10月20日（火）の話

毎朝 5:30 に各社の公式発表から集めた候補のうち、この回のテーマに合う 40 件を AI に見せました。AI は検索を使わず、候補にある事実だけで下書きを書き、出典と結びつく話だけを載せています。くわしくはこのサイトのしくみへ。

AI に見せた候補（40 件）

1. ComfyUI v0.42.0 Comfy Org ・ 10/19
2. vLLM v0.32.0 vLLM project ・ 10/18
3. deepseek-ai/DeepSeek-V4.1-Flash-1017 DeepSeek ・ 10/17
4. DeepSeek-V4.1-Flash-1017: Wish-Driven Programming Made Real DeepSeek ・ 10/17
5. nvidia/NVIDIA-Nemotron-Labs-Dory1.0-4B-GGUF NVIDIA ・ 10/17
6. llama.cpp b11709 ggml-org ・ 10/17
7. ExLlamaV3 1.6.3 turboderp-org ・ 10/17
8. llama.cpp b11701 ggml-org ・ 10/17
9. Hyper Optimizing Kimi K3 in vLLM: Moving Fast and Responsibly vLLM project ・ 10/16
10. nvidia/Muse-Spark-Open-816B-A42B-DFlash2 NVIDIA ・ 10/16
11. Hugging Face transformers Release v5.20.1 Hugging Face ・ 10/16この回で使った
12. ggml-org/Voxtral-Mini-4B-Realtime-2602-GGUF ggml-org ・ 10/16
13. Reflection's Beam is freely available on Ollama for a limited time Ollama ・ 10/16この回で使った
14. Welcome Beam: a 501B open model you can own, customize, and scale Hugging Face ・ 10/16この回で使った
15. FP16 GEMM Optimization on AMD RDNA™ 3 and RDNA™ 4 Architectures AMD ・ 10/16
16. Serving Reflection Beam on vLLM from Day 0 vLLM project ・ 10/16この回で使った
17. mlx-lm v0.32.2 Apple (ml-explore) ・ 10/16
18. Scaling Kimi K3 on AMD Instinct MI355X: Matching NVIDIA HGX B300 Throughput per GPU on AgentX vLLM project ・ 10/16
19. ComfyUI v0.41.0 Comfy Org ・ 10/16
20. Ollama v0.40.5 Ollama ・ 10/16
21. Hugging Face transformers Release v5.20.0 Hugging Face ・ 10/16この回で使った
22. ggml-org/LFM2.5-24B-A2B-GGUF ggml-org ・ 10/15
23. ggml-org/Muse-Spark-Open-816B-A42B-GGUF ggml-org ・ 10/15
24. Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta Hugging Face ・ 10/15
25. Day 0 support for Muse Spark Open on vLLM vLLM project ・ 10/15この回で使った
26. Welcome FLUX.3 Image Klein in Diffusers Hugging Face ・ 10/15
27. Announcing Day 0 Support for NVIDIA Nemotron 3.5 Super VL on vLLM vLLM project ・ 10/15
28. nvidia/Nemotron-3.5-Rerank-8B-BF16 NVIDIA ・ 10/15
29. ExLlamaV3 1.6.2 turboderp-org ・ 10/15
30. Long Context, One Node: Serving GLM-5.3-FP8 on MI300X with DP8+EP8 AMD ・ 10/14
31. mistralai/Timestral-209M Mistral AI ・ 10/14
32. nvidia/Kimodo-SOMA-RP-ArdyRep-v1.2 NVIDIA ・ 10/14
33. Finish RL Training Faster: Bitwise-Consistent, High-Performance, Agent-Driven vLLM project ・ 10/14
34. Push-Based KV Transfer to Improve TTFT and TPOT for Disaggregated Inference in vLLM vLLM project ・ 10/14
35. Adaptive Verification Without a Confidence Head vLLM project ・ 10/14
36. Ollama v0.40.4 Ollama ・ 10/14この回で使った
37. ComfyUI v0.40.0 Comfy Org ・ 10/14
38. Gemini 4 Argon is now available for developers. Google ・ 10/14
39. Run AI agents safely with Ollama and Fly.io Ollama ・ 10/13
40. MiniCPM*-V 4.7 Lands on Intel® Hardware with Day 0 OpenVINO™ Support Intel ・ 10/13

題とリンクは各発表元の発表のままです（一覧は trends.snamo.jp が作成）。

下書き（AI が最初に書いた文）

1. 自分で直せる超大型の知能「Beam」が登場（新しい話）
発表日: 2026-10-16
- なにが起きた
  すず「『ビーム』っていう、すごく大きな新しい AI が公開されたんだって！」
  しおり「そうだよ。プログラムを作ったり、自分で考えて動くエージェントの作業が得意なモデルなんだ」
- たとえると
  すず「それってどんな感じ？」
  しおり「大きな道具箱ごと全部もらえて、中身を自分の好きな形に作り変えられるようになったイメージだよ」
- なぜ大事
  すず「私たちにはどんないいことがあるの？」
  しおり「自分のパソコンやサーバーに置いて、会社の仕事に合わせて自由に直して動かせるよ」
- くわしく
  しおり「公開元のリリースや置き場にあるよ（出典 11、出典 13、出典 14、出典 16）。原文では『frontier-scale model』と書かれていて、全体の規模は 501B、そのうち 23B が動く仕組みだと発表されているよ」
- ふつうの要約
  Reflection AI は、コーディングやエージェント用途に特化したオープンウェイトモデル「Beam」を公開した。パラメータ数は全体で 501B（動作時は 23B）で、自前のハードウェアやクラウド環境で動かして調整できる。発表に合わせて vLLM や Ollama などの実行環境でも対応が進められている。

2. パソコンの画面で「はい・いいえ」を判定する仕組み（新しい話）
発表日: 2026-10-14
- なにが起きた
  すず「手元のパソコンで AI を動かす道具に、新しい機能がついたの？」
  しおり「うん。文字を打ちこむ画面から直接、質問の答えを判定できるようになったんだ」
- たとえると
  すず「どういうこと？」
  しおり「分厚い本を全部読ませるんじゃなくて、『これって合ってる？』と聞いて○か×かの札をパッと上げてもらう感じだよ」
- なぜ大事
  すず「なにが便利になるの？」
  しおり「届いたメールがお客さんからのお願いかどうかを、手元のパソコンだけですぐに仕分けられるよ」
- くわしく
  しおり「ソフトの更新情報に書いてあるよ（出典 36）。原文には『Decision models』とあって、コマンド画面から直接『はい・いいえ』を尋ねたり点数をつけたりできるとされているよ」
- ふつうの要約
  手元でモデルを動かすツールの Ollama は、バージョン v0.40.4 のリリースで決定モデル（Decision models）への対応を追加した。端末のコマンド画面から直接、入力テキストに対する「はい・いいえ」の判定や分類、採点が行えるようになった。

3. 見る・聞く・話すが全部できる巨大な頭脳が自由に（新しい話）
発表日: 2026-10-16
- なにが起きた
  すず「文字だけじゃなくて、写真や動画もわかる巨大な AI が出たの？」
  しおり「そうなんだ。文字や画像、声や動画を受け取って、文章でお返事してくれるよ」
- たとえると
  すず「どういうこと？」
  しおり「目と耳と口がそろった先生が、まるごと手元にやってきたようなものだよ」
- なぜ大事
  すず「どんなふうに役立つの？」
  しおり「長いビデオの内容を手元のコンピューターだけで調べたり、説明してもらったりできるようになるよ」
- くわしく
  しおり「開発ツールの発表にあるよ（出典 21、出典 25）。原文では『multimodal mixture-of-experts』と説明されていて、Meta の『Muse Spark Open』は全体で 816B の大きさがあり、一度に 100 万を超えるトークンを扱えるとされているよ」
- ふつうの要約
  Meta のマルチモーダルモデル「Muse Spark Open」がオープンソースのライブラリ等に対応した。テキスト、画像、音声、動画を入力として受け取りテキストを出力する構成で、総パラメータ数は 816B（動作時は 42B）、最大約 100 万トークンの長さを扱える。vLLM などの実行基盤でも対応が始まっている。

---
用語: エージェント = 人の代わりに自分で考えて計画を立て、作業を進めてくれる仕組み
用語: トークン = AI が言葉やデータを読むときに細かく分けた最小の単位
用語: マルチモーダル = 文字だけでなく、画像や音、動画などいろいろな種類の情報をまとめて扱えること