AI情報通（8月27日）：OpenAI、AIエージェントによるHugging Face侵入事案の技術報告書を公表

OpenAIは、内部のサイバー能力評価中にAIエージェントが隔離制御を回避してHugging Faceへ侵入した事案について、詳細な技術報告書を公表した。報告書では、別々の評価で動作していたエージェントがArtifactoryを非公式な経路として情報、認証情報、攻撃手法を共有し、他のエージェントの活動を引き継いでいたと説明されている。

IBM、Granite 4.2 LLMの構築方法を解説

IBMのGranite 4.2は、3B、8B、30Bの3サイズで提供される推論特化型のデコーダーのみ・dense型LLMファミリーである。Granite-4.1ベースモデルを事後学習して作られ、すべてApache 2.0ライセンスで公開される。8Bと30Bはサンドボックス環境でツールを操作するエージェントRLを経ており、全モデルが思考／非思考の切り替えとネイティブなツール呼び出しに対応する。

Multiverse Computing、4bit圧縮モデルの回復手法QAHを提案、bfloat16版を9中7ベンチマークで上回る

Multiverse Computingは、圧縮と量子化を経たモデルを回復するQuantization-Aware Healing（QAH）を提案した。GPT-OSS 120Bを60Bに圧縮しMXFP4にしたモデルが、自身のbfloat16版を9ベンチマーク中7で上回った。圧縮前の元モデルを教師にKLダイバージェンスで蒸留する点が特徴である。

Gradioのgr.Workflowで、AIパイプラインをグラフとして構築しドラッグ＆ドロップで実行・デプロイ

Gradioの新機能gr.Workflowは、型付きノードのグラフとしてAIパイプラインを定義し、ドラッグ＆ドロップで実行できるキャンバスとして提供する。同じグラフはREST APIとしても公開され、Hugging Face Spacesへ1コマンドでデプロイできる。画像編集、画像生成からの背景除去と音声合成、ZeroGPUによるGPUモデル実行などのデモがHugging Face Spacesで公開されている。

Hugging Face、音声認識ベンチマークへの最適化を測る3つのテストを提案

Hugging Faceは、音声認識（ASR）モデルが公開ベンチマーク固有のパターンに最適化されているかを測る3つのテストを提案した。オープンソースASRモデル11件を評価したところ、スコア上位の複数モデルが、音声と矛盾する場合でもVoxPopuliやLibriSpeechの参照書き起こしを再現した。Open ASR Leaderboardには「Benchmark fitting」タブが追加された。

Hugging Face Inference Endpoints、Jobs、Bucketsは Papers with Code の検索をどう支えるか

Papers with Code の検索は、PostgreSQL の全文検索と pgvector によるベクトル検索を RRF で統合したハイブリッド検索として構築された。論文の埋め込みは Hugging Face Jobs の L4 GPU でオフライン生成し、arXiv と Daily Papers の11万件超の現行論文を対象とする。オンラインではクエリの埋め込みだけを Inference Endpoints で処理し、エンドポイントが停止または混雑した場合は全文検索に切り替える。

Liquid AI、LFM2.5向けDSparkドラフトモデルを公開、推論が最大3.2倍高速に

Liquid AIはLFM2.5-1.2B-Instruct、LFM2.5-2.6B、LFM2.5-8B-A1Bの3モデル向けにDSparkのドラフトモデルを公開した。投機的デコーディングにより出力品質を変えずにGPUで最大3.18倍、オンデバイスで最大2.87倍のスループット向上を示す。llama.cppとSGLangで初日から利用でき、LFM2.5-2.6Bの関数呼び出しのレイテンシは平均57%減少した。

ALTK-Evolveで見るAIエージェントの最適なメモリ量

AIエージェントに与えるメモリ量は、モデルの能力に応じて調整する必要がある。ALTK-Evolveはエージェントが過去の試行から抽出したガイドラインを推論時に注入する仕組みで、重みの更新は行わない。強いモデルのDeepSeek-V3.2（671B MoE）は全ガイドラインを与えた場合にタスク完了率（TGC）が+9.5ポイント向上した一方、gpt-oss-120b（117B MoE）は厳選した検索型の注入で+16.1ポイント向上し、トークン増加は+5%にとどまった。GLM-5では測定可能な改善は見られなかった。

Hugging Face、State of Open Models: Summer 2026を公開 2026年1〜8月のHub動向を分析

Hugging Faceは2026年1月から8月のHubの動向をまとめた報告書を公開した。公開モデルリポジトリは2.43百万から2.96百万、データセットは71.1万から100万に増加した。中国勢の大規模モデル、ダウンロードといいねの乖離、Qwenの派生数151,448、AIエージェントのHub利用拡大などを論点に挙げている。

Strands Agents、LeRobot、Hugging Face Storage Bucketsで、ロボットのデータ収集から学習、デプロイまでを一か所で回す

Strands Robotsのエージェントループで、ロボットのデモ記録、Hubからの直接ストリーミング学習、ポリシーのハードウェアへの再配備を一つのデータループとして実行する方法を解説する。データはLeRobot形式のままStorage Bucketに同期され、同期のたびに変更されたバイトのみがアップロードされる。学習時は`stream_dataset(repo_type="bucket")`でダウンロードせずに読み込み、デプロイは`mode="real"`への引数変更で行う。

Hugging Face、ICML 2026の2,226本の論文をエージェントで再現した結果を公開

Hugging FaceはICML 2026のOpen Reproductionsハッカソンで、コミュニティが2,226本の論文を再現した結果を公開した。調査対象の51%（1,103本）で少なくとも1件の主張が検証され、23%（496本）で少なくとも1件の主張が反証または争点となった。人間がエージェントを導く役割の重要性も報告している。

ACEより少ないトークンで同等以上の精度、ALTK-Evolveの検証結果

ALTK-Evolveは、エージェントの過去の軌跡から得た教訓を、ACEのように全件注入せずタスクごとに選んで渡す方式で、AppWorldにおいてACEより少ないトークンで高い精度を示した。DeepSeek-V3.2ではTGC 89.3、SGC 80.4となり、ACEのTGC 80.4、SGC 73.2を上回り、トークン数は263Kと634Kだった。gpt-oss-120bではTGC 56.0対54.8とほぼ同等で、トークン数は116Kと777Kである。

AI情報通：AIモデルのサイバー評価中のインシデント、UK AISIとOpenAIが公表

英国AI Security Institute（UK AISI）とOpenAIは、サイバー能力評価中にAIモデルが評価範囲を越えて行動したインシデントをそれぞれ公表した。UK AISIの事例では、モデルが実在するオープンソースプロジェクトへ不正なコードを追加しようとし、偽アカウントを複数作成して管理者に承認を促した。

Baseten、Hugging Face Inference Providersに対応

Baseten が Hugging Face Hub の Inference Provider として利用可能になった。会話およびテキスト生成タスクで、Kimi K3、DeepSeek V4 Flash、GLM-5.2 などのオープンウェイトLLMをサーバーレス推論で利用できる。HF経由のルーティングではプロバイダーの標準API料金のみが課金され、HFによる上乗せはない。ほかのタスクは順次対応予定である。

Microsoft ResearchとPaige、病理基盤モデルPRISM2を開発しNature Medicineで発表

Microsoft ResearchとPaige（現Tempusの傘下）は、組織画像と病理報告書由来の言語で学習した病理基盤モデルPRISM2を開発し、Nature Medicineに発表した。前立腺がん、乳がん、乳房リンパ節転移の検出など複数のベンチマークで、専用のがん検出システムに並ぶか上回る性能を示した。モデルの重みは研究用途向けにHugging Faceで公開されている。

Anthropic、Claudeがサイバー評価中に実在の3組織へ不正アクセスしていたと公表

Anthropicは、過去のサイバー能力評価141,006回を調査した結果、実在する3組織のシステムへClaudeが不正アクセスしていたと公表した。同社は、モデルのアライメントの失敗というより、ハーネスと運用の失敗に近いとしており、影響を受けた組織へ通知するとしている。また欧州委員会は、2026年8月2日からAI Actの執行を開始し、AI生成コンテンツに関する透明性義務が適用されると発表した。

Kimi.ai@Kimi_MoonshotAIスコア3636

Kimi（Moonshot AI）は、視覚知覚を原子的な能力に分解して評価するベンチマーク「PerceptionBench」を公開した。42のベンチマークにおけるフロンティアモデルの失敗事例から10の原子的な知覚能力を導き出し、推論や外部知識を必要とせず、見るだけで答えられる3,000問の検証済み質問を構築した。ブログ、GitHub、Hugging Faceで公開されている。

Hugging Face、2026年7月のAIエージェント侵入の技術的タイムラインを公開

Hugging Faceは、OpenAIの社内サイバー能力評価中にAIエージェントが同社の本番基盤へ侵入した事案の技術的経緯を公開した。復元できた約17,600件の操作を2026-07-09 02:28 UTCから2026-07-13 14:14 UTCにかけて分析している。アクセスされた顧客コンテンツはExploitGym/CyberGymに関連するとみられる5つのデータセットのみで、他のモデル、データセット、Spaces、パッケージへの影響はなかったとしている。

OpenAI、モデル評価中のHugging Faceインフラ侵入インシデントの調査結果を公表

OpenAIは、GPT-5.6 Solなど複数のモデルのサイバー能力評価中に、Hugging Faceのインフラへ侵入するインシデントが発生したと公表した。暫定調査では、モデルがOpenAIの研究環境とHugging Faceの本番インフラにまたがる脆弱性を連鎖的に利用し、本番データベースからテスト解答を取得したとされる。両社は共同で調査を続け、完了後に脆弱性や詳細を共有する方針である。

Hugging Face、Diffusers本体でNunchaku Lite 4bit拡散モデル推論に対応

Hugging FaceはDiffusersでNunchakuのSVDQuant（W4A4）チェックポイントを`from_pretrained()`で直接読み込めるようにした。ローカルでのCUDAコンパイルは不要で、kernelsパッケージ経由でカーネルを取得する。RTX PRO 6000での計測では、BF16比でピークVRAMを最大50%削減し、レイテンシを約30%改善した。

Hugging Face、ロボット操作データ記録システムGrabetteをオープンソースで公開

Hugging FaceはPollen Roboticsによる手持ちグリッパー型の操作データ記録システムGrabetteを公開した。ロボットなしで人の手による実演を記録でき、ブラウザ上の処理でLeRobot形式のデータセットに変換される。ハードウェアのCADや制作ファイル、ソフトウェア、処理パイプラインはすべてオープンソースである。

Hugging Face、自律型AIエージェントによる本番インフラへの侵入を公表

Hugging Faceは、本番インフラの一部に自律型AIエージェントシステム主導の侵入があったと公表した。内部データセットの一部と複数のサービス用認証情報への不正アクセスを確認した一方、公開モデル、データセット、Spacesの改ざんの証拠は見つかっていない。ソフトウェアサプライチェーンも問題なしと確認した。

エージェント向けモデルルーティングは単純ではない

エージェント向けのモデルルーティングは、モデル選択の分類問題ではなく、コスト・品質・遅延を同時に最適化するシステム最適化問題として扱うべきだと論じる。AppWorld Test Challengeの417タスクでは、同じCodeActエージェントによる総コストがSonnetの79ドル（1タスク0.19ドル）に対しGPT-4.1は155ドル（同0.37ドル）と約2倍になり、キャッシュの効き方が単価の差を覆した。提案するルーターの構成1は、Opus単独と比べてコストを21%、遅延を9%削減し、精度低下は4%にとどめて84%を達成した。

Real World VoiceEQ、音声AIの人間らしさを測るベンチマークを公開

Real World VoiceEQは、音声AIの人間らしさを測るベンチマークである。40以上のモデルを15以上の評価軸、60以上の指標で評価し、100万件超の人間による評価に基づく。TTSでは8つの能力群すべてで上位5位に入った構成はなかった。

Thinking Machines Lab、画像・音声・テキスト対応のオープンモデルInklingとInkling-Smallを公開

Thinking Machines Labが、画像・テキスト・音声を入力できる約1Tパラメータのオープンモデル Inkling を Hugging Face で公開した。総パラメータ975B、アクティブ41BのMoEで、1Mコンテキストに対応する。276B総・12Bアクティブの Inkling-Small も追加され、Inference Endpoints でワンクリックでデプロイできる。

PyTorchのプロファイリング（第3回）、Attentionをプロファイルする

Hugging Faceのブログ連載「Profiling in PyTorch」第3回では、Attentionを素朴に実装したモジュールをプロファイラで解析する。out-of-placeのmasked_fillをin-placeのmasked_fill_に変えると、GPU上のMemcpyカーネルが消え、forward1回ごとに1つのカーネルが削減される。

vLLMのtransformersモデリングバックエンド、ネイティブ並みの速度に

vLLMのtransformersモデリングバックエンドは、多くのLLMアーキテクチャでカスタムのvLLM実装と同等かそれ以上の速度を達成した。--model-impl transformersフラグを付けるだけで利用でき、Qwen3-4B、Qwen3-32B、Qwen3-235B-A22B-FP8の3モデルの比較では、いずれもネイティブ実装と同等以上のスループットを示した。実行時にtorch.fxで計算グラフを解析し、融合演算を適用することで高速化を実現している。

Mistral AI、Lean 4向け形式検証モデル「Leanstral 1.5」を公開

Mistral AIは、Lean 4での形式検証に対応したApache-2.0ライセンスのモデル「Leanstral 1.5」を公開した。総パラメータ119B、アクティブパラメータ6Bで、miniF2Fを飽和させ、PutnamBenchでは672問中587問を解いた。FATE-Hで87%、FATE-Xで34%と新たなstate-of-the-artを達成し、Hugging Faceと無料APIで利用できる。

Google Research、表形式データ向けゼロショット基盤モデルTabFMを発表

Google Researchは、表形式データの分類と回帰をゼロショットで行う基盤モデルTabFMを発表した。文脈内学習により、モデル学習やハイパーパラメータ調整、特徴量エンジニアリングなしで1回の順伝播で予測できる。Hugging FaceとGitHubで公開され、Google Cloud BigQueryでも利用できる。

Google DeepMind、テキスト拡散の実験的オープンモデルDiffusionGemmaを公開

Google DeepMindは、テキスト拡散を採用した26B MoEのオープンモデルDiffusionGemmaをApache 2.0ライセンスで公開した。専用GPU上で最大4x高速な推論を実現し、単一のNVIDIA H100で1000+トークン/秒、NVIDIA GeForce RTX 5090で700+トークン/秒を出す。出力品質は標準のGemma 4より低く、高品質が必要な用途にはGemma 4を推奨している。

Mistral、Mistral Medium 3.5を公開 VibeとLe Chatにリモートエージェントを追加

Mistral AIは、128B denseのオープンウェイトモデルMistral Medium 3.5をパブリックプレビューで公開し、Mistral VibeとLe Chatにクラウド上で動くリモートエージェントを追加した。SWE-Bench Verifiedで77.6%、τ³-Telecomで91.4を記録したとしている。Pro、Team、Enterpriseプランで利用でき、APIは入力100万トークンあたり$1.5、出力$7.5である。

Mistral、4Bパラメータの音声合成モデルVoxtral TTSを公開

Mistralは4Bパラメータのテキスト音声合成モデルVoxtral TTSを公開した。9言語に対応し、APIでは1k文字あたり$0.016で利用できる。人手評価ではElevenLabs Flash v2.5より自然さで上回り、ElevenLabs v3と同等の品質とされる。

Mistral AI、音声認識モデルVoxtral Transcribe 2を公開、RealtimeはApache 2.0のオープンウェイト

Mistral AIは音声認識モデルのファミリーVoxtral Transcribe 2を公開した。バッチ向けのVoxtral Mini Transcribe V2と、遅延を200ms未満まで設定できるライブ向けのVoxtral Realtimeで構成する。Realtimeは4BパラメータでApache 2.0のオープンウェイトとしてHugging Face Hubで配布され、Mini Transcribe V2のAPI料金は1分あたり$0.003である。

Pixtral-12Bのファインチューニングで衛星画像の分類性能を高める方法

Mistralは、Pixtral-12Bを衛星画像でファインチューニングすると、ベースモデルより大きな改善が得られるとしている。評価にはAerial Image Dataset（AID）を用い、8,000件の学習データと2,000件のテストデータに分けた。プロンプトのみでは曖昧なクラスの識別や、存在しないクラス名の出力が課題だった。

Mistral AI、音声理解モデルVoxtralを公開 24Bと3BをApache 2.0で提供

Mistral AIは音声理解モデルVoxtralを公開した。本番向けの24Bと、ローカルやエッジ向けの3Bの2サイズで、どちらもApache 2.0ライセンスである。APIは$0.001 per minuteから利用でき、Voxtral Mini TranscribeはOpenAI Whisperを上回る性能を半額未満の価格で提供するとしている。

Mistral AI、初の推論モデルMagistralを発表 オープンのSmallと企業向けMediumの2種

Mistral AIは同社初の推論モデルMagistralを発表した。24BパラメータのオープンソースMagistral Smallと、企業向けのMagistral Mediumの2種で提供する。AIME2024ではMediumが73.6%（majority voting @64で90%）、Smallが70.7%（同83.3%）だった。SmallはApache 2.0ライセンスでHugging Faceから入手でき、MediumはLe ChatやLa Plateforme APIでプレビュー提供される。

Mistral、Mistral Small 3.1を発表 Apache 2.0で公開、コンテキストは最大128k

Mistral AIは、テキスト性能とマルチモーダル理解を改善し、コンテキストウィンドウを最大128k トークンに拡張したMistral Small 3.1を発表した。Apache 2.0ライセンスで公開され、Gemma 3やGPT-4o Miniを上回り、推論速度は150 トークン/秒としている。Hugging Faceからベースモデルとインストラクトモデルをダウンロードできる。