オープンソースAI

主要ニュース

1. 1

   Cloudways、業界から排除されたAIエージェントを企業向けに再販売

   2026年2月にMetaの幹部のメール大量削除事件をきっかけに、Meta・Google・Microsoft・Amazonが禁止したOpenClawフレームワークをCloudwaysが8月17日に管理型AIエージェントとして提供開始しました。同時にHermesも展開されます。 OpenClawは約530個の脆弱性を抱えており、平文のパスワード公開や600以上の悪意あるスキルが登録されるなど、企業が直接導入するには危険です。Cloudwaysは隔離環境、実行時検証、Model Context Protocolの統合という3つの技術的対策を追加することで、この危険性を引き受け、企業顧客のリスクを肩代わりする事業モデルとなっています。

   月額料金は4.99ドルの初期プロモーション価格から79.99ドルの標準階層まで、リスク軽減そのものを商品化しています。顧客はLLM利用料を自身で負担する契約となり、Cloudwaysの価値提案は純粋にデプロイ環境の信頼性に集約されます。

2. 2

   アリババのQwen3.8-27B、フロンティア級コーディング・推論をローカル実行

   アリババが金曜日、Hugging Face上でApache 2.0ライセンスの下、27-billion-parameterのオープンソースモデル「Qwen3.8-27B」をリリースした。このモデルはネイティブな画像・動画理解、262,144-tokenのコンテキストウィンドウ、コーディングとエージェンティックワークフローのサポートを備えており、これらの機能は従来、より大規模なクラウドモデルに限定されていた。 開発者はクラウドAPIに依存することなく、ローカルでフロンティア級の推論・コーディングタスクを実行できるようになった。4-bit量子化で約17GB、FP8で約28GB、フルの16-bit精度で約56GBという小ぶりなモデルサイズにより、標準的な開発者向けハードウェアへのデプロイが可能となり、レイテンシの低減とサードパーティサービスへの依存を減らせる。

   このモデルは現在Hugging Face上でエンタープライズフレンドリーなオープンソースライセンスの下で利用可能であり、ローカルデプロイメント向けの高度なAI機能を求める開発者および組織にアクセスしやすくなっている。

3. 3

   AT&T、オープンモデルとトークンエコノミクスを中心にAI戦略を構築

   AT&Tはオープンソースに基づくAIモデルを戦略の中核として採用し、トークンエコノミクス（AIモデルがテキスト処理に対して課金する単位であるトークン消費を管理すること）に注力している。同社は独自のクローズドモデルへの依存から脱却しようとしている。 オープンモデルにより、AT&Tはコスト管理の強化、ベンダー独立性の確保、外部プロバイダーへのトークン単位の料金支払いではなく、自社インフラストラクチャ上でAIワークロードを実行する能力を得る。トークンコストが大きな運用経費のままである中、この方法により大規模企業はAI支出を最適化できる。

   AT&Tのトークン効率戦略がクラウドおよびエッジコンピューティング部門全体にどう影響するのか、また他の大手通信会社やエンタープライズ企業がAI導入において同様のモデル非依存的なアプローチを採用するかどうか。

4. 4

   JPモルガン、AI活用した不正検知システムを解説

   JPモルガンが、AIを使った不正検知・防止の仕組みについて説明するコンテンツを公開しました。 金融機関にとって不正検知は顧客資産保護の要であり、AIによる自動検知がより正確かつ迅速な対応を可能にするとみられます。

   JPモルガンはこのテーマについて詳しい説明資料を提供していますが、記事本体では具体的な検知手法や効果の数値は記載されていません。

5. 5

   ノートパソコン搭載のAIモデルがクラウド性能に匹敵、ただし処理速度は劣る

   ノートパソコンで動作するQwen3.8-27Bが、Artificial Analysisのインテリジェンスインデックスで135モデル中1位にランクイン。スコアは52を獲得し、Z.aiの最先端オープンソースモデルであるGLM-5.2（753bパラメータ）のスコア51を上回った。Qwen3.8-27Bはその約28分の1のサイズにもかかわらず、この成績を達成している。 ローカルで実行される小規模モデルは、DeepSeek V4のようなクラウドベースモデルと同等の回答品質を実現しながら、異なる推論戦略を採用している。小規模モデルは記憶した知識に頼るのではなく、より基本原理から推論する必要があり、クラウドアクセスなくノートパソコンさえあれば誰もが利用できる状況を生み出している。

   処理速度のトレードオフは著しい。ベンチャーキャピタル関連の25タスクでの評価では、Qwen3.8-27BとDeepSeek V4-Flashの両者が9点満点中8.0点の品質スコアを獲得したが、DeepSeekの平均応答時間が1.1秒であるのに対し、Qwen3.8-27Bは7.2秒、Qwen3.6-35Bは10.0秒を要した。

6. 6

   Snowflakeがスマートルーティングを追加してAIタスクコストを削減

   Snowflakeは、Cortex AI Gatewayでダイナミックモデルルーティングをローンチしました。このシステムは各タスクを完了できる最もコスト効率の良いモデルへ自動的にリクエストを振り分けます。同社はまたオープンモデルポートフォリオを拡張し、DeepSeek-V4-Flash 0731（プライベートプレビューで利用可能）およびGLM-5.3（プライベートプレビューで近日提供予定）を追加しました。これらはいずれもSnowflakeのガバナンス対象データ環境内で自己ホストできます。 ほとんどの組織は、シンプルなタスクがそのレベルの能力を必要としない場合であっても、すべてのAIリクエストをデフォルトで最も強力で最も高価なモデルに送ります。Snowflakeのルーティングレイヤーはタスクの複雑さをモデルコストに合わせることでこの無駄を削減します。内部テストではデータパイプラインワークロードで最大3倍のトークン効率性を示し、コーディングタスクではほぼ25%のトークン削減を実現しながら比較可能な品質を維持しました。このアプローチにより企業はアプリケーションを再構築したり手動でルーティングロジックをコーディングしたりすることなくAI支出を削減できます。

   DeepSeek-V4-Flash 0731はSnowflakeの内部データエンジニアリングベンチマークであるADE-benchで74.4%を獲得し、テストされた主要な独proprietary modelを上回ります。GLM-5.3は低トークンフットプリントと堅実なデータエンジニアリング精度で注目されています。両モデルはSnowflakeのセキュリティ境界内でガバナンス対象データと並んで実行されるため、組織はサードパーティAPIを通じてデータをルーティングする必要がありません。