本日のまとめでは、家庭内ネットワークでローカルAIを分散させるNvidiaの新構想、ベンチマークスコアの信頼性を巡る議論、本番運用系推論エンジンのOSS公開、そして戦場データがAI学習市場を作りつつある現状を取り上げる。日本語圏からは、API定価が完全一致したClaude Fable 5.1とGPT-6 Astraの実測比較、ELYZA特許を審査記録から読み直す記事を紹介する。

Nvidiaの「PAIR」、家庭内ネットワークをローカルAIのミニデータセンターに

Nvidiaは「PAIR（Personal AI Router）」と呼ぶ仕組みで、家庭内ネットワーク上の利用可能なデバイス全体にローカルAIリクエストを自動分散する構想を示した（The Decoder）。

ローカルLLMを単体のPCで動かしている場合、処理はそのマシンの性能に律速される。PAIRが狙うのは、自宅にある複数のマシンやデバイスを束ね、1つの「ミニデータセンター」のように扱うことだ。特に複数のAIエージェントを並行して走らせる用途では、リクエストの待ち時間削減が体験に直結する。公開されている情報は現時点では概要レベルであり、対応デバイスの範囲や提供時期などの詳細はまだ確認できない。

AstraのARC AGI-3「98.6%」を巡って──ハーネスで変わるスコア

先日正式リリースされたGPT-6 Astraについて、ARC AGI-3で98.6%というスコアが話題になっているが、LocalLLaMAコミュニティではこの数字をそのまま受け取ることへの慎重論が出ている。

投稿が指摘するのは、Nvidiaが独自のハーネス「AVO」によってARC AGI-3で100%を達成したと発表している一方、OpenAIは標準のハーネスではなく独自の評価環境を使ったという点だ。ハーネス（評価を回すための実行環境）は、ツール利用の扱いや時間制限の設定次第でスコアを大きく動かしうる。同じベンチマークの数字でも、どう測られたかを確認しないとモデル間比較は成り立たない、という指摘である。

9月3日にAstraのリリース自体は取り上げたが、スコアの「測り方」を巡るこの議論はその続きとして見ておく価値がある。

推論エンジン「Paddock」がOSS公開──本番運用リポジトリをそのまま

LocalLLaMAに、Rust/C++製の推論エンジン「Paddock」をMIT/Apache-2.0デュアルライセンスで公開したという投稿が登場した。開発者の一人によれば、年間約300Bトークンを社内で処理している実運用のエンジンで、内部リポジトリをCUDAカーネル込みでそのまま公開したという。

主な特徴は次の通りだ。

  • 1つのバイナリでOpenAI互換とAnthropic互換のAPIを提供
  • GGUFとsafetensorsの両方を読み込み可能
  • 独自実装のCUDAカーネルを同梱

Qwen3.8-27B FP8をRTX PRO 6000 1枚で動かした比較では、vLLMに対して13項目中13項目で高速（1.02〜1.19倍）、llama.cppのQ8_0に対しては13項目中13項目で1.5〜37倍、32クライアント同時接続では1062 tok/sを記録（vLLM 958、SGLang 844）という。ただし制約も明確で、CUDA専用、BlackwellとAmpereで検証済み、1GPUにつき1モデル、テンソル並列なし、Mac/ROCm/Vulkan非対応と、使える場面は限られる。

「負けたベンチも全部載せている」という姿勢も含め、実運用コードがそのまま出てくる公開は珍しい。ローカル／オンプレ推論の選択肢が増える意味で注目したい。

戦場ドローンのデータがAI学習の新市場になる

MIT Technology Reviewの長文レポートが、ウクライナの戦場で生成されたドローンデータがAI学習用リソースとして流通し始めた実態を描いている。

ウクライナ国防省は今年1月、数万回のドローン飛行で得られた数百万規模のデータポイントを軍事請負業者と民間企業に提供すると発表し、以降100社以上の企業と英国政府がアクセスを得た。米国企業のEnabled Intelligenceは、50万時間を超えるウクライナのドローン映像を学習用に利用可能にしたという。

なぜこうしたデータに価値があるのか。学習に最も効くのは「例外」──視界が消えた、通信が妨害された、操縦者が即興で対応した──の瞬間であり、実験室では再現できないそうした状況を戦場は高頻度で生む。ウクライナで電子妨害下の空域を学んだドローンが、電波環境の弱い農業地帯の測量に転用されるなど、軍用の経験が民生に還流する構図も既に始まっている。

一方で記事は、映り込んだ兵士や市民が同意なく学習素材に組み込まれる同意の問題、学習データの出自がモデル内部で追跡不能になる問題、危険を負う前線国家と利益を得る遠隔の国々の非対称まで、規制が整備されていない論点を列挙する。同国の「Avengers Labs」は機密データベースへの直接アクセスなしに学習できる枠組みを作るなど対応は始まったばかりで、著者は「戦闘から商業への経路を見える化する規制」が必要だと主張する。

日本語圏から

Fable 5.1とGPT-6 Astra、定価が完全一致──「測って選ぶ」時代

9月1日のClaude Fable 5.1と9月3日のGPT-6 Astraは、API定価が入力10ドル／出力50ドル（100万トークンあたり）で完全に一致した。Zennの分析記事は、この状況では定価はもはや選択基準にならず、実際の請求を分ける3つの数字──出力比率、キャッシュヒット率、そして同じ文章を両社が何対何のトークンに数えるかの比──を実測するしかないと整理する。目安として、出力比率が10%を超える用途ならAstra、出力比率3%以下・キャッシュヒット率90%超のエージェント用途なら条件次第でFable、1リクエスト272K超の長文処理はFable、という切り分けを示している。トークン計数の比は現時点で未公表であり、そこを実測できるかが実質的な分岐点になるという。

ELYZA特許、審査記録を読み直す

9月3日にELYZAが「業務AIアプリをAIで作成する仕組み」の特許取得を発表し「範囲が広すぎる」との批判が集中、同社が夜間にリリースを修正して謝罪した件は記憶に新しい。Qiitaに投稿された記事がこの特許の審査記録を全体として読み解くもので、審査官が審査過程でQiita記事を引用していたことが分かるという。特許の中身そのものよりも、審査で何が根拠にされたかが可視化されるケースは稀で、日本のAI特許を考える素材として注目される。