DJミオ：こんばんは。「Midnight AI Groove」、ナビゲーターのDJミオです。
DJレン：そしてDJレンです。今夜はかなり濃いです。AIニュース界隈で、とんでもなく大きな話題が出ました。OpenAIまわりから出てきた、Navier–Stokes問題に関する“解決”あるいは“特異点発見”の主張ですね。
DJミオ：しかもその話題が大きすぎて、本来なら主役級のニュースだったはずの、Cognitionの大型資金調達、Mistralの大型ラウンド、Metaの個人向けAIエージェント「Muse」、OpenAIのGPT Image 2.5なんかまで、相対的にかすむくらいだった、と。
DJレン：今日は、その記事の内容を、誇張せず・省略しすぎず、ちゃんと整理して話していきます。
ポイントは大きく分けると、
- OpenAIのNavier–Stokes関連主張
- その技術的な意味――特に巨大なテスト時並列計算とマルチエージェント協調
- 数学界・研究文化・著者性をめぐる論争
- そのほか同日に出た主要AIニュース
- RedditやローカルLLM界隈で何が話されていたか
このへんですね。
1. まず何が起きたのか
DJミオ：最初に事実関係から。記事全体の中心にあるのは、OpenAI関連アカウントや周辺人物が、AI支援の取り組みによってNavier–Stokesに関する結果が得られたと示唆した、という件です。
DJレン：その中で、記事が「最も具体的」として取り上げているのが、Ethan Knightの発言です。要旨としては、
- 約1万のエージェントが協力していた
- OpenAIはこの1年ほど、マルチエージェント強化学習で協調の訓練をしていた
- 難問は、単一モデルが長い思考連鎖を頑張るより、大量の非構造的な並列テスト時コンピュートと、エージェントが自律的に役割分担することで突破できるかもしれない
という話です。
DJミオ：で、周囲の受け止めとしては、「これはNavier–Stokesミレニアム懸賞問題、特に有限時間特異点、つまり blow-up の存在に関する証明主張なんじゃないか」と読まれたわけですね。
DJレン：そう。ただし重要なのは、公開された断片情報はかなり曖昧だという点です。
記事はそこを何度も釘を刺しています。
2. 何が“事実として言える”のか、何が言えないのか
DJミオ：このパート、すごく大事。記事は「Disclosures and context up front」として、事実と未確定情報の線引きをしています。
まず、ツイート群から事実として読み取れるのは：
- OpenAIに関連する主張として、Navier–Stokesの“solution”に約1万エージェントが関与したという話が流通した
- そのシステムは、約1年にわたりマルチエージェントRLで訓練されていたとされる
- 方法論の強調点は、大規模な並列テスト時コンピュートと自己組織化的な協調
- 公衆はこれを、Navier–Stokesの存在・特異点問題への証明主張として理解した
- ただし、数学コミュニティによる受理はまったく確定していない
DJレン：逆に、ツイートからは分からないことが多い。
- 定理の正確な文言
- プレプリント
- 証明スケッチ
- 形式検証の成果物
- 独立した査読者のコメント
- 人間とモデルの役割分担
- そもそも“solution”が、完全証明なのか、証明戦略なのか、反例候補なのか、研究の糸口なのか
- 標準的な3次元非圧縮Navier–Stokesの大域正則性問題そのものなのか、関連する変種・補助命題なのか
このへんが、ツイートだけでは確定しない。
DJミオ：さらに記事は、「88時間」という数字についても注意していますね。これ、広まったけど、最初の直接的なOpenAI隣接発言ではなく、風刺的な投稿側で出てきた要素だったので、その時点では確証扱いしてはいけないと。
DJレン：そのあと記事後半では、別のまとめとして「内部モデルが88時間で提案証明を作り、その後Astraで17時間のLean形式化・検証」というサマリーも取り上げているんですが、ここもあくまでまとめ・反応・関連投稿ベースの記述として読む必要があります。
つまり、情報源の粒度が混ざっているので、確度の違いを見失わないことが大事なんです。
3. なぜこの曖昧さが重要なのか
DJミオ：Navier–Stokes問題って、ミレニアム懸賞問題の一つで、数学的にはものすごく厳密な対象です。もし「有限時間で特異点が起こる」と示したなら、それは標準的な大域正則性への否定方向の大ニュースになり得る。
DJレン：だからこそ、記事は「爆発的な主張には、爆発的な精密さと精査が必要」と実質的に言っています。
AI界隈だと「AIがXを解いた」が、
- 仮説生成
- 探索
- 補題の提案
- 証明草稿
- 証明チェック
- コミュニティ受理
を全部まとめて一言で圧縮しがちなんですよね。
DJミオ：でも数学では、その圧縮は危険。
**“候補を出した”ことと、“証明として共同体に認められた”**ことは、まったく別。
4. 技術的に見えてきたもの：本質は流体力学より“研究システム設計”
DJレン：記事の面白いところは、今回公開された断片から見えてくる技術の本質が、流体力学そのものというより、AI研究システムのアーキテクチャだと整理している点です。
DJミオ：主な技術的特徴はこう。
- スケール：約1万エージェント
- 訓練方法：約1年のマルチエージェントRL
- 推論哲学：非構造的な並列テスト時コンピュートを大量投入
- 協調方式：エージェントが自律的に仕事を分け、連携方法を決める
- 研究仮説：難しい推論課題では、単一の巨大モデルよりも、協調＋探索の推論時スケーリングが決定的かもしれない
DJレン：このへん、今のAIの潮流そのものです。
記事はこれを、「大きな単一モデルから、エージェント集団・並列探索・テスト時コンピュートへ、物語の中心が移っている」と読んでいます。
DJミオ：しかも、もし本当にこの規模で科学問題に計算資源を投入したなら、それは単なる製品デモやベンチマークのためじゃなく、“一発の科学成果”を狙って推論計算を大規模に使う時代に入ってることを意味します。
5. 1万エージェントというのは、具体的に何を意味するのか
DJレン：記事は、1万エージェント構成から暗に必要になるシステム要素も挙げています。
- タスク分解
- エージェント間通信
- メモリや状態の保持
- 探索木の管理
- 報酬設計や代理スコア
- 候補となる証明経路の集約・選別
DJミオ：「彼らにどう協力するかを決めさせた」というフレーズからは、完全な手作業オーケストレーションではなく、**少なくとも部分的には“創発的な協調ポリシー”**が使われたことを示唆している、と記事は読んでいます。
DJレン：つまり、もし本当に難しい数学に触れたなら、目新しさは「LLMが長文証明を書いた」ことより、学習された協調方針を持つ分散定理探索システムの方にあるかもしれない。
DJミオ：逆に、欠けている情報も多いです。
- 定理証明器とつないだのか
- Leanなどの形式検証をどこまで使ったのか
- 証明支援系のスタック
- 記号計算システム
- 流体シミュレーションの有無
- 検索用コーパス
- モデルサイズ
- 計算コスト
- 単一エージェントとの比較
- エラー率や証明チェック通過率
このあたりが何もない。
だから、公の会話が技術的基盤の開示より先走っている、というのが記事の判断です。
6. 事実と意見を分ける
DJレン：記事はここも丁寧です。
事実・事実として提示された主張：
- 約1万エージェントが関与
- 約1年のマルチエージェントRL
- 大量の並列テスト時コンピュート
- Navier–Stokesの証明主張として公に議論された
一方で、意見や解釈として扱うべきものは：
- 「巨大な非構造的並列テスト時コンピュートが、難問解決の最も有効な方法の一つだ」
- 「AIは本格的な研究やコーディングはできない、という信念が崩れた」
- 「今は高コンピュート時代だ」
- 「88時間で解いた」などのミームっぽいフレーミング
- ChatGPTの遅延がこの実験のせい、という憶測
DJミオ：この区別、リスナーのみなさんにも大事です。AIニュースって、事実・推測・ジョーク・煽りが非常に近い距離で混ざるので。
7. どう評価するか：強気・慎重・中立の見方
DJミオ：記事は反応を三つに整理しています。
まず強気な見方。
DJレン：強気派は、「これは新しいスケーリング法則のシグナルだ」と見る。
つまり、性能は
- モデルサイズ
- 学習計算量
だけじゃなくて、
- 自己組織化する大量エージェント
- 推論時の並列探索
で飛躍する可能性がある、と。
DJミオ：Theoの反応は、社会心理の面から「もしAIがミレニアム問題級に実質貢献するなら、“AIは本気の技術仕事はできない”という軽視は維持しづらい」と。
DJレン：Hrishioaの「high compute regime」も、ラボやスタートアップの戦略に対する示唆ですね。
推論時コンピュートの編成能力を軽視してると、フロンティアの読みを外すかもしれない。
DJミオ：一方、慎重・懐疑的な見方はすごく明快。
- 定理文と完全証明と専門家の審査が出るまでは、“解決”と呼ぶのは早すぎる
- 「1万エージェントが解いた」という言い方は、人間の問題設定・選別・修正・検証の寄与を隠す
- 成果物がなければ、再現性も頑健性も分からない
- 単発の偶然か、チェリーピックか、本当に一般的能力なのか不明
DJレン：そして中立・分析的な見方としては、たとえ最終証明が通らなくても、
- こうしたシステムが非自明な数学的経路候補を出せたなら、それ自体が能力マイルストーン
- 科学的真偽とシステム革新は分けて考えるべき
- 証明が無効でも、マルチエージェントRL＋並列テスト時コンピュートは重要な方法論的前進かもしれない
という整理になります。
8. なぜこの話が重要なのか：3つの大きな流れ
DJミオ：記事は、この件がフロンティアAIの三つのシフトの交点にあると言います。
- 静的モデルからエージェントシステムへ
- 学習時スケーリングから推論時スケーリングへ
- ベンチマーク劇場から実ドメイン主張へ
DJレン：Navier–Stokesみたいな話は、一般の人にも「すごい難問」と分かる。
だから、MMLUが何点上がったとかより、社会的可読性が圧倒的に高いんです。
DJミオ：でも、数学は特に容赦がない。
製品タスクと違って、“だいたい正しい”は通用しない。
だからこそ、外部検証が議論の中心になる。
DJレン：もし主張が裏付けられたら、記事は次の含意を挙げています。
- 分散定理探索が本格的な研究パラダイムとして浮上
- 形式手法ツールへの圧力増大
- AI for Math投資の加速
- テスト時コンピュートとマルチエージェントRLの有用性の再評価
DJミオ：逆に、完全には成立しなくても、
- OpenAIの内部戦略が見えた
- ラボがどこに計算資源を使うのかの認識が変わる
- 競合が類似システムを出したり、「AIが科学をした」系の主張を急いだりする
という効果はもう出ている、と。
9. 著者性・開示・誰が語るのか、という“ドラマ”
DJレン：ここからは技術だけじゃなく、科学文化の問題です。
記事は、二次的な大きな論点として、誰が何をどこまで明かしてよいのか、誰に功績があるのかというドラマを取り上げています。
DJミオ：たとえば、NDAを守るかどうかをめぐる投稿、著名人が沈黙していることへの示唆、OpenAI内部の“映画”みたいなイメージに登場人物を当てはめる遊び。こういうもの自体は直接の技術情報じゃないけれど、証拠の薄い断片から人物ドラマへ飛びつく文化を反映している、と記事は見ています。
DJレン：そして重要なのは、数学では出所＝ゴシップではないということ。
誰が
- 問題を定式化したのか
- どの補題候補を選んだのか
- どこまで機械生成なのか
- どこを人間が検証したのか
は、信頼性にも信用配分にも直結する。
DJミオ：しかも1万エージェントが並列探索した、みたいな世界になると、
- 論文の“著者”は誰なのか
- オーケストレーションチームの役割は何か
- 再現すべき対象は何なのか
が、従来の研究文化だとかなり曖昧になります。
10. 記事後半で出てくる、より踏み込んだOpenAI Navier–Stokesまとめ
DJレン：ここで記事はさらに一歩踏み込んだサマリーを出しています。
そこでは、OpenAIが**「GPT-6 Astraよりかなり高能力な内部モデル」が、約1万エージェントで88時間かけて提案証明を生成し、その後さらに17時間かけてAstraでLean形式化・検証した**、という形のまとめが紹介されています。
DJミオ：ただしこれも、厳密には記事中で「summaries and reactions」に基づく記述です。
なので、絶対確定の一次資料として読むのではなく、その時点で流通していた有力説明として理解した方がいいですね。
DJレン：OpenAI側はさらに、
- 自分たちの証明は独立研究者の仕事とは異なる
- 別のEuler設定を扱っている
- この作業のために特定ユーザーデータへアクセスしていない
- ただし、過去一般に、匿名化された派生データがモデル改善に寄与した可能性までは完全に否定できない
と説明した、とされています。
DJミオ：この「ユーザーデータは使ってない、でも一般的な意味での派生的寄与はゼロと言い切れない」という表現が、かなり大きな火種になった、と。
11. テスト時コンピュートの経済学
DJレン：記事は、この件の技術的メタポイントを、はっきり**“test-time compute scaling”**だと位置づけています。
DJミオ：何人かの観測者は、今は高価でも、将来的には急速に安くなるだろうと指摘していますね。ARC-AGIの実行コストが短期間で急落した例を引いて、「今は数百万ドル級でも、消費者向けに降りてくる可能性がある」と。
DJレン：推定も出ていて、ある人は
- 1300億出力トークン
- API換算で1000万〜4000万ドル相当
みたいな数字感を述べています。もちろん仮定に依存しますが、議論のポイントは金額そのものより、推論時計算の巨大投入が第一級のスケーリング軸になったということです。
DJミオ：つまりもう、性能向上は
- 事前学習を増やす
- 後学習を増やす
だけじゃなく、
- 推論時にどれだけ賢く・大量に探索できるか
- その探索をどうオーケストレーションするか
で決まる、という認識が前面化している。
12. 優先権・データ汚染・オープンサイエンス規範をめぐる論争
DJミオ：そしてこの話、単なる「すごい・すごくない」じゃ終わらず、かなりセンシティブな論争に入ります。
記事によると、Sam AltmanとSébastien Bubeckは、おおむねこういう説明をしたとされます。
- Anthropic関係の研究者たちがミレニアム問題を解いたらしいという噂を聞いた
- そこでOpenAIは、自分たちのモデルでも同じようなことができるか試した
- 後で、相手チームはEulerであって、Navier–Stokesではなかったと知った
- OpenAIは調整を申し出て、Euler側の優先権や、Buckmasterの筆頭著者の可能性まで提案した
DJレン：でも批判側は、「スパイ行為そのもの」よりも、
- 噂や公開情報、あるいは派生的なユーザーデータに依存した可能性があるなら、もっと厳格なチェックが必要だったのでは
- こういうことが起こると、研究者が進捗をオープンに話しづらくなる
- オープンサイエンス文化を冷やすのでは
と懸念しているわけです。
DJミオ：Terence Taoの慎重姿勢も、記事では研究ガバナンス上の重大論点として扱われています。
もし「進捗の噂」だけで企業が工業的スケールのAI探索をかけて研究方向を“平坦化”できるなら、学界は秘密主義に傾くかもしれない、と。
DJレン：さらにSteven Strogatzは、CórdobaやMartínez-Zoroaの先行公開研究が重要戦略をすでに与えていたことを強調しています。
つまり、「突然ゼロから湧いた天才的ブレークスルー」というより、既存の公開数学の上にどれだけ乗っているのかも重要だということです。
13. 著者クレジット争いの具体的な空気
DJミオ：記事のRedditパートでは、Tristan Buckmasterの名前が前面に出てくる論争も紹介されています。
「OpenAI threatened to ruin star mathematician’s career」という刺激的なスレタイトルもあって、そこでは共有著者案やキャリアへの圧力をめぐる疑惑が語られていた、と。
DJレン：技術的に重要なのは、まさにそこなんです。
ミレニアム問題級の主張では、
- どこまでがモデル出力か
- どこまでが人間の数学か
- 計算資源や訓練、データの寄与は何か
- だれを著者として数えるのか
が、単なる人間関係ではなく、結果の epistemic status、つまり知識としての位置づけに影響する。
DJミオ：Redditの一般ユーザーでも「ELI5して」と言いたくなるくらい、論争の構図自体が分かりにくかったみたいですね。
それだけ、AI時代の科学の功績配分がまだ制度化されていないということでもあります。
14. 数学界の観点から何が懸念されているか
DJレン：改めて整理すると、数学界的な懸念は主に三つ。
-
検証可能性
定理文、完全証明、専門家レビュー、形式検証が必要。 -
来歴の明確性
公開先行研究、噂、データ、人的介入の割合。 -
研究文化への影響
オープンに議論していると大企業が先に“工業化”して回収してしまうなら、研究者は閉じる。
DJミオ：記事はここを、単なる一件のゴシップではなく、AI研究ガバナンスの話として見ていますね。
15. では、Navier–Stokes以外のその日の大ニュースは？
DJミオ：ここまででもかなり濃いんですが、記事は他のニュースもちゃんと押さえています。
次はMetaのMuse。
16. Metaの「Muse」：個人向けエージェントとセキュリティ設計
DJレン：MetaはMuseという、消費者向けのパーソナルAIエージェントを発表しました。
ポジショニングとしては、
- 常時稼働型
- アプリ接続
- ブラウザ操作可
- 目標志向型
という、かなり“本気の生活エージェント”です。
DJミオ：特徴として繰り返し言及されていたのが、
- 各Museが隔離されたLinux VM上で動く
- ブラウザ利用可能
- WhatsAppや各種アプリをインターフェースに使う
- Gmail、Calendar、Outlook、Plaid、OpenTable、Docs、Spotify、Peloton
- さらにInstagram、Messenger、Facebook、MarketplaceといったMetaネイティブ接続
という点。
DJレン：で、Metaが最も強く押し出していた差別化要因が、セキュリティ・アーキテクチャです。
- 各Museは独立した安全なVM
- アクションは別コンポーネントのSentinelが仲介
- 秘密情報はエージェントに直接露出しない
- センシティブな操作にはユーザー承認
- さらに最大30万ドルのバグバウンティ
DJミオ：決済周りもありますね。
Stripe Linkによる支払い、エージェント決済保護や返金保証、将来的なShop Pay統合。
DJレン：実務家の初期反応もかなり良くて、特に
- 権限管理
- シークレット管理
- 消費者向けの実用性
が評価されていた。
「ここではモデルIQより、文脈とアクセス権こそがボトルネックなんだ」という感触ですね。
DJミオ：Metaは初日利用が社内予測の10倍だったとも言っています。
あと、モデル面ではMuse Spark 1.3がCursorなどの外部ツールにも現れ、Muse Spark 1.3 Maxは価格性能面でWeb開発系コーディング負荷に競争力がある、というアリーナ系評価も紹介されています。
17. OpenAIのImage 2.5とAstra展開
DJレン：OpenAI側では、Navier–Stokesで目立たなくなったけど、ChatGPT Images 2.5もリリースされています。
DJミオ：主な売りは、
- Images 2.0比で最大50%低遅延
- より高い写実性
- 反復編集での一貫性向上
- コメントベースの局所修正
- 透明背景
- ガイド生成向けのSketchツール
DJレン：APIとしては二系統。
- GPT-Image-2.5 Flare：速度と品質のバランス
- Sunburst：高精度で細部重視
DJミオ：アリーナ結果では、テキスト→画像、画像編集、複数画像編集で1位・2位相当のポジションを主張。特にmulti-image editingで大きな改善があったらしいです。
しかも、fal、Higgsfield、Manus、Hermes Agentなどへの統合も早かった。
DJレン：さらにGPT-6 Astraの利用可能範囲も広がりました。
Plus、Pro、Business、Enterpriseユーザーに、CodexやChatGPT Workで全面展開。
DJミオ：コミュニティデモも派手で、
- Theoが、AstraがmacOS上でSuper Smash Bros. Meleeを120 FPSでコンパイル・実行するまで約6時間ループした例
- Valsが、未公開のcomputer-use評価をほぼ飽和させる勢いで、Minecraftで3時間未満にネザーポータル構築
みたいな報告がありました。
18. エージェント・ハーネス、ポストトレーニング、サービング基盤
DJレン：記事は、単にモデル本体だけでなく、ハーネスと運用基盤の重要性も強調しています。
代表例がHarvey + BasetenのM&Aデューデリジェンス支援です。
DJミオ：ここでは、Recursive Language Model (RLM) harnessという構成で、
- ルートエージェントがデータルームを探索
- サブエージェントに文書レビューを委譲
- 最大8000万トークン級のコーパス上で所見を集約
という仕組み。
LAB Diligenceという合成ベンチマークでは、標準的ツールループからRLMハーネスに変えただけで、平均rubric pass rateが**23%→62%**に上がったと。
DJレン：さらに、ハーネス内でのポストトレーニングも効いた。
- GLM-5.2に対するself-distilled SFTで46%→60%
- Qwen3.5-122B-A10BへのGRPOで30%→63%
- 文書カバレッジも62%→96%
DJミオ：これ、意味するところは大きいです。
今後のエージェントベンチマークは、モデル単体だけでなく、オーケストレーションとハーネス内学習まで含めた“システム”として評価すべき、という流れですね。
DJレン：LangChain/deepagentsも、ハーネス設計のための便利機能を出しています。
- supervisorの文脈をサブエージェントに渡すsubagent forking
- OAuthやトークン、同意フローを抽象化するmanaged connections
スタックが着実に整ってきている感じです。
19. 推論インフラ：疎アテンション、エージェント向けサービング、decode megakernel
DJミオ：長文脈・エージェント時代のインフラも面白いです。
vLLMは長文脈サービングについて、Hybrid HiSparseを紹介。
DJレン：ざっくり言うと、
- KVキャッシュはできるだけGPU上に置く
- 冷たいKVページはホストメモリにオフロード
- ホットバッファをインデクサに使う
という設計。
GLM 5.3、100万コンテキスト、8×H200ノード、同時実行32の設定で、通常オフロードだと5〜6リクエストしか捌けない場面で、Hybrid HiSparseは19〜25まで維持できたと。
DJミオ：これは、RLロールアウトや長文脈エージェントで、VRAM制約がスループットを殺しがちな問題に直結します。
DJレン：さらにvLLMは、AgentX上で現実のエージェントトラフィック向けのフルスタック最適化も公開。
- pipeline parallelismは、冷えた長プロンプトには効くが、温まった短ターンでは不利
- decode context parallelismは、モデルのattention構造に強く依存
-
session-sticky routingは、ナイーブな負荷分散より強い場合がある
理由は、温かいKVキャッシュの価値が高いから
DJミオ：Cohereもオープンソースのサービングスタックを出していて、decode megakernelを軸に、North Mini CodeでvLLMより最大1.58倍高速、高バッチサイズでエンドツーエンド1.25〜1.41倍改善と主張。
DJレン：さらにBasetenによると、フロンティアRLロールアウトの新しいポリシー重みを、世界中へ40秒未満、停止6秒で反映できるようになっている。
全体として、インフラはもう静的なモデル配信ではなく、継続的な後学習とロールアウト更新のために最適化されつつある、というわけです。
20. その日の“トップツイート”級ニュース
DJミオ：記事は上位エンゲージメント話題も少し触れています。
一つは、AnthropicのJacob Hiltonの辞任と安全性警告。
DJレン：内容としては、AnthropicもOpenAIも、自己改善する超知能へ無責任に突進している、内側では絶滅リスクを現実として見ている、という趣旨。
フォローアップでは、近い将来に現行システムがインフラをハックしたり、急速に諸分野を変革したりする可能性まで示唆。
DJミオ：もう一つが、さっきも触れたOpenAIのユーザーデータ説明。
「特定のユーザーデータは使っていない、ただし一般改善への派生寄与は完全には否定できない」が、大きな火種でした。
DJレン：そしてビジネス側では、Cognitionが20億ドル超を調達し、評価額480億ドル、年換算売上が5月の4.92億ドルから約9億ドル近くに伸びたと発表。
Meta Museのローンチ投稿も非常に反応が大きかった。
21. Reddit・ローカルLLM界隈の話題：まず中国系マルチモーダルとFlash API
DJミオ：ここからは記事後半のReddit recapです。
ローカルLLM系では、まずQwen-Drive-1.0-4Bが話題。
DJレン：これは自動運転向けVLMで、ベースは変えないQwen3.5 4B VLM由来。
でもその上に、
- 外部のBEV perception head
- 3D object detection
- semantic occupancy prediction
- BEV map segmentation
- 将来の自車軌道を作るPlanning Expert
を載せ、段階的に運転監督データと一般VLMデータで訓練したもの。
WOD-E2E、NAVSIM、運転VQA、各種計画評価で競争力がありつつ、一般マルチモーダル能力もかなり維持したとされます。
DJミオ：もう一つがDeepSeek Flash 4.1。
APIの内部ベータが出回っていて、
- 既存base_urlを使い
-
deepseek-v4.1-flash-expires-on-0910で呼ぶ - 価格は同じ
- アカウントごと20並列制限
という話。
DJレン：告知では、
- 新アーキテクチャ
- ネイティブ・マルチモーダル
- 能力向上
- 高速化
- 低コスト化
がうたわれ、ユーザー報告では約2.24倍速、ベンチによっては最大30%のトークン効率改善もあるかも、と。
ただし、これが本当に新アーキテクチャのおかげなのか、ベータ期の軽い負荷のせいなのかは未確定。
DJミオ：リリース間隔が早すぎて、下流の利用者が評価や回帰テスト、移行に追いつかない、というAPI統合上の悩みも出ていました。
22. ローカル小型モデルと量子化の話
DJレン：次にMiniCPM5-2B。
OpenBMBが出したオープンウェイト2Bモデルで、Artificial Analysis Intelligence Index v4.2で15点、4B以下のオープンウェイトでは最高だと主張。
DJミオ：コメント欄では、「今の2Bは“gpt oss 120b”並みに見える」みたいなかなり強い言い方もあったけど、そこはスレ内の主観ですね。
実務的関心はむしろ、
- 低リソース環境
- ASR → MiniCPM5-2B → TTS の音声パイプライン
- ミニPC自動化
みたいな低遅延用途でした。
DJレン：DSpark最適化版のMiniCPM5-2B-DSparkも言及されていて、ローカルスループットを測るならそっちも見るべき、と。
DJミオ：さらに量子化では、Qwen3.8-27Bのtask-aware quantが、BF16推論性能の99%を15%のサイズで達成したという投稿が話題に。
DJレン：手法はTAK、Task Aware Knapsack。
特徴は、
- タスク特化のimatrix
- テンソルごとの“damage allocation”
- バイト予算下で最適化
- pruningなし、fine-tuningなし、mergeなし
DJミオ：数字としては、推論ベンチで
- BF16：83.59%
- TAK quant：82.81%
- 同容量のUnsloth UD IQ2_S：77.34%
など、他モデルでも優位を主張。
ただしコメントはかなり慎重で、「その狭い推論ベンチ以外でも通用するの？」「Q4/Q6比較は？」「Qwen公式evalで見たい」といった声が多かった。
DJレン：コーディングで反復ループが出るというユーザー報告もあり、作者も再現・分析したいとしている。
つまり、狭いタスク分布への適応が広い実用性と両立するかが争点ですね。
23. 一般向けAIサブレディットの話題：Navier–StokesとAstraデモ
DJミオ：一般寄りサブレディットでも、やっぱり中心はOpenAIのNavier–Stokes主張でした。
「Millenium Prize solution discovered at OpenAI」みたいなスレでは、風刺っぽい画像や未確認スクショが拡散していた。
DJレン：そこでは、「88時間×1万エージェント＝88万エージェント時間、ざっくり100年分の探索を圧縮したようなものだ」という見方が出ていました。
単一モデルの天才というより、大規模並列探索だという理解ですね。
DJミオ：加えて、
- 内部モデルの規模やコストが不明
- Astraと同程度なのか、もっと大きいのか
- 人間の寄与がどの程度なのか
が、再現性と意味づけの鍵だと議論されていました。
DJレン：別スレでは、さっき触れたBuckmaster関連の著者論争が「強圧的に見える」という反応で読まれていた。
技術というより、証明の来歴・功績配分の不透明さが不信を呼んでいたわけです。
24. Astraのコンピュータ利用デモ群
DJミオ：Astra関連の一般向け話題も多かったですね。
「Today Astra is doing 100% of my job」という投稿では、電子回路設計やCAD、DSPファームウェアのベンチまでAIが操作しているという写真付きデモ。
DJレン：ただし、記事は冷静で、これらは再現可能なベンチマークではなく、あくまで逸話的デモだと。
コードや指標や検証がないので、能力の雰囲気は分かるけど厳密評価にはならない。
DJミオ：コメントでは、「すごい」と「怖い」が半々。
特に重要な指摘は、AIが100%仕事をやるようになると、人間が監査能力を失って誤りを見逃す危険です。
これは教育番組的にも大事な論点。
DJレン：あと、FactorioBenchみたいなノリも。
AstraがFactorioを15分プレイして、操作を学び、資源を集め、採掘機や炉を作り、セーブしたというX投稿が話題に。
DJミオ：記事は「これは正式ベンチではない」としつつ、Factorioが
- 長期計画
- 資源ルーティング
- 自動化設計
- 失敗からの回復
を試すので、エージェント・ベンチマークとして有望だというコメントを紹介しています。
DJレン：ただし、LLMは事前学習でFactorio知識を大量に読んでいる可能性が高い。
だから本質は「ゲーム理論を知っているか」より、その知識を長時間の身体化された操作へ落とせるかにある、と。
DJミオ：目標として「4時間以内にロケット打ち上げ」「10時間以内に100%クリア」みたいな、具体的なAGIっぽい目安を語る人もいたようです。
DJレン：他にも、Neal.fun風の「I’m Not a Robot」ゲーム48面をクリアしてAstraが“認定人間”になったというジョーク混じりの話も。
こちらも、フル動画や独立再現が欲しい、という反応がありました。
25. AI創薬・バイオ系の話題
DJミオ：記事後半の一般向けサブレディットでは、AI創薬も盛り上がっていました。
まず、Insilico MedicineのRentosertib。
これはIPF、特発性肺線維症向けの実験薬で、AI設計候補とされ、試験中に生物学的年齢指標が約6年若返る方向に動いたという報道。
DJレン：ただし、コメントの中で重要なのは、「それは一般的な抗老化の証拠ではない」という指摘です。
IPFのような疾患で異常化していたプロテオームが治療で正常化すれば、プロテオーム由来の年齢時計が若返るのはあり得る。
でもそれは、健康な人で若返りが起きることを意味しない。
DJミオ：さらに、「AI-created」と言っても、ここで使われているのは汎用LLMではなく、Chemistry42やPandaOmicsのような専用創薬パイプラインだ、という整理も大事ですね。
しかも年齢指標はエピジェネティック時計ではなくプロテオミクス時計なので、解釈はより間接的。
DJレン：そしてもう一つ、「ChatGPT設計の統合失調症向けM4作動薬をガレージで合成」みたいな過激な話題も。
これに対しては、DIY薬理・DIY化学の安全性と倫理性が強く懸念されていました。
DJミオ：当人はHarvardで計算生物学PhDという話も出ていて、完全な素人ではないにせよ、
AIと安価な実験ツールが、危険な化学・生物実験の参入障壁を下げる可能性がある。
特に化学・生物の失敗は、ソフトウェアのバグより下振れリスクがはるかに大きい。
26. ここまでの総括：この日の本当の主題は何だったのか
DJレン：今日の記事全体を一言で言うと、単に「OpenAIが数学を解いたかも」ではないんです。
本当の主題は、AIの能力がどこに宿るのかという見方の変化です。
DJミオ：つまり、これまでの物語が「より大きい単一モデル」中心だったのに対して、今は
- たくさんのエージェント
- 推論時の大規模並列探索
- ハーネス
- 検証器
- サービング基盤
- セキュリティと権限管理
- 実世界ツール接続
をまとめたシステム全体が主役になっている、ということ。
DJレン：Navier–Stokesの件が仮に最終的に否定されても、この流れ自体は消えません。
むしろ記事は、証明の真偽とは別に、OpenAIがどこへ向かっているかを世界に見せたことに意味があると読んでいます。
DJミオ：ただし、その進展を喜ぶにしても、次の問いは残ります。
- 何が本当に証明されたのか
- どこまで形式検証されたのか
- どの研究者にどんな功績があるのか
- 公開科学の規範は守られるのか
- ユーザーデータとモデル改善の境界はどう説明されるのか
- そして、巨大テスト時コンピュート時代における公平性・再現性・アクセス格差をどう考えるのか
27. 教育番組としての結論
DJレン：リスナーのみなさんに持ち帰ってほしいのは三点です。
DJミオ：第一に、“AIが解いた”という見出しだけでは何も分からない。
定理、証明、検証、著者性、再現性を分けて見よう。
DJレン：第二に、今のAIの最前線は、モデル単体よりもエージェント協調と推論時計算の編成に移っている。
ここが新しいスケーリング軸です。
DJミオ：第三に、能力の進歩と同じくらい、科学のルール・説明責任・公開文化が重要。
とくに数学や創薬のような高厳密・高リスク領域ではなおさらです。
DJレン：というわけで今夜は、OpenAIのNavier–Stokes主張を中心に、その周辺の技術・文化・産業の動きをまとめてきました。
DJミオ：MetaのMuse、OpenAIのImage 2.5、Astraの拡大、ハーネスや推論インフラ、ローカルLLMや創薬の話題まで、かなり盛りだくさんでしたね。
DJレン：でも一番大きい問いは、やっぱりこれでしょう。
AIは“答えを出す機械”から、“研究を組織する機械”へ進みつつあるのか？
DJミオ：その答えはまだ途中。でも、その途中経過としては、かなり歴史的に見える一日だったかもしれません。
DJレン：ここまでのお相手は、DJレンと――
DJミオ：DJミオでした。
それではまた次回、「Midnight AI Groove」でお会いしましょう。
おやすみなさい。
―――
