8月13日のAIニュースまとめ

今日一番のビッグニュースは、数日前に「リリースは時間の問題」と報じられたQwenの新世代モデル「Qwen3.8」が、予想通り早くもオープンリリースされたこと。最大規模のモデルがHugging Faceで公開され、コーディングやエージェント領域で最先端のクローズドモデルに肉薄する指標を示しています。一方で、Anthropicが数学の未解決問題に新たな進展を見せたという報告や、ローカルで超大型モデルを回す工夫、AIの利用実態に関わる話題も重なった一日でした。

Qwen3.8がオープンリリース、2.4兆パラメータのMoEでコーディング最強クラスへ

アリババ傘下のQwenチームが、新世代モデル Qwen3.8 をオープンリリースしました。その中で最も大きい Qwen3.8-2.4T-A95B のFP8量子化版がHugging Faceで公開されており、総パラメータ2.4兆（2.4T）のうちアクティブ（活性化）するのは95BというMoE構成です。Qwen-Maxクラスのモデルが初めてオープンリリースされた世代と位置付けられています。

公開されたベンチマークは秀逸です。コーディング系では PaperBench で93.0、SWE-bench Pro で67.7に達し、GPT-5.6 Sol（94〜90台）や Fable 5（88.8）と互角に近い領域で戦える指標を示しています。エージェント系でも WideSearch で81.9、Toolathlon Verified で72.5を記録し、複数ステップのタスクを最後まで回し切る信頼性が売りです。

アーキテクチャ面では、Gated DeltaNet（線形アテンション）とGated Attentionを層構造で組み合わせる設計を採用。文脈長はネイティブで26万トークン、拡張で最大約101万トークンまで対応します。推論の深さを reasoning_effort で調整できるほか、会話履歴の推論コンテキストを保持する preserve_thinking も実装されました。

実用上の注意点もあります。このモデルはテキスト専用で思考モードが常に必須。マルチモーダル入力は非対応で、思考をオフにすることはできず、すべての応答が <think>...</think> の推論から始まります。FP8量子化版はvLLM・SGLang・TokenSpeedなどで動作確認済みとのこと。上位モデルは公開されたものの、後述の小型版をめぐっては不穏な噂も流れています。

27Bクラスは「リリース直前に消えた？」の噂も

ローカル運用に関心が高い27Bクラスの動向にも注目が集まっています。RedditのLocalLLaMAコミュニティでは、Qwen3.8-27Bのモデルページ（ModelScope）にアクセスすると404になることが報告され、「リリース直前だったのに取り下げられたのか、それとも一時的な障害なのか」と議論が起きています。現時点では公式発表はなく、真偽と理由は不明です。28B相当のローカル主力モデルを待つユーザーにとっては、続報が気になるところです。

Anthropic、リーマン予想で新発見「AIは自身の進歩を過小評価していた可能性」

先週「未公開のAnthropicモデルが数学の難問で進展を見せた」と報じられた話題に、新たなディテールが加わりました。Anthropicは、AIが数学の未解決問題であるリーマン予想に関する新発見をしたと報告。その際、「諦めないで」「自分を信じて」といった励ましの言葉が成果の引き出しに寄与したとしています。

興味深いのは、同社が「AIも自身の進歩の速さを過小評価していたのかもしれない」と指摘している点です。励ましのプロンプトが推論モデルの振る舞いに影響を与えたという観察は、プロンプト設計や安全研究の観点からも注目を集めそうです。なお、発見の具体的な数学的成果や論文の公開状況については、現時点では詳細が明らかにされていません。

DeepSeek V4 Flash 284Bを1枚のGPUで：投機デコードの「ドラフトはRAM置き」が逆に速い

ローカルLLM界隈では直近もDeepSeek V4 Flashの話題が続いていますが、コミュニティから興味深いベンチマーク結果が出ました。あるユーザーがRTX PRO 6000（96GB）1枚で DeepSeek V4 Flash 284B + 投機デコード（DSpark） を動かし、最適なVRAM/RAM割り当てを探る実験を公開しています。

結果は直感に反するものでした。投機デコードの「ドラフトモデル（小さな予測器）」をVRAMではなくシステムRAMに置く構成が、VRAM置きより約4.4%速かったのです。RAMに逃がした分のVRAMで本体モデルのエキスパート層を3層多くGPUに載せられたことが奏功した形で、「移動させるGB数だけでなく、そのGBがどれだけ頻繁に読まれるかが重要」という洞察が示されています。推測トークンは3つが速度のスイートスポットで、KVキャッシュをq8_0量子化すれば76万トークンまでデコード速度をほぼ落とせたとのこと。CPUオフロード前提の過激なローカル運用において、メモリ配置の工夫が効くことを示す興味深い実測です。

OpenAIが語るChatGPTの「タスクの越境」、国内ではAI詐欺の実害も

最後に利用実態に関わる話題です。OpenAIは、ChatGPTの業務利用で従来は別の職種が担っていた仕事がAI経由で持ち込まれる現象を「タスクの越境」と呼び、どの職種・タスクで越境が起きているかを分析しています。AIが組織内の役割の境界をどう溶かしていくかを示すデータとして参考になりそうです。

一方で警報もあります。国内の葬祭事業者が、AIツール関連サイトを装うサポート詐欺の被害に遭い、業務用PCが遠隔操作されて個人情報を含む約4,000件のファイルが削除され、漏洩した可能性を発表しました。「AI」をうたう不正なサポートに事業所が誘導されるケースが現実のものとなっており、現場での警戒が求められます。