8月7日のAIニュースから、気象予測のブレイクスルー、エージェントの統制、推論インフラの軽量化といった実用面で意味の大きい話題を中心に5本まとめました。

DeepMind、台風を1日以上早く予測するAI「WeatherNext」をOSS化

Google DeepMindは、サイクロン（熱帯低気圧）の予測で「気象学の進歩10年分に相当する」という1日以上のリードタイムを獲得したAIモデル「WeatherNext」を発表しました。研究成果はNature論文として公開され、コードとモデル重みもオープンソース化されています。

従来、台風の「強度」を正確に予測するには非常に高い空間解像度が不可欠とされてきました。しかしWeatherNext Cyclonesは、28×28kmという従来の100分の1ほど粗い解像度のデータでも台風の進路と強度を高精度で予測できたといい、なぜこれほど精度が出るのかは研究者にも完全には分からない「オープンな研究課題」とされています。

技術面では「Functional Generative Networks（FGNs）」を採用し、予測の不確実性をアンサンブルで表現します。昨年は50メンバーだったアンサンブルを今年は1000メンバーに拡大し、2025年のハリケーンMelissaのような急速強化など「稀だが深刻なシナリオ」を捉えられるようにしました。15日間の予報をTPU1台で1分未満で生成できるといいます。コンパクト版のWeatherNext 2-miniは公開Colabノートブックで動き、予測は「Weather Lab」で可視化できます。

DeepMindはモデルを研究コミュニティや気象機関、非営利組織に向けて解放し、防災判断の改善や人命保護につなげたいとしています。一方で公式の予報・警報は引き続き各国の気象機関を参照すべき、とも注記しています。

OpenAIと米国心理学会、若者のメンタルヘルス向けAIで3年提携

OpenAIは米国心理学会（APA）と3年間の提携を開始すると発表しました。若者のメンタルヘルスを支える「責任あるAI利用」に向け、ガイダンスやリソース、セーフガードを共同で整備するとしています。

AIと若者のメンタルヘルスの接点は、規制や倫理の議論で焦点になりやすい領域です。公開された情報は限定的で、具体的にどのような成果物が出るかは今後の展開を待つ必要がありますが、大手AI事業者と専門学会の提携が今後の指針づくりに影響を与える可能性があります。

Claude Codeは最速のエージェントだが、最安比で約3倍のコスト（検証）

エージェントフレームワークの比較を巡り興味深い結果が報告されました。Composioが「Deepseek V4 Flash」を使い、4つのエージェントフレームワークで30の実タスクをテストしたところ、成功率はいずれも概ね同等だったのに対し、コストは大きく開いたといいます。

最安だったのはOpenCodeでタスクあたり0.073ドル。一方、Claude Codeはタスクあたり0.195ドルと、最安の約3倍でした。ただしClaude Codeはツール呼び出し回数と出力トークンが最も少なく、処理の効率は良かったとされています。結論として「フレームワークの選択は主に価格と速度の問題」になると指摘しています。

性能面での差が小さければ、コスト感や開発体験で選ぶ根拠になるデータとして参考になりそうです。

AWS、BedrockにAIエージェントの「統制」新機能 — Dogwoodやレート制限を追加

Amazon Bedrockのエージェント基盤「AgentCore」に、エージェントの振る舞いとコストを制御する新機能が追加されました。

背景にあるのは、エージェント普及のネックが「信頼」にあるという問題意識です。AWSはMcKinseyの調査を引用し、約80%の組織がすでにAIエージェントの危険な挙動に遭遇したと指摘します。従来のガードレールは予測可能な動きを前提に設計されており、自律的に判断を変えるエージェントには通用しないという課題があります。例えば、個々の処理は正当でも、全体で見ると「送金先を別の口座に変える」「承認阈值を下回るように注文を分割する」「失敗を続けトークン予算を使い果たす」ような事態を止められない、という問題が挙げられています。

これに対し、単一アクション単位ではなく時間をまたいで全体を追跡する「一時ポリシー（temporal policies）」、AIエージェント向けの新しいオープンソースポリシー言語「Dogwood」、ゲートウェイでのレート制限などの機能が追加されました。エージェントを事業で本格導入する際の統制設計を考える上で、注目の動きです。

vLLMのサービングスタックをC++20に移植「vllm.cpp」、66MiB・Python/PyTorch不要で推論

推論インフラの軽量化に挑むコミュニティプロジェクトが注目を集めています。ある開発者が、推論サーバーのvLLMのサービングスタックをC++20で一から書き直した「vllm.cpp」を公開しました（vLLMプロジェクト公式の承認ではない非公式ポートとのこと）。

動機は「vLLMのインストールが9.1GiBの仮想環境を要求すること」や、Python依存がもたらすサプライチェーンやデプロイの手間にあります。vllm.cppは66MiBのバイナリにまとまり、実行時にPythonもPyTorchも不要です。連続バッチ処理、ブロックページ方式のKVキャッシュ、プレフィックスキャッシュ、投機的デコード、OpenAI互換サーバーを実装しています。

信頼性の確保にも力が入っており、25種類前後のモデルアーキテクチャについて、固定したvLLMの基準出力とトークン単位で照合し、出力が一致することを確かめているといいます。DGX Sparkなどの環境では高並列でvLLMとほぼ同等の速度が出ており、GPUメモリのピークは約41GiB対70.5GiBと少なめです。対応フォーマットもsafetensorsやGGUF、NVFP4、各種量子化と幅広く、投機的デコードで一部のケースでは大幅な高速化も報告されています。

一方で、現時点では実機でのマルチGPU対応やLoRAのサーバー経由対応、マルチモーダルのHTTP API対応など「まだ未対応」の部分も明示されています。推論を他のソフトウェアに組み込みたい場面や、Python環境を置きたくない現場にとって、興味深い選択肢になりそうです。

今日は気象から推論インフラまで、実用性の高い「使う側」に響く技術が目立ちました。とくにWeatherNextのオープンソース化は、防災の現場にも届きやすい形での成果として意義がありそうです。