Midnight AI Groove
登場人物
- DJミオ：明るく整理上手。リスナー目線で噛み砕く役。
- DJレン：技術寄り。背景や構造を補足する役。
オープニング
DJミオ：
こんばんは、未来と現実のあいだをグルーヴするラジオ教育番組、**「Midnight AI Groove」**へようこそ。ナビゲーターは私、DJミオです。
DJレン：
そして相方は僕、DJレン。今夜もAI業界の空気を、ニュースの表面だけじゃなく、その奥の流れまでたどっていきます。
DJミオ：
今日のテーマは、ある意味で逆説的です。タイトルは――「not much happened today」。
「今日はあんまり何も起きなかった」と言いながら、実際に中身を読むと、全然そんなことないんですよね。
DJレン：
そう。むしろ、派手な超大型発表が少ない日にこそ、業界の“重心の移動”が見えやすい。
今回の全体像を先に言うと、主役は大きく4つです。
- GLM-5.2を中心としたオープンモデルの前進
- モデル単体から、ハーネス・メモリ・SCM込みのエージェント運用への移行
- 長期・現実タスクに寄せた評価ベンチマークの重要化
- 医療、アラインメント、そして疑わしい医療ハードウェア話題まで含む“信頼性”の問題
DJミオ：
はい、今日はこの4本柱を軸に、Twitter recap、Reddit recap、そして全体トレンドまで丁寧にたどります。
それでは始めましょう。Midnight AI Groove、今夜の1曲目ならぬ1トピックは――GLM-5.2のブレイクアウトです。
1. GLM-5.2がこの日の“総意”になった
DJミオ：
今回いちばん空気を持っていったのは、やっぱりZhipuのGLM-5.2ですよね。
DJレン：
そうですね。今回のまとめでは、**「日常利用の感覚として、初めて“フロンティア隣接”に思えるオープンウェイトモデル」**として受け止められた、というのが重要です。
単に「ベンチで強い」ではなく、複数の実務家が独立にそう感じた、というところが大きい。
DJミオ：
しかも反応がかなり強かった。
たとえば、ある実務家は**「自分の使い方ではOpus 4.8やGPT-5.5と少なくとも同等」とまで言っている。ただし大きな弱点としてvision未対応**は指摘していました。
DJレン：
別の人は、**「初めて daily driver の基準を越えたオープンモデル」**だと評価しているし、Artificial Analysisの評価でも、新しい agentic knowledge-work ベンチマークで GPT-5.5 と Opus 4.8 の間に位置付けられた。
つまり“好事家向けの面白いオープンモデル”ではなく、実務投入候補として話されているわけです。
2. GLM-5.2の技術的ポイント：MLA、DSA、そしてIndexShare
DJミオ：
じゃあ、何がそんなに効いているのか。ここで技術の話に入ります。
今回のまとめで印象的だったのが、アーキテクチャ上の変化ですよね。
DJレン：
はい。GLM系やDeepSeek系に見られるMLAやDSAに加えて、GLM-5.2ではIndexShareが加わったと説明されています。
これがポイントで、疎な注意機構で選ばれた top-k のインデックスを複数レイヤー群で再利用することで、100万トークン級推論のコストを下げる。
DJミオ：
“長文に強い”というと、ただコンテキスト長が長いだけに聞こえることがありますけど、ここでは1M token inference を現実的にするための設計の話なんですよね。
DJレン：
そう。長コンテキストは、単に受け付けるだけでは意味がない。
計算量、レイテンシ、メモリ、KVキャッシュ、実用スループット――全部が問題になる。IndexShareはその負担軽減の一手として読まれているわけです。
3. GLM-5.2の供給戦略も強かった
DJミオ：
性能だけじゃなくて、出し方もかなり積極的でした。
DJレン：
かなり攻めていましたね。
たとえば、
- Hugging Face Inference Providersで期間限定無料提供
- llama.cpp / Unsloth 経由でローカルGGUF対応
- さらに内部アプリ開発タスクでも、GLM-5.1の21/70からGLM-5.2の48/70へ改善
このあたりが揃っていて、**“見せる・試させる・回す”**が一気に実行された。
DJミオ：
つまり、モデルが強いだけじゃなくて、すぐ触れる・すぐ比較される・すぐ量子化される・すぐ実運用に入る。
このスピード感自体が、オープンモデル時代らしいですよね。
4. 他のオープンモデルも前進：Laguna M.1、North Mini Code
DJミオ：
そして今回はGLM-5.2一色ではあるけど、他にも重要なオープンモデルの動きがありました。
DJレン：
まずpoolsideaiのLaguna M.1。
Apache 2.0で重み公開、256Kコンテキスト、しかも構造としては70層の疎なMoE、総225B・アクティブ23B、256 experts、top-k=16。
狙いは長時間・長手順のagentic codingで、推論とツール使用を交互に行うようなワークロードに最適化している。
DJミオ：
さらにApple Silicon向けの話もありましたよね。
3-bit MLXビルドで、M3 Max 128GBマシン上で毎秒約26トークン、ピークメモリ約100GB。
DJレン：
これも象徴的です。
巨大モデルを“公開する”だけじゃなく、Apple Siliconでどう動かすかまでセットで見せている。
ローカル実行の現実性はまだ限られていても、再現可能性と試用可能性が広がっている。
DJミオ：
一方で、より小さい側ではCohereのNorth Mini Code。
こちらは4-bit量子化、Ollama対応、OpenRouterで無料アクセス。
つまり、巨大で最先端寄りのオープンモデルと、もっと触りやすいコーディングモデルの両輪が進んでいるわけですね。
DJレン：
そう。そしてOllamaがローカルオープンデプロイを後押ししているのも重要です。
“開いている”だけではなく、手元で運用できるかが開放性の体感を決めるので。
5. 重心は「モデル」から「モデル＋ハーネス＋メモリ＋SCM」へ
DJミオ：
次の大きなテーマが、今日いちばん教育的かもしれません。
それが、**「モデル単体で見る時代から、運用スタック全体で見る時代へ」**という流れです。
DJレン：
今回のまとめでは、それを非常に明快に表現していて、重心は
“model”から“model + harness + memory + SCM”へ動いている
と言っています。
DJミオ：
ここで出てきたのが、従来のgit/GitHubワークフローが、多数並列のコードエージェント時代には破綻しやすいという議論でした。
DJレン：
そう。問題点として挙げられていたのは、
- stale worktrees：作業ツリーが古くなる
- diverged review state：レビュー状態が分岐して同期しない
- environment setup overhead：環境構築コストが高い
- poor state synchronization：状態同期が悪い
要するに、人間数人で回す前提のSCMやレビュー運用を、何十〜何百もの並列コードエージェントにそのまま適用すると、限界が出るということです。
DJミオ：
その代替として提案されたのが、
virtual shallow checkouts、jj、Saplingライクなcommit stack、cloud sync、file-level ACL、そしてモデルからSCM・リモートランタイムまでの垂直統合。
かなり“新しいOSを作る”に近い発想ですね。
DJレン：
しかもそれが、Noumena Code / ncodeとして製品化されつつあり、将来的に推論エンジンやモデルへの無料アクセスも計画されている。
ここで重要なのは、AIコーディングは、もはやチャットUIにコードを貼る話ではないということ。
作業コピー、差分、レビュー、権限、実行環境、リモートランタイムの全体設計が勝負になってきたわけです。
6. ベンチマークも“モデル単体”では足りない
DJミオ：
この流れとつながるかたちで、もうひとつ大事な主張がありました。
それが、ベンチマークはLLM単体ではなく、ハーネスとの組み合わせで測るべきという話。
DJレン：
はい。OpenHandsの比較では、モデルの種類やコストプロファイルによって、勝者が変わるとされていました。
つまり、モデルAがモデルBより強い、ではなく、ハーネスHと組んだAとハーネスJと組んだBでは結果が変わる。
DJミオ：
これは教育的にすごく大事で、リスナーの皆さんも、「どのモデルが最強か」という見方だけだと見誤る。
実際には、ツール接続、記憶、状態管理、リトライ、観測、レビュー導線まで含めたシステム設計で性能が変わるんですよね。
DJレン：
そう。エージェント時代の能力は、純粋な次トークン予測の強さだけでは決まらない。
どんな状態を見せるか、どんな行動空間を持たせるか、どのくらい再試行できるか、途中結果をどう評価するか――そこが本体になってきています。
7. “教えて覚えさせる”自動化が製品化してきた
DJミオ：
その文脈で、今回かなり面白かったのが自動化プリミティブの話。
ここではOpenAIのCodex Record & Replayと、Cursorの /automate が目立っていました。
DJレン：
まずCodex Record & Replay。
これはユーザーが一度ワークフローを実演すると、それをinspectable skillとして再利用できる、というもの。
つまり、自然言語で全部指示する代わりに、“こうやるんだよ”を見せてスキル化する。
DJミオ：
すごく人間的な教え方ですね。
「毎週このレポートをこう作る」「この形式でPRを切る」「このエラーが出たらここを見に行く」みたいな流れを、デモンストレーションから自動化資産へ変える。
DJレン：
そしてCursorの /automate は、自然言語タスクからトリガー・指示・ツール構成をセットアップする。
ここにSlackの絵文字トリガー、GitHubトリガー、クラウドエージェント向けcomputer useまで入ってきている。
DJミオ：
つまり自動化が“if-this-then-that”のような固定ルールから、自然言語で記述し、実演で学習し、ツール構成まで伴うエージェントワークフローへと進化しているわけですね。
8. Claude CodeのArtifactsと共有可能な作業成果
DJミオ：
さらに、Claude CodeのArtifactsも紹介されていました。
DJレン：
これも重要です。
エージェントの作業途中や成果物を、共有可能なライブページに変えられる。
内部では、アーキテクチャ変更やプロトタイプ共有のワークフローをすでに変えつつある、というコメントもありました。
DJミオ：
AIエージェントって、動いている最中の状態が見えないと不安ですけど、Artifactsはその不透明さを減らしてくれる。
しかも単なるログではなく、人が見て判断できる中間成果物として共有できるのがポイントですね。
DJレン：
そう。
エージェント時代の鍵は、自律性の強化だけでなく、可視性とレビュー可能性の強化でもあるんです。
9. セキュリティレビューもエージェントの仕事になる
DJミオ：
そして今回かなり重要だったのが、セキュリティとレビューが第一級のエージェント業務になってきたという点です。
DJレン：
ここではCognitionがDevin Reviewに自動セキュリティレビューを追加したこと、さらにDevin for Securityが、従来のAppSecにあった
**“finding と fixing の分断”**を埋めようとしている、と説明されていました。
DJミオ：
つまり、脆弱性を“見つける”だけで終わらず、低重大度の所見を連鎖させて、実際には重大なエクスプロイトになることを確認する。
ここにagentic reasoning と harnessingが効いてくる。
DJレン：
これは本当に重要です。
従来の静的解析や個別指摘は、ノイズが多い。けれど実際の攻撃は、複数の小さな問題の組み合わせで成立することが多い。
そこをエージェントがたどって**“本当に危ない形”まで到達できるか**が、次世代AppSecの差になるわけです。
10. この日の開発ツール投稿で最も反応が大きかったもの
DJミオ：
そしてツール系で最もエンゲージメントが高かったのは、OpenAI DevsのCodex Record & Replay。
これは象徴的でしたね。
DJレン：
はい。
いま開発者が強く求めているのは、単に“賢いモデル”ではなく、**“教えたら仕事を覚えてくれる仕組み”**なんだ、ということがよく分かります。
11. ベンチマークの進化：AA-Briefcase
DJミオ：
ここからは評価とベンチマークの話です。
今回の中でもかなり本格的だったのが、Artificial AnalysisのAA-Briefcase。
DJレン：
これはかなり現実寄りのagentic knowledge-work benchmarkで、
数週間にわたるプロジェクト、何千もの断片化された入力、Slack・メール・ドキュメントのコーパス、そして成果物として財務モデルや取締役会向け資料のようなものを扱う。
DJミオ：
もはや「質問に答えられるか」ではなく、会社員やナレッジワーカーの複雑な現実仕事を模した評価なんですよね。
DJレン：
その結果としては、
- Claude Fable 5 が 1587 Elo で首位
- Opus 4.8 が 1356
- GLM-5.2 が 1266 で、言及された中では最も強い非Anthropic系の“open-ish”モデル
という並び。
DJミオ：
でもこのベンチマークで本当に面白いのは、順位だけじゃない。
コストも一緒に出していることですよね。
DJレン：
その通り。
平均コストは、
- Fable 5：$31/task
- Opus 4.8：$10.40/task
- GPT-5.5 xhigh：$3.68/task
- GLM-5.2：$2.40/task
能力だけでなく、経済性を合わせて見ないと実務判断にならない、というメッセージです。
DJミオ：
しかも全体としての教訓が厳しい。
トップモデルですら、全ルーブリック基準を満たしたのはタスクの3%だけ。
つまり、長期・現実的な知的業務は、まだ全然簡単ではない。
DJレン：
そうなんです。
派手なスコアアップの裏で、現実世界の複雑さは依然として大きい。
この“まだ難しい”という事実を見失わないのが大切です。
12. 長期タスク評価はさらに広がる
DJミオ：
AA-Briefcase以外にも、長期タスク寄りの評価が出ていました。
DJレン：
はい。
Terminal-Bench Challengesは、長時間・高トークン消費の単発タスクを対象にしているし、
SkillWeaverは、エージェントのルーティングを単一ツール選択ではなく、スキル検索＋DAG計画として扱う。
さらにAgent Arenaは、人間とAIの協働価値を、steerability、bash recovery、tool hallucinationなどのシグナルで因果的に測ろうとしている。
DJミオ：
つまり評価軸が、「正答率」みたいな単純なものから、
長さ、分解、回復性、誘導のしやすさ、ツール幻覚、人間との相互作用へと多次元化しているわけです。
DJレン：
その一方で、今のanalytics-agentベンチマークは間違ったものを測っていることが多いというメタ批判もありました。
評価方法そのものが、いま大きな争点なんです。
13. 推論・検索・システム効率の改善
DJミオ：
では次に、いわゆる“地味だけど効く”システム面に行きましょう。
ここでは推論、検索、配信効率の改善がまとめられていました。
DJレン：
まずLiquid AIが、LFM2.5-Embedding-350MとLFM2.5-ColBERT-350Mを公開。
11言語をカバーする多言語検索モデルで、企業向けスタック上では1.5msのエンドツーエンド検索レイテンシを主張しています。
DJミオ：
検索基盤の改善は、エージェントの記憶やRAG全体の性能にも直接つながりますよね。
DJレン：
そうですね。
次にCoreWeaveは、Kimi K2.7 Codeのサービングで289 tok/sを主張。
ここでは、モデルそのものよりも、プロバイダ側の価格性能比が差別化要因として強調されています。
DJミオ：
“どのモデルか”だけじゃなく、誰がどう配るかも競争力になる、と。
DJレン：
さらにvLLM + Ray Serveでは、
prefill-heavy workloadsで最大4.4倍、
decode-heavy workloadsで最大24倍のスループット改善。
要因としては、direct streaming、Ray V2 executor backend、HAProxyベースのingress routingが挙げられていました。
DJミオ：
ここはインフラ寄りだけど、エージェントの長タスクや大量並列処理ではかなり効いてきそうです。
14. ベクタDBと文書パースのコストも下がる
DJミオ：
検索やドキュメント処理のコスト改善もありました。
DJレン：
はい。
turbopufferはベースプランを月64ドルから16ドルに値下げ。
さらにi8 vectorsで、1次元あたりのバイト数を4分の1にし、量子化対応埋め込みと組み合わせることで保存・クエリコストを最大75%削減できるとしています。
DJミオ：
これはRAG系プロダクトにとってはかなり実務的ですね。
“使いたいけどストレージ代が痛い”問題への直接回答になっている。
DJレン：
文書側では、LlamaIndexとJerry LiuがLiteParse v2.1をリリース。
これはPDF/文書→Markdownの、最速のオープン・モデル不要パイプラインをうたっていて、複数のOSSパーサーベースラインを3つのベンチマークで上回ったと主張しています。
DJミオ：
RAGの品質って、検索モデルだけじゃなく、そもそも文書をどう壊さず抽出するかにすごく依存するから、ここも重要ですね。
15. OpenAIの医療寄りな一日
DJミオ：
続いては医療、健康、アラインメントの話。
ここではOpenAIの存在感が強かったです。
DJレン：
まず、Boston Children’s / HarvardとのNEJM AI研究。
o3 Deep Researchが、これまで未解決だった小児希少疾患症例を臨床医が再検討する助けになったとされ、
要約としては、未解決376症例の中で18件の新しい診断発見を助けたという整理がなされていました。
DJミオ：
医療AIの話って誇張も多いんですが、ここでは少なくとも**“臨床医が再検討する助けになる”**という控えめで現実的な表現になっているのが印象的です。
DJレン：
そしてもうひとつ、GPT-5.5 Instantが健康関連質問でフロンティア級Thinkingモデルに並んだという発表。
これは60カ国、49言語、26専門領域、数百人の医師フィードバックに支えられているとされています。
DJミオ：
つまり、単なる一般知識QAではなく、医師主導の評価ループを持っていることが強調されているわけですね。
16. 「広く持続的に有益」であるように訓練するという発想
DJミオ：
そして今回、理論面でも興味深かったのが、OpenAIのアラインメント研究です。
DJレン：
はい。テーマは、モデルを**“広く、持続的に、人間にとって有益”**であるよう訓練すること。
具体的には、健康領域の会話に対するRLで、truthfulness、humility、人間福祉への配慮のような特性を強化した。
DJミオ：
結果として、53個の内部・外部アラインメント／有益性評価のうち44で改善。
しかも面白いのが、健康領域だけの有益特性訓練でも、非健康領域の19評価中17で改善した点ですよね。
DJレン：
そう。
たとえばdeceptionやcoding reward hackingのような、医療と直接関係なさそうな評価にも改善が見られた。
これが本当なら、単なる“拒否を増やす安全性”ではなく、一般化された beneficial behaviorを操作可能な対象として扱える可能性がある。
DJミオ：
まだ初期段階ではあるけれど、狭い拒否ルール型安全性から、より人格特性に近い有益性チューニングへ進もうとしている。
これはかなり大きな方向転換に見えます。
17. エンゲージメント上位の話題
DJミオ：
ここで、この日のトップツイート級話題も整理しておきましょう。
DJレン：
まず、ナレンドラ・モディ首相がMistralのArthur Menschと会談した件。
これは技術というより地政学と国家レベルのAI外交のシグナルとして重要。
DJミオ：
次に、やはりCodex Record & Replay。
開発者ツールとしてこの日の最大級の反応を集め、デモンストレーションベース自動化への需要を裏づけました。
DJレン：
それからClaude Deps…ではなくClaude側のEnterprise-Managed Auth for MCP。
IdP経由でMCPコネクタの中央認証を管理できるという話で、エンタープライズにおけるエージェント導入の基盤整備として重要です。
DJミオ：
さらにGPT-5.5 Instantの健康改善。
主流プロダクトモデルが、特定ドメインの有用性に向けて調整されていることを示す強いシグナル。
DJレン：
そしてGLM-5.2への称賛と、Ollamaによる容量拡張の話。
この二つを合わせると、**“出た”だけではなく、“即座に試され、褒められ、運用に載せられた”**という、その日のオープンモデルの空気感がよく表れています。
18. Redditで見えたGLM-5.2の“ローカル実用性”論争
DJミオ：
ここからはReddit側。まずは当然、GLM-5.2のローカルアクセスと量子化です。
DJレン：
Redditではかなり盛り上がっていて、
GLM-5.2は総753BパラメータのMoE、1トークンあたり約40Bアクティブという巨大モデル。
それでもMITライセンス、28.5Tトークン事前学習、1Mコンテキスト、131k出力、フロンティア級コーディングエージェント挙動といった点が評価されていました。
DJミオ：
面白かったのは、これを単に“巨大すぎる”で終わらせず、高品質な合成データ蒸留の源泉として8B/70B級ローカルモデルに波及するかもしれないと見る意見があったこと。
DJレン：
そう。つまり、本体を全員がローカルで回せる必要はない。
上位モデルが強くなれば、その出力を使った蒸留で現実に使える小型モデルの質も上がる。
これがローカルAI支持層の重要な視点です。
19. ただし“ローカル”の現実はかなり厳しい
DJミオ：
とはいえ、ハードウェア面の現実は厳しかったですね。
DJレン：
非常に厳しい。
推定では、推論メモリはFP8で約744〜890GB、
動的1-bit量子化でも約176〜180GB、
さらにKVキャッシュは100kトークンごとにFP16/BF16で15〜20GB、8-bitで7.5〜10GB、4-bitで3.5〜5GB程度という見積もりが紹介されていました。
しかもその表自体はAI生成で概算だと注意書き付き。
DJミオ：
コメント欄でも、
「512GB Macなら理論上いけるかも」
「GB10クラスターなら」
「128GBのAMD AI Maxを複数台なら」
みたいな話が出つつ、結局は**“unobtanium”に近いハードウェア**という認識が強かった。
DJレン：
加えて重要なのが、メモリに載ることと実用的に使えることは別という指摘。
50K超のコンテキストになると、特にMac Studio級ではPP/TG性能が厳しく、動いても使い物にならないという意見も出ていました。
DJミオ：
この“入る”と“使える”の区別は大事ですね。
ローカルLLM界隈は、つい前者だけで話が盛り上がりがちですから。
20. GLM-5.2の派生モデルへの期待
DJミオ：
さらにRedditでは、GLM-5.2 AirやFlashのような小型派生版への期待も語られていました。
DJレン：
はい。
「Claude Opus 4.6級を800B未満で達成しているなら、200B〜300BのAirや、40B前後のFlashが出たらかなり面白い」という見方ですね。
そしてこれは次のGemma 5やQwen 4にも期待をつなげています。
21. UnslothのGGUF量子化、2bitでも238GB
DJミオ：
ローカル派にとっての現実をさらに突きつけたのが、UnslothのGLM-5.2 GGUF。
DJレン：
そう。
なんと最小の2bit版でも約238GB。
“2bitだから軽い”どころではなく、依然として非常に重い。
コメント欄には、各種量子化形式――
UD-IQ1_S、UD-IQ1_M、UD-IQ2_XXS、UD-IQ2_M、UD-Q2_K_XL、UD-IQ3_XXS、UD-IQ3_S、UD-Q3_K_XL、UD-Q4_K_XL、Q8_0
のtorrentミラーまで貼られていた。
DJミオ：
「230GB分RAMが足りない」みたいな嘆きもあれば、
「将来的に配布制限されるかもしれないからtorrentで確保しておきたい」という声もありました。
オープンウェイト時代の保存と流通の政治性まで見えてきますね。
DJレン：
しかも、単に“サイズがすごい”で終わらず、
2bit量子化でSWE-bench性能はどれくらい維持されるのかという、本質的な質問も出ていました。
実務的には、圧縮後にコーディング能力がどこまで残るかがすべてですから。
22. Hugging Faceでの無料推論は盛況すぎて混雑
DJミオ：
GLM-5.2の無料推論ウィンドウもRedditで話題でしたね。
DJレン：
ええ。
Hugging Face Inference Providersで6時間限定無料。
利用先にはZai、Together AI、Novita、Fireworks、DeepInfraなどが並びました。
ただコメントはやや皮肉で、
「ドラッグディーラーの手口みたいだ」とか、
「サーバ混雑でここ数日ずっとほぼ使えない」みたいな声もあった。
DJミオ：
つまり、関心の強さゆえに供給が追いつかない。
これも“成功の副作用”ですね。
23. Edgeローカル推論：ブラウザ内Gemma 4 E2B
DJミオ：
次のRedditトピックは、巨大モデルとは逆方向。
エッジ・ローカル推論の面白い進展です。
DJレン：
まずは、Gemma 4 E2Bをブラウザ内でWebGPU推論し、M4 Maxで255 tok/sというデモ。
カスタムWebGPUカーネルが使われていて、しかもそれがFable 5によって最適化されたとされているのが印象的です。
DJミオ：
ブラウザで255 tok/sって、かなりインパクトありますよね。
ただ、コメントではFirefox非対応への不満や、
UIのオープンソース化希望、
ブラウザストレージに落ちた約2GBのモデルをどう消すのかといった実務的な話も出ていました。
DJレン：
さらに比較対象として、Hugging FaceのGemma Challenge dashboardで、
A10G上で500 TPS、品質劣化なしと主張する最適化も紹介されていました。
つまり、ブラウザ推論とGPUサーバ推論の比較軸が出てきている。
24. 超小型TTS：Inflect-Nano 4.63Mパラメータ
DJミオ：
そしてかなり印象的だったのが、Inflect-Nano。
なんと4.63Mパラメータの超小型TTSモデルです。
DJレン：
内訳は、
3.46Mのacoustic modelと1.17Mのvocoder。
24kHzの英語単一話者音声を生成する。
サイズ比較では、Kokoroの17分の1、Chatterboxの108分の1、Fish Audio S2 Proの約950〜1000分の1とされていました。
DJミオ：
もちろんSOTA音質を狙うというより、組み込み・オフライン・ローカルアシスタント用の基準点という位置づけですね。
DJレン：
コメント欄で面白かったのは、単に驚くだけじゃなく、
どういうアーキテクチャ選択、圧縮、データセット設計でここまで小さくしたのかを知りたい、という技術的関心が強かったこと。
さらに、ESP32のような制約ハードウェアで動くか、
あるいはONNX化して軽量推論にできるか、
NVDAスクリーンリーダー統合でPyTorch依存が重すぎるといった現実的な議論も出ていました。
DJミオ：
“モデルサイズは小さいのに、実装スタックが重い”問題ですね。
これはローカルAIで本当に大きいテーマです。
25. ローカル30Bエージェントとスクリーンショット・デバッグループ
DJミオ：
続いては、ローカルエージェントの面白い活用例。
ヘッドレス・スクリーンショットループで、ローカル30B級エージェントが純CのレイトレFPSデモを完成させた、という話です。
DJレン：
ここで重要なのは、モデル自体よりハーネス設計。
キーボード・マウス入力をエージェントに与え、フレーム指定でスクリーンショットを撮らせる。
たとえば「ロケットを撃つ → 爆発の瞬間をキャプチャ → パーティクルや残骸を確認 → Cコード修正 → 再ビルド → 再実行」というループが成立した。
DJミオ：
つまり“1発で正解コードを吐かせる”のではなく、観測しながら反復改善するわけですね。
これ、まさにさっきの「モデル＋ハーネス」の話そのもの。
DJレン：
その通り。
コメント欄でも、共有ログをtailしながら自前のLog関数で計測を追加していくPythonハーネスの話や、
Godotで画面の一部だけ切り出してトークンコストを下げる視覚デバッグループの話が出ていて、
総じて、構造化された観測可能性を与えるとエージェントは大きく改善する、という認識で一致していました。
DJミオ：
さらに、ローカル実行ではRTX 4090で速度改善が大きく、q4_k_mが量子化の妥協点として好まれている、という実務知見も出ていましたね。
26. ローカルLLM駆動RPG：世界がオブジェクトとして持続する
DJミオ：
もうひとつ面白かったローカル話題が、InstaNTaleという実験的RPG。
ローカルLLMで生成されたNPC、場所、アイテム、クエストが、単なるチャット文ではなくゲーム内オブジェクトとして持続するという設計です。
DJレン：
ここが本当に大事で、LLMに任せるのは
対話、ナレーション、状況解釈、クエスト進行など。
一方で、
インベントリ、装備、パーティ／戦闘、セーブなどは決定論的なRPGシステムが持つ。
つまり、生成とゲームロジックの責務分離をしている。
DJミオ：
すごく健全な設計ですよね。
“なんでもLLMでやる”ではなく、曖昧さに強い領域だけLLMに任せる。
DJレン：
販売面ではEpic Games Storeでの初週約1800本、評価4.0という報告。
ただコメントは実装よりも、Steamで出してほしいという流通面の要望が多かった。
また、OpenAI互換エンドポイント対応なのか、ComfyUI画像生成と連携するのか、koboldcpp必須なのか、モデル差し替え可能かといった質問、
さらにはシステムプロンプトの改変やスクリプト拡張ができるかというモッディングへの関心も出ていました。
27. オープン動画生成訓練：LTX Trainer大型更新
DJミオ：
次は、より広いAIサブレディット側。
まずは動画生成です。
ここでは、LightricksのLTX Trainer大型アップデートが取り上げられていました。
DJレン：
ポイントは、従来分かれていたT2V / I2Vなどのワークフローを、config-driven conditioning systemで統一したこと。
これにより、
T2V、I2V、前後延長、inpainting/outpainting、T2A、audio extension/inpainting、A2V/V2A foley、IC-LoRA adaptersによるV2V/A2A/AV2AV
といった多様な条件付けが、一つのフレームワークで扱える。
DJミオ：
しかも出力は標準的な.safetensorsで、ltx-pipelinesやComfyUI互換。
デフォルト構成は単一80GB GPU向けだけど、低VRAMやマルチGPU構成もサポート。
DJレン：
さらに、Claude Code training agentや、LTX-2.3 Creative Labの新しいIC-LoRA群も出ていて、
復元、VFX、再照明、整合性、色付け、圧縮ノイズ除去、ぼけ除去、in/outpainting、水表現、昼夜変換、reference-sheet型のIngredients conditioningなど、かなり幅広い。
DJミオ：
一方でコメント欄では、LTX-2なのかLTX-2.3なのか、ドキュメント表記が曖昧で、訓練手法がLTX 2.x全体に適用できるのか分かりにくい、というバージョニングの不満が出ていました。
28. 動画生成の比較評価はまだ混沌としている
DJミオ：
もうひとつ動画系で印象的だったのが、同じ“走る物理”テストをSeedance 2.0、Gemini Omni Flash、Kling 3.0 Proで比較した投稿。
DJレン：
これは、歩容、体重移動、布の動きなどを“running physics stress test”として見る試みでした。
評価としては、
- Gemini Omni Flash：プロンプト遵守と身体動作のもっともらしさで優位。ただしやや低FPS感
- Seedance 2.0：映像美やシネマティック照明が良いが、物理的説得力は少し劣る
- Kling 3.0 Pro：照明やフレームレートは良いが、成人向け誤検知やプロンプト誤読、身体動作の不安定さがある
という整理でした。
DJミオ：
ただしコメントは懐疑的で、これは本当に物理テストなのか、単に審美的比較ではないか、という突っ込みが多かった。
動画生成評価の難しさがよく出ていますね。
29. Midjourney Medical：話題性は巨大、信頼性は極めて未確立
DJミオ：
ここからは、今回の中でもかなりセンセーショナルだった話。
Midjourney Medicalです。
DJレン：
これは本当に話題性は高かった。
Midjourneyが**“MRIの後継”のように見える全身スキャナを発表した、という文脈で拡散されていました。
ただし、Reddit上の反応は一貫して強い懐疑**です。
DJミオ：
発表内容としては、
“Ultrasonic CT” “full body ultrasound”のような表現で、
水と音を使う全身イメージング、
60秒程度でスキャン可能、
放射線なし、強磁場なし、
さらには6年で5万台、月10億スキャン、2027年末までにサンフランシスコで“Midjourney Spa”を開設――
と、かなり壮大でした。
DJレン：
でも問題は、検証データが見えないこと。
コメントで繰り返し指摘されていたのは、
- 引用研究なし
- 検証データなし
- 感度・特異度なし
- 臨床試験計画なし
- FDA/CEなど規制経路の説明なし
- MRI/CT/超音波との比較ベンチマークなし
要するに、医療機器発表として必要な情報がほぼない。
DJミオ：
だから「医療技術の発表というより、投資家向けピッチやマーケティングに見える」という反応になっていたわけですね。
30. “MRIの続編”ではなく、超音波トモグラフィーでは？
DJミオ：
さらに技術的にも、“MRIの sequel”という表現に強い反発がありました。
DJレン：
はい。
コメントでは、これはむしろCaltech由来のUltrasound Tomographyに近いのではないか、と指摘されています。
MRIは水素核の磁気的性質を測って組織の化学的・水分的情報を推定する。
一方、音波トモグラフィーは、音響インピーダンスや弾性の差による伝播・反射・散乱から構造を復元する。
全く別のモダリティです。
DJミオ：
だから、“MRIの後継”ではなく、せいぜい**“超音波のトモグラフィー版”**と呼ぶべきだ、ということですね。
DJレン：
その通りです。
また、仮に小児の脳AVMや心疾患の早期スクリーニングのような有望用途があり得るとしても、
それは厳密な臨床検証を経て初めて言えること。
現段階では、科学的期待よりマーケティングが先行していると読むのが妥当でしょう。
31. Midjourney Medicalに対する“Theranos感”
DJミオ：
コメント欄では、かなり直截にTheranosに似ているという比較も出ていました。
DJレン：
はい。
理由は明確で、
医療機器・画像診断・規制承認の実績が見えない企業が、革命的診断プラットフォームを巨大スケールで約束しているから。
しかも“spa”というウェルネス寄りの演出が、医療とマーケティングの境界をぼかしていると受け止められた。
DJミオ：
これは本当に、AI時代の“画像が作れる会社”が、そのまま“画像診断機器を作れる会社”ではない、という大事な教訓ですね。
32. Anthropicへの「100% jailbreak-proof要求」は不可能では？
DJミオ：
次の話題は、安全性と政治。
Redditでは、AnthropicのFable 5に対して“100% jailbreak-proofであること”を求める動きが大きな反応を呼んでいました。
DJレン：
これに対する反応はかなり一貫していて、そんなものは技術的に不可能だろう、というものです。
コメントでは、
「車に事故ゼロを求めるようなもの」
「OSに完全無欠の非侵害性を求めるようなもの」
という比喩が使われていました。
DJミオ：
つまり、安全性を高める、リスクを下げる、レッドチーミングする、緩和策を重ねる――それはできる。
でも、複雑な相互作用系に“絶対に突破不可能”という保証を求めるのは筋が悪い。
DJレン：
その通りです。
一部では、それが本当に安全要求なのか、あるいは政治的にアクセス制限を正当化するための条件設定なのか、という見方もありました。
33. G7のAI外交
DJミオ：
そしてもう少し大きな政治文脈では、フランスでのG7 AIワーキングランチも話題に。
DJレン：
OpenAIのSam Altman、AnthropicのDario Amodeiらが世界の首脳と会った、というニュースですね。
こちらは技術詳細より、同盟国間で先端モデルへのアクセス制限をめぐる緊張が背景にある、というところが重要です。
DJミオ：
AIは企業ニュースであると同時に、もう完全に外交・産業政策・安全保障の対象になっていますね。
34. OpenAIの市場シェアが50%未満に？
DJミオ：
もうひとつ、一般的に注目を集めたのが、OpenAIのチャットボット市場シェアが50%を下回ったという話です。
DJレン：
ただし、ここは出典と方法論が見えない図に基づいているので、慎重さが必要。
May 2023の高80%台から、May 2026には50%未満まで落ち、Geminiが最大の挑戦者に伸びた、という見取り図でした。
DJミオ：
でもコメントで面白かったのは、これをOpenAIの失敗ではなく、市場全体の拡大と競争激化の結果として見る人が多かったこと。
DJレン：
そうですね。
しかも“市場シェア”といっても、
Webトラフィックなのか、有料会員数なのか、API利用量なのか、売上なのか、トークン消費なのか、MAUなのかで全く意味が違う。
そこが曖昧なままでは、大きな結論は出せません。
DJミオ：
一方で、ユーザーの実感としては、
Google Drive容量とのバンドル込みでGeminiに乗り換えたという声もありました。
一般用途では、最高性能の差より、価格・バンドル・エコシステム統合のほうが効くこともあるわけですね。
35. Discordデータ提供終了と“AINews新バージョン”予告
DJミオ：
最後にメタな話ですが、今回のまとめにはDiscordからのアクセス提供が停止されたという告知もありました。
DJレン：
はい。
「この形では戻さないが、新しいAINewsを出す」と。
つまり、情報収集基盤そのものが変わっていく。
AIニュースの集約も、プラットフォーム依存性が高いんだと改めて分かります。
36. 今日の総括：「何もなかった日」に見えた本当の変化
DJミオ：
さて、そろそろ今夜のまとめに入りましょう。
レン、この“not much happened today”を一言で総括すると？
DJレン：
一言で言えば、派手な一発よりも、基盤の更新が目立つ日でした。
特に重要なのは次の点です。
-
GLM-5.2が、オープンモデルの心理的な壁を越えた
- フロンティア隣接という実用感
- 長文推論を意識した設計
- 供給・量子化・ローカル化の速さ
-
価値の単位が“モデル単体”から“運用スタック全体”へ移った
- ハーネス
- メモリ
- SCM
- 観測性
- レビュー性
- セキュリティ自動化
-
評価が現実タスクに近づいたが、難しさも露呈した
- 長期知識労働ベンチ
- コスト込み評価
- 最高モデルでも成功率3%という現実
-
医療や安全性の領域で、“有益性”と“信頼性”の問いが深まった
- OpenAIの医療支援・有益特性訓練
- 一方でMidjourney Medicalのような、検証の伴わない大風呂敷への警戒
DJミオ：
つまり今日は、
モデルが強くなっただけの話ではなく、
どう教えるか、どう動かすか、どう測るか、どう信用するかが一段と前面に出てきた日だったんですね。
DJレン：
そうです。
AIの主戦場が、単純な「賢さ競争」から、
システム設計・運用設計・評価設計・社会的信頼設計へ広がっている。
そのことが、とてもよく見える一日でした。
エンディング
DJミオ：
今夜のMidnight AI Groove、お楽しみいただけたでしょうか。
“今日は何もなかった”という言葉の裏に、むしろ次の時代の輪郭が見えていた――そんな回でした。
DJレン：
オープンモデルは強くなり、エージェントはハーネス依存を深め、評価は長期化し、医療と安全性では“本当に信じてよいのか”が問われる。
静かな日のほうが、構造変化はよく見えるのかもしれません。
DJミオ：
それでは、また次回。
未来のノイズをリズムに変えて、お届けします。
お相手はDJミオと――
DJレン：
DJレンでした。
二人：
Good night, and keep grooving with AI.
