9月17日に収集されたニュースから、本日のトピックを整理します。企業向けAIコーディングでは、DatabricksがGPT-6 Astraを約3,500人へ展開した実測が報告され、性能と引き換えにコーディング支出が約6割増えた実態が注目を集めました。オープンモデルでは、中国電信系の29B MoE「Xing4.0-29B-A4B」がファーウェイ製NPUで訓練されている点で話題です。WebインフラではCloudflareが「AI学習のみ拒否」できる新設定を発表しました。このほか、DeepSeekエンジニアの手記、Qwen 3.8 27Bの30日間運用検証、XiaomiによるRL訓練のライブ公開と、現場の声が豊富な一日でした。

Databricksが明かすAstra全社展開の実測──性能は「明白に上」、支出は+60%

DatabricksのPatrick Wendell氏が、OpenAIのGPT-6 Astraを約200人のパイロット利用を経て約3,500人のエンジニアへ展開した結果を報告しました。それによると、Astraは高複雑度のシステム設計や長期タスクで従来の最高クラスのモデルを「明白に」上回る一方、中・低複雑度のコーディングでは大きな改善は見込めない可能性があるとされます。

注目はコスト面です。Astraへのアクセスによってコーディング関連の総支出が約60%増加したため、同社はAstra専用のサブ予算を設けて選択的な利用を促しているといいます。タスクあたりコストの安さを示すベンチマークが多い一方、実際の大規模導入では利用が伸びて総支出が膨らむ──という構図が、具体的な数字つきで示されたのが初めてと言えそうです。

時を同じくして、AIコーディング熱の代表的な推進者だったSteve Yegge氏が自身のプロジェクト「Gas Town」を閉鎖したことも話題になりました。Yegge氏は毎月多額のコーディングエージェント費用を払い続けながら、それで完成させられたのはGas Townだけだったと認めており、コミュニティでは「熱狂への冷や水」として共有されています。

Ascend NPUで全訓練した29B MoE──中国電信系「Xing4.0-29B-A4B」

RedditのLocalLLaMAコミュニティで、中国電信人工知能技術(XingChen-AGI)が公開したMoEモデル「Xing4.0-29B-A4B」が話題になっています。総パラメータ29B、トークンあたりの活性パラメータは4B。256Kコンテキストをネイティブでサポートし、512Kへ拡張できるとされます。前身はTeleChatシリーズです。

最大の特徴は、この規模のモデルとして初めて、ファーウェイ製Ascend NPUプラットフォームとMindSporeフレームワークだけで訓練された点です。細粒度のMoE通信最適化や選択的再計算、自動のグラフ・演算子融合といった多層的な最適化により、訓練スループットを素の状態から約96%向上させたと報告されています。

性能面では、SWE-bench Verifiedで75.00と、比較対象のGemma4-26B-A4B(53.00)を大きく上回り、Qwen3.6-35B-A3B(76.00)とほぼ互角。エンジニアリング系のTerminal-Bench 2.1では57.50と、両比較対象(30.00/51.50)を上回っています。推論はSGLang・vLLM・KTransformersに対応し、OpenCodeやClaude Code、OpenClawといったエージェント環境向けの調整も済んでいるとされます。

同じ日に、中国のオープンウェイトモデルは米フロンティアモデルから約4ヶ月差まで迫っており、コストは大幅に安い──とするMozillaの分析も話題になりました。一部ベンチマークではまだ劣るものの、「十分に良い」性能と価格のバランスで実運用に耐えるという見方です。

Cloudflare、「検索は許可・AI学習は拒否」を切り分ける新設定

Cloudflareが、検索エンジン向けのクロールは許可したまま、同じクローラーによるAI学習だけを拒否できる新しい設定メニュー「AI学習の不許可」(Disallow AI Training)を発表しました。ITmedia AI+が報じるもので、Google、Apple、Microsoftの3社が対応する見通しです。

従来の運用では、クロールを許可するとそのコンテンツがAI学習にも使われがちで、両者を分けて制御する手段がありませんでした。AI学習の可否だけをサイト運営者が細かく指定できる道が開けば、検索流入を維持したいサイトとAI開発側の新しい均衡点になる可能性があります。大手3社の対応がどこまで実運用に及ぶか、今後の動向を見ていきたいところです。

DeepSeekエンジニアが綴る「AIにカーネルを書かれる日」──6〜12ヶ月で専門家超えの可能性

DeepSeekのエンジニアがWeChatに投稿した手記が、Redditを中心に大きな反響を呼んでいます。筆者はDeepSeek v4.1のメインのAttention演算子(MQA、head_dim=512)の作者を名乗り、AIの能力はコード補助の段階から、CUDA/PTX/SASSを自律的に読み、命令ごとのストールをプロファイリングし、GPUカーネルを最適化する段階へ進んだと述べています。その上で、AIが書くカーネルは6〜12ヶ月以内に専門家の人間と同等以上になる可能性があると予測し、人間の役割は手で書くことから、AIを生成・調整する「操縦士」側へ移っていくという見立てを示しました。

一方で警鐘もあります。AIに実習を済ませた学生が抽象化やシステム設計といった核となるスキルを身につけないまま、悪い設計のコードを10倍の速度で生み出すようになるのではないか、という教育面の懸念です。能力の向上と技能形成の非対称が、エンジニアリングの文化をどう変えていくのか注目されます。

Qwen 3.8-27Bを30日ローカル運用──「本番で使える」の隣にある運用コスト

RedditのLocalLLaMAに、Unsloth量子化版のQwen3.8-27B(UD-Q4_K_XL)を30日間ローカル運用した検証報告が投稿されました。デュアルGPU環境(後にRTX 5070 Ti + RTX 4070 Superと判明)で、平均のprompt処理845.1 tok/s、平均生成73.8 tok/s、MTP受理率0.481という数値が示されています。コーディングエージェントのワークロードに本番利用可能で、画像やUIのタスクにも強いという評価です。

一方で運用コストの内訳も興味深いところです。reasoningモードがコンテキストの最大約50%を消費し、ときに60kトークンに及ぶ推論トレースを吐くこと。Qwen 3.6比で生成速度が落ちること。100kトークンを超えたあたりでツール呼び出しの破綻や同じ呼び出しの繰り返しが起きること──といった弱点が挙げられ、サブエージェントの強制利用や推論レベルの制御、不良なツール呼び出しコンテキストの削除といった緩和策が紹介されています。

コメント欄では量子化の影響を指摘する声も目立ちました。FP8では数百万トークンを生成してもツール呼び出しの問題はほぼ起きず、262kコンテキスト近くまで安定運用できたという報告があり、Q4量子化がループ状の破綻を悪化させている、FP8/Q8には明確な安定性の利点があるという見方です。

XiaomiがRL訓練を「ライブ配信」──MiMo-V2.6の異例の透明性

XiaomiのMiMoチームが、MiMo-V2.6の強化学習(RL)訓練をライブダッシュボードで公開しています。複数のエージェントharnessにまたがるマルチタスクRLで、1,568プロンプト×16ロールアウト、完全非同期実行、テストケースとルーブリックベースの報酬による成果配分という内容を、バッチ構成や累積コストまで含めてリアルタイムに見せています。

外部の試算では、1T級のProランで1日あたり約49万ドル、Flashで約25万ドルという訓練コストが見積もられており、数字そのものよりダッシュボードの粒度の細かさが注目を集めたと伝えられます。フロンティアモデルの訓練内部が慣例的にブラックボックスであるなか、運用データをここまで公開する試みが広まれば、RL実装のノウハウが一気に平準化する可能性もあります。

まとめ

コストの実測(Databricks)、追い上げる中国オープンモデル(Xing4.0とMozilla分析)、WebとAI学習の新均衡(Cloudflare)、スキルと役割の変化(DeepSeek手記)、ローカル運用のノウハウ(Qwen 3.8の30日検証)、訓練の透明性(MiMo)。性能向上のニュースに混ざって「いくらかかるか」「誰がどう使うか」という問いが前面に出てきた印象の一日でした。次回のダイジェストもお楽しみに。