9月8日（現地時間）のAIニュースから6本をまとめる。Metaが個人AIエージェント「Muse」の発表で消費者向けエージェント市場に本格参入した一日でした。一方、前回報じたOpenAIの数学者成果「先取り」疑惑は「共著者を外せ」という圧力の証言という新たな段階に入っています。ローカルLLM界隈では推論エンジン選択の影響を定量化した検証が注目を集めました。

Metaが個人AIエージェント「Muse」を発表——メールから決済、健康データまで

Metaは9月8日、個人向けAIエージェント「Muse」を発表しました。メール、カレンダー、決済、健康サービスといった日常のアカウント群へのアクセスを前提に、車を売る、飛行機のチケットを予約するといった用件を代行する設計です。同社にとって消費者向けAIでは最大級の賭けで、OpenClawやInstinctといった先行サービスと競合する位置づけとみられます。

注目されるのは機能面より信頼の部分です。TechCrunchは「人々がMetaに今も自分のデータを預けられるかどうかの試金石になる」と指摘し、WIREDも「Museはあなたの信頼を必要としている」と題してプライバシーの観点から検証を報じています。メールと決済を握るエージェントがMeta製であることへの抵抗感をどこまで払拭できるかが普及の分水嶺になりそうです。

OpenAIの数学疑惑、続報——「Anthropicの共著者を外せ」圧力の証言

前回報じた「OpenAIが数学者の成果を先取りした疑惑」に重要な新展開がありました。

NYUの数学者Tristan Buckmaster氏は、AI支援で進めていたナビエ–ストークス方程式（ミレニアム懸賞問題。解決には100万ドルの賞金がかかる）の研究ドラフトをすべてCodexにアップロードしていたといいます。そこへOpenAIの研究者が接触し、Anthropicに勤める共著者を論文から外すよう圧力をかけ、拒否された際には脅した——とBuckmaster氏は主張しています。その後OpenAIは同じ珍しい解法の経路をたどる自社のブレークスルーを発表しました。同社は「モデルがユーザーデータを閲覧していない」と説明したものの、訓練への利用に関する質問には答えなかったとされ、疑惑自体は否定しています。

この問題は個別の告発にとどまりません。数学者のTerence Tao氏は「未解決の数学問題はAIによって非再生可能な資源として採掘されつつある」と指摘し、AI支援研究の成果やドラフトがどこで誰に読まれるのかという構造的な問題を突いています。エージェント型AIとの共同研究が増えるほど、「Codexに上げたドラフトは訓練に使われないのか」という問いへの明確な説明が各社に求められることになりそうです。

ChatGPT Images 2.5——スケッチと参考写真を「より自分らしい」画像に

OpenAIは画像生成機能「ChatGPT Images 2.5」を発表しました。アイデア、スケッチ、参考写真をより個別化された洗練度の高い画像に変換するのが改善点で、意図や好みに沿った仕上がりを目指したとしています。日本語での速報解説記事も公開されています。

Qwen 3.8 Flash-Nextで推論エンジン比較——最初の1トークンまで最大約7倍差

LocalLLaMAコミュニティで、Qwen 3.8 Flash-Nextを同一ハードウェア（96GB VRAMワークステーション）でllama.cpp、SGLang、FreeTokenの3エンジンを使い分けて比較した検証が話題です。

262Kトークンのフルコンテキスト読み込み時、最初のトークンが出るまでの時間（TTFT）はSGLangが35.4秒、FreeTokenが80.4秒、llama.cpp＋MTPフォークが210.2秒、llama.cppベースラインで258.4秒と、エンジン間で最大約7倍の開きが出ました。検証ではllama.cppのMTPフォーク、SGLangのBlackwell対応パッチ、n-gram投機デコード、実験的なPLE読み取りパスといった開発中のPRまで試しており、長文コンテキスト処理ではモデル選びと同じくらいエンジン選択が効くことが浮き彫りになっています。

Strix HaloミニPC「EVO-X2」実測——速さはiGPU、効率はNPU、そして同時稼働

日本のZennに、Ryzen AI Max+ 395（Strix Halo）搭載ミニPC「GMKtec EVO-X2」で、XDNA2 NPUとRadeon 8060S iGPUの両方でローカルLLMを回して比較した実測記事が公開されました。

結論は明快です。速度はiGPUが3〜4倍速く、TTFTでもiGPUが優位。一方、消費電力はNPUが約3分の1（26W対75W）で、トークンあたりの消費エネルギーでもNPUが優位です。ただしモデルが大きくなるほどNPUの効率優位は縮むといい、「速さで選ぶものではない」NPUの立ち位置が数値で示されています。NPUとiGPUを同時に動かした場合の挙動も検証しており、ローカルLLM向けハードウェアの使い分け指針として参考になる内容です。

Claudeのトークンを狙うハッカーにAnthropicが警告

TechCrunchは、Claude契約ユーザーのトークンを窃取するハッカーの動きを報じました。先月、あるユーザーが自分は作業していないのにアカウントのトークンが消費されていることに気づき、Anthropicはユーザーに攻撃への警告を発しています。APIキーの管理に加えて日々の利用状況モニタリングの重要性が改めて浮かぶ事例です。

エージェントに日常のアカウントを預ける「Muse」と、それを取り巻く信頼への疑念。研究ドラフトをAIに預けた数学者の不安。ローカルで回す際のエンジンとチップの選び直し。いずれも「AIに何を預け、どう管理するか」という同じ問いの現れに見えます。