ローカルLLMの「Qwen 3.8 27B」を実際の仕事に使った記録が、この1日で米Redditに相次いで投稿された。ベンチマークの点数ではなく「何ができて、何ができなかったか」が分かる段階の報告で、ローカルモデル選びの参考になりそうだ。ほかにも、GUI操作を担うエージェントの新モデル、監視カメラ企業への反発、llama.cppの高速化ニュースと続く。

Qwen 3.8 27B、実戦投入の報告が続々

最初は腕試しの投稿だ。単一Cファイルで書かれたプロシージャルシューター（約39,000行、60万トークン強）を、追加指示なしの1プロンプトで単一HTML/three.jsに移植する課題で、クラウドのOpus 5（Claude Code）とqwen3.8:27bを比較した。結果はOpus 5が21分・1,759行で「まずまず」、qwen3.8:27bは2種類のハーネスで試して1時間40分と4時間18分をかけても、いずれも「失敗」だった。RTX 6000 Pro 96GB・FP8・262Kコンテキストという力業の環境でも、一発勝負の大規模移植はまだクラウドの格上モデルが速く確実とみられる。投稿者自身も「1回ずつの実行なので代表性はない」と断った上で、ローカルはプロンプトとハーネスの良し悪しで結果が大きく変わる、と総括している。

一方で、訓練データにありそうにないニッチな課題では逆転が起きている。2000年代のARM搭載POSレジ「Sam4s SPS-2000」のソフトウェア保存とエミュレーションに挑んだ投稿では、2019年の自力の試みも昨年のOpus 4も完結できなかったこの課題を、Qwen 3.8 27Bが完成させた。qemu-armをソースからビルドして必要なパッチを4つ当て、レジが前提とする特殊デバイス（/dev/buzzer、/dev/front、/dev/screen）の入出力を推測から仮想実装し、実ワークフローがクラッシュしない状態まで持っていった。公開されているファームウェアとプログラムだけを使い、エミュレータはGitHubで公開予定という。

さらに、同モデルの量子化版を比較した報告もあった。RTX PRO 6000上でBF16に対するtop-1一致率はAD-Q4_K_Mで95.6%、AD-Q6_Kで98.7%、デコード速度はQ4で毎秒67トークン。3Dシーン生成タスクでは各量子化版の差は体感小さく、「迷ったらQ6_K」という推奨に落ち着いた。リリース直後の評価が一段落した今、用途別の実測が積み上がりつつある。

GUIエージェント「MAI-UI」、複数ベンチマークで新SOTA

Papers with Codeに掲載された論文で「MAI-UI」というGUIエージェントのファミリーモデルが報告された。2B/8B/32B/235B-A22Bの4展開で、現実の運用を妨げる4つの課題──利用者との対話の不足、UIだけに閉じた操作の限界、実用的なデプロイ構成の不在、動的環境での脆さ──に応える設計が特徴だ。ユーザー操作やMCPツール呼び出しを含むデータへ自己拡張するパイプライン、タスク状態に応じて実行を振り分けるデバイス・クラウド協調、並列環境をスケールさせるオンライン強化学習を組み合わせている。

結果は、画面要素の特定を測るScreenSpot-Proで73.5%、モバイル実機操作のAndroidWorldで76.7%と、UI-Tars-2やGemini-2.5-Pro、Seed1.8を上回る新SOTA。並列環境を32から512へ増やした効果は+5.2ポイント、デバイス・クラウド協調でオンデバイス性能が33%向上し、クラウド呼び出しを40%以上減らせるという。

監視カメラ「Flock」への反発、米中間選挙のAI争点へ

米TechCrunchは、監視技術企業Flock SafetyのCEOが「妥協」を呼びかけたと報じた。同社の監視技術が悪用されることへの懸念から、公的な反発が拡大しているという。同じ日、AxiosもFlockのカメラへの反発が11月の中間選挙に向けた「反AI」感情に燃料を注いでいると伝えており、データセンター建設と並んでAIそのものが政治の争点になりつつある。米国の地方政治でAI監視がどう扱われるか、今後の展開を見ておきたい。

GLM-4.5-Airがllama.cppでMTP対応、古参モデルに追い風

llama.cppに、旧年のGLM-4.5-Air（106BのMoE、アクティブ12B）でMulti-Token Prediction（MTP）を有効化する対応がマージされた。MTPを有効にすると生成が高速化され、メモリは十分だが計算力が限られるStrix HaloやDGX Spark、GeForceの旧旗艦などで特に効くという。MTPブロックを含まないGGUFにも、配布されている追加ファイルで対応できる。国内でもQwenと並んで定番のローカル向けモデルにとって、運用の選択肢が増える更新だ。

家事を「運営」するスマートカレンダー「Linkdaze」

米TechCrunchが取り上げたのは、家庭の運営を目的に設計されたスマートカレンダー「Linkdaze」だ。予定の記録だけでなく家庭を回すための機能を担い、AIの食事プランナーをはじめ主要機能をペイウォールの後ろに置かない点を特色としている。個人向けAIプロダクトの収益モデルが議論されるなか、「無料でどこまで回すか」への一つの回答として注目される。

qwenにqwenを指揮させたら──master/worker構成で起きた捏造事故

国内のZennには、ローカルLLMのQwen同士をmaster/worker構成で組んだ検証記録が掲載された。タスク分解から指示出し、検収まで全てQwenが担い、人間は依頼を1本渡しただけで介入ゼロ。masterは自らファイルを1つも書かずに3体のworkerへ委譲し、read_fileとnode --checkとgrepで検収して完成まで導いた。しかし結果は破綻した。masterが人間の依頼データを「...」に切り詰めてworkerへ渡し、workerがその穴を依頼文に存在しない技術名で埋めたのだ。検収は機能しても、受け渡しの要約段階で捏造が混入する。エージェント同士の協調で人間の関与を減らす設計が広がるなか、委譲の「詰め」に起因する事故の好例として読める。