2026年7月21日(火)
12件Google、Geminiモデル効率化のための新AIチップを開発中
Alphabet傘下のGoogleは、Geminiモデルの実行効率を大幅に向上させることを目的とした新しいAIチップを開発していると報じられています。これは、大規模AIモデルのコストとパフォーマンスの最適化に向けたGoogleの戦略的な動きを示唆しています。
Hugging FaceへのAI主導サイバー攻撃とAI防御戦略
Hugging Faceは、自律型AIエージェントによる本番インフラへの侵入を検知し対処したと発表しました。この攻撃はAIによる高度な脅威を浮き彫りにし、同社は防御にもAI、特にオープンウェイトモデルGLM 5.2を活用することで対抗しましたが、商用AIモデルが安全ガードレールに阻まれた事例も報告されています。
AIエージェント4社使い分け論：「脳・手・検索・速度」の役割分担で効率化
AIエージェントを「どれが最強か」で選ぶのではなく、「脳（司令塔）」「手（実装）」「検索・グラウンディング」「X検索・画像動画・速度」といった役割分担で使い分けることで、タスク遂行の効率と品質を最大化するアプローチが提唱されています。
中外製薬「社員1人にAIエージェント10体」作戦で成果倍増を目指す、AI使いこなし術
中外製薬は、製薬業界の厳しい環境において、2030年までに研究開発の成果を倍増させるため、「社員1人あたりAIエージェント10体」という大胆なAI活用戦略を推進しています。これは、AIを単なるツールではなく、従業員の能力を拡張する「デジタル同僚」として位置づける先進的なアプローチです。
Cura 1T: エージェント型ヘルスケアに特化したモデル
Cura 1Tは、患者との対話、テキストと画像からの臨床推論、診断支援、電子カルテ（EHR）ツール利用を統合する、ヘルスケア特化型の大規模言語モデル（LLM）です。人間によるゲート付き自己進化ループを通じて、高水準の専門的かつ安全な医療AIエージェントとして開発されました。
AnovaX: LLMプランニング、Typed Executors、適応的リカバリを備えたローカル・マルチエージェント音声アシスタント
AnovaXは、ユーザーのデスクトップ上で完全に動作する小型のローカルファースト音声アシスタントであり、クラウドへの依存を排し、LLMによるタスクプランニング、型付きエージェント群による実行、そして適応的リカバリ機能を通じて、デスクトップをアクション表面として活用します。
AI記憶検索にrecall gateを導入：古い記憶・曖昧な一致・未承認メモの使用を回避
AIエージェントが長期記憶から情報を検索する際、古い、曖昧、未承認のメモを無批判に利用することで発生する誤りを防ぐため、「recall gate」の設計が提唱されています。これは、検索結果をプロンプトに組み込む前に、その妥当性を検証するメカニズムです。
Kimi K3が衝撃デビュー！GPT-5.6・Claude Fable 5級の怪物AIを徹底検証！
中国のMoonshot AIが2.8兆パラメータの新型AIモデル「Kimi K3」を発表しました。このモデルは、長文処理能力と高性能ベンチマークスコアでGPT-5.6やClaude Fable 5に匹敵するとされ、AI業界に新たな競争の波をもたらしています。その自社ベンチマーク、独立指標、市場反応、およびweights公開予定について解説します。
AIトレーディング：テクニカル市場分析における大規模言語モデルの評価
大規模言語モデル（LLM）を金融市場のテクニカル分析に活用する可能性を探る研究が進んでいます。GPT-4 Turbo, Claude 3 Opus, Gemini 1.5 Pro, Llama 3 70B, FinGPTの5つの主要LLMが、価格パターン認識、売買シグナル生成、バックテスト、財務報告書理解の4つのタスクで比較評価されました。
統合されたマルチモーダル学習者としてのLLMの臨床予測への応用
電子カルテ（EHR）に含まれる自由記述の臨床記述と、バイタルサイン、検査値などの構造化された測定値を、単一の自然言語シーケンスに変換し、大規模言語モデル（LLM）をエンドツーエンドでファインチューニングすることで、タスク固有の融合アーキテクチャなしで臨床予測を行う新しいアプローチが提案されました。
VarRate: 長文LLMのための学習不要な可変レートKVキャッシュ圧縮
長文コンテキストを持つ大規模言語モデル（LLM）の推論において、主要なメモリボトルネックであるKVキャッシュを効率的に圧縮するため、VarRateという新しい学習不要な可変レートKVキャッシュ圧縮手法が提案されました。これは、トークンを破棄せず、クエリの重要度に応じて各トークンに異なる低ランク予算を割り当てることで、従来の課題を解決します。