今日のポイント
- OpenAI のフラッグシップが Goo… — Google としては当然、自社の Gemini と Google Cloud のサービスを使ってもらいたいところだ。
- DeepSeek の Flash はコー… — DeepSeek は v4.1 Flash 1017 を OpenRouter で公開した。
- 4 台の Mac Studio で 1… — Apple の機械学習研究チームが MLX ベースの分散推論デモを公開した。
- エコーするだけで推論しないモデル — Simon Willison が llm-echo 0.5 を公開した。
咸話咸説の毎日AIブレンド、Robin がお届けします。
OpenAI のフラッグシップが Google の棚に並ぶ
Google としては当然、自社の Gemini と Google Cloud のサービスを使ってもらいたいところだ。だが OpenAI と Google はある取り決めに達した。OpenAI のフロンティアモデルが Google Cloud の各種サービスに入る。長らく自社モデルだけを推してきた大手クラウド事業者が、競合のフラッグシップを棚に並べる——この重みはそこにある。選択権が事業者から顧客へ移るということだ。出典：arstechnica.com
棚が実際どんな形かというと、今後数週間のうちに OpenAI の最新モデルが Google の「Model Garden」に入る。このモデルガーデンは要するにクラウド上の統合モデルカタログで、顧客は各社を回らなくても、そこから選んでそのまま呼び出せる。すでに Google 自身の Gemini シリーズに加え、Mistral、Llama、Gemma といったオープンモデルが並び、Anthropic の Claude も以前から載っている。
そして日常に直接効いてくるのがコーディングツールの部分だ。GPT シリーズがまもなく Antigravity に現れる。Google のエージェント駆動型コーディングツールである。コードを書くとき、モデルのドロップダウンに GPT の行が増える。OpenAI はマイクロソフトが引き続き主要なクラウドパートナーであると強調しつつ、現行の GPT 6 / 6.1 の全ラインナップ——Astra、Sol、Luna——がすべて Google Cloud で利用可能になると確認した。Astra の実行コストが最も高いのは当然だが、Google のシステムは性能・遅延・効率に応じてワークロードを LLM 間で動的に移せる。同じ仕事をモデル間で行き来させ、その時点で最も費用対効果の高いものを選べるので、一社に縛られる必要はない。
DeepSeek の Flash はコーディング効率狙い
DeepSeek は v4.1 Flash 1017 を OpenRouter で公開した。速度最適化の軽量版という位置づけだ。登場と同時に派手な数字を携えている。コーディング系ベンチマーク 11 本のうち 10 本で Claude Sonnet 5.6 を上回った。コミュニティの評価も同じ点に集まる。コストパフォーマンス、生成速度（毎秒トークン数と最初のトークンまでの時間）、そして可視化された思考の連鎖である。出典：OpenRouter
オープンウェイトモデルなので、開発者は推論過程を直接読める。すでにエージェントスウォームの実験や CLI エージェント、iOS アプリの一発生成といった実務で日常の主力モデルとして使う人がおり、トークン効率が高く、数日単位で自律動作するエージェントのワークフローに向くと評価している。ベンダーはこれを deepseek-flash の最新モデルと位置づけ、V4-Flash と V4-Flash-Vision-Exp を置き換え、ネイティブなマルチモーダル機能を追加した。OpenRouter や OrcaRouter などのサードパーティ集約基盤にも同時に並び、トークン従量課金で、例示価格は入力 100 万トークンあたり 0.15 ドル、出力 0.60 ドルだ。
ただしベンチマークには異論もある。公式ページは 10/11 で Sonnet 5.6 を破ると主張するが、別のベンチマークでは依然 Sonnet や Gemini に及ばないと指摘するユーザーもおり、「体感が良い」のは主に速度と覗ける CoT のおかげだと見る。Opus のような最上位モデルとの知能差は、速度と価格で埋まっているという声もある。
4 台の Mac Studio で 1 兆パラメータを動かす
Apple の機械学習研究チームが MLX ベースの分散推論デモを公開した。4 台の Mac Studio によるクラスタで、Meta の約 1 兆パラメータの Muse Spark Open を毎秒 36 トークン超で生成する。出典：Apple Machine Learning Research
ここで最も面白いのは消費電力とメモリの 2 組の数字だ。M3 Ultra の Mac Studio はピークで約 200 ワット、M5 Ultra で約 300 ワット。家庭用のトースターより少ない。1 台あたり最大 512GB のユニファイドメモリを搭載できる。MLX は Apple Silicon 向けに最適化された機械学習フレームワークで、Thunderbolt のような高速接続を介して複数の Mac に分散推論・学習を行える。1 台のユニファイドメモリ上限をクラスタで突破し、1 兆パラメータ近いモデルも載る。1 台から始めて必要に応じて台数を増やせる構成だ。
動かされている側も小さくない。Muse Spark Open は Meta Superintelligence Labs が発表した最新のオープンウェイトモデルで、総パラメータ約 816B、トークンあたり約 42B を活性化、マルチモーダル入力をネイティブにサポートし、コンテキスト窓は 100 万トークン、長時間エージェントタスク向けに設計されている。コミュニティの実測では、256GB の M5 Ultra 1 台で DeepSeek 4.1 Flash 0910 が快適に動き、プリフィル毎秒約 3200 トークン、生成毎秒約 45 トークン。128GB の M5 Max でも GLM 5.3 Flash が動くという。
懐疑論も出ている。省電力性と分散推論の価値は認めつつ、4-bit と Qwen のネイティブ BF16 を比べるのは通常の比較ではないと指摘する声や、512GB の M5 Ultra は決して第一候補の構成ではないのだから、これは Apple と Meta のクロスブランド的な宣伝だと見る声もある。
エコーするだけで推論しないモデル
Simon Willison が llm-echo 0.5 を公開した。彼の LLM CLI 用デバッグプラグインの小さなバージョンアップだ。llm-echo は実際の LLM を呼ばない「エコーモデル」を提供し、受け取ったプロンプトをそのまま返す。開発者はコストゼロで呼び出し経路の全体を流し込める。出典：simonwillison.net
今回は模擬トークン計測が、ツール呼び出し・システムプロンプト・推論トークンを同時に覆うよう拡張された。実務的には API 費用をかけない道筋を示してくれる。たとえば uvx --with llm-echo llm -m echo 'hi there' -o thinking 1 --usage で、thinking を有効にすると「Token usage: 2 input, 24 output」のような結果が出る。この更新は彼が準備中の LLM 新メジャーバージョンに向けたツールチェーン調整であり、主にプラグインと CLI のメンテナ向けで、一般利用者に直接の影響はない。ただ、ツール呼び出し・システムプロンプト・推論トークンを同じ計測に並べて比べられることは、「請求額がなぜ増えたのか」を調べるときに最初に見たいものだ。
米国の医師の 3 分の 2 と、150 億ドルの評価額
米国では医師のほぼ 3 分の 2 がすでに AI 駆動の検索エンジンを使って患者の状態の判断を助けている。これが、それまで知名度の低かったスタートアップを 150 億ドルの評価額へ押し上げ、患者ケアの未来をめぐる業界の議論を呼び起こした。出典：arstechnica.com
会社は OpenEvidence。マイアミに本社を置き、連続起業家の Daniel Nadler が 2022 年に創業した。同社によれば、米国の 100 万人の医師の多くが先月、合計 4200 万件を超えるプロンプトを処理した。医師たちはこのチャットボットで医学誌や臨床ガイドラインを調べ、診断と治療に役立てている。口コミで成長し、同様の勢いを得るツールがほとんどない業界に浸透した。Nadler は英フィナンシャル・タイムズの取材に「医療分野で本当にバイラル化した最初のコンシューマー向けインターネットアプリだ」と語った。
2022 年に設立されたばかりの会社にとって、150 億ドルは、資本市場が医師の日常利用を長期収益の基盤と見なしているという意味だ。そして臨床判断の連鎖の上にあるからこそ、広告による収益化と患者ケアの線をどこに引くのかが、この議論の本当の焦点になる。医師にとって節約できるのは論文をめくる時間であり、業界にとって変わるのは「誰が答えを出すのか」だ。以前は学術誌とガイドラインだったが、いまはその間にモデルの層が挟まった。
Meta は誰が承認したかを明かさねばならない
AI 学習をめぐる著作権訴訟で、Meta は数週間にわたり、トレントファイルをダウンロードした責任を従業員に押しつけてきた。そして今、裁判所から命令を受けた。Anna’s Archive や LibGen のような影の図書館から書籍を海賊版として取得する決定を、どの幹部が承認したのかを明示せよ、というものだ。TorrentFreak の報道である。出典：arstechnica.com
この証拠開示命令は同時に 2 つの事件に関わる。Richard Kadrey や Sarah Silverman を含む書籍著者による集団訴訟と、出版社 Entrepreneur Media による訴訟だ。Thomas Hixon 治安判事はおおむね原告の主張に沿い、Meta は重要な意思決定者を明確に特定しなければならないと判断した。実際にトレントをダウンロードした Meta 従業員の証言を経て、この命令はより広い範囲——上司、マネージャー、幹部——を巻き込みうる。従業員たちは、海賊版にゴーサインを出したのはまさに彼らだという。
Meta は指揮系統を明らかにすることを避けたがっていた。とくに初期の AI 学習に関わった経営陣については。Meta の法廷文書によれば、大規模 AI データセットの初期構築は「非公式なやり方」で管理され、同社の主張では権限を持つ誰かが何かを決めた形跡はないという。Meta は「決定」なるものは、従業員が「技術的に」トレントをダウンロードしたという意味でしか存在しないと主張する。この言い回しの狙いは、責任を意思決定層から実行層へ移すことにある。そして裁判所が見たいのはまさにその連鎖だ。誰が頷いたのか、誰が承認したのか、誰が知りながら起きるに任せたのか。こうした事件では、ダウンロードしたかどうかは往往にして実行の細部であり、誰かが許可したかどうかが会社の責任を決める。
Apple がブランドを刷新し、手仕事の価値が戻る
Apple は Apple Music の新たなブランドアイデンティティを発表し、全体として Liquid Glass という視覚言語へ舵を切った。Apple がここ数年推し続けてきた方向なので、Apple Music がその線に沿うこと自体は意外ではない。出典：arstechnica.com
語る価値があるのはもう一方の側だ。AI 生成の話が溢れる時代に、人の手で少しずつ磨かれたブランドデザインは、かえって際立って重要に見える。arstechnica の記事の筆者も自分に手加減していない。いまだに MacOS Sequoia を使っていて、大きくなるばかりの角の丸みと読みにくさに不満を溜めていると認める。同時に、これは流行りにすぎず、このデザインが仕事の効率を、あるいはもっと重要なセキュリティ更新の適時性を損なうようになれば、おそらく折れてアップグレードするだろうとも分かっている。転機は、Apple が公開した舞台裏の映像をたまたま目にしたときだった。生成 AI が視覚制作を安くしたとき、手で磨くことの希少性はむしろ上がる。
安くなる側と、コントロールを取り戻す側
今日の話題は、実は同じことの両端を語っている。クラウド側の傾向は、より安いオーケストレーションだ。Google は OpenAI のフラッグシップを自らのモデルガーデンに入れ、性能・遅延・効率に応じてモデル間で負荷を移させる。DeepSeek は 100 万トークンあたり 0.15 ドルという価格とより速い速度で、コーディングモデルの費用対効果をもう一段下げる。ローカル側は逆で、省電力を対価にコントロールを取り戻す。Mac Studio 4 台とオープンウェイトで、1 兆パラメータ近いモデルを机の上で動かせる。代償は 4-bit 量子化での比較を受け入れることと、コストは電気代ではなく台数にあるという現実だ。そして llm-echo のようなエコー専用の小さな道具こそ、この低コスト化の流れで最も実用的な一環になる。API 費用を払わずとも、ツール呼び出し・システムプロンプト・推論トークンの帳尻は合う。
もう一段外側を見れば、AI はすでにサーバーの外にある場所を書き換え始めている。医師が論文を調べるあのチャット欄は 150 億ドルの評価額を背負い、議論は広告と患者ケアの境界に落ちる。Meta の著作権訴訟で裁判所が問うのは、誰が手を動かしたかではなく、誰が知りながら頷いたかだ。医師も裁判官も、トレントをダウンロードした従業員も、最後には「誰が答えを出し、誰が責任を負うのか」に答えることになる。だからこそ Apple が Apple Music に与えた手仕事の視覚言語は、単なる美意識の話ではない。生成が安くなったとき、人は「誰かが本当にこれをやった」ということに、少しだけ多く注意を払う。
🎧 この回はポッドキャストでも配信しています。毎日AIブレンド · 2026-10-22 を聴く。