オープンソースAI

主要ニュース

1. 1

   AIモデルより「ハーネス」が長期タスク性能を左右

   Nvidiaの研究者がClaude Opus 5にメモリ管理と「スーパーバイザー」コンポーネントを備えたカスタムハーネス（ソフトウェアラッパー）を組み合わせ、ARC-AGI-3インタラクティブ推論ベンチマークで100%のスコアを達成した。ハーネスなしではOpus 5は30%のスコアにとどまり、テストしたすべてのモデル中トップだった。 この成果はモデルの選択だけがAIエージェントのパフォーマンスを決定するという想定に異議を唱えている。複数の連鎖的な判断を長期間にわたって必要とする長期タスクでは、ハーネス（ツール、メモリ管理、モデルの周囲の足場）が決定的な要因となるようだ。Microsoftが4月に実施した調査では19個のLLMすべてが長期編集タスクでドキュメントをエラーで埋め尽くし、エージェントがファイル削除や犯罪行為に及んだ事例もあり、この知見は特に重要性を持つ。長期間の複雑な判断が必要なAIシステムを導入する際、日本の企業はモデルの性能より、そのモデルを支える周辺ツールやメモリ管理といった基盤設計の方が実務的な成功を左右する可能性がある。

   OpenAIは先月独立してハーネス効果を検証し、ハーネス設定2つを調整するだけでモデルのARC-AGI-3スコアが3倍になることを発見した。ただし100%には達していない。Nvidiaはエコシステムをプロプライエタリな閉鎖システムではなく、制御可能なオープンハーネスの周りに位置づけ、Nemoブランド下でオープンハーネステクノロジーを提供している。

2. 2

   AI.DIY、オープンソースのAIワークスペース公開

   MIT ライセンスのオープンソースプロジェクト AI.DIY が tryaidiy.com で公開開始。ブラウザネイティブワークスペースで AI エージェント、ブラウザ内 Linux（CheerpX）、Python 実行、20+ の LLM プロバイダー（OpenAI、Anthropic、Gemini、DeepSeek など）との統合に対応。スキル、サブエージェント、ナレッジベース RAG、DuckDuckGo による Web 検索、WebContainers 経由のブラウザ内 Node.js プロジェクトスキャフォルディングをサポート。 ワークスペースはローカルファースト設計で、ユーザーが自身の API キーを持ち込む方式。チャット履歴、設定、プロバイダー API キーはデフォルトではブラウザに留まり、リクエストごとに選択したモデルプロバイダーに送信される。サーバー側での永続的なキー保管不要。チャット履歴、メモリ、Canvas アーティファクト、Python/Linux 出力などのデータは localStorage と IndexedDB でローカルに永続化され、Web Crypto が利用可能な場合は AES-GCM で暗号化。1 コマンド（Node または Docker Compose）でデプロイでき、サードパーティのクラウド AI プラットフォームへの依存を回避。

   npm install または Docker で現在利用可能。GitHub リポジトリは Cubinghackerz/ai.diy。Agent Mode とサブエージェントは実験的設定で提供。トークンモード（Efficient、Balanced、Prompt caching、Full suite）でシステムプロンプトサイズとツール利用可能性を調整。GitHub、Supabase、PostgreSQL の直接アダプターが計画中。自己ホストの場合、CheerpX ランタイムは非 FOSS 利用時に Leaning Technologies からのコマーシャルライセンスが必要。

3. 3

   GLMスケーリング革命、パラメータ数は過去の指標に

   Zhipu AIのCEO・Jie Tang氏がスケーリング法則の新時代を宣言。GLM 5.3の大幅な性能向上はパラメータ増加ではなく、長期環境でのRL（強化学習）から生まれた。同じベースモデル・アーキテクチャのGLM 5.2から約1ヶ月の追加RL で実現したという。 従来のAI産業はパラメータ数で競争していたが、Jie Tang氏は「パラメータはデータ量、計算配分、実行環境と並べて初めて意味を持つ」と指摘。推論型タスク（ソフトウェア脆弱性発見など）は20段以上の長い因果チェーン追跡を求め、パラメータ数だけでは不足するとみられる。日本の企業がAIモデルの性能向上を目指す際、パラメータ数の増加だけでなく強化学習の環境設計が重要な競争要因になる可能性がある。

   GLM 5.3はTerminal Benchで#2、Legal Benchで#3、Skills Benchでオープンウェイト中#6の成績を収めた。RL環境はエンジニアが実際に行う業務を反映し、合成パイプラインで大規模生成される。進化したタスク環境こそが次の競争軸である。

4. 4

   Snowflake、AI コスト削減と品質維持を両立する Smart Model Routing を導入

   Snowflake は Cortex AI Gateway に動的モデルルーティング機能を追加し、各タスクに対応できる最小コストのモデルを自動選択できるようにした。同時に新たなオープンモデルである DeepSeek-V4-Flash 0731（プライベートプレビュー中）と GLM-5.3（近日中にプライベートプレビュー開始予定）も導入している。内部テストの結果、このルーティング手法はデータパイプラインのワークロードにおいて、常に最高性能のモデルを使用する場合と比べて最大3倍のトークン効率を達成し、同等の品質を維持した。 ほとんどのタスクでは、組織が実際に必要とするより高い AI 性能に対して料金を支払っている。週間サマリー作成にはポートフォリオリスク分析と同じレベルの推論能力は不要だ。タスク複雑度とモデルコストをマッチングさせることで、企業はアプリケーションの再構築やルーティングロジックの自己管理なしに推論支出を削減できる。Snowflake のアプローチは、オープンモデルを企業のデータガバナンス境界内で実行させるため、機密データを既存のコンプライアンス統制内に保つことができる。

   DeepSeek-V4-Flash 0731 は本日からプライベートプレビューで利用可能。GLM-5.3 は近日中に提供開始され、セルフホスト対応となる。Snowflake の内部 ADE-bench テストで DeepSeek-V4-Flash は 74.4% を獲得し、テスト対象のプロプライエタリモデルを上回った。一方 GLM-5.2（前バージョン）はベンチマークで最も低いトークンフットプリントで 66% の精度を達成しており、大量処理でコスト重視のワークロード向けに適している。

5. 5

   開発者がAI画像分析を使った書籍推薦システムを構築

   ソフトウェアエンジニアがBy-Its-Coverという推薦システムを開発した。これはCLIP埋め込み（視覚的なコンテンツを理解する機械学習モデル）を使って書籍の表紙画像に基づいて本を提案する。このシステムは意味的な画像検索とニューラルな協調フィルタリングモデルを組み合わせて、個人化された推薦を行う。 このプロジェクトは、テキスト、ジャンル、ユーザー履歴に頼らずに表紙画像だけで正確な本の発見と推薦が可能かどうかを検証する。この手法は従来のメタデータではなく視覚的類似性に焦点を当てることで、本を見つけるツールを単純化できる可能性がある。

   このシステムはby-its-cover.comで公開されており、ソースコードはGitHubで入手可能であり、フィードバックとさらなる開発が期待されている。

6. 6

   llm-openrouter プラグイン、推論 LLM 対応で更新

   llm-openrouter プラグインが LLM 0.32 に対応し、OpenRouter を通じた推論 LLM との互換性が追加された。さらに Shell、WebFetch、WebSearch という3つのサーバーサイド型ツールが導入され、-T WebSearch のようなコマンドラインオプションで有効化できる。 OpenRouter を利用する開発者や研究者が推論モデルへより効果的にアクセスでき、新しいサーバーサイド型ツールによってモデル自体の変更なしにプラグインの機能が拡張される。

   Shell、WebFetch、WebSearch の3つのツールはコマンドラインフラグで有効化でき、ユーザーが必要に応じて機能を追加できる。