「Tokenpocalypse」——AI企業の上場がトークン価格上昇を招くのか

TechCrunchのAnthony Haが、「Is this the dawn of the Tokenpocalypse?」と題する注目の記事で、AI大手企業の上場準備に伴うトークン価格の上昇リスクを指摘している。

主要なAI企業が株式公開（IPO）を計画する中、収益性を投資家に示す必要があり、その結果としてAPI利用料金の引き上げが相次ぐ可能性があるという。これまで急速に低下してきたLLMの利用コストが、企業の上場圧力によって逆転する可能性を示唆する内容だ。

日本のQiitaでも、AIのコスト暴走をテーマにした解説記事が公開されている。「go fast」の時代から「ガードレールで制御」への転換が必要だと指摘し、Tokenomics Foundationという新たな取り組みも始動しているという。AI利用コストの最適化は、開発者にとっても企業にとっても喫緊の課題となっている。

銀行業界がAI導入に向けた大規模人員削減の準備を進める

Bloombergが報じたところによると、銀行業界がAIの本格導入に伴う大規模な人員削減の基盤整備を進めている。

具体的な削減規模や時期は各銀行によって異なるが、AIによる業務自動化が進む中で、バックオフィスや分析業務を中心に人的リソースの大幅な見直しが検討されているという。金融業界はこれまでデジタル化の最前線にあったが、生成AIの台頭は雇用のあり方そのものに影響を与え始めている。

Guardianが6つのチャートで描くAI投資の膨大な規模

The Guardianは、「Billions spent and hypothetical returns: the AI boom explained with six charts」と題する特集で、AIブームの実態をデータで可視化した。

巨額の投資が行われている一方で、リターンの多くはまだ仮説的な段階にとどまっていることが浮き彫りになっている。インフラ投資、人材獲得競争、計算リソースの需要増大など、AI産業を取り巻く経済的ダイナミクスを理解する上で参考になる分析だ。

Qwen 3.6 27BがDeepSWEベンチマークで18位——ローカルLLMの現実

RedditのLocalLLaMAコミュニティで、Qwen 3.6 27BのDeepSWEベンチマーク結果が報告された。

結果はスコア2%（1.79%切上げ）で20モデル中18位。ただし、Claude Haiku 4.5やMinimax M2.7を上回る成績だったという。RTX 6000 Pro Blackwell 1台で70時間かけて実施されたベンチマークで、タスクあたり平均32分、平均44kトークンの出力を生成している。

ベンチマーク実施者は「ローカルで動かせる最強のオープンソースモデルであるKimi-k2.6でさえ、最先端モデルからは大きく水をあけられている」と指摘。ローカルLLMの性能向上は続いているものの、最先端との差は依然として大きいという厳しい現実も示された。

PyTorch向けMoE/MoD学習フレームワークがオープンソース化

RedditのLocalLLaMAで、PyTorchベースのMoE（Mixture of Experts）およびMoD（Mixture of Depths）対応学習フレームワークがApache 2.0ライセンスで公開された。

主な特徴は以下の通り：

  • RMSNorm、RoPE、SwiGLU、MoEルーティング向けのカスタムCUDAカーネル（T4でPyTorch比2〜7倍高速）
  • 最大64エキスパートのMoEとMoDのハイブリッド構成に対応
  • 20以上のメトリクスを監視し、学習率調整やエキスパートの追加・削除を自動化するオーケストレータ
  • 500Kから300Bパラメータまでの構成をサポート
  • Apple Silicon向けMetalシェーダーも含む

T4（Google Colab）でベンチマーク検証済みで、無料のColabデモも提供されている。大規模モデルの学習インフラを自立化する取り組みとして、コミュニティで注目を集めている。

製造業のAIエージェント活用実態——日本のリアルな声

ITmediaのMONOistが実施した「製造業のAIエージェント活用実態調査 2026」の結果が公開された。

製造業はこれまでAIの活用が進んでいるとされてきた業界の一つだが、実際の現場ではどの程度AIエージェントが導入され、どのような課題があるのか。調査結果からは、期待と現実のギャップや、導入に向けた具体的なハードルが浮き彫りになっているという。