論文が公開された。タイトルが示す通り、AIモデルがハーネス（評価枠組み）と重み更新を通じて自己改善する仕組みを提案している。

自己改善型AIは、外部からの追加データなしにモデル自身が性能を向上させる概念であり、AIの自律性を一段高める研究方向性だ。現時点では研究段階だが、実用化されればモデルのアップデートプロセス自体を自動化できる可能性がある。もっとも、自己改善の安定性や安全性については今後の検証が必要とみられる。

AIデータセンター批判者を監視する新情報機関

Ken Klippensteinの報道によると、AIデータセンターの批判者を監視の対象とする新たな情報機関が設立されたという。AIインフラの拡大に伴う環境負荷や地域社会への影響に対する懸念の声が高まる中、批判側への監視が強化される動きは注目に値する。

AIデータセンターは電力消費や水資源の問題から各地で反発を招いており、監視の強化は表現の自由や市民的監視の観点から議論を呼ぶ可能性がある。技術の進展と社会受容性のバランスをどう取るかは、AI産業の持続可能性にとって重要なテーマだ。