公開GitHubコードからAI API鍵が43万件以上露呈

「AI Leak Watch」というプロジェクトが、GitHub上の公開リポジトリから435,608件の潜在的なAI API鍵の一致を検出したと報告した。OpenAIやAnthropic、GoogleなどのAPIキーが、誤ったコミットや意図的な公開によって広く露出している実態が浮き彫りになった。

API鍵の漏洩は従来のクラウドサービスでも長く問題視されてきたが、AI API鍵の場合は悪用されると多額の課金被害に直結するほか、学習データやユーザー会話への不正アクセスなど二次的なリスクも懸念される。開発者には.envファイルの.gitignore設定や、シークレットスキャンツールの導入が改めて求められる。

米国の大半が「AIもその管理者も信頼していない」

The VergeがPew Research CenterやGallupの調査データを引用して報じたところによると、米国人の大半はAI技術そのものだけでなく、AIを管理する人々や組織に対しても信頼を寄せていないという。

AIの社会実装が進む中、この「信頼の欠如」は規制のあり方や企業の透明性要求に影響を与える可能性がある。技術の進歩と社会的受容のギャップは、AI産業が引き続き向き合うべき根本的な課題と言えそうだ。

llama.cpp b9200がMTP推論を高速化

llama.cppの新バージョンb9200で、Multi-Token Prediction（MTP）の推論性能が改善された。プロンプト処理時にバッチ内の全トークンについてlogitsをコピーしていた処理を最適化し、MTPに必要なのは事前正規化（pre-norm）のみであることを活用してメモリトラフィックを大幅に削減。結果としてプレフィル性能が向上している。

コミュニティでは、このb9200をUnslothのQwen 3.6 27B MTP版GGUFと組み合わせたベンチマークも公開された。従来推奨されていたUnslothのMTPフラグが、厳密なマルチターンのエージェントワークフローでは逆にボトルネックになるケースも報告されており、用途に応じた設定チューニングの重要性が改めて認識されている。

個人開発の「TIME」がACL 2026に採録

RedditのLocalLLaMAコミュニティで、個人の開発者が自身のプロジェクトがACL 2026に採録されたと報告した。「TIME」は、Qwen3モデルに対して文脈に応じた短い思考を学習させる手法。従来の推論モデルが冒頭で長大な思考ブロックを出力するのに対し、TIMEは必要な場面でのみ短い推論をトリガーする。

もともとOpen-WebUI環境で個人的に使うために開発したものが、いつの間にかトップ会議の論文になったという。時間という概念を用いて潜在コンテキストの変化（沈黙、間隔、古くなった前提など）をモデル化する点が特徴で、「思考を短くする」のではなく「文脈に応じて再思考させる」アプローチとして注目に値する。

LLMのプログラミング言語別パフォーマンスを比較

GertLabsが、LLMのプログラミング言語ごとのパフォーマンスを比較した調査結果を公開した。モデルの性能を評価する際、ベンチマークの言語構成が結果にどう影響するかに焦点を当てている。

言語ごとの構文の複雑さやパラダイムの違いが、LLMのコード生成能力に与える影響は、実用的なモデル選定や評価設計において重要な観点だ。特に、マイナー言語での性能低下の程度や、スクリプト言語とコンパイル言語での違いは興味深い知見を提供している。

M365 Copilot「ポンコツ」からの逆転劇

ITmediaの座談会記事で、リリース当初は「ポンコツ」と酷評されたMicrosoft 365 Copilotの評価が近年大きく改善していることが取り上げられた。3人のMicrosoft MVPがその進化を語り、GPT-5の導入が転換点になったと指摘している。

活用の秘訣として挙げられたのは「脱・プロンプト職人」。複雑なプロンプトを工夫するのではなく、日常業務の文脈で自然に活用するアプローチが推奨されている。エンタープライズAIの実用化が進む中、ユーザーの期待とツールの成熟が交差する段階にあると言えそうだ。