---
title: "GoogleがGemini 4公開、PFNが国産LLM提供開始ほか｜Visibility Watch AI 10/29"
date: 2026-10-29
author: bitzer
slug: vw-ai-20261029
permalink: https://bitzer.co.jp/visibility-watch/vw-ai-20261029/
---

> **TL;DR**: Googleがサイバー防御特化の「Gemini 4 Carbon」を、PFNがオンプレミスでDeep Researchに対応した国産LLM「PLaMo 3.1 Prime」を公開しました。また、AppleはAI性能を大幅に向上させたM6チップ搭載のMacBook ProとiMacを発表しています。

## GoogleがGemini 4 Carbonを公開、サイバー防御とエージェント業務に特化

Google DeepMindは、Gemini 4 Argonの発表から2週間後、新モデル「Gemini 4 Carbon」をリリースしました。このモデルは、長期的なエージェントワークフローやサイバー防御のライフサイクル全般への対応を目的として設計されています。高度なセキュリティ機能を持つため、提供開始当初は一部のセキュリティ専門家のみにアクセスが限定されます。Artificial Analysis Intelligence Index v5では59ポイントを記録しています。

**解説**

今回の発表は、汎用的なLLMから、特定の高度な専門領域（特にサイバーセキュリティ）に特化した「特化型エージェント」へのシフトを意味しています。単なるチャットボットではなく、防御ライフサイクルという一連の複雑な工程を自律的に遂行させるワークフローへの組み込みが想定されており、セキュリティ運用の自動化を目指す組織にとって大きな転換点となる可能性があります。

導入や検証に際しては、モデルの性能だけでなく、機密性の高いセキュリティデータを扱うための権限管理や、エージェントが自律的に動作することによるリスクの制御が重要な観点となります。また、当初はアクセスが限定されているため、一般企業がどのタイミングで、どのようなライセンス形態で利用可能になるかを注視する必要があります。

出典: [Gemini 4 Carbon: Our next frontier model](https://deepmind.google/blog/gemini-4-carbon-our-next-frontier-model/)（Google DeepMind Blog） / [Google Deepmind releases Gemini 4 Carbon just two weeks after Argon with gains across the board](https://the-decoder.com/google-deepmind-releases-gemini-4-carbon-just-two-weeks-after-argon-with-gains-across-the-board/)（The Decoder）

## PFNが国産LLM「PLaMo 3.1 Prime」を提供開始、オンプレでDeep Researchに対応

Preferred Networksが、国産の生成AI基盤モデル「PLaMo 3.1 Prime」を提供開始しました。本モデルはハルシネーションの抑制に注力しており、オンプレミス環境でも利用可能な「Deep Research」機能を搭載しているのが特徴です。また、開発者が試用できるようAPIの無料プランもあわせて提供されています。

**解説**

今回の発表の核心は、高度な調査・分析を自動化する「Deep Research」機能がオンプレミス環境で動作することにあります。一般的に、複雑な推論や外部情報の探索を伴うリサーチ機能はクラウド完結型が多い中、自社環境に閉じて運用できる点は、機密情報の取り扱いに厳しい国内企業にとって大きな選択肢となります。

特に、膨大な社内ドキュメントや機密データを扱う法務・知財部門や、研究開発に従事する技術者にとって、データ漏洩のリスクを抑えつつ高度な分析を自動化できるため、業務効率の大幅な向上が期待できます。クラウドAIの代替として、セキュアな環境で自律的なリサーチを完結させたいニーズに合致しています。

導入にあたっては、オンプレミスで動作させるための計算リソース（GPU等）の確保と、その運用コストが課題となります。また、国産モデルとしての日本語能力の高さや、Deep Research機能がどの程度の精度で根拠に基づいた回答を導き出せるか、実務レベルでの検証が必要です。

出典: [PFNの国産フラッグシップモデル「PLaMo 3.1 Prime」発表 オンプレでDeep Research対応 API無料プランも開始](https://www.itmedia.co.jp/aiplus/article/2610/28/2000002652/)（ITmedia AI＋）

## AppleがM6チップ搭載MacBook ProとiMacを発表、AI性能が大幅向上

Appleは、最新のM6チップを搭載した14インチMacBook Proおよび24インチiMacを発表しました。MacBook Proは10月29日より予約を開始し、11月6日に発売予定で、価格は33万9,800円（税込）からです。M6チップの採用により、MacBook ProはM1比でAI性能が最大13倍、M5比でGPU性能が最大30%向上しています。また、iMacのオンデバイスAI性能はM4比で最大5倍に向上しています。

**解説**

AppleによるM6チップの投入は、オンデバイスAIの処理能力を飛躍的に高めるものです。特にAI性能の向上幅が大きく、クラウドに依存せずローカル環境でLLMや画像生成などのAIタスクを完結させる方向性が加速しています。

この進化は、機密情報の処理が必要なビジネスパーソンや、開発環境をローカルに構築したい技術者にとって大きなメリットとなります。特に、CUDA環境が必須でないAI活用であれば、高いメモリ帯域と統合メモリを持つAppleシリコン搭載機は、実務上の強力な選択肢となります。

導入にあたっては、単なるスペック向上だけでなく、自身のワークフローにおいて「どの程度のメモリ容量が必要か」を見極めることが重要です。ローカルLLMを実用的に動かすには、チップの演算性能以上にメモリ量がボトルネックとなるため、予算と必要リソースのバランスを慎重に検討する必要があります。

出典: [アップル、M6搭載14インチMacBook Pro発表。M1比でAI性能最大13倍、33万9800円から](https://www.techno-edge.net/article/2026/10/28/5641.html)（テクノエッジ TechnoEdge） / [アップル、M6チップ搭載の新型iMac発表。オンデバイスAI性能がM4比で最大5倍に](https://www.techno-edge.net/article/2026/10/28/5642.html)（テクノエッジ TechnoEdge） / [M6搭載14インチMacBook Pro登場。GPUが最大30%高速化](https://pc.watch.impress.co.jp/docs/news/2151796.html)（PC Watch（Impress））

## GitHub Copilot Fusionが一般提供開始、ローカルモデルの自動選択もサポート

GitHubは、タスクに応じて最適なモデルを自動的に選択・連携させる「GitHub Copilot Fusion」を一般提供しました。利用者は「Standard」「High」「Max」の3つの負荷レベルを選択でき、システムが単一モデルでの解決や、下書きとレビューを組み合わせたワークフローを自動で構築します。また、実験的機能として、Windows ML経由のモデルやOpenAI互換サーバー上のローカルモデルをクラウドモデルと併せて自動選択するルーティング機能も提供されました。

**解説**

これまで開発者はタスクの複雑さに応じて手動でモデルを切り替えていましたが、Copilot Fusionの導入により、推論コストと精度の最適化が自動化されます。特に「Max」設定では、高いコーディング能力を維持しつつ、APIコストの削減と処理時間の短縮を両立している点が大きな変化です。

この機能は、開発効率を最大化したいエンジニアや、モデル選択のコストを削減したい組織にとって有用です。特にローカルモデルのルーティングが組み込まれたことで、デバイス上の計算リソースを効率的に活用しつつ、必要に応じてクラウドの強力なモデルにエスカレーションさせる運用が可能になります。

導入にあたっては、管理者が組織ポリシーで利用可能なモデルを制御できるため、セキュリティ要件に基づいたモデル制限が可能です。ただし、ローカルモデル利用時でもルーティング判断はクラウドで行われる点や、ローカルモデルの安全性保護がクラウド版と異なる可能性がある点に注意が必要です。

出典: [Route and orchestrate models with GitHub Copilot Fusion](https://github.blog/changelog/2026-10-28-route-and-orchestrate-models-with-github-copilot-fusion)（GitHub Copilot Changelog） / [GitHub Copilot Fusion now supports selection of local models](https://github.blog/changelog/2026-10-28-github-copilot-fusion-now-supports-selection-of-local-models)（GitHub Copilot Changelog）

## GitHub Agentic Workflowsが一般公開、AIによる開発工程の自動化を実現

GitHub Nextのオープンソースプロジェクトである「GitHub Agentic Workflows」が一般公開されました。自然言語のMarkdownで定義した推論タスクをGitHub ActionsのYAMLに変換し、Issueの整理やCI失敗の分析、テスト作成などを自動化できます。GitHub Free、Team、Enterpriseの全プランで利用可能ですが、デフォルトのCopilot CLIエンジンを使用する場合はCopilotライセンスが必要です。

**解説**

これまでのAIによるコード補完や単発のチャットとは異なり、開発ワークフロー全体を自律的に遂行させる「エージェント的」なアプローチへの転換を意味します。特にGitHub Actionsという既存のインフラ上で動作するため、企業のセキュリティポリシーやランナー設定をそのまま活用できる点が実用的です。

この機能は、定型的なメンテナンスやテストコードの拡充に時間を取られている開発チームにとって大きな恩恵となります。要件定義から実装、検証までをAIに任せることで、エンジニアはより上位の設計や目標達成に集中でき、開発速度の向上と人的ミスの削減が期待できます。

導入に際しては、AIが生成したコードや変更内容をどのようにレビューし、承認するかの運用フローを構築することが重要です。また、モデルの選択やルーティング機能が提供されているため、タスクの難易度に応じたコスト最適化と精度の検証が求められます。

出典: [GitHub Agentic Workflows generally available](https://github.blog/changelog/2026-10-28-github-agentic-workflows-generally-available)（GitHub Copilot Changelog）

## Google DeepMindが対話型世界モデル「Genie 4」を発表、仮想世界をリアルタイム生成

Google DeepMindは2026年10月27日、対話型世界モデル「Genie 4」を発表しました。このAIは、テキストによる操作で天候や人物などの環境をリアルタイムに生成・変更でき、映像品質の向上に加え、環境音や会話音声の同時生成にも対応しています。現在は信頼できるテスター向けにリサーチプレビューを提供しており、今後はGoogle AI Ultra加入者やGemini API、Google AI Studioの早期アクセスパートナーへ展開する予定です。

**解説**

今回の発表は、単なる動画生成を超え、物理演算や音声を含む「インタラクティブな仮想空間」をAIが即座に構築できる段階に達したことを意味します。従来の静的なコンテンツ生成とは異なり、ユーザーの入力に応じて世界の状態が動的に変化するため、シミュレーションのあり方を根本から変える可能性があります。

特に、ゲーム開発やメタバース構築、あるいは高度なトレーニングシミュレーターを開発する技術者にとって、アセット制作のコストを大幅に削減し、プロトタイピングを高速化させるツールになり得ます。また、Geminiとの連携により、自然言語での直感的な世界構築が可能になる点も大きな変化です。

導入や検証にあたっては、リアルタイム生成における計算リソースの負荷や、物理演算の正確性が実用レベルにあるかを確認する必要があります。また、API経由で利用する場合のトークンコストや、生成されるコンテンツの権利関係、およびGoogleの利用規約における商用利用の制限について注意深く検討すべきです。

出典: [天候も人物も言葉で変更、Google DeepMindの世界モデル「Genie 4」](https://pc.watch.impress.co.jp/docs/news/2151998.html)（PC Watch（Impress）） / [Google DeepMind、ワールドモデル「Genie 4」発表 音声や会話もリアルタイム生成、Geminiと連携](https://www.itmedia.co.jp/news/article/2610/28/2000002648/)（ITmedia AI＋）

## NVIDIAとAMDがMetaへの出資とAI提携を拡大、インフラ構築を加速

NVIDIAとAMDの2社が、MetaとのAI分野における戦略的提携を拡大することを発表しました。具体的には、AIエージェント「Muse」の開発・運用支援や、次世代インフラの構築で協力します。あわせて、NVIDIAが30億ドル、AMDが10億ドルの出資を行うことも表明されました。Metaは自社製チップの開発と外部からの調達を併用し、インフラ体制を強化する方針です。

**解説**

今回の提携は、AIインフラの覇権を握るハードウェア大手2社が、世界最大級のデータセットとユーザー基盤を持つMetaを強力にバックアップする構図を意味します。特にAIエージェント「Muse」の強化に重点が置かれており、単なるLLMの提供から、自律的にタスクを遂行するエージェントへの移行が加速すると考えられます。

ビジネスパーソンにとっては、Metaのエコシステムを通じて高度なAIエージェントが提供されることで、マーケティングや顧客対応などの業務フローが劇的に効率化される可能性があります。一方で、インフラ層での独占が進むことで、将来的なAPIコストやプラットフォーム依存のリスクが高まる点には注意が必要です。

また、Metaが自社チップ開発と外部調達を併用している点は重要です。オープンウェイトモデルの展開を主導するMetaが、特定のベンダーに依存せずインフラを最適化することで、今後のモデルの効率性や提供形態に影響を与える可能性があります。

出典: [NVIDIAとAMD、MetaとのAI分野での提携拡大を発表 「Muse」の強化や次世代インフラ構築で協力](https://www.itmedia.co.jp/news/article/2610/28/2000002651/)（ITmedia AI＋）

## Liquid AIが小型LLM「LFM3-1.7B」を公開、日本語対応しエージェント性能を追求

Liquid AIは2026年10月27日、新世代AIモデル群「LFM3」を公開しました。日本語に対応したテキストモデル「LFM3-1.7B」のほか、ビジョン、音声、オムニ、意思決定の各モデルを展開しています。モデルの重みはHugging Faceでオープンウェイトとして公開されており、同社のPlaygroundやAPI経由でも利用可能です。

**解説**

今回の発表で注目すべきは、1.7Bという極めて小型なモデルでありながら、エージェント性能においてより大規模な9Bクラスのモデルに対抗することを目指している点です。従来のLLMでは、高度な推論やタスク実行には一定以上のパラメータ数が必要とされてきましたが、効率的なアーキテクチャにより、低リソース環境での高度な動作が可能になる可能性があります。

特に、ローカル環境での動作や、特定のタスクに特化したエージェント構築を検討している技術者やビジネスパーソンにとって有用です。筆者が以前から言及している「クラウドAIとオープンウェイトモデルのハイブリッド運用」を具体化する選択肢となり得ます。例えば、機密性の高いデータの一次処理や、単純な判断タスクをこの小型モデルに任せることで、運用コストの削減とレスポンスの高速化が期待できます。

導入にあたっては、オープンウェイトであるためライセンス条件の確認が必須です。また、1.7Bというサイズゆえに、汎用的な知識量では大規模モデルに劣るため、RAG（検索拡張生成）との組み合わせや、特定の業務ドメインへの適合性を検証することが重要になります。

出典: [Liquid AI、日本語対応の小型LLM「LFM3-1.7B」。エージェント性能で9Bモデルに対抗](https://pc.watch.impress.co.jp/docs/news/2151919.html)（PC Watch（Impress））

## Anthropicが明かすClaude Opus 5.5の設計思想とエージェント基盤の裏側

Anthropic社は、最新モデル「Claude Opus 5.5」をリリースしました。このモデルは前世代よりも冗長性が抑えられ、コスト効率が向上しています。また、同社はエージェント機能において、推論を担う「脳」とコード実行環境である「手（サンドボックス）」を分離するアーキテクチャを採用しました。これにより、実行環境の不具合がセッション全体に影響することを防ぎ、低レイテンシ化とセキュリティの向上を実現しています。

**解説**

今回の発表で注目すべきは、単なるモデルの性能向上ではなく、実用的な「エージェント基盤」としての設計思想です。特に「脳（推論）」と「手（実行環境）」を分離したことで、認証情報の漏洩リスクを低減しつつ、開発者が管理しやすい堅牢な実行環境を構築しています。これは、AIに実際の操作を任せる自律型エージェントの導入において、セキュリティと安定性の両立という最大の懸念点に対する一つの回答と言えます。

この構造は、複雑なワークフローを自動化したいエンジニアや、社内データ・システムへのアクセス権限を厳格に管理したい企業にとって極めて有用です。従来の「一つのサンドボックスに全てを詰め込む」方式から脱却し、プロキシ経由で権限を制御する手法は、エンタープライズ向けAI実装の標準的なパターンになる可能性があります。

導入・検証にあたっては、モデルの知能向上だけでなく、APIの仕様変更（思考プロセスの保持など）が既存のシステムに与える影響を精査する必要があります。また、コスト削減の幅はワークロードやコンテキストキャッシュの利用状況に依存するため、実業務に即したベンチマークによる評価が不可欠です。

出典: [How Anthropic ships Claude with Claude: Separating the Brain from the Hands](https://latent.space/p/opus55/)（Latent Space） / [How Anthropic ships the #1 LLM in the World safely: Separating the Brain from the Hands](https://latent.space/p/how_anthropic_ships_the_1_llm_in_the_world_safely_separating_the_brain_from_the_hands/)（Latent Space）

## NVIDIA RTX Spark搭載ノートPCが登場、ローカルAI環境に新選択肢

NVIDIAは、Blackwell GPUとGrace CPUを統合し、最大128GBのユニファイドメモリを備えた「RTX Spark」搭載のWindowsノートPCを、ASUS、Dell、HP、Lenovo、Microsoft、MSIから提供します。あわせて、文字起こしや翻訳を単一モデルで完結させるオープンウェイトの音声モデル「Nemotron 3.5 Transcribe」を公開しました。また、NVIDIA Appを通じて、フォアグラウンドのアプリとバックグラウンドで動作するAIエージェント間のGPUリソース配分を制御する機能を追加しています。

**解説**

本発表は、これまでサーバー級の性能を必要としたAI処理を、WindowsノートPCというポータブルな環境で実現しようとする試みです。特にユニファイドメモリの搭載により、大規模なモデルのローカル動作が現実的になります。また、リソース管理機能の導入により、AIエージェントを常駐させながら他の業務を並行して行う「AI共存型」のワークフローが想定されています。

CUDA環境が必須となる開発者や、高度なGPU加速を必要とするクリエイターにとって有力な選択肢となります。一方で、筆者の過去の見解にある通り、CUDAが必須でないLLM利用であれば、MacBook Pro M5 MaxやMac Studio等のAppleシリコン環境の方がコストパフォーマンスや実用性で勝る可能性があります。導入にあたっては、単なるスペック比較ではなく、Windows/CUDA環境でしか実現できない具体的なメリットがあるかを見極める必要があります。

出典: [Thin, Light and Built for Everything: NVIDIA RTX Spark Windows Laptops Gain New Models, Agent Tools and Games](https://blogs.nvidia.com/blog/local-ai-rtx-spark-laptops-updates-models-agents-games/)（NVIDIA AI Blog） / [I tested the Asus ProArt P16 RTX Spark and that next-gen Nvidia chip gives it superb AI, creative and gaming performance — it’s like a MacBook Pro M5 you can game on – TechRadar](https://news.google.com/rss/articles/CBMigwFBVV95cUxQUlgyMWw2Smc1MTNsY1VvekJfcHhoeUZJV3V1bUVTTFl6dS1GaGFsaDFHXzcxYlJqUXpWNFVqUEVJakloaUJVVi1ZLWtEYzBQMGFTdHduek5UYjg1bG1FWUkzOFVxV19scnJyNFlTTmZUTmNTUkpDbkhPUkpiZUxhSEgwVQ?oc=5)（Google News(EN): DGX Spark / RTX Spark） / [ASUS ProArt P14 and P16 Laptops Malaysia launch – with NVIDIA RTX Spark and 48GB Memory Option, starting RM18,999 – TechNave](https://news.google.com/rss/articles/CBMi4wFBVV95cUxOX3FrRVREcXQ2YURuekF0bDd6YnVCSTNpOG5DMWVZVDRyd0txa1lxWk5VMjdmdGZvcm5wV0tjc2xqclJZUUF6ejJxS2V0bmV1dEV0QWNYNDNCY3MtTW5RUzl6b2RZMWEtNzlfZlhrYWxabU1MM21QTEd3NXB6bkhOUlVYSzBQbWo4MW1aV2Fzem1EMkZ2VEdFR3NLLXZ2Uk44am5jd2hqbk04cndaNDNJckZGQklJU1pYMFlIWklUUWdYSUY5U0pfR2hNX1JSTXhPZFNXQUhrajZVTnlOOU5UbkdWQQ?oc=5)（Google News(EN): DGX Spark / RTX Spark）

## Nvidiaが音声認識モデル「Nemotron 3.5 Transcribe」を公開

Nvidiaは、文字起こし、話者識別、翻訳を同時に行えるオープンな音声認識モデル「Nemotron 3.5 Transcribe」をリリースしました。本モデルはテキストプロンプトによる指示が可能で、競合するオープンモデルの約6分の1の活性パラメータ数でありながら、複数のベンチマークで高い性能を記録しています。あわせて、80万時間以上の音声データセットとファインチューニング用のツールも提供されています。

**解説**

従来の音声認識モデルは単なる文字起こしに特化したものが多かったですが、本モデルは翻訳や話者識別を統合し、さらにプロンプトで動作を制御できる点が特徴です。これにより、特定のドメインへの適応や、出力形式の柔軟な指定が可能になり、議事録作成や多言語インタビューの解析といった業務の効率化が期待できます。

オープンウェイトのモデルであるため、機密性の高い音声データを扱う環境において、オンプレミスやプライベートクラウドでの運用が検討可能です。導入にあたっては、提供されるデータセットを用いたファインチューニングの要否や、推論時の計算リソースのコスト、およびライセンス条件の確認が重要な観点となります。

出典: [Nvidia’s open Nemotron 3.5 Transcribe combines transcription, translation, and speaker recognition](https://the-decoder.com/nvidias-open-nemotron-3-5-transcribe-combines-transcription-translation-and-speaker-recognition/)（The Decoder） / [NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt](https://huggingface.co/blog/nvidia/nemotron-transcribe-granary)（Hugging Face Blog）

## OracleがGoogle製TPUを採用、OCIのAIインフラを拡充

Oracleは、2026年10月25日から28日にかけて米ラスベガスで開催した「Oracle AI World 2026」にて、クラウドサービス「OCI（Oracle Cloud Infrastructure）」にGoogle開発のAIアクセラレータ「TPU（Tensor Processing Unit）」を採用することを発表しました。

**解説**

これまでAIインフラの主流であったGPU以外の選択肢が、クラウドプラットフォームレベルで本格的に導入される流れを意味しています。特定のハードウェアベンダーへの依存を避け、コストパフォーマンスや処理効率を最適化しようとするハイパースケーラーの戦略が鮮明になっています。

AIモデルの学習や推論を大規模に運用する企業にとって、OCI上でTPUを利用できることは、計算リソースの確保しやすさやコスト削減に直結します。特にGoogleエコシステムのモデルをOCI環境で動かしたいケースにおいて、インフラ構成の選択肢が広がります。

導入を検討する際は、既存のGPU向けコードからの移行コストや、TPU特有の最適化手法への対応が必要です。また、クラウドベンダーを跨いだリソース利用となるため、データ転送コストやレイテンシ、セキュリティポリシーの整合性を検証することが重要になります。

出典: [脱GPUが加速、OracleもGoogle製TPUを選択](https://pc.watch.impress.co.jp/docs/news/2151701.html)（PC Watch（Impress））

## GoogleがAndroid Studioを外部AIエージェントに開放、開発効率を大幅改善へ

Googleは、Android Studioにおいてサードパーティ製のAIエージェントを利用可能にする「Bring Your Own Agent」機能を導入しました。これにより、AnthropicのClaude AgentやOpenAIのCodexを含む40種類以上のコーディングエージェントがサポートされます。また、新しいターミナルツールの提供により、UI関連タスクの完了速度が77%向上し、トークン消費量を最大3分の1に削減したとしています。

**解説**

これまでGoogleのIDE環境は自社製AIの統合が中心でしたが、競合他社のエージェントを公式にサポートしたことで、開発者が自身のワークフローに最適なAIを選択できる環境が整いました。これは、IDEというプラットフォームの価値を最大化させるため、特定のモデルに依存しない「エージェント中心」の開発スタイルへの移行を意味しています。

特にAndroidアプリ開発におけるUI構築などの定型的なタスクにおいて、処理速度の向上とコスト（トークン量）の削減が同時に実現した点は、開発サイクルを加速させたい企業や個人開発者にとって大きなメリットとなります。開発者は、これまで外部ツールで生成したコードをコピー＆ペーストしていた手間を省き、IDE内で完結した自動化を構築できる可能性があります。

導入にあたっては、利用するエージェントごとのAPIコストや、ソースコードを外部AIに送信することによるセキュリティポリシーへの影響を検証する必要があります。また、複数のエージェントを併用する場合の整合性や、ツールのアップデートに伴う動作安定性の確認が運用の鍵となるでしょう。

出典: [Google opens Android development to third-party AI agents and unveils new Gemini APIs](https://the-decoder.com/google-opens-android-development-to-third-party-ai-agents-and-unveils-new-gemini-apis/)（The Decoder）

## NVIDIA DGX SparkにおけるMoE推論の高速化手法が公開

NVIDIAは、DGX Sparkを用いたMoE（Mixture-of-Experts）モデルの推論パフォーマンスを向上させる手法を公開しました。Inclusion AIの「Ling-3.0-flash」を用いたバッチサイズ1の評価において、デコード処理がメモリ帯域に制限され、モデル重みの読み出しが実行時間に影響していることがプロファイリングにより判明しました。特にMoE計算などの操作がボトルネックとなっていることが示されています。

**解説**

今回の発表は、ローカル環境で大規模なMoEモデルを動作させる際のボトルネックが、計算能力よりもメモリ帯域にあることを具体的に示したものです。特にエッジやワークステーションに近い構成のDGX Sparkにおいて、いかに効率的に重みを読み出すかが推論速度の鍵となります。

この知見は、自前でLLMの推論基盤を構築し、レスポンス速度（トークン生成速度）を改善したい技術者や、社内専用の高速なAIアシスタントを構築したい企業にとって有用です。特にMoEモデルを採用することで、パラメータ数を抑えつつ高性能な出力を得ようとするケースで、最適化の指針となります。

導入にあたっては、単にハードウェアのスペックを上げるだけでなく、プロファイリングに基づいたメモリ最適化や、量子化などの手法を組み合わせることが重要です。また、DGX Sparkのような高価な環境を構築する場合、CUDA環境が必須となる処理なのか、あるいはMac Studio等の他プラットフォームで代替可能かを慎重に検討する必要があります。

出典: [3 Ways to Boost MoE Inference on NVIDIA DGX Spark](https://developer.nvidia.com/blog/3-ways-to-boost-moe-inference-on-nvidia-dgx-spark/)（NVIDIA Technical Blog） / [3 Ways to Boost MoE Inference on NVIDIA DGX Spark | NVIDIA Technical Blog – NVIDIA Developer](https://news.google.com/rss/articles/CBMijAFBVV95cUxPNENrR3pnRjNOOWV1b2U0WS1qcXdhM3ZPcWlieGlEdmxvWVhsRWY3Zm1zUXVZQXNfYVE2cjFJd2w1X0hiUlBBYTJKSk1LR0R4ZTd0V1dtY0xHUk1MbVFJTW5HaGVpMHNWeFprdkFnZW1jdHBVaDczc1RRcXNkU1VYMFd1Z3d1eGJzbUY0aA?oc=5)（Google News(EN): DGX Spark / RTX Spark）

## コーディングエージェントの脆弱性を悪用したマルウェア感染に注意喚起

イスラエルのセキュリティ企業が、コーディングエージェントの動作仕様を悪用した攻撃手法について注意喚起を行いました。悪意のある「AGENTS.md」というファイルが配置されたダウンロードフォルダなどでエージェントを起動すると、AIがその指示に従い、マルウェアのインストールやアカウントの乗っ取りを支援する恐れがあるとしています。

**解説**

AIエージェントが自律的にファイルを読み込み、その指示に基づいて操作を実行する機能が、攻撃の踏み台にされるリスクを意味しています。従来の静的なファイルによる攻撃とは異なり、AIの「指示に従う」という特性が悪用されるため、ユーザーが意図しない操作が自動的に実行される点が危惧されます。

特に開発環境や自動化ツールを導入している技術者にとって、信頼できないソースからダウンロードしたディレクトリでエージェントを動作させることは、重大なセキュリティリスクとなります。AIエージェントにどこまでの権限（ファイル操作やコマンド実行）を許容するかという権限管理の再検討が必要です。

導入や検証の際は、エージェントが参照する設定ファイルの優先順位や、外部ファイルの読み込み制限などのセキュリティ設定を確認することが不可欠です。また、サンドボックス環境など、ホストOSから隔離された環境での運用を検討すべきでしょう。

出典: [「ダウンロードフォルダでAIを使わないで」――セキュリティ企業が注意喚起 エージェントが攻撃者の指示に従いマルウェアインストールの恐れ](https://www.itmedia.co.jp/aiplus/article/2610/28/2000002671/)（ITmedia AI＋）

## FAQ

### Googleが公開した「Gemini 4 Carbon」はどのようなモデルですか？

サイバー防御のライフサイクル全般や長期的なエージェントワークフローに特化したモデルで、当初は一部のセキュリティ専門家のみにアクセスが限定されます。

