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。
選定理由：ダウンロードといいねの乖離やQwenの派生数など、Hubの実データに基づく数値が並び、オープンモデルの現状を比較して捉えやすい。
Mistralは、推論を欧州または米国で実行できるMistral Regional Endpointsを一般提供とし、稼働率SLA付きのMistral Priority Tierを公開プレビューとして始めた。あわせてZ.aiのGLM-5.2を皮切りにサードパーティ製オープンモデルへ対応し、欧州の計算資源を長期確保する企業連合も打ち出した。2030年までに最大1 GWの容量構築を計画している。
Kimi.ai@Kimi_MoonshotAIスコア3131Kimi K3が@databricksで利用可能になりました！
Moonshot AI's latest open-weight model, Kimi K3, is now available on Databricks through Unity AI Gateway. @Kimi_Moonshot Run Kimi K3 where your data already lives - governed, secure, and ready for custom AI apps and agents built with the data in your Lakehouse. Unity AI Gateway lets you deploy Kimi K3 with enterprise-grade access controls. Govern every call, monitor performance, and scale securely across your AI apps. Test Kimi K3 alongside other frontier models without changing your application code. The open-weight frontier just arrived on Databricks. Try it today. https://www.databricks.com/blog/kimi-k3-moonshot-ai-now-available-databricks-through-unity-ai-gateway
NVIDIAのオープンウェイト音声合成モデル「Magpie TTS Multilingual」は、364Mパラメータで12言語に対応し、今回新たにModern Standard Arabic、韓国語、ブラジルポルトガル語が加わった。NIMによるオンプレミス計測では、B200の1ストリームTTFAが32ms、64ストリームでは239ms、RTFXは319.81倍となる。自社インフラへのデプロイや微調整が可能で、Hugging Faceではオープンなチェックポイントが提供されている。
教師モデルのTop-K logitsを事前にオフラインで計算してキャッシュし、語彙全体×系列長の行列を作らない融合チャンク化KL損失と組み合わせることで、知識蒸留の学習コストを削減する手法が示された。gpt-oss-120b（語彙201,088）、系列長32K、バッチサイズ4の場合、従来のDense KLは1回の学習イテレーションでピーク約250GBのVRAMを要するのに対し、融合チャンク化KLは約128GBに抑えられる。これにより、単一GPUでの長文コンテキストの回復（healing）が可能になる。
MetaがMuseから30Bパラメータに蒸留したマルチモーダルモデルMuse Glimmerを、Apache 2.0ライセンスで公開した。ローカルでのエージェント用途を想定し、transformers、llama.cpp、vLLM、Inference Endpointsがday-0で対応する。Hugging Face Hubから入手できる。
選定理由：30Bのローカル向けモデルについて、アーキテクチャと各推論基盤での使い方、ファインチューニングの要件が一続きで整理されている。
Mistral AIは、テキストと画像の安全性を評価する3Bのオープンウェイト・マルチモーダル安全性分類モデル「Shieldstral」を、Apache 2.0ライセンスで公開した。ポリシーは推論時に平易な言葉で指定でき、再学習なしで用途に合わせて調整できる。テキスト安全性ではサイズが最大7倍のオープンガードモデルに匹敵し、単一の16GB NVIDIA GPUで動作する。
Interconnectsがオープンモデルの動向を追う無料のデータツール「Artifacts Hub」と「Adoption Dashboard」を公開した。Artifacts Hubは過去2年に公開された792のモデルを対象に、Hugging Faceでの人気、Open Routerの推論トークン量、Artificial Analysisのインテリジェンス指数などを掲載する。Adoption Dashboardは地域・組織別のダウンロード数と派生モデル数を毎日更新で示し、米中の差を可視化する。
Kimi.ai@Kimi_MoonshotAIスコア3030
オープンモデルの最新動向をまとめた「Artifacts #23」では、Thinking MachinesのInkling（975B-A41B MoE）やKimi K3などを取り上げる。Tencentは、Hy3（295B-A21B MoE）のライセンスをApache 2に変更した。Kimi K3は非商用ライセンスで、推論・ファインチューニング事業者には商用契約が求められる。
SB Intuitionsと早稲田大学河原研究室が、日本語のマルチターン対話で大規模言語モデル（LLM）の安全性を測る12,409件のベンチマーク「JMT-Safety」を公開した。AnswerCarefullyを元に8種類の攻撃手法で拡張している。主要23モデルを評価した結果、すべてでマルチターンの有害率がシングルターンより上昇し、最大で約3.9倍に達した。ベンチマークデータと評価スクリプトも公開されている。
Kimi.ai@Kimi_MoonshotAIスコア1515
Nathan LambertはMoonshot AIのKimi K3（2.8Tパラメータ、MoE）を、オープンと閉鎖、米中の性能差を3〜5か月程度に縮めたフロンティアモデルと位置づけた。ウェイトは7月27日に公開予定という前提で、資本効率、エコシステム、規制の論点を整理している。
LINEヤフーが、AIエージェントによるID-JAGのフローをローカルで再現できるハンズオン「athenz-community/id-jag-the-hard-way」を作成した。Keycloak、Athenz、Open WebUI、Ollama、Gemma 4で構成され、トークンの発行からポリシー評価、Resource Serverでの権限強制までを直接観察できる。401 Unauthorizedなど、意図的に発生させる失敗ポイントも体験できる。
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。
ITUは2026年7月2日、「AI for Good Global Commission」の設立を発表した。初回会合は7月にジュネーブで開催される。同日、CSISは中国のオープンウェイトAIモデルが米国の最先端モデルに迫っている現状を分析し、Hugging FaceやGitHubを通じた急速な拡散と、価格差による米国内での採用シフトの可能性を指摘した。
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。
LINEヤフーのチームは、エージェントがiOSとAndroidの画面を見てタップし結果を検証できるクロスプラットフォームCLI「sim-use」をオープンソースとして公開した。画面をoutlineと呼ぶ独自のテキスト形式に変換し、24 KBのJSONが1.2 KBになりトークン消費は1/20に抑えられる。記事ではoutline、quadtreeプローブ、daemon、クロスプラットフォーム設計、マルチタッチの5つの技術判断を解説している。
選定理由：UIツリーをoutlineに圧縮する設計や、quadtreeプローブ、daemon化の判断が実測値つきで示され、エージェント向けCLI設計に応用しやすい。
SB Intuitionsは、日本語に特化したガードレールモデル「Sarashina3 guard」を紹介している。ユーザー入力とLLM出力の有害性を判定し、有害な場合はT1からT12の12カテゴリから該当するものを出力する。日本語テストセットでのF1スコアは入出力平均で68.1、推論レイテンシは3.83msとされ、比較対象のgpt-oss-safeguard-20b（reasoning=medium）の66.6、Qwen3Guard-Gen-8Bの64.4を上回ったとしている。
LINEヤフーは、LINEバイトの検索リランキングでembeddingを後処理により安定化し、cold start problemを解決した。安定化後のembeddingは1か月後も類似度0.87前後を維持し、オフライン評価ではconversion nDCGが+9.0%向上した。A/Bテストでは検索画面単体のKPIに有意な改善はなかったが、サービス全体ではKPIが+4.7%、売上が+6.5%となった。
LINEヤフーは、社内プライベートクラウドFlavaのAPI Gateway開発で、仕様駆動開発、自動検証、高速で再現性のあるローカル環境の3つを実践している。エージェントに失敗を自ら見つけて修正させるため、テストとリンターを検証ループの中核に据えた。テストは合計2,754件あり、開発者マシンでは全体が約15秒で完了するという。
G7首脳は2026年6月17日の声明で、フロンティアAIモデルの能力向上を踏まえ、財務大臣・中央銀行総裁に金融分野におけるAIの機会と潜在的リスクの議論を求めた。サイバー分野の専門家グループには、情報共有の強化とベストプラクティスの整理を要請した。同日、外務省はG7ワーキング・ランチの概要を公表し、高市総理大臣が「信頼性」のある枠組みの構築の重要性を強調したと伝えている。
SB Intuitionsは2026年6月の第40回人工知能学会全国大会（JSAI2026）で、OCRモデル「Sarashina2.2-OCR」を用いたデモアプリケーションを展示した。30億パラメータの日英対応OCRモデルで、縦書き・表・数式を含む文書をMarkdownに再構成する。VJRODaではCER 22.6、BLEU 79.9を記録し、dots.ocr（CER 40.1、BLEU 71.5）を上回った。
Google DeepMindは、Schmidt Sciences、Cooperative AI Foundation、ARIA、Google.orgと共同で、マルチエージェントAIの安全性研究を対象とした最大1,000万ドルの研究助成公募を発表した。対象分野は、サンドボックスとテストベッド、エージェントネットワークの科学、エージェント基盤の強化、監視と制御の4つである。応募締切は2026年8月8日で、採択結果は2026年秋に発表される予定である。
GRPOなどのLLM強化学習では、Rolloutを行う推論backendと学習backendの差によってPolicyがずれる。ABEJAはQwen3-4Bを使い、vLLMとtransformersの確率を比較して実測した。約3900tokenのうち81.1%は確率差0.001未満で一致した一方、差0.10以上も0.3%あり、最大は0.215だった。補正策としてtoken-level IS、truncated IS、幾何平均、rejection samplingが挙げられている。
米バージニア大学、Anthropic、カナダ銀行の経済学者による論文は、米国のAI経済の名目規模が2025年に約2500億ドルに達し、品質調整後の実質ベースでは年率約2600%で成長しているとの初期推計を示した。米国のコンピュート支出は2023年の370億ドルから2025年の2190億ドルへ拡大したが、従来のGDP統計ではこの成長が見えにくいという。また、英国AI Security Instituteの研究者は、AIの監督によるAIの安全性確保が一見有望でも想定より難しいとする論文を発表した。
Mistral AIは、AIアプリケーション向けの本番検索パイプラインを構築する合成可能なフレームワーク「Search Toolkit」をパブリックプレビューで公開した。取り込み、検索、評価を共通インターフェースに統合し、オープンソースでクラウド、オンプレミス、エッジのいずれでも動作する。検索手法としてBM25、埋め込みベースの密ベクトル検索、両者を組み合わせたハイブリッド構成を備え、評価ではrecall、precision、MRR、NDCGを測定できる。
Turingのチームが、NVIDIAの自動運転シミュレーターAlpaSim上で、自社開発のVLAモデル「DriveHeron」（2B）を動かす手順を紹介した。BaseTrajectoryModelを継承したモデルの実装、entry pointへの登録、driver設定ファイルの用意、Wizardからの`driver=...`指定という流れである。評価は正常に実行できた909シーンで行い、1回のみの実行結果である。
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。
選定理由：128B denseモデルの公開とクラウド型エージェントの提供が同時に示され、価格や自社ホスト要件も併記されているため、導入判断の材料にしやすい。
Sony AIは、5月にバルセロナで開催されるICASSP 2026で11本の採択論文を発表する。テーマは音楽理解、生成オーディオ、音声と映像のアライメント、データ品質の4つである。歌詞照合のWEALYは、Whisperのデコーダ埋め込みを使い、書き起こしなしで音声から歌詞情報を抽出する。3つの公開データセットすべてで書き起こしベースのベースラインを上回り、コードとモデルのチェックポイントも公開される。
Google Researchは、推論優先の合成データ生成フレームワーク「Simula」を紹介した。データセット全体をメカニズム設計として扱い、シードデータに頼らずに生成する。Gemini 2.5 Flashを教師モデル、Gemma-3 4Bを生徒モデルとして5つの領域で評価し、各領域で最大512Kのデータポイントを生成した。全領域で、Simulaは単純なベースラインより高い性能を示し、より少ないサンプル数で下流タスクの性能を上回った。
slotdは、Slurmと同じ操作体系を持つRust製の軽量ジョブスケジューラで、単一ノード・単一ユーザーのローカルマシン向けに設計されている。sbatch、squeue、sacctなどのコマンドをSlurmと揃えており、CPU、メモリ、GPUの予約ベース実行や、job array、dependencyなどに対応する。導入はリポジトリをcloneして付属のinstall.shを実行する方式で、GPUの自動検出にはnvidia-smiが必要とされる。
Google Researchは、AI評価で項目数と項目ごとの評価者数のどちらを優先すべきかを検証した。多数決との一致を見る場合は項目数を増やす方が有効で、意見の幅を捉える場合は評価者数を増やす必要がある。従来の1〜5人という基準は不十分な場合が多く、約1,000件の総アノテーション規模でも適切な配分により再現性の高い結果が得られるとしている。
ELYZA Labが、主観的な判定が必要なスライド生成タスクで、ルーブリックベースの報酬関数を使ったGRPO学習を検証した。学習対象と報酬計算にVLMを用い、報酬用ノードにvLLMでQwen/Qwen3-VL-235B-A22B-Instructを立てて学習用ノードへの影響を抑えている。5段階評価では甘い採点になる課題があるため、評価観点ごとに点数を付ける方式を採用した。
ELYZA Labが、ByteDance社公開のフレームワークverlでカスタム報酬関数を使いGRPO学習を行う手順を紹介した。日本語Wikipediaの1000〜1100文字のテキストを要約する実験では、文字数をpromptで指定せず報酬のみで学習させ、len=50・70・100ではscoreが0.8〜0.9程度まで向上した。len=10・30は学習前のモデルが近い出力をできず、学習が進まなかった。
TuringのVLAチームが、東京での走行データ100時間以上を対象に運転意図のキャプションを付与したデータセット「RACER」を構築した。意思決定に関わる要素と運転行動の因果関係を明示するChain-of-Causation形式の説明を、4段階のパイプラインで自動生成しており、ステップ1・2ではQwen3-VL-235B-A22B-Instruct、ステップ3ではQwen3-VL-235B-A22B-Thinkingを使用した。1,000件のサンプルデータはHuggingFaceで公開されている。
Mistral AIは、NVIDIA Nemotron Coalitionの創設メンバーとして参加し、NVIDIAと共同でオープンソースのフロンティアモデルを開発する。コアリションの最初の取り組みは、NVIDIA DGX Cloudで学習するベースモデルで、今後のNVIDIA Nemotron 4ファミリーの基盤となりオープンソースで公開される予定である。Mistralは同日、Mistral Small 4も公開した。
ABEJAは、GENIAC3期の基盤モデル開発で使用したロングコンテキスト処理性能の評価タスク・ベンチマークと、評価を実行できるリポジトリを公開した。評価にはRULER（NIAH、QA）、LongBench v2、MRCR（OpenAI-MRCRの日本語版を含む）を用いた。新たに作成した評価データセットも併せて公開している。
