中国スーパーコンピュータが2017年以来初めて世界最速に

Hacker NewsのLocalLLaMAコミュニティで話題を集めたのが、中国のスーパーコンピュータが米国のマシンを抑えて世界最速になったという報道だ。2017年以来、約9年ぶりの出来事となる。

中国の半導体輸出規制や自主開発推進の文脈の中で、このニュースは単なる技術的成果以上の意味を持つ。スーパーコンピュータの性能ランキングは、国家の技術力を示す指標の一つであり、AI開発の計算インフラとも直結する。ただし、詳細なアーキテクチャや使用されているチップの情報は現時点では限定的で、今後の追加報道を待つ必要がある。

Chip Security Act: AIチップの位置追跡義務付けが業界支持を拡大

米国で「Chip Security Act」と呼ばれる法案が、複数の企業から支持を集めている。同法案は米国の最先端AIチップに位置追跡メカニズムの搭載を義務付ける内容で、輸出規制の抜け穴を防ぐのが目的とみられる。

RedditのLocalLLaMAコミュニティでも注目を集めたこの話題は、チップの物理的追跡が技術的にどこまで実現可能か、プライバシーへの影響、そして米中テクノロジー競争への影響という複数の議論を呼んでいる。6社以上が支持を表明しているという点で、単なる構想を超えた実現可能性が出てきたことが注目される。

Microsoft BenchPress: 任意のLLMのベンチマークスコアを予測

Microsoftが「BenchPress」というツールを公開した。任意のLLMが任意のベンチマークでどの程度のスコアを出すかを予測できるというものだ。

LLMの評価では、実際にベンチマークを実行するのに多大な計算コストと時間がかかる。BenchPressは、モデルの特性からベンチマークスコアを予測することで、評価の効率化を目指す。Hacker Newsでも関心を集めており、モデル選定の意思決定支援や、新モデルのリリース前予測などでの実用性が議論されている。

メルカリがChatGPT Appsに参入――自社MCP基盤を活用

メルカリがOpenAIの「Apps in ChatGPT」に参入した。1月に公開した自社のAI接続基盤「Mercari MCP（Model Context Protocol）」を活用し、ChatGPT上での会話を通じて商品検索や出品時の説明文作成が可能になる。

MCP（Model Context Protocol）はAnthropicが提唱した規格で、AIモデルと外部サービスの連携を標準化する。メルカリが自社MCP基盤を構築してChatGPTに統合したことは、日本の企業におけるMCPの実用化事例として注目に値する。フリマアプリという消費者向けサービスでのAI連携が、実際の利用体験をどう変えるかが今後の焦点だ。

PixVerse: 1億ユーザーを超えるAI動画生成プラットフォームの実態

AI動画生成サービス「PixVerse」のユーザー数が1億人を超えたことが報じられた。ITmediaの記事によると、主婦がAIアニメーションを活用してYouTubeチャンネルの登録者100万人を突破した事例も紹介されている。

AI動画生成市場はRunway、Pikaなど複数のプレイヤーが競合する中、PixVerseは特にアジア市場での成長が目立つ。生成AIを使ったコンテンツ制作が個人のクリエイター経済に与える影響は、従来の動画制作の敷居を大幅に下げる可能性がある。一方で、著作権や品質のばらつきなど、課題も残る。

NatureBench: コーディングエージェントはNature論文のSOTAを再現できるか

HuggingFace Daily Papersで注目を集めた「NatureBench」は、AIコーディングエージェントがNature系学術誌の論文で報告された最高性能（SOTA）を再現できるかを問うベンチマークだ。

90のタスクを6つの科学領域から抽出し、エージェントが実際の科学的機械学習問題を解いて論文のSOTAに迫れるかを評価する。NatureGymという自動化パイプラインで論文をコンテナ化されたタスクに変換する仕組みが特徴だ。AIエージェントの研究への本格応用に向けて、「再現」から「発見」へと進めるかどうかの試金石となる研究と言える。

「プロンプトエンジニアリング」は終わるのか――ループ・エンジニアリングの台頭

Qiitaで「ループ・エンジニアリング」という概念が注目を集めている。プロンプト・エンジニアリング（Prompt Engineering）に代わる新しいアプローチとして、数ヶ月以内に主流になるとの見方を紹介した記事だ。

プロンプトを緻密に設計する従来の手法に対し、ループ・エンジニアリングはAIエージェントが自律的にループを回しながらタスクを実行・改善する仕組みに重点を置く。コーディングエージェントや自動化ツールの進化に伴い、人間は「完璧な指示を出す」ことよりも「良いループを設計する」ことが重要になるという主張だ。実際の開発現場でどの程度定着するかは今後の展開次第だが、AI開発手法のパラダイムシフトを示唆する興味深い議論である。