株式会社ずんだもん技術室AI放送局

Captideは、LangGraph Platform上で動作するエージェントワークフローを用いて、金融調査のあり方を革新しています。彼らのプラットフォームは、規制当局への提出書類や投資家向け資料から洞察や指標を自動的に抽出することで、アナリストが効率的にカスタムデータセットを作成し、分析することを可能にします。

主なポイントは以下の通りです。

Captideは、LangGraphとLangSmithの能力を最大限に活用し、金融分析の未来を切り開いています。

引用元: https://blog.langchain.dev/how-captide-is-redefining-equity-research-with-agentic-workflows-built-on-langgraph-and-langsmith/

MoonshotAIが開発した「Kimi k1.5」は、強化学習（RL）を用いて訓練されたマルチモーダルLLMです。このモデルは、特に推論能力において、GPT-4oやClaude Sonnet 3.5を大幅に上回る性能を示しています。長文脈での推論能力も高く、複数ベンチマークでOpenAIのo1に匹敵する結果を達成しています。

Kimi k1.5の主な特徴は以下の通りです。

Kimi k1.5は、https://kimi.ai で近日中に利用可能になる予定です。API経由でのテスト利用も可能で、フォームから申し込みができます。

引用元: https://github.com/MoonshotAI/Kimi-k1.5

Fastly社が、初のAIソリューション「Fastly AI Accelerator」の提供を開始しました。これは、大規模言語モデル（LLM）を使ったAIアプリ開発で、応答速度の向上とコスト削減を支援するものです。具体的には、セマンティックキャッシュという技術を使い、同じような質問に対しては、毎回AIプロバイダーに問い合わせるのではなく、Fastlyのサーバーに保存された回答を返すことで、平均9倍の応答速度向上を実現しています。導入も簡単で、わずか1行のコード変更とAPIエンドポイントの更新だけで利用可能です。OpenAIのChatGPTとMicrosoftのAzure AI Foundryに対応しており、AIアプリ開発をより効率的に進めたいエンジニアにとって、非常に役立つツールとなるでしょう。

引用元: https://prtimes.jp/main/html/rd/p/000000057.000037639.html

この記事では、RAG（検索拡張生成）の精度向上に不可欠なリランク技術について、Amazon BedrockのRerank APIを活用する方法を解説しています。従来、リランク処理にはSageMakerなどでモデルをホストする必要がありましたが、BedrockではAPIを呼び出すだけでリランクが可能になり、運用コストを削減できます。

記事では、BedrockのInvokeModel API、Knowledge BaseのRerank API、Retrieve APIの3つの方法でリランクを試しています。特にRetrieve APIでは、ベクトル検索の結果をリランクすることで、ユーザーの検索意図に合致するドキュメントを上位に表示できるようになり、RAGの精度向上が期待できます。

また、Amazon RerankモデルとCohere Rerankモデルの比較も行い、Cohereモデルの方が処理速度が速いことを示しています。料金はAmazon Rerankモデルが1000クエリあたり$1、Cohere Rerankモデルが1000クエリあたり$2です。

Bedrockのリランク機能を活用することで、より精度の高いRAGシステムを開発できる可能性が示唆されています。

引用元: https://acro-engineer.hatenablog.com/entry/2025/01/21/120000

（株式会社ずんだもんは架空の登場組織です）

オランダのスタートアップMinimalは、LangChainのエコシステムを活用し、eコマースの顧客サポートを自動化するシステムを開発しました。このシステムは、顧客からの問い合わせを効率的に処理し、顧客満足度を向上させることを目指しています。

システムの概要

多層エージェントアーキテクチャ

このアーキテクチャにより、複雑なタスクを効率的に処理し、エラーを減らすことができます。

LangSmithによるテストとベンチマーク

LangChainとLangGraphの選択理由

結果と今後の計画

引用元: https://blog.langchain.dev/how-minimal-built-a-multi-agent-customer-support-system-with-langgraph-langsmith/

DeepSeek-R1は、DeepSeek社が開発した大規模言語モデル（LLM）で、特に推論能力に焦点を当てています。このモデルは、教師あり微調整（SFT）なしで強化学習（RL）のみで訓練されたDeepSeek-R1-Zeroをベースに、コールドスタートデータを取り入れて改良されたDeepSeek-R1と、その推論能力を蒸留した軽量版モデル群で構成されています。

引用元: https://github.com/deepseek-ai/DeepSeek-R1

2025年1月18、19日に実施された大学入学共通テストを、最新のAIモデル「o1」を用いて解かせたところ、得点率が約91％に達したという結果が報告されました。これは、東大文科一類の合格可能性50%ライン（86%）を上回る数値です。特に国語94%、英語リーディング98%と高い得点率を示しました。一方で、日本史は世界史に比べ学習データが少ない影響で79%とやや低い結果となりました。この結果は、AIが高度な学力を有していることを示すとともに、今後の教育や試験のあり方に一石を投じる可能性を示唆しています。

引用元: https://nordot.app/1253987498611343534

アニメ「ずんだホライずん2」制作のため、クラウドファンディングが開始されます。目標金額は2400万円で、アニメの尺は5分から10分程度を予定しています。前作のスタッフが再集結し、AI歌唱技術を活かしたミュージカルアニメを目指します。人型のずんだもんが登場し、他のキャラクターとのコラボや壮大なストーリー展開も計画されています。

リターンには、ストリーミング配信、動画データ、限定Blu-ray、CD、原画、アニメスタジオ見学など様々なコースが用意されています。特に、アニメ制作に使用するブルーバック動画素材を提供するユニークなプランも用意されており、個人クリエイターが非商用で利用できます。その他、旧作のBlu-rayやデータ集、ファンブックなどの特典もあります。

引用元: https://togetter.com/li/2495454

（株式会社ずんだもんは架空の登場組織です）

OpenAIがChatGPTの新機能「Scheduled tasks」をベータ版としてリリースしました。この機能は、ユーザーが設定した時間や頻度でChatGPTが自動的にタスクを実行し、結果を通知するものです。

引用元: https://chatgpt-lab.com/n/naa1eb9becb85

このGitHubリポジトリは、LLM（大規模言語モデル）を使ってffmpegコマンドを生成するツール「llmpeg」を提供しています。概要としては、ユーザーが自然言語でやりたいことを記述すると、LLMがそれを解釈し、対応するffmpegコマンドを生成するというものです。これにより、ffmpegの複雑なコマンド構文を覚える必要がなくなり、より直感的に動画や音声の処理を行えるようになります。必要な環境としては、ffmpegとOpenAIのAPIキーが挙げられています。

引用元: https://github.com/jjcm/llmpeg

OpenAIがロボット開発に再注力し、倉庫作業や家事支援を行う人型ロボットの開発を進めています。彼らは、動的な実世界環境で汎用ロボットとAGIレベルの知能を目指しています。また、CES 2025で発表された最新のノートPCとして、Lenovoの巻取り式ディスプレイ搭載モデルや、軽量Copilot+ PCのAsus Zenbook A14などが紹介されました。

引用元: https://medium.com/%40genemarks/business-tech-news-openai-is-now-building-robots-d56ebaf64c3c

アニメ『ずんだホライずん2』に、人気キャラクター「邪神ちゃん」がスペシャルゲストとして出演決定！製作発表会で、東北ずん子、ずんだもんとの水着姿のビジュアルが公開されました。邪神ちゃんは『邪神ちゃんドロップキック』に登場する悪魔で、音声合成ソフトのキャラクターとしても活躍しています。発表会では、舞台が海か川かは明言されなかったものの、「お祭り」や「音頭」といった夏らしいキーワードが登場。また、ずんだもんが人型で登場することや、四国めたんの出演シーンが多いこと、関西しのびの登場も明らかになりました。さらに、2月23日にはドラマCDの発売も決定。現在クラウドファンディング中の本作は、目標金額を大きく上回る支援を集めています。

引用元: https://news.denfaminicogamer.jp/news/250120d

VOICEVOX:春日部つむぎ

AIエージェント分野が活発化しており、主要IT企業が続々と参入しています。その中で、メタは「Llama Stack」というフレームワークをリリースしました。これは、AIモデルのカスタマイズとデプロイを容易にするツールセットで、特に「エージェンティック・アプリケーション」の開発に重点を置いています。Llama Stackは、タスク分解、多段階推論、組み込みツール利用などを可能にし、開発者がLlamaモデルを使ったアプリ開発に必要なAPI群を提供します。これにより、開発者は個別のAIツールを選択・統合する手間を省き、Llama Stack内で完結できます。メタは、このフレームワークを通じてAIエージェント分野での存在感を示そうとしています。

引用元: https://www.sbbit.jp/article/cont1/155161

大規模言語モデル(LLM)を悪用した新たなサプライチェーン攻撃の脅威が現実味を帯びてきています。攻撃者は、LLMを自ら訓練するのではなく、認証情報を盗んで既存のLLMを不正に利用する方が簡単で安価であることに気づきました。特に、ソーシャルエンジニアリング攻撃をLLMが支援することで、スピアフィッシングによるサプライチェーン攻撃が成功しやすくなると予測されています。実際に、盗まれたクラウド認証情報を使ってLLMにアクセスし、トレーニングデータを抽出したり、アクセス権を販売したりする事例が確認されています。これにより、被害者は高額なLLM利用料を請求されるだけでなく、攻撃を止めるための費用も負担することになります。また、企業向けLLMが悪用されるリスクも指摘されており、セキュリティ対策の重要性が高まっています。

引用元: https://scan.netsecurity.ne.jp/article/2025/01/15/52161.html

Google WorkspaceのAI機能に関する大きな変更として、これまで有料アドオンだった「Gemini for Google Workspace」が廃止され、その機能が通常のプラン（StandardとEnterprise）に組み込まれることになりました。これにより、各プランで利用できるAI機能が拡充される一方、基本プランの料金が若干値上げされます。

主な変更点は以下の通りです。

この変更は、他のSaaSにも影響を与える可能性があり、特に競合するMicrosoft 365 Copilotなどは値下げを検討せざるを得なくなるかもしれません。また、企業はAIサービスの利用をGeminiに集約することで、コスト削減やセキュリティ向上につながる可能性があります。今後は、AIがSaaSに組み込まれ、業務で日常的に使われるようになるでしょう。

引用元: https://zenn.dev/howdy39/articles/39df4de76822c8

この記事では、多くのITエンジニアが30代頃から、仕事中心の生活から徐々にランニングや自転車などのアウトドア活動に興味を持ち、最終的には山に行くようになるという現象について議論されています。これは、座りっぱなしのデスクワークでデジタル世界に浸る生活から、運動不足や健康診断での指摘をきっかけに、体を動かすことや自然に触れることを求めるようになるためと考えられます。また、仕事に余裕が出てきたことで、一人でできる趣味に没頭しやすくなるという意見もあります。特に、自然の音を聴きたいという欲求は、山へ向かう大きな動機となっているようです。エンジニアの間では、この流れは「あるある」として共感されており、仕事での疲れを癒し、リフレッシュするために、アウトドア活動が有効であるという認識が広がっているようです。

引用元: https://togetter.com/li/2496995

（株式会社ずんだもんは架空の登場組織です）

M5Stack社が開発した「M5Stack LLM モジュール」は、オフライン環境でLLM（大規模言語モデル）を活用できる画期的な製品です。このモジュールは、M5Stackホストと接続することで、クラウドに依存せず、プライバシーを保護しながらAI機能を利用できます。

主な特徴として、3.2TOPSのNPUを搭載したAxera AX630Cチップを採用し、Transformerモデルを効率的に処理します。4GBのLPDDR4メモリと32GBのeMMCストレージを内蔵し、複数のAIモデルを並列で実行可能です。また、マイク、スピーカー、TFカードスロット、USB OTG、RGBステータスライトも備えており、様々な用途に対応できます。

初期ロットにはデバッグツールキットが付属しており、シングルボードコンピュータとしても使用可能です。Qwen2.5-0.5B言語モデルがプリインストールされており、ウェイクワード検出、音声認識、LLM、テキスト音声合成の機能が利用できます。将来的には、より大規模なモデルや画像認識機能にも対応予定です。

このモジュールは、Arduino/UIFlowライブラリやStackFlowフレームワークで簡単に開発でき、オフライン音声アシスタントやスマートホーム制御、ロボット制御など、様々なプロジェクトに活用できます。

引用元: https://prtimes.jp/main/html/rd/p/000000187.000064534.html

PostgreSQLが近年、MySQLを抜きデータベースの人気No.1になった背景と、AI時代におけるPostgreSQLの進化について解説します。PostgreSQLは、柔軟性、拡張性、ACID原則への準拠により、企業での利用が増加。AWS、Google、Microsoftなどの大手クラウドベンダーも採用しています。PostgreSQL 17では、AI開発を加速させるための機能が強化されており、特にベクトル検索が重要になっています。pgvector拡張機能により、ベクトルデータの保存と類似性検索がデータベース内で直接実行可能になり、AIアプリケーション開発が効率化されます。クラウドベンダーもPostgreSQLの拡張を進めており、GoogleのAlloyDBでは、大規模データセットでの高速な類似ベクトル検索を可能にするScaNNアルゴリズムを実装しています。PostgreSQLは、従来のデータベースとしての信頼性を保ちつつ、AI時代のニーズにも対応できるよう進化を続けています。

引用元: https://www.sbbit.jp/article/cont1/155196

この記事では、AI分野の最新情報を効率的に収集するための具体的な方法が紹介されています。対象読者は、AIに関わるビジネス、開発、研究に携わるエンジニアです。

まず、情報源として、ビジネス、開発・技術、研究論文の3つのカテゴリに分けて、役立つウェブサイトが紹介されています。ビジネス分野では、日経ビジネス電子版やBusiness Insiderなどが挙げられ、開発・技術分野では、はてなブックマークやZennが推奨されています。研究論文については、Deep Learning MonitorやTrending Papersなどが紹介されています。

次に、ニュースレターによる情報収集も重要であると述べられています。毎日配信されるものとしては、Medium daily digestやTLDRなどが、週単位で配信されるものとしては、AI Agents WeeklyやDeep Learning Weeklyなどが紹介されています。

効率的な情報収集のためには、サイトはRSSリーダーを活用し、ニュースレターはGmailのフィルタ機能で整理することが推奨されています。特に、RSSリーダーは、複数のサイトの情報を一箇所でまとめてチェックできるため、情報収集の効率を大幅に向上させることができます。

さらに、筆者が開発したAIエージェント「HARO」を使った情報収集方法が紹介されています。HAROは、最新の株価情報や天気予報を取得するだけでなく、記事のタイトルと概要を一覧で表示したり、論文の要約を日本語で表示したりすることができます。これにより、情報収集の時間を大幅に短縮できます。

この記事は、AI分野の情報を効率よく収集したいエンジニアにとって、非常に役立つ内容となっています。特に、新人エンジニアにとっては、情報収集の具体的な方法を学ぶ上で、参考になるでしょう。

引用元: https://zenn.dev/mkj/articles/1357a7ea2970c4

ニコニコ動画で動画がバズると、クリエイター奨励プログラムを通じて収益が得られるという話題がSNSで盛り上がっています。あるユーザーが公開した収益額が注目を集め、「夢がある」「意外と稼げる」といった肯定的な意見が多く見られます。ニコニコの収益化は、YouTubeのように登録者数などの条件がなく、誰でも比較的簡単に始められる点が魅力です。ただし、YouTubeに比べると収益額は少ない傾向にあるようです。また、過去に投稿した動画は収益化の対象外になる場合があるようです。この話題をきっかけに、再びニコニコ動画に動画を投稿する人が増えることを期待する声も上がっています。

引用元: https://togetter.com/li/2496467

（株式会社ずんだもんは架空の登場組織です）

この記事では、2025年1月中旬時点での主要な対話型AIモデル（Gemini、Claude、OpenAI）の使い分けについて、筆者の経験に基づいた知見がまとめられています。

各モデルの評価としては、OpenAIのgpt-4oは指示追従能力が低く、Gemini 1.5 proはハルシネーションが多いとされています。一方で、Gemini 2.0 Experimental Advancedは賢く、速度も速いと評価されています。Claude 3.5 Sonnetは日本語操作能力が高く、コーディングや図の作成に役立つとされています。Perplexity Proは検索エンジンとして優れているとのことです。

結論として、知的活動には「大賢者」レベルのAI（o1やGemini 2.0 Experimental Advanced）が重要であり、日本語の精密な操作やコーディングにはClaude Professionalが推奨されています。検索にはPerplexity Proが最適とされています。

引用元: https://note.com/erukiti/n/n73ba47fe4518

noteはGoogleと資本業務提携を締結し、AI技術を活用したサービス開発を加速させ、クリエイターの創作活動をより強力に支援します。noteはこれまでもAIを創作支援ツールとして研究開発を進めており、コンテンツの分類やレコメンドにもAIを活用してきました。2023年11月にはAI専門の子会社も設立しています。今回の提携により、クリエイターへの支援をさらに強化していく方針です。

引用元: https://note.jp/n/nb8722ab54ada

この記事では、GitHub Actionsのactions/github-scriptを利用して、CI/CDパイプラインを強化する方法を紹介しています。従来、複雑な処理はシェルスクリプトで記述されていましたが、GitHub Scriptを使うことでJavaScriptで記述でき、より効率的で信頼性の高い自動化が可能になります。

GitHub Scriptのメリット:

GitHub Scriptの基本:

eSquare Liveでの活用事例:

eSquare Liveの開発では、以下の2つの課題がありました。

これらの課題を解決するために、GitHub Scriptで以下の機能を追加しました。

最終的なスクリプト:

これらのスクリプトにより、エラー削減、リリースプロセスの安定化、テスト容易性の向上が実現しました。

引用元: https://techblog.enechain.com/entry/github-script-deployment

カリフォルニア州では、AIを活用した火災検知システムが導入されました。これは、1100台以上のカメラで撮影された映像をAIが解析し、火災の兆候を早期に発見するものです。過去1年間で1200件以上の火災を検知し、30%は従来の通報より早く発見できた実績があります。しかし、最近のロサンゼルス近郊での大規模な山火事では、このシステムが十分な効果を発揮できませんでした。時速160キロを超える強風により火災が急速に拡大し、AIが検知しても消火活動が間に合わない状況だったようです。専門家によると、火災の早期発見は重要ですが、異常な強風と乾燥した気候下では、AIシステムも限界があるとのことです。

引用元: https://forbesjapan.com/articles/detail/76424

（株式会社ずんだもんは架空の登場組織です）

メルセデス・ベンツはGoogleと提携し、自動車向けAIエージェントを活用した新しいMBUX仮想アシスタントを開発しました。このAIエージェントはGoogleのVertex AIとGeminiを基盤とし、Googleマップの情報を参照して、ドライバーの質問にパーソナライズされた会話で応答します。例えば、「近くの高級レストランは？」といった質問に、評価やおすすめ料理などの詳細情報と合わせて回答できます。この機能は、今年後半に新型CLAシリーズで導入され、その後他のモデルにも展開予定です。AIは会話内容を記憶し、運転中でもテーマを変えながら情報を引き出せるようになります。これにより、車載ナビゲーションが大きく進化し、より自然な対話で情報収集が可能になります。

引用元: https://www.nextmobility.jp/company/mercedes-benz-teams-up-with-google-for-ai-conversational-search-for-navigation20250113/

大規模言語モデル（LLM）の出力におけるエントロピーについて考察した記事です。LLMは、与えられたトークン列から次のトークンを確率的に生成する仕組みで、その出力は決定的なものではなく、確率分布に基づいています。エントロピーは、この確率分布の不確実性を測る指標として利用できます。エントロピーが高い場合は、モデルが次のトークンを予測する自信が低いことを示し、低い場合は自信が高いことを示します。

記事では、ChatGPTのAPIを使って、出力トークンの確率分布を取得し、エントロピーを計算しています。例えば、「The protagonist went around the corner and …」というテキストに対して、次のトークンの確率分布を調べると、特定のトークンが他のトークンよりも高い確率を持つことがわかります。また、「write a haiku about ai …」という質問に対する応答では、文末や単語の途切れ目などでエントロピーが低くなる傾向が見られました。

さらに、長い文章を生成させた場合のエントロピーを分析すると、文末でエントロピーが低下する傾向が確認できました。また、固有名詞を含む事実に基づく記述ではエントロピーが低く、複数の選択肢が考えられる記述的な文章ではエントロピーが高くなる傾向が見られました。

最後に、タミル語でのテキスト補完を試した結果、トークンが文字単位で区切られることがわかりました。これは、LLMの細かいパフォーマンス評価に役立つ可能性があると述べています。

この実験から、LLMの出力におけるエントロピーを分析することで、モデルの自信度や出力の特性を理解する手がかりが得られることが示唆されました。

引用元: https://nikkin.dev/blog/llm-entropy.html

Google Cloudが提供するVertical AI agentsは、特定の用途に特化したAIエージェント群です。

自動車向けAIエージェントは、車載インフォテインメントシステムを高度化し、ナビゲーション、検索、メディア操作などを自然な会話形式で実現します。

フード注文向けAIエージェントは、ファストフード店での注文体験を向上させます。

これらのAIエージェントは、既存のシステムとの統合が容易で、カスタマイズ性も高いため、様々な業界での活用が期待されます。

引用元: https://cloud.google.com/solutions/vertical-ai-agents

あるブロガーが、自身のブログのアクセス数減少の原因を調査したところ、Google自体のトラフィックが1年前に比べて1/4に激減していることが判明しました。この現象に対し、他のユーザーからは「Googleはオワコンなのか？」「AIに検索を代替されているのではないか？」といった意見が出ています。また、Google検索で大手企業サイトが優遇表示されるため、ユーザーが有益な情報にたどり着きにくくなっているという指摘もあります。Bingも同様にトラフィックが減少しており、検索エンジンの利用自体が減少傾向にあるようです。ユーザーはSNSやAIサービスに情報を求めるようになっている可能性があり、Googleの今後の動向が注目されます。

引用元: https://togetter.com/li/2494342

（株式会社ずんだもんは架空の登場組織です）

この記事では、ローカルで動作するAIエージェント（CursorとRoo-Cline）を、実務規模のコードベースで試した結果を報告しています。

Cursorでは、テストコードの自動生成や、フロントエンドとバックエンドにまたがる機能の追加を、複数回の指示と修正で実現できました。

結論として、AIエージェントは実務レベルで活用可能であり、特にローカルで動作するものは高速かつ低コストです。ただし、コンテキストの理解や、プロジェクトの知識、落とし穴への対応など、エンジニアの関与は不可欠です。

引用元: https://zenn.dev/ubie_dev/articles/624c9034cc9b43

Perplexity Proは、無料版と比較して大幅に機能が向上した有料版AIチャットボットです。月額20ドルで、以下の点が強化されます。

引用元: https://www.makeuseof.com/why-perplexity-pro-subscription-worth-the-money/

PyTorchでのGPUメモリ使用量を可視化し理解するためのチュートリアルです。GPUメモリ不足のエラーに遭遇した際に、その原因を特定し対処するための知識を提供します。

PyTorch Visualizer

PyTorchのtorch.cuda.memoryモジュールを利用して、GPUメモリ使用履歴を記録し、profile.pklファイルとして保存できます。このファイルをhttps://pytorch.org/memory_vizで可視化することで、メモリ使用状況をグラフで確認できます。

メモリ使用の内訳

メモリ使用量の見積もり

GPUメモリ使用量の見積もりは、以下の要素を考慮する必要があります。

総メモリ使用量は、モデルパラメータ、オプティマイザの状態、勾配とオプティマイザ中間値の合計、またはアクティベーションのいずれか大きい方を足した値で近似できます。

アクティベーションの推定

アクティベーションの正確な見積もりは難しいですが、モデルのパラメータ数とアクティベーション数にはおおよその線形関係があります。この関係を利用して、モデルを実行せずにアクティベーションメモリを推定できます。

次のステップ

メモリ使用量を理解することで、メモリ不足を解消するための対策を立てることができます。TRLドキュメントのReducing Memory Usageセクションは、メモリ使用量を最適化するためのヒントを提供します。

引用元: https://huggingface.co/blog/train_memory

KaggleでチェスAIのコンペが開催されています。優勝賞金は$15,000と高額ですが、実行環境にはRAM5MiB、ファイルサイズは64KiBという厳しい制限があります。この制約下で動くAIを開発するのは非常に困難です。将棋AI開発者のドリームチームも参戦しており、記事投稿時点では暫定1位でしたが、上位陣は僅差です。コンペの最終投稿は2月11日、結果発表は2月25日の予定です。興味のある方はぜひ参加してみてください。

引用元: https://yaneuraou.yaneu.com/2025/01/03/a-high-prize-chess-ai-competition-is-starting-on-kaggle/

（株式会社ずんだもんは架空の登場組織です）

分散型クラウドインフラを提供するAethirが、1億ドルの環境基金の第4ラウンドで支援するAIエージェントと分散型AI(DeFAI)分野のプロジェクトを発表しました。Hey Anon、dFusion AI Protocol、assistor、Sentio、Bloomsperg Terminalなどが選ばれ、AethirのGPUコンピューティング能力と資金的サポートを受け、オンチェーンAIの発展を促進します。

引用元: https://www.panewslab.com/jp/sqarticledetails/bdq5i6u7.html

この記事では、ブラウザ上でLLM（大規模言語モデル）を実行する新しい技術であるJavaScriptフレームワーク「WebLLM」を紹介しています。WebLLMは、エッジAIをウェブの世界に拡張する可能性を秘めており、これまでクラウド上でしか利用できなかったLLMを、ブラウザ上で直接実行できるようになります。これにより、ユーザーはより高速かつプライバシーを保護したAI体験を得られる可能性があります。記事では、WebLLMの具体的な仕組みや使い方については触れていませんが、この技術がウェブ開発やAI分野に新たな可能性をもたらすであろうことを示唆しています。

引用元: https://ledge.ai/articles/web_llm_browser_ai_framework

NVIDIAが、個人向けのAIスーパーコンピューター「Project Digits」を発表しました。この製品は、GB10 Grace Blackwell Superchipを搭載し、デスクトップサイズで高度なAIモデルを動かすことができます。価格は3,000ドルからで、最大2000億パラメータのAIモデルに対応します。2台接続すれば4050億パラメータまで処理可能です。128GBのメモリと最大4TBのストレージを搭載し、1秒間に1000兆回のAI計算が可能です。NVIDIAのAIソフトウェアライブラリも利用でき、PyTorchなどのフレームワークもサポートしています。開発したAIモデルはクラウドやデータセンターにも展開可能です。NVIDIAは、より手軽なAI開発向けにJetson Orin Nano Superも発表しています。

引用元: https://www.theverge.com/2025/1/6/24337530/nvidia-ces-digits-super-computer-ai

パナソニックが生成AI「Claude」を開発するAnthropicと提携し、自社製品へのAI搭載を進めることを発表しました。パナソニックは2035年までにAI関連事業を売上の30%に拡大することを目指しており、今回の提携はその戦略の一環です。

引用元: https://japan.cnet.com/article/35228003/

（株式会社ずんだもんは架空の登場組織です）

Google Agentspaceは、Geminiの高度な推論能力、Googleの高品質な検索技術、企業のデータを組み合わせて、従業員が専門知識をAIエージェントを通じて活用できるようにするサービスです。主な機能は以下の通りです。

このサービスは、従業員の専門知識の活用、生産性の向上、ビジネス機能の自動化を支援します。

引用元: https://cloud.google.com/products/agentspace

AIコーディングツールは、コード補完、チャットアシスタント、コーディングエージェントの3つに分類されます。近年、特にコーディングエージェントの開発が活発です。この記事では、オープンソースのコーディングエージェント「Cline」を中心に、AIコーディングツールの現状を解説します。

ClineはVS Codeの拡張機能で、コード補完やチャット機能は持たず、コーディングエージェントに特化しています。そのため、CopilotやCodyと組み合わせて使われることが多いです。Clineは、全ての仕組みがオープンソースであるため学習に最適であり、活発なコミュニティによって急速に発展しています。

Clineのアーキテクチャは、プレーンテキスト経由のプロンプトエンジニアリングに基づき、XML記法で関数呼び出しや手続きを表現します。これにより、LLMがコード編集、ファイル操作、コマンド実行などのタスクを自動化します。

ClineはデフォルトでClaudeモデルを使用しますが、DeepSeekなどの他のモデルも利用可能です。DeepSeekは比較的安価で高性能なため、Clineユーザーに人気があります。また、ローカルLLMも利用可能ですが、ある程度のスペックのマシンが必要です。

Clineのコミュニティでは、Roo-Cline、Bao Cline、Cool Clineなどのフォーク版が開発されており、独自の機能が追加されています。これらのフォーク版は、カスタマイズ性、コスト効率、シンプルなコードベース、Cline自体でClineを変更できる点、メンテナーがほぼ一人であるなどの理由で多く存在します。

エンタープライズ向けには、ClineはAPIを直接利用するため、各サービスのポリシーに従う必要があります。CursorやContinueは自社サーバーでモデルをホストしており、セキュリティに注意が必要です。DeepSeekについては、データ取り扱いに関する懸念があります。

AIコーディングツールは、プログラミングの自動化を高度に進める一方で、学習や教育には不向きという意見もあります。しかし、プログラミングを始める人を増やし、コスト削減にもつながる可能性を秘めています。

引用元: https://laiso.hatenablog.com/entry/2025/01/07/045009

NVIDIAは、RTX AI PC向けに、ローカルで動作するAI基盤モデルを発表しました。これらはNVIDIA NIMマイクロサービスとして提供され、GeForce RTX 50シリーズGPUで高速化されます。これにより、AIエージェントやクリエイティブなワークフローの開発が容易になります。NIMマイクロサービスは、LLM、画像生成、音声処理など多岐にわたるAIモデルをサポートし、FP4計算により推論性能が向上します。また、NVIDIA AI Blueprintsは、デジタルヒューマンやコンテンツ作成などの事前設定されたワークフローを提供します。

さらに、NVIDIAはLlama Nemotronファミリーのオープンモデルも発表し、特にエージェントタスクに優れたLlama Nemotron NanoがNIMマイクロサービスとして提供されます。これらのAIモデルは、Windows 11のWSL上で簡単にダウンロードして実行でき、主要なAI開発フレームワークとの互換性もあります。

デモンストレーションとして、AIエージェントの構築例であるProject R2Xが紹介され、NVIDIA RTX Neural FacesとAudio2Face™-3Dモデルを活用して、より自然なアバターが実現されます。AI Blueprintsでは、PDFからポッドキャストを作成したり、3Dシーンをガイドとした画像生成など、様々なAI活用例が提供されます。

これらのNIMマイクロサービスとAI Blueprintsは、2月からGeForce RTX 50シリーズ、4090、4080、およびNVIDIA RTX 6000/5000プロフェッショナルGPUで利用可能になります。Acer、ASUS、Dellなどの主要PCメーカーからNIM対応のRTX AI PCが発売されます。

引用元: https://nvidianews.nvidia.com/news/nvidia-launches-ai-foundation-models-for-rtx-ai-pcs/

OpenAIが、AIの機械学習エンジニアリング能力を測る「MLE-bench」という新しい評価基準を発表しました。これは、Kaggleというデータ分析コンペの過去の課題75件を使って、AIがどれだけ高度な問題解決ができるかを評価するものです。この評価では、AIが単に計算するだけでなく、計画を立てたり、問題を解決したりする能力もチェックされます。

特に注目されたのは、OpenAIの「o1-preview」モデルが、他のモデルより優れた成績を収めたことです。このモデルは、与えられた課題に対して、まるで人間のエンジニアのように、モデル設計から実験までの一連の作業をこなしました。しかし、AIにもまだ課題があり、例えば、解答の形式を間違えたり、時間や計算資源をうまく使えなかったりする点が明らかになりました。

この研究で使われた評価基準は公開されており、今後、AIのエンジニアリング能力をさらに向上させるための開発が活発になると考えられます。AIが高度な専門分野でも活躍できる可能性を示す一方で、まだ改善の余地があることも明確になったと言えるでしょう。

引用元: https://ampmedia.jp/2024/12/28/mle/

（株式会社ずんだもんは架空の登場組織です）