Metaが余剰AI計算リソースのクラウド販売へ

Metaが、自社で抱える大量のAI計算インフラの余剰分をクラウドサービスとして外部販売する方針を進めていることが分かりました。TechCrunchやQuartzの報道など複数のメディアが伝えています。

MetaはAIモデルの訓練と推論のために巨大なGPUクラスタを構築してきましたが、需要の波に対するバッファとして確保した計算容量が当初想定より大きくなり、その余剰を収益化する狙いがあります。SpaceXが打ち上げ余剰容量を衛星事業者に販売したのと同じアプローチと報じられています。

この動きは、AIインフラ市場における競争構造に影響を与える可能性があります。Metaが本格的にクラウド計算事業に参入すれば、AWS、Google Cloud、Azureといった既存プレイヤーに新たな競争圧力がかかることになります。現時点では詳細なサービス内容や価格は発表されていません。

Venice AIが6500万ドル調達でユニコーン企業に

プライバシーを重視したAIプラットフォームを提供するVenice AIが、6500万ドルのシリーズAラウンドを完了し、ユニコーン企業（企業価値10億ドル以上）に到達したとTechCrunchが報じています。

Venice AIは、ユーザーのデータを保存・追跡しないプライバシーファーストのアプローチで、ChatGPTなどの大手サービスに対する代替手段を提供しています。データプライバシーへの関心が高まる中、投資家がプライバシー特化型AIの市場可能性を評価した形です。

プライバシー懸念から大手AIサービスの利用をためらうユーザー層は確実に存在しており、この分野の成長ポテンシャルを示す象徴的な出来事と言えそうです。

Google「Gemini Spark」がMacに対応

GoogleのアジェンティックAI支援ツール「Gemini Spark」がMac版で利用可能になりました。TechCrunchが伝えています。

Gemini Sparkは、単なるチャットボットではなく、ユーザーの意図を理解して自律的にタスクを実行する「アジェンティック」な支援AIです。Mac対応により、デスクトップ環境でより自然にAI支援を組み込めるようになります。

アジェンティックAIは2026年の重要トレンドの一つであり、各社がデスクトップ統合を急いでいます。GoogleがMac環境に足場を固めることで、Apple IntelligenceやMicrosoft Copilotとの競争がさらに活発化しそうです。

SWE-rebench更新：Claude Opus 4.8が56.5%、GLM-5.2が51.1%

ソフトウェアエンジニアリングタスクのベンチマーク「SWE-rebench」のリーダーボードが更新され、多数の新モデルが追加されました。RedditのLocalLLaMAコミュニティで報告されています。

主な結果は以下の通りです：

  • Claude Opus 4.8 xhigh: 56.5%
  • GLM-5.2: 51.1%
  • Gemini 3.5 Flash: 49.5%
  • DeepSeek-V4 Pro: 42.7%
  • DeepSeek-V4 Flash: 38.4%
  • Qwen3.6-27B: 36.5%（ローカルモデルとして注目）

ローカル・自己ホストモデルに限目を向ければ、Qwen3.6-27Bがサイズの割に高いスコアを記録しており、Qwen3.6-35B-A3BやGemma 4 31Bも比較対象として追加されました。オープンソースモデルの実力が着実に向上していることが確認できます。

Hugging Face × Cerebras：Gemma 4でリアルタイム音声AI

Hugging FaceとCerebras Systemsが、GoogleのGemma 4モデルを用いたリアルタイム音声AIの実現で提携したことを発表しました。

Cerebrasの大規模ウェハースケールエンジン（WSE）による超高速推論とGemma 4の組み合わせにより、レイテンシを大幅に抑えた音声対話AIの構築が可能になるとのことです。音声AI分野ではレスポンス遅延がUXの鍵を握るため、ハードウェア面からのアプローチは重要な意味を持ちます。

LLMの「グループシンク」問題が指摘される

MIT Technology Reviewが、現在のLLMが「グループシンク（集団思考）」の罠に陥っていると報じています。

多くのモデルが似たような訓練データと手法に依存している結果、多様な視点や創発的な振る舞いが失われ、異なるモデルを使っても同じような回答が返ってくる現象が起きていると指摘されています。これを解決しようと取り組むスタートアップの取り組みも紹介されており、モデルの多様性確保が今後のAI研究の重要課題として浮上しています。