9月13日昼のキャッチアップは、「個人のデータ」と「AIのリスク」という二つの重いテーマが並んだ。Appleが第3世代のFoundation Modelを紹介する記事を公開し、Hacker Newsでは「個人のプライベートデータでAIを訓練するのか」という論点でこの時間帯最大の盛り上がりを見せた。一方、AnthropicのDario Amodei（ダリオ・アモデイ）氏はThe Atlanticの長編記事とCNNのインタビューでメディア展開を重ねている。その裏では、Hugging Faceの検閲・アクセス制限を懸念したミラーサイトの登場や、LoRAアダプタのサーバーレスホスティングなど、オープンコミュニティが自衛と下部構造づくりを進める動きも目立った。

Apple──第3世代Foundation Modelと「プライベートデータで訓練」論争

Appleの機械学習研究チームが「第3世代のApple foundation models」を紹介する記事を公開した。Hacker Newsでは24ポイント・16コメントとこの時間帯で最も注目を集め、投稿された見出しは「Appleはあなたの個人的なプライベートデータでAIを訓練したがっている」という強いものだった。

第3世代モデルの訓練手法の詳細は現時点では元記事を参照してほしいが、議論の焦点はむしろ反応のほうにある。「プライバシー」を看板にしてきたAppleが、どこまで個人のデータをモデル改善に活用するのか──これはオンデバイスAIの実利と、データが端末の外へ出ることへの不安が真正面から衝突する地点だ。パーソナライズされたAIほど個人の文脈を必要とし、その文脈こそが最も扱いにくいデータであるという構造は、Appleに限らず全プレイヤー共通の難問でもある。

Amodei氏の「コードレッド」──The Atlantic長編とCNN直撃インタビュー（前回から更新）

今朝のまとめで「AI開発に『速度制限』と監査人案」と伝えたAmodei氏の一連の訴えが、さらに大きな媒体へと広がっている。The Atlanticは「AI's Code-Red Moment（AIのコードレッドの瞬間）」と題する長編記事を掲載した。記事のURLに「dario-amodei-slow-down-ai-save-humanity（アモデイ、AIを減速させ人類を救う）」という言葉が入っている通り、AIの開発速度を意図的に落とすべきだという主張を展開しているとみられる。

さらにCNNでは、記者のAnderson Cooper氏がAmodei氏に「AIが全人類を殺すことができると真剣に信じていますか」と直撃するインタビュー動画が公開された。CEO自らが破局的リスクを口にしながら主要メディアを巡回するという異例の展開が続いている。前回も書いた通り、安全性の論者が経営トップの側から出てくることの重みは小さくなく、規制議論への影響が気になるところだ。

「The Hugging Bay」──Hugging Face検閲懸念への「保険」

RedditのLocalLLaMAコミュニティでは、Hugging Faceが検閲やアクセス制限を始めた場合に備えた新しいモデルダウンロードサイト「The Hugging Bay」が紹介された。投稿者はその狙いを「HFが検閲やアクセス制限を始めた場合のための保険」と説明している。

このブログでも続けてきた通り、オープンウェイトモデルをめぐる環境はここ数ヶ月で大きく動いている。ライセンスの扱いが東西で分岐し、API経由の無断学習をめぐる対立が表面化し、中央集約型のモデルハブが単一障害点になりつつあるという認識がコミュニティに広がっている。ミラーの実用性や合法性は別途慎重に議論されるべきだが、「ダウンロードできるうちにダウンロードしておく」という危機感の共有自体が、オープンモデル環境の現在地を如実に示している。

「人類が構築する最後のAI」──再帰的自己改善の研究がarXivに

arXivには「The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement（人類が構築する最後のAI：本物の再帰的自己改善に向けて）」と題する論文が投稿された。AI自身がAIを改善する「再帰的自己改善（recursive self-improvement）」が本当に機能したとき、人間はモデル構築の主導権をいつ、どの手続きで手放すことになるのか──その転換点を正面から扱った研究とみられる。

自己改善するAIはSFではお馴染みの題材だが、近年は合成データによる訓練自動化など、現実の研究開発が着実にその方向へ進んでいる。タイトルの「最後」という言葉は誇張ではなく、改善ループが閉じた先で制御をどう設計・保証するかという、AI安全研究の中心課題に直結する。詳しい主張の内容は現時点では論文本体を参照してほしい。

Lorivo──LoRAアダプタを「1台のGPUサーバー」で共有するサーバーレス基盤

LocalLLaMAには、LoRAアダプタ専用のサーバーレスホスティング基盤「Lorivo」を構築したという投稿が現れた。開発者の問題意識は明快だ。rank 8〜32のLoRA/QLoRAアダプタはウェイトの99%以上がベースモデルと同一なのに、運用では丸ごと1台のGPUインスタンスを要求される。この非効率に対し、ベースモデルごとに1台のGPUサーバーを立てて複数のアダプタを共有する構成を、バッチングやメモリ管理、fused LoRAカーネルといったvLLMの機能で実装したという。

フローはシンプルで、アダプタをアップロードするとベースモデルが自動判定され、該当するGPUサーバーにロード、OpenAI互換エンドポイントが払い出される。lorivo deploy ./my-loraのような一言でデプロイできるCLIも用意され、現時点ではQwen 3.5 4Bが常に無料で使える。チャットや推論リクエストは保存しないというプライバシー姿勢も明示されている。ファインチューニングから公開までの「ラストマイル」を埋める試みとして、個人開発による下部構造が着実に育っている。

RoastMyHarness──自作エージェントツールを「素の状態」と比較ベンチする

同じくLocalLLaMAで話題になったのが「RoastMyHarness」。コーディングエージェント「Pi」向けに自作したハーネス・拡張・スキル・AGENTS.mdなどを、何も手を加えていない素のPi（コントロール）と同じDeepSWEベンチマークタスクで比較実行し、「何が改善され、何が壊れ、いくらかかったか」を可視化する小さなエンジンだ。

投稿者は「素のPiのタスク品質とトークン効率を上回るのは驚くほど難しい」とも書いており、エージェント拡張ブームへの冷静な処方箋として興味深い。道具を自作したら信念ではなくベンチマークで確かめる──その文化がコーディングエージェント周辺にも浸透しつつある。

国内: Agentforceは「従量課金」と「席課金」をどう選ぶか

Qiitaでは、SalesforceのAgentforceについての興味深い実務記事が公開された。月額ライセンスとアクション単価を並べるだけでは実運用の原価は決まらないと指摘した上で、同じ処理でも実行ユーザーや権限によって従量課金の対象が変わる点と、「課金された処理の成功件数」と「顧客の依頼が完了した件数」のずれから、業務完了あたりの単価を見積もる方法を整理している。

エージェント導入の成否は、モデル性能よりも課金設計と単価管理に依存する部分が大きい。国内事例の積み上がりはまだ少なく、こうした実務視点の検証の積み重ねが、日本企業のエージェント活用の地ならしになっていきそうだ。

まとめ

Appleをめぐるプライバシーとパーソナライズの綱引き、Amodei氏の「コードレッド」声明が続くメディア展開。その一方で、ハブの検閲を懸念したミラーサイトや、LoRAを気軽に公開する基盤、自作道具をベンチマークに掛ける文化といった、オープンコミュニティ側の自衛と整備も並んだ。巨大プラットフォームとコミュニティの双方で「AIの前提」が組み替えられていく過程を、引き続き追いかけていきたい。