10月13日の海外AIニュースから、重要性の高いトピックを5つ取り上げる。ハード、セキュリティ、データ市場、モデル公開政策、そしてローカル推論コミュニティと、粒度は違えど「AIの土台」に関わるニュースが揃った一日だった。

NVIDIA「RTX Spark」ノートPC、10月16日に発売──エコシステムが一斉対応を発表

NVIDIAは10月13日、10月16日（金）に発売される「RTX Spark」ノートPCに向けて、アプリ・モデル・開発ツールの対応状況をまとめて発表した。RTX Sparkは、ゲーミングPCとクリエイティブスタジオ、そしてパーソナルAIスーパーコンピュータの機能を1つのスーパーチップに統合したプラットフォームで、最大128GBのユニファイドメモリと1ペタFLOPのAI計算能力を備える。先週のMicrosoftとの共同発表でノートPCの販売開始日が確定しており、今回の発表はその発売日に間に合わせる形のエコシステム整備状況という位置づけだ。

注目すべきはエージェント関連の対応の厚さだ。GitHub Copilot、Hermes、OpenClaw、Perplexity、Pi、WorkBuddyといった主要エージェントアプリが、RTX Spark向けに最適化されたローカルモデルと設定の推奨・構築を数クリックで完了できるようになる。セキュリティ面では、Microsoftの実行コンテナ技術「MXC」と、それをエージェントが採用しやすくするNVIDIAの「OpenShell」を組み合わせたサンドボックス機構が提供される。OpenClawとGitHub CopilotはすでにMXCに対応しており、Hermesも月末までに統合を完了する予定という。

モデル面では、RTX Spark上でローカルエージェントを動かすことに特化した「Nemotron 3.5 Bolt 74B-A9B 24GB」が10月15日に公開される。総パラメータ74B・アクティブ9BのMoE構造を、量子化認識訓練の工夫を含む2ビット量子化で24GBに収めたモデルで、訓練データ・重み・レシピを含めて完全にオープンソースとして公開される。llama.cpp、vLLM、Ollama、LM Studioなど主要な推論環境ですぐに利用できる。

そのほか、LAN内の複数PCのAI計算能力を束ねるオープンソースのパーソナルAIルーター「NVIDIA PAIR」が正式にベータを卒業した。AdobeはPhotoshopとPremiereのGPUアクセラレーションを再設計し、最大2倍の性能向上を段階的に投入する（AI機能の最適化はすでにベータで試せる）。クリエイティブ系ではNVIDIA Broadcast 2.3の提供開始、ComfyUIへのRTX Video Frame Generation/HDRノード追加、Blender 5.3ベータの対応なども伝えられた。

開発者向けには、Windows on Arm向けの初のPyTorch-CUDAビルドや、ネイティブ動作が既定となるPython 3.15、初のネイティブCondaインストーラ（2,000以上のパッケージ同梱）がコミュニティからリリースされる。上位15,000件のPythonホイールの97%がすでに対応済みという。llama.cppもこの日、コマンドライン不要でローカルモデルを管理できるWindows向けアプリ「Llama Windows」をリリースした。ゲーム側では、10月16日に2倍高速化されたDLSS 5用AIモデルが『NBA 2K27』に登場するなど、ローンチ初日から数百タイトルが対応する。

Anthropic、Claude推論トークンの窃取を90〜99%削減──蒸留攻撃への対抗措置を公表

Anthropicはこのほど、Claudeの内部推論トークン（chain of thought）の流出に対する防御策の効果を公表した。それによると、産業規模の蒸留（ディスティレーション）攻撃による推論トークンの抽出を、90%から最大99%まで削減できたという。同社はこの大規模攻撃を中国のZhipu（智譜）とMoonshot（月之暗面）に関連付けており、すでに数万単位のアカウントを停止済みだとしている。

競合モデルの学習に自社モデルの出力を大量に抜き取る「蒸留」は、API提供各社がここ数ヶ月対策を強化してきた領域だ。推論トークンは通常の応答テキストより詳細な内部情報を含むため、その流出はモデルの知識や推論パターンの複製に直結しやすい。Anthropicの発表は、こうした防御が実際にどの程度の効果を上げているかを数字で示した点で珍しく、今後の他社の対応を占う材料になりそうだ。

消滅したスタートアップのデータがAI学習用に転売されている

MIT Technology Reviewが10月13日に報じたところによると、清算されるスタートアップが残したコードや業務データが、AIモデルの学習素材として売買される市場が急速に拡大している。スタートアップの清算手続きを代行するSimpleClosureは4月からデータ販売事業を開始し、すでに150件超の取引を処理。同社の取引の47%にコードまたはデータの販売が含まれ、2026年末までに1,000万ドル超を清算済み企業側へ還元する見通しだという。

実例として挙げられるのは、ある暗号資産系スタートアップの創業者が、コードベースで約25,000ドル、Google・Notion・Figma・Slackに蓄積した業務データで約15,000ドルを売却したケース。買い手にはAIラボのほか、AI学習用のシミュレーション環境を構築する業者や、自社モデルを持つ大手テック企業が含まれる。

大型案件も起きている。今年8月にはSpirit Airlinesの破産手続きで、GoogleがAIデータ企業Mercorを破って同社のデータ一式を1,000万ドルで落札した。対象には1億通のメール、5億件のTeamsメッセージ、17万6,000件の従業員レコードが含まれる。9月にはSpaceXのAI部門も経営難のスタートアップからのデータ購入を検討していると報じられた。

ただし法的な懸念は根強い。Spiritの客室乗務員組合はプライバシー侵害を理由に売却に反対しており、弁護士からはこうしたデータを「法的に放射性物質」と呼ぶ声もある。売り手・買い手の双方が個人を特定できる情報の除去を行うとされるが、予定表やメールには医療予約や子供の送迎などの私的情報が残りやすい。また売却益は原則として債権者と投資家に分配され、データを実際に作った従業員には及ばない――エモリー大学の研究者はこの構図を「捕獲された資本」と呼んで問題視している。

オープンモデルは危険か──GLM-5.3報告を機に再燃した論争

同じくMIT Technology Reviewは、オープンウェイトモデルの公開をめぐる論争の現状を解説する記事も公開した。発端は先月末、Anthropicが中国Z.aiの「GLM-5.3」について、誰でもダウンロード・改変可能なことがサイバー攻撃能力の面で重大なリスクだと指摘する報告書を出したことだ。

現在、Artificial Analysisのリーダーボード上位8モデルはすべてクローズドだが、オープンモデルは数ヶ月差まで迫っている。記事では、自社ハードの販売で恩恵を受えるNVIDIAのJensen Huang CEOがオープン推進、安価なモデルに事業基盤を脅かされうるAnthropicのDario Amodei CEOが慎重論を展開するなど、商業的インセンティブが論争を覆っている側面を指摘しつつ、その土台には実質的な対立があると整理する。

オープン派の論拠は、研究者がモデル内部や推論過程を直接観察できること、機密データを自社ハードで処理できること、そしてフロンティアラボによる権力集中を防げること。一方でリスク側は、安全訓練を再訓練で容易に解除できること、プロンプト検査のような運用側の防御が及ばないことを挙げる。興味深いのは、7月にOpenAIのエージェントからハックを受けたHugging Faceが、調査の際にクローズドモデルがセキュリティフィルタで拒否したため、オープンモデル（GLM系）を使って分析せざるを得なかったという経緯だ。防御目的にはオープンモデルが実用上必要になる場面がある。

中間地点を探る動きも紹介されている。安全訓練を除去する再訓練への耐性を持たせる「改竄耐性モデル」の研究は盛んだが、現行手法はあらゆる攻撃に耐えられないとの指摘もある。多くの専門家は、モデルが段階的に公開範囲を広げていく「段階的リリース」を現実的な落としどころとして挙げている。

ローカルLLMの最前線──Python非依存の推論ランタイムとオープンウェイトの判断モデル

ローカルLLMコミュニティでも興味深い動きがいくつか報告された。

まず、C++/CUDAだけで書かれたテンサーランタイム「SonicBoom」のv0.0.1が公開された。Pythonをスタックに一切含まない設計で、ノートPC向けRTX 3050（8GB）上でGemma 4 E4B-itのQ3_K_M量子化を51.65 tok/sでデコードできたという（同環境のllama.cppは45.20 tok/s）。量子化カーネル自体はllama.cpp（ggml）から移植した同一のもので、約14%の差はグラフコンパイラ層――活性化の量子化の再利用、ノルムと活性化の融合、CUDA Graphによる1ステップ実行――だけで生んでいる点が技術的に興味深い。まだ検証済みモデルはGemma 4 E4Bのみで、プレフィル性能はllama.cppの約半分など制約も多いが、カーネルの高速化ではなくランタイム設計で差をつけられることを示した実証として注目される。ライセンスはGPL-3.0。

またHugging Faceでは、判断（decision）特化型のオープンウェイトモデル「autotrust/JEV-35B」がトレンド入りした。Qwen3.5-35B-A3Bを基盤に、選択肢から答えを選ぶ「System 1」判断専用に調整されたモデルで、テキスト・画像・音声入力の判断処理を1回のパスで最大256選択肢まで扱える。公開スイートでの判断精度は、先行するJEV-27B-VLを大きく上回るとしている。ルーティング専門家をNVFP4量子化した版はダウンロード25.6GB・GPUメモリ23GiBで動作し、32〜48GBの単一GPUで利用可能だ。チャットや文章生成はできず判断のみという割り切りが特徴で、ホステッド版を提供するTypeSafe AIの「Jev」とは別組織による独立実装と明記されている。

このほか、個人の実験としてdenseモデルをMoE構造に変換する試みの経過も報告された。Qwen2.5-1.5BをMoE化した自作モデルでは、困惑度（perplexity）が41%悪化する一方でGPUでの生成速度は32%向上しており、より大きなモデルでMLPが計算の大部分を占める場合に利得が見込めるかを探る概念実証という位置づけだ。