AIチップをめぐる報道が並んだ8月24日。Xiaomiは自社開発のモバイルSoC「Xring O3」を発表し、長年主要部品を供給してきたQualcommとMediaTekに圧力をかける構えを見せた。Cerebrasはチップを変えずに2倍の性能を引き出すとした「CS-4」を発表している。英国ではAI向けデータセンターへの投資がドットコムバブル期の水準に戻った。このほか、妊娠相談への回答で反中絶団体を案内するチャットボットの実態調査や、Qwen3.8-27Bが人気面でも頂点に立った話題などをまとめる。

Xiaomiが自社開発チップ「Xring O3」──QualcommとMediaTekに圧力

Bloombergが伝えたところによると、Xiaomiはフラッグシップ機向けの自社製モバイルプロセッサを投入した。これまで主要部品を供給してきたQualcommとMediaTekに圧力がかかる構図だ。新チップ「Xring O3」は、より省電力な画像処理と優れたAI機能を備え、同社の半導体設計の内製化の取り組みを前進させるという。北京に本社を置く同社は月曜、中国のSNS「Weibo」で投稿した。

注目したいのは、スマートフォン大手がAI処理を担うチップの設計を自社の手に握りつつある点だ。端末側でAIを動かす需要が高まる中、チップ設計の主導権が製品競争力に直結する。今回の情報からは性能の詳細数値や搭載機種のラインナップは分かららず、今後の展開を待ちたい。

Cerebras「CS-4」──同じチップのまま2倍の性能を主張

ウェハーススケールの巨大チップで知られるCerebrasが、新しいAIアクセラレータ「CS-4」を発表した（The Decoder）。CEOのAndrew Feldman氏は「業界最速のシステム」と呼んでいる。興味深いのは、性能2倍という向上を「同じチップで」実現したとされる点だ。チップ自体の刷新ではなくシステム側の工夫で性能を引き出せるのであれば、既存世代からの移行コストの面でも訴求力がある。ただ、現時点で公開されている情報は限られており、詳細なベンチマークや提供時期は追加の報道を待ちたい。

英国のAIデータセンター投資、ドットコム期の水準に戻る

Bloombergによると、企業は昨年、英国のデジタルインフラに110億ポンド超（約150億ドル）を投じた。AI用データセンターの建設ラッシュが背景にある。国家統計局（ONS）の改訂データによれば、デジタルインフラへの投資は2000年──ドットコムブームが支出を押し上げていた時期──の水準に戻ったという。

四半世紀ぶりの高水準という象徴的な数字だ。ドットコム期の投資がその後の調整を招いた歴史を踏まえると、AIインフラへの支出がどこまで持続するかは引き続き注視すべき論点になるだろう。

妊娠相談の回答が反中絶団体へ──チャットボットの「無断誘導」問題

AIチャットボットの信頼性をめぐる問題も報じられた（The Decoder）。NGOのAlgorithmWatchがChatGPT・Gemini・Grok・Claudeの4つのチャットボットから集めた270件の回答を調査したところ、計画外の妊娠について尋ねた際に、反中絶の立場を取る団体のサイトをその立場を明示せずに紹介するケースが繰り返し見つかった。反中絶団体Profeminaは回答の17％に登場したという。

ドイツではさらに切実な例もあった。中絶前のカウンセリング先としてカリタス（Caritas）を案内したケースが見つかったが、同団体は法律上必要な証明書を発行していないという。利用者がチャットボットの回答を医療情報として信用する前提で考えれば、立場の開示なしに特定団体へ誘導するのは深刻な問題だ。意図的な偏向なのか、訓練データに由来する癖なのかは今回の情報からは分からない。

Qwen3.8-27B、人気投票でも頂点に──ローカルLLM界の今

これまで実戦報告を追ってきたQwen3.8-27Bが、コミュニティの人気面でも節目を迎えた。RedditのLocalLLaMAに投稿された、QwenのHugging Faceページで最も「いいね」されたモデルのトップ10まとめによると、Qwen3.8-27Bは公開から1ヶ月足らずで次点以下4モデルの合計を上回るいいねを獲得し、長らく女王の座にあったQwQ-32Bを抜いたという。投稿者は「平均的なLLM愛好家は27B前後か9B前後の汎用モデルを好む傾向がある」とも観察している。

GPUが潤沢でないユーザー向けの話題も。8GB VRAMのノートPCと12GB VRAMのデスクトップを使うユーザーが、「Laguna XS 2.1を見落とすな」という投稿を公開した。同モデルは60kコンテキストで毎秒30トークンで動き、テトリス風・ソニック風のゲームを1回のプロンプトで生成できたという。出来の洗練度はQwen 3.6〜3.8 27Bには及ばないものの、そのクラスの密なモデルがそもそも動かないハードウェアでは貴重な選択肢で、投稿者はGemma 4 26B-A4BやQwen 3.6 35B-A3Bよりも良かったと感じたという。ただしループに陥るという報告もあり、評価は割れている。

同じ日は「ある程度賢いモデルなら、速さのほうが大事」という議論も立っていた。エージェント的に使える賢さがあって初めて速度が効いてくるが、遅くてイテレーションに時間がかかるモデルは避けたい──投稿者の目安はprefillで毎秒500トークン、decodeで毎秒25トークンあたりだという。「少し賢くないモデルでも、速いほうを選ぶ」という価値観は、ローカルLLM選びの実用感をよく表している。

Daily Papersから──料理でLLMを序列する「FlavourBench」

Hugging FaceのDaily Papersでは、一風変わったベンチマークが注目を集めている。「FlavourBench」は、LLMの料理知能を測る世界初のベンチマークをうたい、16のラボの最強モデルを534の実行可能な料理タスク（Epicure基盤）で比較したもの。結果はGrok 4.6が先頭に立ったという。従来のベンチマークが数学やコードに偏りがちな中、実世界のタスク領域で序列をつける試みとしてユニークだ。

同じくDaily Papersでは、基盤モデル時代の「人間中心知能」を、視覚的外観・空間幾何・運動力学・インタラクション・世界シミュレーション・身体性を持つエージェントという6つの文脈レベルで整理したサーベイも公開されている。手法・データセット・評価指標から将来の方向性まで体系的にまとめ、コミュニティで継続更新するリソース集も公開しているという。

国内動向──ポケカ対戦AIエージェントに初心者が挑戦

国内では、AIエージェントを使ってポケモンカードを対戦させる大会に興味を持ち、開発経験なしの状態から公式のサンプルエージェントをベースにルールベースAIを改善していった過程をまとめたQiita記事が公開された。カードゲームへの知識をAIの改善に活かすという、遊びと学習を結びつけた実践記として読みやすい。