8月9日、GoogleがAI研究部門のDeepMindを見直す動きが伝えられた。創業者デミス・ハサビスの離脱もささやかれる。一方で、ベンチマークの透明性を問う検証、RAGの実測比較、AIエージェントの安全性を高める実装例まで、関心の範囲が広がっている。

GoogleがDeepMindを解体、ハサビスの離脱落ちも

Google DeepMindが自律性を失いつつあり、創業者のデミス・ハサビスが今後数カ月以内にラボを去る可能性があると、The Decoderが伝えている。後任の日々の運営はAI研究者のコライ・カヴクチュオールが担う見通しだが、CEOの肩書きは与えられないという。さらにGeminiの開発全体が米国のベイエリアへ集約される見通しだ。

背景には、フロンティアモデルの学習で深刻な課題を抱えているとされる社内の状況がある。一方でクラウド事業は巨額の収益を上げており、Googleがインフラに戦略を賭けているのか、それとも先行集団に追いつけないだけなのか、見方は割れている。

AI研究の象徴だったDeepMindの独立性が揺らぐ点がポイントだ。体制変更が研究力の強化につながるのか、人材流出を招くのか、注目される。ただし本件はThe Decoderの分析記事であり、Google公式の発表ではない。ハサビスの離脱も「可能性」として報じられている段階で、確定事実ではない点に留意したい。

DeepSeek V4 Flashのベンチ結果、公開ハーネスで再現

DeepSeekは「DeepSeek V4 Flash 0731」がターミナル操作のベンチマーク「Terminal-Bench 2.1」で82.7%を達成したと報告していたが、その評価には未公開の「DeepSeek Harness minimal mode」が使われていた。

検証者が、公開・ダウンロード可能なハーネスで同じスコアが再現できるか試したところ、445回の試行で368回成功、82.7%（±1.79）という精度を確認したという。構成と全試行記録は公開されている。

モデルの評価がハーネス（試行環境）に依存しやすいことを示すデータであり、報告された数字を独立した手順で確かめられた意義は大きい。ベンチマークの再現性を気にする開発者にとって参考になるだろう。

RAG向けの最強コンビ、F2LLM V2とZerank 2を実測

ある開発者が、翻訳メモリ用途でローカル動作するEmbeddingモデルとRerankerの組み合わせを比較した。15言語の類似検索を対象に、MRR（平均逆順位）と再現率を測る実験だ。

結果、CodeFuseの「F2LLM V2」とZeroEntropyの「Zerank 2」の組み合わせが突出した成績を収めた。F2LLM V2 8BとZerank 2 4BではMRR 0.922、上位20件の再現率99.2%に達し、API依存のVoyageをも上回ったという。4B版でもMRR 0.919、再現率98.4%で、遅延と精度のバランスでは実用的と評している。

両モデルともライセンス・データ・コードが開放されている。Zerank 2は、NotionがZeroEntropyを買収したことで直近でOSS化された経緯があるという。RAGをローカルで構築するチームにとって有力な選択肢になりそうだ。

AIエージェントにrmを打たせない、hooks三段構え

AIコーディングエージェントが誤って破壊的なコマンドを実行するリスクに対し、日本の開発者がClaude Codeなどのhooksを三重に組み合わせた実装を公開した。指示書がサブエージェントに徹底されない問題を前提に、実行前・実行時・実行後で複数の防線を張る構成という。

エージェントの自律性が高まるほど、意図しないファイル削除やシステム変更を防ぐ仕組みが現場の関心事になる。実運用に即した具体例として参考になる。なお本記事はZennに公開した記事の転載とのことだ。

AIが書いた技術書、公開ボタンは人間が押していない

同じ著者から、企画・執筆・校閲、さらには公開までをAI主体で進めた技術書をリリースしたという報告も寄せられた。「この本の公開ボタンは、人間が押していない」と題し、出版ワークフロー自体を自動化した点を強調している。

著作者としての責任や品質担保のあり方は議論の余地が残るが、コンテンツ制作の自動化がどこまで進んだかを示す一事例と言える。

Time誌がAIエージェント向けに広告配信を開始

メディア業界では、AIエージェント自体を広告の受け手とする動きも出ている。米TimeがAIエージェント向けの広告配信を始めたとDigidayが報じた。検索連動型からエージェント連動型へと、マネタイズの前提が変わってきていることを示唆する動きだ。

組織の大型再編から、評価の透明性、現場の実装の知恵、新しいマネタイズまで。AIへの関心が「モデル性能」にとどまらず、運用・信頼・ビジネス全体へと広がっていることを感じさせる1日だった。