中国がAIコンパニオンを規制、人間関係の領域にAIが侵入する摩擦
オーストラリアABCの報道によると、中国当局がAIコンパニオン（いわゆるAI彼氏・AI彼女）アプリケーションに対する規制を強化し、数百万人規模のユーザーがサービスの変更や停止を余儀なくされているといいます。Hacker Newsでも話題になり、AIがもはや生産性ツールではなく感情や擬似人間関係を扱う領域に踏み込んでいることが社会問題として認識され始めていることがわかります。
この動きは、AI規制が「安全性」や「著作権」といったこれまでの論点から、人間の社会的結びつきや心理健康といったより根源的な領域へと拡大していることを示唆しています。他国でも同様の議論に火がつく可能性があり、注視が必要です。
OpenAI戦略部門トップが中国オープンウェイトAIを分析：地政学的影響を読み解く
OpenAIの戦略部門トップであるDean W. Ball氏が、中国発のオープンウェイトモデル（Kimiなど）をめぐる地政学的意味合いを分析し、LocalLLaMAコミュニティで注目を集めています。
Ball氏は、中国政府がこのような強力なAIをオープンソースとして公開することのリスクに触れつつ、オープンウェイトモデルが最終的にはAI分野へのCapex（設備投資）を鈍化させる働きを持つと指摘。その上で、これが結果的に「国家管理の公共インフラ」につながる可能性があり、米国側は対抗措置として戦略的な規制摩擦を導入するかもしれないという見方を示しています。
オープンウェイトモデルをめぐる議論が、単なる技術的選択から国家戦略の文脈に移行しつつあることを示す重要なシグナルです。
ドイツ・Soofi Projectが「Soofi S 30B-A3B」公開：Mamba×TransformerのMoEハイブリッド
ドイツのSoofi Projectチームが、オープンソースの基盤モデル「Soofi S 30B-A3B」を公開しました。最大の特徴は、Mixture-of-Experts（MoE）アーキテクチャにMambaとTransformerのハイブリッド構造を組み込んでいる点で、ドイツ語と英語の双方に最適化されています。
Hugging Faceのスペースで技術レポートも公開されており、欧州発の独自アプローチとして注目に値します。MoEとMamba系のアーキテクチャを組み合わせた大型モデルはまだ珍しく、Transformer一本やりからの脱却を象徴するリリースと言えそうです。
Qwen 3.6とGemma 4：ベンチマークの高得点と実利用時の「賢さ」は別物
LocalLLaMAコミュニティで、Qwen 3.6 35A3BとGemma 4 26A4B（QAT）を使い比べたユーザーが、ベンチマークスコアと実利用時の体感のズレを報告し議論を呼んでいます。
投稿者によると、Qwen 3.6はベンチマークでGemma 4を大きく上回るにもかかわらず、プロンプトの追従性、出力の首尾一貫性、一般的な「まともさ」においてGemma 4が頭一つリードしているとのこと。Chatbot ArenaのELOランキングも概ねこの観察と合致するそうです。
量子化（QAT）の影響や、実利用とベンチマークのギャップという古くて新しい問題が、ローカルLLMのコンテキストでも改めて浮き彫りになりました。ベンチマークに強いモデルが現場で使いやすいとは限らない、という事実は、モデル選びの指標として再考を促す材料になりそうです。
Bonsai 8BをApple SiliconでQATファインチューン：サブ2ビットLLMの最前線
LocalLLaMAに投稿された長文レポートで、Bonsai 8B（Qwen3-8Bをテナリ化したサブ2ビットモデル）をApple Silicon（M4 Max 128GB）上でQuantization Aware Trainingによってファインチューンする試みが詳細に報告されました。
注目すべきは学習率と「コードフリップ」の関係です。低すぎる学習率（3e-4）では重みの符号反転がほぼ起きず、スケール調整だけで損失が下がる「学習したふり」の状態に陥る。逆に高すぎる学習率（1e-3）では12軌跡だけで過学習を起こして崩壊する。5e-4で約2エポックがスイートスポットと結論づけています。
30の検証済み軌跡まで増やしても、ジェネラライゼーション patch rateはベースモデル並みの50%に戻るものの pass rateはゼロのままで、未见問題で実際にテストを通すのは未解決の課題として残りました。ローカルMLコミュニティにとって、MPS環境固有のトラップ（foreach=False必須、シーケンス長4096以下、fp32必須など）のまとめも実用的です。