2026年8月23日に収集されたAIニュースから、オープンソースモデルの新しい訓練アプローチと、実務に効く検証記事を中心に整理してお伝えします。
自己改善ループで育てた9Bモデル「Ornith-1.5」──タスク生成から解決まで丸ごと自動化へ
Ornith開発チームが、エンドツーエンドの「自己改善」によってファウンデーションモデルを構築するアプローチを大きく前進させた「Ornith-1.5」を公開しました。公開されているモデルカードによると、Ornith-1.5はQwen3.5とGemma4をベースに構築されたOrnith-1.0を発展させるもので、従来「スキャフォールドとロールアウトの最適化」に限られていた自己改善ループを、「訓練タスクの生成・スキャフォールド構築・ソリューションのロールアウト」の共同最適化へ拡張したのが特徴です。人間が用意した固定のタスクセットや手作りの評価ハーネスに頼らず、モデルが継続的に新しい訓練タスクを生成し、その解決戦略を発見し、強化学習で自らを改善していく──という構成になっています。
ファミリーで最も軽量な9Bのdenseモデル（bf16で約19GB）で、80GBクラスのGPU1枚でサーブでき、量子化版のMobile変種ではモバイル端末へのエッジデプロイも想定されています。性能面では、コーディングベンチマークのSWE-bench Verifiedで70.6、GPQA Diamondで86.4を報告しており、結果はすべて5回の独立ランの平均と明記されています。コンテキストは262,144トークンで、RoPEスケーリング（YaRN）による拡張で約100万トークンまで伸ばせるといいます。推論時に思考プロセスを分離して返すreasoningモデルで、vLLM・SGLang・Transformersの最近のバージョンで動作します。「人間が用意したデータと課題設計への依存を減らし、訓練の全工程をモデル自身に回させる」という方向性がどこまで一般化するか、注目されるリリースです。
LLMを埋め込みに使うべきか──「Embedder's Dilemma」、決めるのはコストの数学
Hugging Face Daily Papersで「The Embedder's Dilemma: LLMs Are Better, but at What Cost?」という論文が注目を集めています。汎用LLMを埋め込み（embedding）に使えば専用モデルより精度が高い、という主張に対し、著者は「ベンチマーク表の差は、100万クエリ規模で掛け算するとノイズになる」と切り捨てます。本当の判断材料は大規模運用時のクエリあたりコストであり、そこでは専用の埋め込みモデルがGPUコストで1桁勝っているといいます。浮いた予算はリランクやレトリーバーの改善に充てる方が効果がある、というのが著者の主張です。品質の崖のぎりぎりにタスクが乗っている場合にのみ「ジレンマ」は実際に発生し、大半のパイプラインはそうではない──と結論づけています。「新しい汎用モデルを使いたくなる誘惑」に対する、コストベースの冷静な反論として、RAGシステムの設計者にとって示唆の多い内容です。
AI訓練データの需要が希少本市場を変える──売上は好調、しかし本は解体される
WSJ（Wall Street Journal）が、AIのコンテンツ需要が希少書籍市場に波及している実態を報じました。それによると、希少本の売上が好調となる一方で、それらの本が切断・分解され、AIの学習データとして供されているといいます。デジタル化のために貴重な書籍が物理的に処理されるこの需要は、希少本ディーラーを商売と文化資産の間の「ジレンマ」に陥れているとのことです。生成AIのデータ需要がテキストの在庫を掘り尽くし、これまで想定されてこなかった領域にまで購買圧力を及ぼしつつある現状を映す報道といえます。
数年前に消えたRISC-V AIチップ「ET-SoC-1」がllama.cppで復活
日本の技術記事から。llama.cppのリリース履歴を追っていた筆者が、7月10日のb9951で追加された見慣れないバックエンド「ggml-et」に着目した解説記事が公開されています。この「ET」はEdgeTPUでもExecuTorchでもなく、Esperanto Technologiesが設計したRISC-V製AIチップ「ET-SoC-1」を指すものでした。数年前に話題をさらったあと表舞台から消えていたこのチップが、オープンソース化を経て、推論ランタイムの正式なターゲットとして復活したことになります。特定メーカーのGPUへの依存が強まるなか、RISC-VベースのAIアクセラレータが誰でも触れるソフトウェアスタックに組み込まれたことは「マニアックなハード対応」にとどまらない意味を持つ、と筆者は指摘します。多様なハードウェアでローカル推論を回す選択肢が現実に広がりつつあるシグナルです。
RAG vs GraphRAG、同じ100問で対決──勝敗は質問タイプで真っ二つ
同じく日本の技術記事から。社内QAアシスタントでGraphRAGを全質問に適用したところ、100問の並列評価で44問分のカテゴリがRAGに負けた──という失敗と再設計の記録が公開されています。筆者はGraphRAGを「次世代RAG」と信じて切り替えたものの、結果はベースライン割れ。原因は導入手順ではなく「質問分布を測らないまま切り替えた」ことにあったと分析しています。100問を5カテゴリに分けて数値化した結果、勝敗は質問タイプできれいに割れ、「GraphRAGはRAGの上位互換ではない。質問タイプごとに使い分けないと、両方負ける」のが記事の中核メッセージです。明日から再現できる評価手順も併記されており、新技術の導入前に自社の質問分布を測ることの重要性を示す好例です。
中国組織が米有権者のAIモデルを構築か──政治メッセージテスト目的と報道
Hacker Newsで、中国の組織が米国有権者のAIモデルを構築しているとする報道が話題になっています。調査報道系メディアの記事と、同じ内容を伝える投稿がそれぞれ投稿されており、それによると中国側の組織が米国の有権者をモデル化し、政治メッセージの効果をテストしているとされています。現時点で公開されているのは報道側の主張であり、一次資料の検証状況や対象の規模など詳細は明らかにされていません。確定した事実として扱うことはできませんが、選挙向けの標的型メッセージングに生成AIが使われる可能性は、各国の規制議論で繰り返し指摘されてきたテーマです。続報を待ちたいところです。