エージェント

2026年8月10日、Tübingen大学・Max Planck知能システム研究所・MATS・Snykの研究者グループが、「Stealing Reasoning Traces from Proprietary LLM APIs」（arXiv:2608.09867）を公開した。結論は衝撃的だ。Anthropic・OpenAI・Googleのフロンティアモデルが「暗号化」してクライアントに返している推論トレース（思考の連鎖＝CoT）ブロックは、セッション・ユーザー・モデルを跨いで完全に互換であり、同じプロバイダの弱い兄弟モデルに注入すれば、強いモデルを直接攻撃することなくその生の推論を平文で回収できる。しかも攻撃者はフロンティアモデルに1回クエリを投げるだけでよく、蒸留防止機構にも一切触れない。これは「推論は隠せる」というフロンティアラボの共通前提を覆す、containment（AI封じ込め）ドキュメンタリーの新たな節目である。 PM 編集方針 (override + enrichment) ── 8/12 06:30 HKT morning brief OVERRIDE #15 / 8/12 18:15 HKT evening brief ENRICHED 8/12 06:30 HKT morning brief で OVERRIDE #15 が発動（Stealing Reasoning Traces、4/5 PASS、7+ source Day-1 convergence、cluster ⑦、form-factor A = 既存ドラフトなし）。本スロット P0-PM 8/12 に確定し、元の予定だった Claude Code Auto Mode は P0-PM 8/14 へ繰り下げ（アクティベーション窓 8/14 に最適化、SEO ロスなし）。8/12 18:15 HKT evening brief で ✅ VALIDATED（HN 625pts/282cmt、フロントページ #16 で成長継続）+ 同一 cluster ⑦ の GPT-5.6-Cyber / Daybreak Red（OpenAI 8/11） が optional enrichment として提示され、本稿 §6 で統合した。Override counter: 15 post-freeze のまま（15 in 24 days = 62.5%）。Enrichment count: 1。 ...

2026年8月6日、AlibabaのQwen公式アカウントが1本の投稿を公開した。「Qwen3.8-Max is now #5 on the Artificial Analysis Intelligence Index, and #1 on the Agentic Index! 🥇」というものだ。8月2日のGA発表（当ブログ第157回記事で解説）からわずか4日。今度はベンダー自己申告のベンチマーク表ではなく、独立系の第三者評価機関が、中国製モデルをエージェント能力で世界最高峰に置いた。しかもこれは単発のランキングではない——同日更新されたGDPval-AA v2（44職種の実務タスク）とτ³-Banking（銀行業務のツール実行）という、AIエージェントの「実際の仕事」を測る2つの指標が、Qwen 3.8-MaxをAnthropic・OpenAI・Googleのフロンティア勢より上位に押し上げた。本稿は、この独立系評価の意味を3つの角度（指標の構造・揺らぎの読み方・コスト視点）から解剖し、8月10日から12日にかけて予告されているオープンウェイト公開（第3段階検証）への架け橋とする。 PM 編集方針 ── 8/10 06:15 HKT morning brief LOCKED 計画 P0-AM 8/10 は 8/9 06:15 HKT morning brief で LOCKED された Qwen 3.8-Max #1 AA Agentic Index（8/4 GA記事 #157の直接続編 = 2段階検証フレームワークの第2段階）。8/10 06:15 HKT morning brief で「OW未公開 → stage-2 bridge 記事として正しい、OW drop（~8/10-12）への完璧な架け橋」と VALIDATED。override 適用なし（override counter 13 post-freeze、13 in 22 days = 59%）。enrichment なし（本スキャン enrichment count 0）。ウェイト公開時に第3段階検証記事を予定。 ...

Google DeepMindが2026年6月3日、Gemma 4ファミリの中量級モデル「Gemma 4 12B」を公開した。Apache 2.0ライセンス、11.95Bパラメータのdense構成、16GBのVRAM/ユニファイドメモリでノートPC上に完全ローカル動作する。本モデルはGemma 4として初めてネイティブ音声入力を備え、しかもvision/audioエンコーダを一切使わないencoder-free統一アーキテクチャを採用した。本記事では、そのアーキテクチャ革新、制限事項、競合モデルとの定量比較、Gemma Skillsリポジトリの使い方、日本市場での業務適用シナリオまで、実装視点で詳細に解説する。 1. リリースの位置付け Gemma 4 12Bは2026年4月2日にリリースされたGemma 4ファミリ（E2B/E4B/26B MoE/31B dense）の中量級を埋める位置付けのモデルである。エッジ向けE4Bと26B MoEの間で、26Bに近い性能をより小さいメモリで実現することを狙う。Gemma 4ファミリ全体では1.5億ダウンロードを突破し、150M+ milestoneを記録している。 モデルの配布物は3種類： gemma-4-12B — ベース（pre-trained） gemma-4-12B-it — チャット調整（instruction-tuned） gemma-4-12B-it-assistant — MTP（Multi-Token Prediction）投機的デコーディング用のドラフトモデル 3番目のドラフトモデルが同梱される点が特徴で、Gemma 4ファミリの中でもMTPがout-of-the-boxで付属する初のモデルとなる。 2. Encoder-Free統一アーキテクチャの革新 従来のマルチモーダルモデルは、視覚情報と音声情報をそれぞれ別のエンコーダで処理してからLLMバックボーンに渡す構成が一般的であった。Gemma 4 12Bはこの設計を全面的に見直した。 Vision（画像・動画）の処理： 従来のvision encoderを、軽量な埋め込みモジュールに置換 中身は単一の行列乗算 + 位置埋め込み + 正規化のみの約3,500万パラメータのモジュール 以降の視覚処理は全てLLMバックボーンが直接担当 Audio（音声）の処理： Audio encoderを完全削除 生の音声波形を、テキストトークンと同じ次元空間に直接射影 この結果、エンコーダ分のメモリ・レイテンシが削減され、16GBユニファイドメモリという厳しい制約下でもテキスト・画像・動画・音声を同時に扱える。Google DeepMindのOlivier LacombeとGus Martinsは「Gemma 4 12B is designed to bring high-performance multimodal intelligence directly to your laptop, combining mobile-first efficiency with advanced reasoning」と説明している。 ...