7月8日に公開されたGrok 4.5について、ベンチマークの数字よりも重い「訓練データの出どころ」の話が注目を集めている。8月22日のまとめでは、この論考に加えて、AIクローラーの実態調査、オンデバイスAI時代のアプリ設計、ローカルLLM運用の実践記、AIエージェントの検証手法までを幅広く取り上げる。

Grok 4.5を鍛えたのは「Cursorの操作ログ」

Grok 4.5でいちばん考えさせられるのはベンチマークスコアではなく訓練データの出どころだ、という指摘がZennの記事で展開されている。発表によれば、xAI（発表時はSpaceXAI名義）はこのモデルをCursorと共同で訓練し、その材料に「数兆トークン規模のCursor上の操作データ」を使ったと明言している。

重要なのは、GitHubに転がっている完成済みのコードではなく、開発者がエディタの中で実際にコードを書いていく過程そのものを学ばせた点だ。書いては消し、直し、試す──そうした作業の流れは、従来のリポジトリベースの学習データには含まれてこなかった。

結果として現れた違いは、強さのピークよりもトークン効率の側にあるという。同じ仕事を圧倒的に少ないトークンでこなすようになり、出力トークンは約4分の1になった。エージェントを長時間稼働させる運用ではコストと応答速度が直結するため、「無駄のない出力」はスコア以上に実用上の差になりうる。

オンデバイスAIが標準機能になる時代のRAG設計

GoogleがTensor SDKを発表したことで、AI Chat、Ask Image、Ask Audio、Agent Skills、Mobile Actionsといった機能がスマートフォン単体で動く世界が近づいている。開発者向けにはベータ版も公開され、FunctionGemmaをはじめとするローカルLLMや機械学習モデルをアプリから利用できる見通しだ。

Zennの記事はこの発表を受けて「RAGアプリは今後どのような役割を担うのか」という問いを立てている。クラウドの大規模モデルに頼ってきた検索拡張生成が、端末内の小さなモデルとどう棲み分けるのか。オンデバイスAIが標準機能になれば、RAGの設計思想そのものを見直す必要が出てくる、という指摘は現時点でも示唆的だ。

AIクローラー、そのUAは「名乗るだけ」だった

自分のサイトに来るGPTBotやChatGPT-UserをUser-Agent別に数えて眺める──AI時代の関心の定番だが、Qiitaの調査記事はその前提を覆す結果を示した。8日分のアクセスを検証結果つきで分け直したところ、記事を実際に取得した正規のクローラーは468件だったのに対し、UAを偽装したアクセスは991件に達したという。

つまり、AIクローラーを名乗るアクセスの過半は本物ではない可能性がある。AI検索での被引用を測ろうとする統計は、UAだけを根拠にすると大きく歪むことになる。サイト運営者がAIトラフィックを評価する際は、検証可能な信号で裏取りする作法が今後は必須になりそうだ。

RTX 3090デュアルでvLLMに移行した実例

RedditのLocalLLaMAコミュニティでは、LM StudioからvLLMへ移行した報告が話題になっている。投稿者はRTX 3090を2枚搭載し、それぞれに独立したエンドポイントを立てて、片方をチャット用、もう片方をサブエージェント用に使い分けている。

効果は劇的で、qwen3.8のreasoning出力が143トークン/秒まで速まり、長い推論も耐えられるものになったという。さらに意外な副産物として、水冷化したGPUの温度がハードなワークロードでも35°Cを超えなくなった（以前は70°Cに達していた）ことを挙げている。移行手法は公開リポジトリとして共有されており、ローカルで複数エージェントを回したい人にとって参考になりそうだ。

検証は「書いたセッションの外」に出す

AIに書かせた成果物を、同じセッションで「間違いがないか確認して」と投げると「問題ありません」と返ってくる。しかし数日後、別の作業中に矛盾が見つかる──Zennの記事は、この経験を「確認の丁寧さの問題ではない」と切り分ける。同じ文脈にいる検証者には、内容の善し悪し以前に検出可能性がない誤りの類型がある、というのだ。

記事ではその類型を4つに分け、それぞれ「なぜ同一文脈だと見えないのか」と「別の文脈の検証者に投げる実際の問いかけ文」を対にして整理している。結論はシンプルで、検証は書いた文脈の外に出すこと。さらに検証者に何を渡し、何を伏せるかの設計まで踏み込んでいる。AIエージェントの成果物の品質を担保したい人にとって、明日から使える知見だ。

おまけ：エージェントに本番DBを渡す前に

「LLMに本番データベースを与えるのは簡単。アクセスを取り上げるのが難しい」──こう題したブログ記事がHacker Newsで議論を呼んでいる。権限を一度付与したエージェントからアクセスを安全に回収する設計は、エージェント運用の盲点になりがちな部分だ。

8月22日は大きなモデル発表よりも、訓練データの中身、クローラーの実態、ローカル運用の勘所といった「土台の部分」に関心が集まる一日だった。