シリコンバレーと中国の「秘めたAI戦争」——Washington Postが詳報

Washington Postが2026年7月6日付で、シリコンバレーと中国の間で繰り広げられている「秘密のAI戦争」についての調査報道を発表しました。特に注目すべきは、Anthropicが中国企業によるClaudeの知識抽出（ディスティレーション）を告発している点です。

ディスティレーションとは、強力な先行モデルの出力を大量に収集し、それをもとに自社モデルを訓練する手法です。法的な灰色ゾーンにありながら、コストを大幅に抑えられるため、後発のモデル開発において広く用いられています。Anthropicは、中国のAI企業がこの手法でClaudeの能力を不正に模倣していると主張しています。

この報道は、AI業界における知的財産とモデル保護が新たな地政学的対立の火種になっていることを浮き彫りにしています。模型の重み（ウェイト）そのものではなく、出力パターンを模倣される場合、従来の著作権 framework では対応が難しく、新たなルール作りが急務となっています。

llama.cppのTesla P100向けFP16精度バグを3行で修正——コミュニティが発見

RedditのLocalLLaMAコミュニティで、llama.cppに長年潜んでいたTesla P100（sm_60）向けの精度バグが発見され、わずか3行のパッチで修正されました。この修正はturboquant v0.3.0としてリリース済みです。

問題は、llama.cppのCUDAコードにあった「このGPUはFP16演算が速い」というフラグでした。GTX 10シリーズやP40（sm_61）は以前からこのフラグの対象外でしたが、P100（sm_60）はなぜか対象に含まれていました。皮肉なことに、P100はPascal世代で唯一高速なFP16ハードウェアを搭載しているGPUです。

修正の効果は劇的でした。KLダイバージェンス（分布の差異を測る指標）が中央値0.0023から0.000001へ約2300分の1に改善。トップトークンの一致率も96.5%から99.9%に向上しました。つまり、修正前は約29回に1回の確率で、モデルが選ぶべき単語とは異なる単語を選んでいたことになります。

パフォーマンスへの影響はほぼゼロで、デコード速度はむしろ約1.4%高速化されました。現在P100は約80ドル（約1万2千円）で入手可能であり、DRAM危機で他のGPU価格が高騰する中、この修正は低予算でのローカルLLM環境構築に大きな意味を持ちます。

なお、このバグはP100（sm_60）のみに影響するもので、Volta以降のアーキテクチャや他のGPUには影響しません。

AnthropicのJ-Spaceハルシネーション信号を7データセットで徹底検証

同じくLocalLLaMAコミュニティで、Anthropicが発表した「Global Workspaces（J-Space）」論文の実装を、Qwen3-4Bを使って7つの異なるデータセットでストレステストした結果が公開されました。

J-Spaceは、LLMの内部表現の「ノイズ（エントロピー）」を観察することで、出力のlogprobsだけでは捕捉できないハルシネーションを検出する手法です。約11,400サンプルを使った検証で、以下の興味深い知見が得られました。

優れた点: 極端な事実検索タスク（PopQAなど）では、出力の自信度では不可能なレベルのエラー検出が可能でした。5%の人間レビュー予算で運用した場合、自信度ベースのルーティングは基数エラー率以下の精度しか出せませんでしたが、J-Spaceノイズベースでは100%の精度でエラーを捕捉できました。

限界点: 一方で、TruthfulQA（人間の一般的な誤解をテストするデータセット）では予測力が完全に崩壊しました。「最も安全」な領域にあっても84.9%の確率で間違った回答をしていました。これは、J-Spaceが「モデルが必死に答えを組み立てている状態」は検出できるものの、「学習データに焼き付けられた誤った事実を自信たっぷりに出力する状態」は検出できないことを意味します。

数学では閾値が使えない: GSM8K（数学の文章題）では、TriviaQAで調整した閾値が全く機能しませんでした。正解の平均ノイズスコアが1.636で、エラー判定閾値の1.583を超えていました。ステップバイステップの推論は構造的に高エントロピーな活動であり、記憶検索タスクと計算タスクの間で閾値を転用できないことが分かります。

著者は次に、パラメータスケーリングの影響を調査する予定（Qwen3 7B/14B/32B）とのことです。J-Spaceの実用性を評価する上で、非常に参考的な独立検証と言えます。

LLMlet——ブラウザで動くP2P分散LLM推論

GitHubで「LLMlet」という、ブラウザ上で動作するP2P（ピアツーピア）分散LLM推論プロジェクトが公開されました。

ブラウザを通じて複数のノード間で計算を分散させることで、中央サーバーに依存せずにLLMの推論を行うことを目指しています。P2Pアーキテクチャにより、エッジデバイスのアイドルリソースを活用した分散推論の可能性を模索する実験的なプロジェクトです。分散推論は前々からコミュニティで関心が高い領域であり、ブラウザベースでの実装は独自のアプローチです。

CoworkはClaude Codeと何が違うのか

Qiitaで、Anthropic提供の「Claude Code」と「Cowork」の違いを整理した記事が公開されました。両者はどちらもClaudeを活用した開発ツールですが、設計思想や対象ユーザーが異なるとのことです。Claude Codeを知っている前提で書かれており、日本の開発者にとって分かりやすい比較記事として参考になります。