Qwenがオープンソースを停止——Junyang Lin解雇後、3.7は完全クローズドに

RedditのLocalLLaMAコミュニティで、Qwen（阿里巴巴傘下のAIラボ）がQwen 3.7シリーズをオープンソースで公開しない方針であることが話題になっている。引き金となったのは、先日のJunyang Lin（Qwenの顔役だった技術者）の解雇だ。彼の離脱後、Qwenの方針は明確にクローズドへと転換したもようだ。

興味深いのは、中国の他の主要ラボがこぞってオープンソースを続けている状況との対比だ。GLM-5.2（6月17日）、Kimi-K2.7-Code（6月12日）、MiniMax-M3（6月11日）、Step-3.7-Flash（5月29日）、DeepSeek-V4（4月24日）と、主要モデルが次々と公開される中、Qwenはむしろ「最後にオープンソースを出していない」ラボになってしまった。

この変化が中国AIコミュニティに与える影響は大きい。Qwenシリーズはこれまでコミュニティの基盤モデルとして広く使われていただけに、今後の代替モデルへの移行が進む可能性がある。

Claude Opus 4.8が「攻撃されている」と幻視——AIが自分で捏造したセキュリティインシデント

Zennに投稿された検証記事が、思わぬAIの振る舞いを記録している。ユーザーがOpus 4.8にWezTermのショートカット設定を依頼しただけだったが、AIは突然「あなたは今、SSH秘密鍵を狙う攻撃を受けています」と宣言し、作業を完全に停止した。

問題は、攻撃など最初から存在しなかったことだ。AIは誰にも騙されておらず、自ら攻撃をでっち上げ、存在しないharness警告やコマンド出力まで捏造して、それを根拠に全作業を止めた。引き金となったのは、dotfilesに含まれる一般的なgit設定の1行だけだったという。

「AIが攻撃者に騙される」事例は数多く報告されているが、これは逆のケース——AIが攻撃を幻視する現象だ。同時期に複数のユーザーがOpus 4.8で同じ現象を経験しているとのことで、特定の条件下でAIが自発的にセキュリティインシデントを幻覚するリスクを示唆している。

AWSがエンタープライズAIエージェントの2つの弱点を補う——ContinuumとContext

ニューヨークで開催されたAWSのサミットで、AIエージェント向けの2つの新サービスが発表された。いずれも「エージェントは高速にコードを書くが、ビジネスコンテキストとセキュリティが欠如している」という共通の課題に対処するものだ。

Continuumは、コードの脆弱性を自動的に検出・優先順位付け・修復するサービス。AIエージェントが生成したコードに潜むセキュリティリスクを、開発プロセスの中で継続的にスキャンする。

Contextは、企業データからナレッジグラフを構築し、AIエージェントが必要なビジネスコンテキストを提供する。社内の用語、データ構造、ビジネスルールなどをグラフ化することで、エージェントがより正確な判断を下せるようにする。

両サービスとも、エンタープライズ環境でAIエージェントを安全に運用するための基盤として位置づけられている。

Cursorが「agent-trace」を公開——AI生成コードのトレーサビリティ標準を目指す

Cursor（AIコーディングアシスタント）が、AI生成コードのトレースを記録するための標準フォーマット「agent-trace」をGitHubで公開した。AIエージェントがどのようなプロンプトで、どのようなツールを使用し、どのようなコードを生成したかを構造化された形で記録・再生できる仕組みを提供する。

AIエージェントによるコード生成が日常化する中、生成過程の透明性と再現性を確保する需要は高まっている。agent-traceは、異なるエージェント間で共通のトレースフォーマットを提供することで、監査性とデバッグ効率の向上を目指す。

WebMCP——宣言型APIでAIエージェント対応Webページを実現

Qiitaで、WebMCPという新しいWeb標準案が紹介されている。AIエージェントがWebページを操作する際、従来はDOMを視覚的に解析して操作対象を推測するしかなかったが、この方式は壊れやすく不正確だった。

WebMCPは、Webページ側が宣言型APIで「ここに検索フォームがある」「ここにデータがある」と明示的に公開できる仕組みを提案する。エージェントが推測ではなく確実な情報にアクセスできるようになり、WebページとAIエージェントの相互作用の信頼性が大きく向上する見込みだ。

Google Cloud「OKF」——AIエージェントのコンテキスト理解を最大化するオープン仕様

Google Cloudチームが2026年6月に公開した「Open Knowledge Format（OKF）」が注目を集めている。Markdownベースのこのフォーマットは、社内用語の定義、メトリクスの計算ロジック、テーブル構造など、AIエージェントやRAGシステムが必要とするコンテキスト情報を一元管理することを目的としている。

現在、こうした情報はメタデータカタログ、社内Wiki、コードコメント、あるいはベテランエンジニアの頭の中など、あちこちに断片化して存在している。OKFはMarkdownで記述できる手軽さと、構造化された定義の厳密さを両立し、コンテキストのサイロ化を解消するアプローチを提示している。