NVIDIA「Nemotron 3 Ultra」 — 550B MoEモデルを完全オープンソース化

NVIDIAが大規模言語モデル「Nemotron 3 Ultra」をリリースし、ベースモデル・ポストトレーニング済み・量子化モデルの全チェックポイントをHuggingFaceで公開した。総パラメータ550B、アクティブパラメータ55BのMixture-of-Experts（MoE）ハイブリッドMamba-Transformerアーキテクチャを採用している。

事前学習は20兆トークンで実施し、その後コンテキスト長を100万トークンまで拡張。SFT（教師ありファインチューニング）、強化学習、Multi-teacher On-Policy Distillation（MOPD）によるポストトレーニングを実施している。また、NVFP4量子化による事前学習、Multi Token Prediction（MTP）、推論予算制御などの技術を統合している。

推論スループットは「同等精度の公開LLMと比較して最大約6倍」を謳っており、100万トークンのコンテキスト長とあいまって、長時間の自律エージェントタスクに適しているとしている。NVIDIAとしてこれまでで最も強力なモデルと位置づけている。

学習データとレシピも公開されており、再現性の高さが特徴だ。

Ling & Ring 2.6 — 1兆パラメータ規模のオープンエージェントモデル

Ling-2.6およびRing-2.6は、効率的でスケーラブルなエージェント知能を実現するために設計されたモデルファミリーだ。Ling-2.6は即時応答生成と出力トークンあたりの能力に最適化され、Ring-2.6はより深い推論と高度なエージェントワークフローに特化している。

ゼロから学習するのではなく、Ling-2.0ベースモデルをアーキテクチャ移行プレトレーニングと大規模ポストトレーニングでアップグレードする手法をとった。アーキテクチャ面ではLightning AttentionとMLAを統合するハイブリッド線形アテンション設計を導入し、長文脈の学習・推論効率を向上させている。

エージェント能力については、KPopと呼ぶ強化学習フレームワークを提案。コーディング、検索、ツール使用、ワークフロー実行にまたがる非同期スケジューリングで安定した学習を実現し、Ring-2.6-1T（1兆パラメータ）の環境 grounding データ上での学習を支えている。全チェックポイントをオープンソースとして公開している。

Microsoft「FastContext-1.0」 — コーディングエージェントの探索コスト問題に挑む

Microsoftが「FastContext-1.0」をリリースした。LLMコーディングエージェント向けの軽量な「リポジトリ探索サブエージェント」で、4B〜30Bパラメータのファミリーを展開している。

従来のコーディングエージェントでは、リポジトリ内の関連コードを探す過程が大きなボトルネックになっていた。GPT-5.4の軌跡を分析したところ、読み込みと検索が全ツール使用の56.2%、メインエージェントの総トークンの46.5%を占めていたという。

FastContextはこの「探索」作業を専用サブエージェントに切り離し、メインエージェントにはクリーンなコンテキストのみを渡す設計だ。READ、GLOB、GREPの並列読み取り専用ツールコールを発行し、コンパクトなファイルパスと行範囲を返す。HuggingFaceでトレンド入りしており、実践的なアプローチとして注目を集めている。

AIエージェント間の「信頼」を測定 — Claude、GPT、Geminiで差が浮き彫りに

言語モデルエージェントがチームで協働する際、どのように信頼を形成し、破壊し、回復するかを実証した研究がarXivで公開された。

「コストのかかる検証」に基づく行動的測定手法を提案し、6つのフロンティアモデルで実験を実施。信頼できるチームメイトとペアになった場合、Claude Opus 4.6、Claude Sonnet 4.6、GPT-5.1、Gemini 3.1 Proの4モデルが検証行動を60〜85%削減したのに対し、小型モデルはほとんど調整を示さなかった。

興味深いのは、信頼の崩壊後の回復パターンにモデル間で差がある点だ。一部は犯人に集中して監視を強めるが、他はチーム全体に対して慎重になる。また、回復は形成よりも遅く、集中した失敗は散発した失敗よりも長く疑念を維持する。過剰な検証は「安全」ではなく「優柔不断」と相関しているという結果は、マルチエージェントシステムのガバナンスにおいて「最大限の疑念」ではなく「適切なキャリブレーション」が重要であることを示唆している。

米司法省がxAIを「国防に不可欠」と主張

WIREDの報道によると、米司法省の弁護士が、NAACPが提起したxAIのガスタービン汚染をめぐる訴訟の却下を求める中で、xAIが「国防にとって不可欠」であると主張した。イラン戦争を含む軍事作戦に統合されているとの主張を展開したという。

AI企業の環境汚染問題が国防という観点から擁護されるという、前例のない展開となっている。国家安全保障とAIインフラの結びつきが、環境規制の対象となるかどうかの法的境界に影響を与える可能性がある。

EUがAI生成コンテンツのラベリングアイコンを発表

欧州委員会が、AI生成コンテンツを示すラベリング用アイコンを発表した。AI法に基づく実装の一環で、生成コンテンツであることを視覚的に明示するためのものだ。

デジタル戦略総局のページで公開されており、具体的なアイコンデザインと使用ガイドラインが示されている。Hacker Newsでも議論が始まっており、ラベリングの実効性や、アイコンそのものの偽装・改変への対策に関心が集まっている。

AI生成コンテンツの識別については、ディープフェイク専門家すら判定が困難になっているという指摘も以前から報じられているだけに、視覚的なラベリングがどこまで機能するかが焦点となる。