SpaceXのAI収益、短期的には「宇宙でなく地球」に
ロイターの報道によると、SpaceXのAI投資に対する市場の見方が「宇宙ビジネスよりも地球のインフラ用途に近い」ものにシフトしている。同社が展開するStarlink衛星コンステレーションや地上局ネットワークにおけるAI活用が、短期的な収益源としてより現実的だと評価されているためだ。
宇宙空間でのAI自律制御や火星探査への応用は長期的なビジョンとして存在するものの、投資家やアナリストの関心は「地球軌道上の通信インフラを最適化するAI」に向いている。これは、AIの商用化において派手な宇宙ユースケースよりも、地に足のついたインフラ用途が先行するという現実を示しているといえる。
Mac M2 16GBでローカルAIを予算内に——実践報告2件
Hacker Newsで「Managing a small local AI budget」という記事が注目を集めている。Mac M2 16GBという限られたメモリ環境で、どのモデルが現実的に動くかを予算感とともに整理した内容だ。クラウドAPIの月額費用と比較しながら、ローカルでどこまで賄えるかを検討するアプローチは、個人開発者や小規模チームにとって参考になる。
同時に、Qiitaでも「グラボのないマシンにllama.cppをインストール」というタイトルで、GPUを搭載しないマシンでLLMを動かす実践報告が公開された。著者はAIコーディングの学習を目的として、Forgejoを活用したおうちサーバー環境にllama.cppを導入した経緯をまとめている。
2つの記事から共通して見えるのは、「高価なGPUがなくてもCPUベースでLLMを試せる環境が整ってきた」という流れだ。もちろん推論速度ではGPU環境に遅れをとるが、学習やプロトタイピング用途なら十分実用範囲内との見方が示されている。
PrismaQuant — Blackwell向け新量子化手法がRTX Pro 4500で好結果
RedditのLocalLLaMAコミュニティで、RTX Pro 4500（32GB）を使用したPrismaQuantのベンチマーク結果が詳細に報告された。
PrismaQuantは、各線形層に最適な量子化フォーマットを個別に選択することで、特定ビット幅でのモデル性能を最大化する新しい手法。NVIDIAのDGX Sparkフォーラムで議論が始まり、現在はvLLMのBlackwellアーキテクチャ（RTX 50シリーズ、RTX Proシリーズ）でのみ利用可能だ。GGUF形式にはまだ対応していない。
テストではQwen3.6-27Bモデルを使用し、PrismaQuantの2つのバリアント（PrismaSCOUT約5.31bit / PrismaAURA約5.5bit）を、従来のNVFP4 W4A4（Sakamakismile）やINT4 Autoround（Lorbus）と比較している。
結果のハイライト：
- **Sakamakismile（NVFP4 W4A4）**がプレフィル速度で最速（5,789 t/s、0-100K平均）、200Kコンテキストでも1,559 t/sを記録
- PrismaSCOUTは生成速度（TG）でSakamakismileに近い水準を維持しつつ、KL距離（BF16との乖離）で改善を示す
- **PrismaAURA（5.5bit）**はKL平均0.0342と最もBF16に近く、品質面で優位。ただしウェイトサイズが23GBと大きく、コンテキスト長は150Kに制限される
- **INT4 Autoround（Lorbus）**は生成速度で最高（74.74 t/s）だが、プレフィルが遅く、KL距離も大きい
実用面では「200Kコンテキストを必要とするか、品質を優先するか」でPrismaSCOUTとPrismaAURAを使い分ける形になる。Blackwellユーザーにとって、NVFP4の選択肢が広がっていることは確かだ。
Google AntigravityでMCPサーバーが動かない——AIの「自白」を物証で覆す
Qiitaに、自作のVBA管理ツールをMCPサーバー化してClaude Codeから利用している開発者が、Google Antigravity（GoogleのAIコーディング環境）で動かそうとした際のトラブルシューティング記録が投稿された。
面白いのは、AI自身が「自分のコードが原因だ」と「自白」したものの、実際には別の要因だったという展開だ。著者はAIの自己分析を鵜呑みにせず、物証（ログや実行結果）を積み重ねて真の原因を特定している。MCPサーバーのトラブルシューティングにおいて「AIの説明を検証可能な事実で裏打ちする」という姿勢は、AIアシスタントを開発ツールとして使う上で汎用的に参考になるアプローチだ。