AWS、PyTorchアプリをTrainiumへ移行できる開発ツールTorchNeuronを公開
AWSは月曜日、PyTorchで書かれたAIアプリを設定1行の変更だけで自社AIチップTrainiumに移せるツールTorchNeuronを公開した。コードの書き直しは不要だとしている。AWSはPyTorch本体にも、特定チップへの依存を取り除く変更を提供する方針である。
AWSは月曜日、PyTorchで書かれたAIアプリを設定1行の変更だけで自社AIチップTrainiumに移せるツールTorchNeuronを公開した。コードの書き直しは不要だとしている。AWSはPyTorch本体にも、特定チップへの依存を取り除く変更を提供する方針である。
AIコンパニオンアプリのTolanが、新たに3000万ドルを調達した。これにより累計調達額は倍増し、評価額はPitchBookの推計で2億6800万ドル超とされるが、企業は評価額を公表していない。同社によると年間経常収益は「double-digit millions」に達し、25万人超のアクティブユーザーが過去1年で7000万件超の会話を行ったという。
Tenstorrentは15億ドルを調達し、評価額は62億ドルとなった。Trace CapitalとInnovation Xが主導し、評価額は2024年末の26億ドルから2倍以上に増えた。調達資金は、オープンウェイトAIモデルと動画生成向けチップの拡大に充てられる。CEOのJim Kellerは、GalaxyサーバーでDeepSeekモデルを動かせたことを受けて独立を維持し、追加調達を決めたとBloombergに語った。
NVIDIAは欧州放送連合(EBU)と協力し、公共放送向けのソブリン・フレームワークを拡張する。ソブリンクラウド事業者、オープンモデル開発者、システムインテグレーターを加え、放送事業者がデータやモデルを管理しながらエージェントを導入できるようにする。Adobe Frame.ioは、NVIDIAのNVDEC、TensorRT、CUDAを用いた検索基盤で、埋め込み生成を約5倍、スループットを最大4倍、検索処理のレイテンシを最大5倍改善した。
AIセキュリティ企業Norforgeによると、ハッカーがほぼ自律動作するAIエージェント群を使い、100を超えるウェブサイトに侵入した。Reutersは被害企業にJohn Deere、SharkNinja、Cumminsが含まれると報じている。攻撃にはオープンソースのAIプラットフォームCairnが使われ、米国、カナダ、オーストラリア、日本の企業が標的になった。
MIT CSAILの研究者らが、Claude Opus 4.7のコピー(愛称Eko)を仮想の無人島に30時間置いたところ、エージェントが自ら目標やルールを作り、遊びに似た行動を示した。島で遊んだエージェントは、島の最高地点へできるだけ多くのオブジェクトを運ぶ課題で、経験のない新しいコピーより高い成績を収めた。メモリファイルの行を削除すると性能が低下したという。論文はまだ査読を受けておらず、研究者も行動が役割演技である可能性を認めている。
AWSは、フィジカルAIの開発ライフサイクル全体をAWS上で運用するためのエンドツーエンドのツールチェーン「Physical AI Toolchain on AWS」を一般公開した。NVIDIAのGR00T、Isaac Sim、Isaac Lab、Cosmos、OSMOを統合し、特定のロボットやタスクの種類に依存しない。各コンポーネントは独立したTerraformモジュールとして段階的に導入でき、LeRobot、ONNX、ROS 2などのオープンな形式に基づく。
LLMを呼び出さず、受け取ったプロンプトをそのまま返すデバッグ用プラグイン「llm-echo」の0.5がリリースされた。シミュレートされるトークン使用量の計算が、ツール呼び出し、システムプロンプト、推論トークンを考慮するように更新された。--usageオプションを付けると、「hi there」の入力では2 input、24 outputのトークン使用量が表示される。
xAIは、SuperGrokまたはX Premiumのサブスクリプションを使ってオープンソースのローカルファースト型AIエージェント「OpenClaw」内でGrokモデルを利用できるようにした。接続はすべての料金プランで利用可能とされる。OpenClawはMac Mini、ノートPC、サーバー、VPS、Raspberry Piなど多様なハードウェアで動作し、セッションをまたぐ永続メモリを保持する。
xAIのGrokサブスクリプション(SuperGrokまたはX Premium+)をオープンソースのエージェント型コーディングプラットフォームKilo Codeで直接利用できるようになった。接続すればGrok Buildを含む最新のGrokモデルを、別途APIキーなしで使える。VS Code、JetBrains IDE、ターミナル(CLI)に対応し、VS Codeでは設定のProvidersタブからxAI Grok OAuth(SuperGrok Subscription)を選んでサインインする。
xAIのGrok 4.6が、Gemini Enterprise Agent PlatformのModel Gardenから利用可能になった。Grok 4.6は長時間稼働するエージェントや対話型・視覚的な作業向けのフラッグシップモデルで、500kのコンテキストウィンドウを備え、推論の度合いをlow、medium、high、xhighから設定できる。料金は入力が100万トークンあたり2ドル、キャッシュ入力が同0.50ドル、出力が同6ドル。
Microsoft AIは、人間のために常に働く「人間中心の超知能(HSI)」の実現を目指すと表明した。問題志向で領域特化型の、制約の中で慎重に調整されたAIを想定し、自律的で無制限な存在とは区別している。MAI Superintelligence Teamを設立し、AGI競争論やブームか破滅かの二項対立を退けるとしている。
GoogleとSpeakeasyが、OpenAPIクライアント生成スイートをAGPLv3ライセンスでオープンソース化する。背景には、2026年5月に利用していたSDK生成プロバイダーが買収され、突然サービス終了が発表された件がある。公開されるのは、7言語向けSDK生成器、エージェント向けCLI生成器、OpenAPIとMarkdownドキュメントからMCPサーバーを生成する生成器である。Googleは、この仕組みで6つのターゲットを約1人のエンジニアで保守しているとしている。
Antigravity SDKがローカルモデルによるエージェント処理に対応し、Google AI EdgeのLiteRTを使ってGemma 4 26B A4Bを初期対応として利用できるようになった。ネットワーク接続がなくても完全オフラインで動作し、ローカルのGPUとRAMを効率的に使う。ハイブリッド構成のデモでは、クラウドのGemini 3.8 Flashが計画を立て、ローカルのGemma 4 26Bが処理を担い、記録された実行では全トークンの97.2%(3,322トークン)がローカルで処理された。
Googleは、google/adk-samplesを再構成した後継リポジトリgoogle/adk-recipesの構成を解説した。core/、plugins/、contrib/の3階層に分かれ、Agents CLI、Agent Garden、Gemini Enterprise appが同じソースツリーを参照する。plugins/はAgent Plugins v1.0.0仕様に準拠したスキル、contrib/は5言語のデプロイ可能なサービスを収録する。
Anthropicは金曜日に公開した報告書で、技術部門のジュニア層の比率が2025年初頭から21%から14%に低下し、ジュニア技術職の採用比率も27%から9%に減ったと明らかにした。1人あたりの会議時間は1年前より20%増え、技術職では16%増となった。報告書は「人間の注意力と判断力」が生産性のボトルネックになりつつあるとしている。
Nathan Lambertは、Metaが公開したMuse Spark Openを米国製オープンモデルとして大差で最も強いと評価した。性能はGLM 5.2より上でDeepSeek V4.1 Flash付近、GLM 5.3やKimi K3には届かないとし、独自ライセンスの制約が普及の障害になりうると指摘している。
Latent SpaceのAINewsは、10月15〜16日分のAI動向をまとめた。Metaが816B総パラメータ・42B activeのMoE「Muse Spark Open」をオープンウェイトで公開し、Artificial AnalysisのIntelligence Indexで39を記録した。冒頭では新番組「High Taste Testers」の試験公開も告知している。
NVIDIAの開発者らが、GPT-6 Astraなどのフロンティア AIモデルとOmniverseライブラリを組み合わせ、自然言語の指示でシミュレーションアプリを構築する事例を紹介した。倉庫向けヒューマノイドシミュレーター、自動運転試験環境「Zero to Alpamayo」、Robo Olympics、国際宇宙ステーションのブラウザ再現などが挙がっている。ある実験では、ロボットが100回の試験のうち64回で単一の障害物をクリアした。
The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery Blog: https://pub.sakana.ai/agentic-scientist/ GitHub: https://github.com/SakanaAI/AI-Scientist-v3 arXiv: https://arxiv.org/abs/2610.18933 Since 2024, we’ve used The AI Scientist as a way to test how far AI alone can take scientific research, from v1 to v2 to the paper published in Nature earlier this year. The Agentic Scientist is the next step in that line of work, built for the era of coding agents. Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined. The Agentic Scientist makes the research loop explicit. It wraps off-the-shelf coding agents in a scaffold that controls what they see, what they write, how they are evaluated, and how results are handed to the next stage. Parallel workers test hypotheses against rubrics defined before any experiment runs, share successes and failures through a common memory, and then ablate the winning program to generate evidence. We used an early version of the system to study Error Diffusion, a biologically motivated alternative to backpropagation. Our researchers set the question and the rubric, chose directions at each stage, and verified the results, references, and claims before submission. The resulting paper was accepted as an oral presentation at ALIFE 2026. In autonomous runs, the system also raised Doc-to-LoRA retrieval accuracy from 52% to 98% on multi-needle tasks and designed a learned evolution strategy that improves over its CMA-ES reference on unseen tasks. Alongside it we release AutoIllustrate, a pipeline for scientific figures that keeps an editable http://draw.io file as the source of truth, so every diagram can be corrected by hand. Humans define the question and the standards of evidence; agents expand the experiments researchers can run. We call this Co-Discovery, and we are releasing both systems as open source for the community to build on.
Bluesky は、AI 搭載アプリ Attie の新機能として、クリエイターがウェブサイト、クイズ、ゲーム、投票などのインタラクティブな体験を作成できるツールを発表した。作成された体験は、Bluesky などを支える AT Protocol(ATProto)上で動作する。Attie では、ユーザーが独自の AI モデルを持ち込むか、オープンウェイトのモデルを利用できる。
Microsoft AIは、アクティブ80B、総計2.8Tパラメータの MoE 基盤モデル MAI-Base-2 の事前学習を完了した。保留評価では試験したオープンウェイトモデルをすべて上回り、DeepSeek-V4-Pro-Base に対する事前学習のFLOPs効率は4〜12倍である。16k GB200 GPUで38日間学習し、現在は事後学習中で、重みはFoundry経由で信頼できるパートナーにライセンス提供する方針である。
Mistral AIが時系列基盤モデルのファミリー「Timestral」を公開した。最大の209Mパラメータモデルは、GIFT-Eval、TIME、fev-benchの3つの主要ベンチマークで1位となり、従来の最先端モデルよりも少ない3分の2のパラメータで上回った。5Mから209Mまでの4サイズがあり、推論にGPUは不要で、標準的なサーバーCPU(8スレッド)では1日先の予測に5Mモデルが10ms、209Mモデルが140msを要するとされる。
NVIDIAは、欧州委員会がダブリンで始めたAI in Science Enablers Initiativeに参加し、欧州の研究者向けにオープンモデル、学習資料、計算資源へのアクセスを拡大する。250以上のオープンモデルと250のオープンデータセットを公開しており、NVIDIA Deep Learning Instituteは無償のオープンソース教材ハブを開設した。欧州では35台のスーパーコンピューターが開発中で、300万人超の研究者が利用できるようになる。
Apertus 1.5は、Apertus 1.0の8Bおよび70Bモデルを拡張した最新版で、画像と音声の理解、任意で使える思考モード、4倍となる262,144トークンのコンテキストウィンドウを備える。8Bと70Bの重みは2026年7月24日にHugging FaceでApache 2.0ライセンスのもと公開された。学習データは8Bモデルに4兆トークン、70Bモデルに2兆トークンの継続事前学習を加えており、合計はそれぞれ19T、17Tである。


Black Forest LabsのFLUX.3 Image Kleinが公開され、Diffusersで初日から動作する。1つのモデルでtext-to-image、複数参照のimage-to-image、バウンディングボックスによるレイアウト制御に対応する。蒸留版は16ステップでCFGなし、H100で1024 × 1024の画像を約2秒で生成する。NVFP4とFP8の重み、LoRA学習スクリプト、Modular Diffusersパイプラインも提供される。
選定理由:bboxをプロンプトに書いて配置や移動を指定する操作法と、H100での速度やメモリの実測値が併記されており、導入時の負荷を見積もりやすい。
取得できた本文は404エラーページのナビゲーションのみで、Optuna v5のデフォルト最適化アルゴリズムの改善内容は確認できない。アルゴリズム名、性能の数値、提供状況などの具体的な情報は本文に含まれていない。
Googleは、Geminiを基盤とするEarth AIの地理空間推論エージェントについて、技術レポートの公開、パートナー試験の知見、Google EarthとGoogle Cloudでの早期アクセス拡大の3点を発表した。評価ではGeoKToolsとGeoExpertQueriesを含む4つのbenchmarkを用い、新規の2つは研究者向けに公開する。WHOアフリカ地域事務局などが疾病流行調査や災害対策で試験した。
AIペンダント「Friend 2」は価格249ドルで、OpenAIの最新言語モデルを基盤とする。レビューでは、アプリ上で名前を変えて複数の人格を作れるものの、性格の違いはほとんど感じられず、Web検索など会話以外のことはできないと指摘されている。開発者のAvi Schiffmannは次の大型アップデートで、全ユーザーが同じ一つの存在と会話する仕組みに変える計画を明らかにした。


NVIDIAは英国のBoltz、Foresight、Hiverge、Prima Mente、Riverlaneの5社への投資計画を発表した。あわせて、英国のエージェント型AIの安全性とセキュリティ研究を強化するため、5年間で2億5000万ドルのコンピュート提供を約束している。Earthshot Prizeには Global Alliance Founding Partner として参加する。
685 output tokens/s per user on @Alibaba_Qwen Qwen3.8-Flash-Next. Running TokenSpeed on 4× NVIDIA GB300 with NVFP4. A look at the kernel and serving optimizations behind the results: 👉 https://lightseek.org/blog/tokenspeed-qwen3-8-flash-next.html ⭐ https://github.com/lightseekorg/tokenspeed
Jensen Huang le sait : la France est le pays le plus attractif d’Europe pour l’intelligence artificielle, grâce à nos talents, nos infrastructures et nos entreprises qui nous permettent de rester à l’avant-garde. Depuis Choose France, notre coopération avec NVIDIA s’accélère, des startups aux grands acteurs industriels, en passant par les infrastructures de calcul et la recherche. Avec une nouvelle étape aujourd’hui : NVIDIA investit dans des entreprises françaises et s’engage à soutenir notre initiative franco-allemande pour développer la recherche ouverte en Europe. Cela a d’autant plus de valeur que nous partageons et portons la même exigence d’une intelligence artificielle ouverte, sûre et au service de notre souveraineté. Merci cher Jensen pour votre confiance et votre soutien.
多段階の世界状態予測を評価するベンチマーク「WorldCast」が提案された。8カテゴリ320件のケースで12モデルを評価した結果、GPT-Image-2.5 Systemは72.8点、Nano Banana Proは42.8点、最良のオープンソースモデルは20.1点だった。強力な生成モデルは基盤の言語モデルの能力も効果的に活用している。