2026年8月28日に収集した海外AIニュースから、注目トピックを整理します。今回の柱は、Z.aiの大型オープンモデル「GLM-5.3」の公開、Google DeepMindの研究支援AI「Co-Scientist」の大幅な機能拡大、Anthropicによる自己改善AIの研究報告、GPUクラウドLambdaの10億ドル規模のデット調達、そしてオープンウェイト企業への買収資本の集中です。

Z.aiが753BのGLM-5.3を公開──ベースはGLM-5.2と同じ、利得はすべてポストトレーニング由来

Z.aiが753Bパラメータのオープンウェイトモデル「GLM-5.3」をHugging Faceで公開しました。注目すべきはその中身で、ベースモデルは前世代のGLM-5.2と完全に同じ。コードや長期タスクの能力向上は、すべてポストトレーニングだけによって達成されたと説明されています。

コード生成では社内ベンチ「Z.ai Code Bench」でGLM-5.2比50%の向上を達成し、「最も能力の高いオープンウェイトのコーディングモデル」をうたっています。公開ベンチマークでも「Terminal Bench 3.0」で28.3（GLM-5.2は4.6）、「Agents' Last Exam」でオープンソースSOTAを獲得。ただしクローズド勢と比べると、Terminal Bench 3.0でGPT-5.6 Solが34.6、Fable 5が33.7と、ターミナル作業系ではいまだ上位モデルが前にいます。

もうひとつの特徴は「創発的なサイバー能力」です。ポストトレーニングをスケールするうちにサイバー能力が予想以上の速さで伸びたとされ、脆弱性発見のベンチマーク「CyberGym」では84.5でSOTA。より悪用寄りの「ExploitGym」（2時間/6時間）では105/130に達し、GLM-5.2の29/39から2倍以上に向上しています。高性能な脆弱性診断能力が誰でもダウンロードできる形で配られることの両面性は、公開後の論点になりそうです。

推論時はreasoning_effortパラメータ（low / high / max、デフォルトはmax）で思考予算を制御できます。ローカル側の動きも早く、unslothによるGGUF量子化版がさっそく公開されているほか、RedditではGLM-5.3-Flash対応のds4ブランチをM4 Max 128GBで動かした報告や、新エンジン「TensorSharp」でGLM-5.3-Flashのデコード速度がllama.cpp比で約2倍（tg64で73.5 t/s対36.6 t/s）というベンチマーク共有も見られました。先日「Ox Alpha」の正体と特定された軽量版GLM-5.3-Flashに続き、フルサイズ版が登載した形です。

DeepMindの「Co-Scientist」、実験の計画から装置操作・論文執筆まで

Google DeepMindは、科学研究支援AI「Co-Scientist」を、仮説を生成するシステムから実験そのものを実行する研究システムへと拡張したと報じられました。Geminiベースのマルチエージェント構成で、実験の計画、研究室の装置の操作、そして科学論文の執筆までをこなします。材料合成から医療用AIアーキテクチャの自律開発まで3分野で適用され、実験的に検証済みの結果を出したとされています。

「AIが仮説を出す」段階から「AIが実験系を回して論文まで書く」段階への移行は、研究業務の自動化が一気に進む可能性を示します。とはいえ現時点では公開情報が限られており、成果の質や再現性については今後の検証を待ちたいところです。

Anthropicの研究者が自己改善AIの一端を公開──10種のミスアラインド挙動ベンチで全て改善

Anthropicの研究者が、AIが自らを改善する仕組みに関する研究の一端を公開しました。特定のミスアラインド挙動（望ましくない振る舞い）に対応する10個のベンチマークを与えたところ、自動化されたシステムは全体性能を劣化させることなく、全ベンチマークでスコアを改善できたといいます。

自己改善は能力向上の可能性と制御の難しさを同時に抱えるテーマです。今回はミスアラインド挙動の抑制という安全側の改善に絞った検証とみられますが、詳細な手法や限界については一次情報を直接確認するのが確実です。

Lambda、10億ドルのデッドファイナンスでNvidiaチップを調達

先日「評価額120億ドルで30億ドル規模の調達を協議中」と報じられたGPUクラウド（Neocloud）のLambdaが、10億ドルのプライベートデット（私募債）を調達したとTechCrunchが報じました。資金はNvidiaのAIチップ購入に充て、購入したチップをMicrosoftにリースするといいます。一連の融資の最新例であり、AIブームにかかるコストの高さを浮き彗りにしています。

エクイティ調達ではなくデットでチップを買う構図は、GPUが担保付き資産として金融市場で機能し始めていることを示唆します。供給能力と支払能力が競争力を直接左右するインフラビジネスでは、こうした金融工学的な調達が今後も増えそうです。

オープンウェイト企業がシリコンバレーの買収主戦場に

「モデルを無料で配るビジネス」に資本が集中している、とTechCrunchが報じています。オープンウェイト（公開ウェイト）のAI企業がシリコンバレーで最も熱い買収対象になっているというもので、NvidiaによるHugging Face買収（約130億ドルと報じられた件）以降、傾向が強まっているとみられます。

関連して、MoonshotとNvidiaの協議をめぐる報道が「中国製AIモデルのエンタープライズ市場への浸透」の兆しとして注目を集めました。オープンウェイト戦略は、コミュニティの信頼獲得とエンタープライズ契約への導線を同時に持つ点で、買収側にとって魅力的な資産として映っているとみられます。

ローカルLLM角落：GGUF量子化の「名前と中身の不一致」監査、エージェント検索の偽情報耐性ベンチ

LocalLLaMAコミュニティから実用的な2本です。

1本目はGGUF量子化ファイルの監査報告。k量子化・i量子化はテンソルの行数が256で割り切れる必要があり、割り切れない場合、llama-quantizeは約4.5bpwの互換タイプに黙って差し替えるものの、ファイル名は低ビットのままである──という仕様を確認し、25リポジトリの443個の量子化ファイルを調査したところ64個が影響ありと報告されています。Nemotron-3.5-LightningではIQ2系の4段階すべてが同一の4.58bpwファイルだったといい、テンソルテーブルを読んで中身を判定する監査ツール（Python単体・stdlibのみ、HFリポジトリならヘッダだけ範囲リクエストで取得）も公開されました。この挙動自体はllama.cppのPR #3747（2023年）以来の意図的な設計で、警告は量子化ログに出るため、完成品のGGUFをダウンロードする利用者には見えないのが問題だったと指摘しています。「ファイル名は作ろうとした量子化を示すだけで、入っている量子化を示すわけではない」という話は、ローカル運用者にとって実用的な知見です。

2本目は「EchoNet」というベンチマーク。エージェント検索の際、偽ページ、検索上位に置かれた偽ページ、多数ページにコピーされた偽主張、本物の一次情報を取り囲む「大きな音の偽多数派」、訓練データより新しい本物の更新などが混ざる合成ウェブを読ませ、モデルが自分の記憶と新しいソースのどちらを信じるか（認識的調停）を測ります。9つのオープンモデルを50〜100試行したところ、騙されやすかったのはDeepSeek V4 Flash（15.8%）で、GLM 5.2とQwen3.8系（Flash/27B）は一度も騙されなかったといます。エージェント時代の信頼性評価の枠組みとして、続報が気になるところです。