05 11月 2026

2026年11月05日朝のAIニュースまとめ

(ほぼ)毎日AIニュースが届きます。ぜひご登録ください。

(ほぼ)毎日AIニュースが届きます
ぜひご登録ください

Kimi K3.1 Proの重み公開と、OpenAIのPierre買収・新モデル観測

Moonshot AIのKimi K3.1 Proの重みが予定どおり公開され、vLLMやSGLang、各クラウドが即日対応しました。

OpenAIはCodex強化に向けPierre Computerを買収し、新しいSolやAstraが早ければ金曜にも登場するとの観測も出ています。

ほかにもAxiomによるStacks Projectの形式化やCognitionのSWE-2 Flashなど、注目の話題が続きます。順に内容を確認していきましょう。

Kimi K3.1 Pro重み公開、vLLM等が即日対応
OpenAI、Codex強化に向けPierre Computerを買収
OpenAIの新Sol・Astra・サイバー特化モデル、金曜にも投入か
Together AI、推論をAgentで継続最適化するCompilerを発表
Axiom、Stacks Project全体を1600万行のLeanで形式化
Cognition、Inkling-small基盤のSWE-2 Flashを発表
Living Brain、ChatGPTやClaude間で共有する永続メモリを公開
Gemini APIのcomputer useツールが一般提供開始
Apple、社員のAI利用予算を1日$300から$200へ削減
Claudeデスクトップに/storage追加、ワークツリー整理が可能に
Noetra、SigLIP2級の画像エンコーダーをフルスクラッチ開発
検索DB不要のretriever-free RAG、有効性で賛否
NVIDIA論文、頻繁なコンテキスト圧縮でも精度低下ほぼなし

Kimi K3.1 Pro重み公開、vLLM等が即日対応【続報】

Moonshot AIのKimi K3.1 Proに関する続報です
11月4日公開予定とされていた重みが予定どおりHugging Faceで公開され、3Tクラスで最も高性能なモデルとしています
vLLMとSGLangがAMD、NVIDIA、TPUなどで即日対応し、Databricks、Together AI、Ollama Cloudも提供を始めています
ライセンスは収益で利用条件が変わる独自形態で、中国勢は公開時期の約束を毎回守っているとの指摘も出ています

Kimi.ai: (翻訳) Kimi K3.1 Proのモデル重みを公開します。私たちはこれからもオープンな知能を前進させ続けます。

Thomas Wolf: (翻訳) Moonshot AIのKimi-K3.1-Pro、興味深い事実：巨大で疎なモデル。総パラメータは2.8Tだが、トークンあたりの活性は104Bのみ。Kimi-K3と並び、Hub上で最大の実モデル公開。次に大きいのはQwen3.8-2.4TとDeepSeek-V4-Pro（1.6T）。Lisan al Gaib: (翻訳) Kimi-K3.1-Proがオープンウェイトになりました

SemiAnalysis: (翻訳) vLLMとSGLangがAMD、NVIDIA、Rubin、TPUでKimiの即日サポートを開始、おめでとう！SGLangがTrainium 2/3にも即日対応しているのは興味深い

Nathan Lambert: (翻訳) 中国のオープンモデル研究所が重みの公開時期の約束を常に守ってきたのは非常に興味深い。いずれかが特定モデルのスケジュールから撤退した時は示唆的だろう（いずれ避けられないと感じる）。Florian Brand: (翻訳) K3.1の重みが公開。MaaS＋収益制限付きライセンス

OpenAI、Codex強化に向けPierre Computerを買収

OpenAIが、Codexをチームで AIとソフトウェアを作る場にするため、Pierre Computer Companyの買収を発表しました
PierreはCode Storageやオープンソースの開発ツールを手がけ、それらはすでにCodexの一部を支えているとしています
Pierreのチームは今後、Codex向けの新しいGitワークフローや開発者ツールに取り組むとみられています

OpenAI Newsroom: (翻訳) 本日、OpenAIは@pierrecomputerを買収することを発表します。Codexを、最初のアイデアから出荷版まで、チームがAIと共にソフトウェアを作れる場にするビジョンを加速させるためです。Pierreのオープンソース開発ツールはすでにCodexの一部を支えています。

Tibo: (翻訳) コンピュータにはRAMがあるよね？ようこそPierre。すべてを再発明しようPierre: (翻訳) pierre computer companyからのお知らせ

Greg Brockman: (翻訳) @pierrecomputer、OpenAIへようこそ！Pierreのオープンソース開発ツールはすでにCodexの一部を支えており、AIと協働してソフトウェアを作る未来を一緒に築けることにワクワクしている。Pierre: (翻訳) pierre computer companyからのお知らせ

OpenAIの新Sol・Astra・サイバー特化モデル、金曜にも投入か【続報】

OpenAIのGPT-6.2 Astraの投入観測に関する続報です
The Informationの記者が、OpenAIの新しいSol、Astra、サイバー特化モデルが早ければ金曜にも登場すると報じました
Solは利用量の消費が激しいため、Solの改善や、より安く速いSolを求める声が上がっています
OpenAIが先行すれば、Anthropicも翌週に新モデルで追随するのではとの見方が広がっています

Stephanie Palazzolo: (翻訳) 今朝の@TiffanyLi158545によるAgendaは、Agentを制御しようとするサイバー系スタートアップについての良記事。別件で小スクープ：OpenAIの新しいSol、Astra、サイバーモデルが早ければ金曜にも登場するかもしれない…

Chubby♨️: (翻訳) 実はAstraより6.2 Solの方が楽しみ。SolがAstraに近い性能なら、使用率がかなり高く、$200プランでもすぐ使い切ってしまうほどだから。Chubby♨️: (翻訳) The Informationによると、OpenAIのGPT-6.2は早ければ金曜にも登場する可能性がある。Astra、Sol、サイバー特化モデルとして提供される。

Chubby♨️: (翻訳) OpenAIが金曜にGPT-6.2 SolとAstraをリリースすれば、先手を取ることになる。これはAnthropicが待っていた瞬間で、いたちごっこだ。Anthropicは翌週に自社のリリースで追随すると強く予想する。

Haider.: (翻訳) 不人気な意見：Astra 6.2は要らない、少なくとも私は。Sol 6.2が50%安く2倍速くなれば普通のペースで仕事ができる。知能向上は歓迎だが、要はSolの知能でLunaの速度と効率が欲しい。

Together AI、推論をAgentで継続最適化するCompilerを発表

Together AIが、本番トラフィックに合わせてAgentが推論を継続的に最適化するTogether Compilerを発表しました
主要なInferenceX構成比で最大2.6倍、顧客ワークロードで最大50%高速化し、すでに1日数兆トークンを処理しているとしています
SemiAnalysisが結果の一部を検証し、Dylan Patel氏は人間の帰納バイアスがAgentの性能を制限する事例にも注目しています

Together AI: (翻訳) Together Compilerを紹介：本番トラフィック向けに推論を継続的に最適化するAgent。1日数兆トークンを処理。主要なInferenceX構成より最大2.6倍、顧客ワークロードで最大50%高速。Simran Arora: (翻訳) Together Compilerを紹介します：AI推論のための継続的コンパイル！今日の推論は「ポリモーフィック」で形を変え続けます。OpenRouterでは80%のトラフィックが最近リリースされたモデルに向かっています。

SemiAnalysis: (翻訳) @simran_s_aroraらのTogether Compiler（TKCC）は正直最高にクールなもので、私たちはInferenceX/AgentXの結果の1つを検証した！精度を保ちながら自動で性能を継続的に改善できる能力は素晴らしいSimran Arora: (翻訳) Together Compilerを紹介します：AI推論のための継続的コンパイル！今日の推論は「ポリモーフィック」で形を変え続けます。OpenRouterでは80%のトラフィックが最近リリースされたモデルに向かっています。

Dylan Patel: (翻訳) Agentと専門家がシステム性能最適化でどう協働できるかの理解を進める素晴らしい研究。強い結果に加え、人間の帰納バイアスがAgentの達成を制限してしまう驚くべき事例も見つけているSimran Arora: (翻訳) Together Compilerを紹介します：AI推論のための継続的コンパイル！今日の推論は「ポリモーフィック」で形を変え続けます。

Axiom、Stacks Project全体を1600万行のLeanで形式化

Axiomが、現代代数幾何学の基盤であるStacks Project全体をLeanで形式化し公開しました
AI Agentが1600万行のLeanコードに変換し、高度に相互接続された構造を保ったままコード品質も最適化したとしています
大規模なvibe codingは低品質という見方への反例として、AIと数学の大きな成果だと注目されています

elvis: (翻訳) AIと数学にとって大きなリリース！多くの人は大規模なAI生成コードは低品質だと考えている。AxiomのStacks ProjectのLean形式化はそうではないと示す。Stacks Projectは現代代数幾何学の巨大で深く相互接続された基盤だ。Axiom: (翻訳) 大規模なvibe codingはゴミだと多くの人は思っている。その反例がこれ。本日、現代数学を支える重要インフラであるStacks Project全体を1600万行で形式化したものを公開する。コード品質を最適化し、高度に相互接続された構造を保っている。数学の都市。

Evan: (翻訳) AIスタートアップAxiom Mathが、史上最大のコンピュータ検証済み数学ライブラリを構築したと発表。同社のAI AgentがStacks Project全体を、証明の全ステップをコンピュータが検証できる言語Leanの1600万行に変換した。Axiom: (翻訳) 大規模なvibe codingはゴミだと多くの人は思っている。その反例がこれ。本日、Stacks Project全体を1600万行で形式化したものを公開する。

Chubby♨️: (翻訳) 大規模なAI生成コードは雑だと片付けられがち。Axiomの新リリースは強力な反例だ。代数幾何の巨大で相互接続された基盤であるStacks ProjectをLeanで形式化し、コンピュータが検証できる数学にしたという。Axiom: (翻訳) 大規模なvibe codingはゴミだと多くの人は思っている。その反例がこれ。本日、Stacks Project全体を1600万行で形式化したものを公開する。

Cognition、Inkling-small基盤のSWE-2 Flashを発表

Cognitionが、高速・高効率なコーディングモデルSWE-2 Flashを発表しました
3倍大きいモデルを含む米国製オープンウェイトを上回り、SWE-2に迫りつつ価格は1/5、速度は約3倍とされます
Thinking MachinesのInkling-smallを事後学習したモデルで、重みはサイバーリスクを考慮しパートナーに限定共有します

Soumith Chintala: (翻訳) Cognitionの新しいFlashモデルはInkling-smallの上で事後学習されている！Cognition: (翻訳) 高速で効率的な新コーディングモデルSWE-2 Flashを紹介します。主要な評価で、3倍大きいものも含むすべての米国製オープンウェイトモデルを上回ります。透明性とサイバーリスクのバランスを取るため、パートナーや研究者に重みを安全に共有するプログラムを構築中です。

Chubby♨️: (翻訳) CognitionのSWE-2 FlashはコーディングAgentにとって意味のある効率化リリースのようだ。一部ベンチマークでより大きなSWE-2に迫り、価格は1/5、トークン生成速度は約3倍。さらに興味深いのは、Mira MuratiのThinking Machines Labのモデルがベースであること。Cognition: (翻訳) 高速で効率的な新コーディングモデルSWE-2 Flashを紹介します。主要な評価で、3倍大きいものも含むすべての米国製オープンウェイトモデルを上回ります。

Oikon | Claude Code本出しました: CognitionからSWE-2 Flashがリリース👀Cognition: (翻訳) 高速で効率的な新コーディングモデルSWE-2 Flashを紹介します。主要な評価で、3倍大きいものも含むすべての米国製オープンウェイトモデルを上回ります。

Living Brain、ChatGPTやClaude間で共有する永続メモリを公開

モデルからメモリを切り離し、ChatGPT、Claude、Cursor、Codexや自作Agentで共有する永続メモリLiving Brainが公開されました
LoCoMoで92.2%、検索の中央値は464msで、必要な記憶だけを渡すことで質問あたりのトークンを最大22.6分の1に減らせるとしています
Agentのボトルネックは知能よりメモリだという議論とともに、ハーネスとメモリを分離する設計が注目されています

elvis: (翻訳) 効果的なメモリシステムがあれば、ハーネスはAgentの永続的な能力を活用できる。だからメモリをモデルから切り離すのは賢い。Living BrainはChatGPT、Claude、Cursor、Codex、自作Agentに共有の永続メモリを提供する。LoCoMoで92.2%、464ms…Christel Buchanan: (翻訳) 私たちはメモリをモデルから切り離しました。Living BrainはChatGPT、Claude、Cursor、Codex、自作Agentのための一つの永続的な脳です。一方で書き、どこでも取り出せます。LoCoMoで92.2%。検索の中央値464ms。質問あたり最大22.6倍少ないトークン。

Haider.: (翻訳) 昨年、AI Agentの本当のボトルネックは知能ではなくメモリだと言った。モデル能力、コンテキストウィンドウ、推論時計算のスケールに多くの時間を費やしてきたが、Agentのメモリはいまだに雑多なMarkdownファイルやベクトルDB、繰り返しに頼っているChristel Buchanan: (翻訳) 私たちはメモリをモデルから切り離しました。Living BrainはChatGPT、Claude、Cursor、Codex、自作Agentのための一つの永続的な脳です。LoCoMoで92.2%。検索の中央値464ms。質問あたり最大22.6倍少ないトークン。

Charly Wargnier ♨️: (翻訳) 質問あたり最大22.6倍少ないトークン。@ladyxtelはTwitterの国際チームの初期メンバーの一人。本日、ChatGPTとClaudeをまたぐ永続メモリ@livingbrainをローンチ。注目。Christel Buchanan: (翻訳) 私たちはメモリをモデルから切り離しました。Living BrainはChatGPT、Claude、Cursor、Codex、自作Agentのための一つの永続的な脳です。

Gemini APIのcomputer useツールが一般提供開始

Gemini APIのcomputer useツールが一般提供（GA）になりました
プレビューからの破壊的変更はなく、ブラウザ、モバイル、デスクトップのAgent向けに本番利用できる安定性を提供するとしています
Agentによる画面操作を本番サービスへ組み込みやすくなり、開発者から歓迎の反応が出ています

Google AI Studio: (翻訳) Gemini APIのcomputer useツールが一般提供になりました。プレビューからの破壊的変更はなく、ブラウザ、モバイル、デスクトップのAgent向けに本番対応の安定性を提供します。ドキュメントはこちら。

Kimihiko Kitase ♨️ 北瀬公彦: Computer Use 一般公開に #geminiGoogle AI Studio: (翻訳) Gemini APIのcomputer useツールが一般提供になりました。プレビューからの破壊的変更はなく、ブラウザ、モバイル、デスクトップのAgent向けに本番対応の安定性を提供します。

Apple、社員のAI利用予算を1日$300から$200へ削減

AppleがAI活用を推進する一方で、社員のAI利用予算を削減していると報じられました
エンジニアの1日の上限は$300から$200に下がり、今後$100まで下げる予定で、他チームは$25になる可能性もあります
Artificial Analysisは$100でOpus 5.5高推論なら10タスク、GPT-6 Lunaなら2,500タスクと比較し、モデル選択の重要性を示しています

Bloomberg: (翻訳) Appleはコスト削減の一環として、社員のAI利用予算を削減している。同社はAIを業務の中心に据えようとしている中での措置だ。

Artificial Analysis: (翻訳) $100の予算で、Opus 5.5の中程度の推論ならIntelligence Indexのタスク（複数タイプの混合）を40件、最大推論なら10件こなせる。同じ$100でDeepSeek V4.1 Flash 1017（最大）なら166件、GPT-6 Luna（中程度）なら2,500件。Mark Gurman: (翻訳) 新情報：AppleはAI活用を社員に促す一方で、社員のAI利用予算を削減している。エンジニアの1日の上限は$300から$200に下がり、さらに$100への引き下げが予定されている。他のチームでは$25まで下がる可能性がある。

Claudeデスクトップに/storage追加、ワークツリー整理が可能に

Claudeのデスクトップアプリに、ディスク使用量を確認できる/storageコマンドが追加されました
Claudeがコンピュータ上で使っている容量を表示し、非アクティブなタスクや未使用のワークツリーを削除できます
並列Agentでワークツリーが溜まりがちな利用者にとって実用的な改善として、大きな反響を集めています

Lydia Hallie ✨: (翻訳) 最近、デスクトップアプリに/storageを追加しました！Claudeがコンピュータ上でどれだけディスク容量を使っているかを確認し、非アクティブなタスクや未使用のワークツリーを削除できます。

Oikon | Claude Code本出しました: Claude Desktopに/storageコマンドを追加 Claudeが過去のタスクやワークツリーを整理してストレージ容量を空ける機能 https://t.co/555CjtCs1C

🚨 AI News | TestingCatalog: (翻訳) AnthropicがClaudeデスクトップに新しい/storageコマンドを追加し、Claudeが実際に使っている容量を確認できるようにした。そこで非アクティブなタスクや未使用のワークツリーも削除できる。

Noetra、SigLIP2級の画像エンコーダーをフルスクラッチ開発

国産マルチモーダルLLMを開発するNoetraが、画像エンコーダーをゼロから構築した取り組みを記事で公開しました
学習データのキュレーションに注力し、フルスクラッチでSigLIP2に匹敵する性能を実現したとしています
各社からの出向者で構成され、Kaggle GMらが各社に分かれて国産LLM開発を競っているとの声も出ています

toshi_456: 学習データ整備などを中心に開発に関わらせていただきました！学習データのキュレーションを頑張ってフルスクラッチでSigLIP2相当のモデルを開発したという内容です。読みごたえがありますのでぜひご覧ください。Noetra株式会社(ノエトラ): 初回の記事では、国産マルチモーダルLLMの開発に向けて、画像エンコーダーをゼロから構築した取り組みを紹介しています。 📄 「SigLIP2に匹敵する画像エンコーダーをフルスクラッチで開発した話」 https://t.co/FQDmEXjB7V ぜひご覧ください。 #Noetra

pao: 今更の報告にはなりますが、今年の7月からNoetra株式会社に100%出向をしてます。各社から集まった優秀な同僚たちと、よりよい国産モデルがつくれるよう尽力します！

Rabotni(kuma|熊): Kaggle GMたちが各社に散らばって国産LLMバトルでしのぎを削ってるらしい。

検索DB不要のretriever-free RAG、有効性で賛否

Jevなどの決定モデルで階層ツリーを下って文書を探す、retriever-free RAGの解説が話題になっています
ベクトルDBやBM25の索引が不要な点を利点とする一方、文書分類が事前に分からないと階層化ルールが決まらない課題が指摘されています
Jevが高性能な埋め込みモデルなら、そのままベクトル検索に使えばよいのではという疑問の声も出ています

Kenn Ejima: 久々に有望なRAGのアプローチ検索部分にDBを使わず階層化したツリーをJevなどの Decisionモデルで下っていき文書を見つけるという発想ベクターDBやBM25の索引が不要という圧倒的なアドバンテージ汎用化の面で難しいのは文書の分類が事前にわからない時階層化のルールが決まらない事Akshay 🚀: (翻訳) RAGとretriever-free RAGをわかりやすく解説（Jevのような決定モデルによる）。標準的なRAGでは、文書をチャンクに分割して埋め込みに変換し、ベクトルインデックスに保存する。クエリが来るとそれを埋め込み、上位k件のチャンクを取り出す。

Kazunori Sato: Jevは単に性能のいい埋め込みモデル（を使った分類器）なのだから、そのまま埋め込み生成してベクトル検索に使えばいいのに、なぜわざわざ事前に時間をかけて特定クエリにしか使えないツリー構造に変換して使うのか意味わからん＞Decision RAG

NVIDIA論文、頻繁なコンテキスト圧縮でも精度低下ほぼなし

コンテキスト圧縮を積極的に使うべきかという議論に関し、NVIDIAの論文が推薦されています
頻繁に圧縮しても、フロンティアLLMは長期タスクや長い入力の幅広いタスクで精度をほとんど落とさないと示しています
長時間動くAgentのハーネス設計で、圧縮戦略を判断する際の参考になりそうです

elvis: (翻訳) NVIDIAの強くおすすめの論文（ブックマーク推奨）。コンテキスト圧縮を積極的に使うべきかについては多くの議論がある。彼らは、頻繁に圧縮してもフロンティア言語モデルは幅広い長期タスクや長い入力のタスクで精度をほとんど、あるいは全く失わないことを示している。