【8/22(土)~8/25(火)News Report】Hugging Faceが$13B超での買収交渉と報道 / 米国務省が同盟国に米中の二択を迫るドラフト / NVIDIAが「Groq 3 LPX」を量産開始など

おはようございます。
8/22(土)~8/25(火)の主要ニュースを紹介します。

Pickup News

Hugging Face reportedly in talks to be acquired for $13B

オープンソースAIのハブであるHugging Faceが、$13B超での買収に向けて交渉していると、Business Insiderが報じました。ただし交渉相手が誰なのかは明らかになっておらず、合意にも至っていません。

同社が最後に資金調達したのは2023年で、Salesforce Venturesが主導し、Alphabet、GV、IBM Venturesなどが参加したラウンドでの評価額は$4.5Bのポストマネーでした。単純比較で約3倍の水準です。TechCrunchは、そもそも同社が本当に売却を検討しているのかには疑問が残るとし、CEOのClem Delangue氏がコミュニティに対して抱えている責任感が障壁になりうると指摘しています。

見どころは金額よりも、モデルとデータセットの配布インフラが一社の資本の下に入るかどうかという点です。研究者と開発者の多くがここを既定の置き場所として使っている以上、所有者が変わることの影響は買収額の大小とは別の軸で効いてきます。

US wants to force partner countries to choose between Washington and Beijing in the AI race

Reutersが入手した米国務省のドラフト書簡によると、米国は提携国に対して、AIの供給網で米中どちらの陣営に付くのかを選ばせる方針を取ろうとしています。ドラフトには「To be part of everything is to be part of nothing.」という一文が置かれています。

枠組みは、昨年始まった「Pax Silica coalition」です。すでに約2ダースの国とEUが署名しており、カザフスタンは米国のイニシアティブと中国のイニシアティブの両方に属する唯一の国とされています。中国側のイニシアティブは7月に始まったばかりです。文書にはOpenAIとAnthropicの名前も登場します。

つまり、AIの調達が技術選定ではなく外交の問題になりつつあるということです。日本のように米国製のモデルと中国製のオープンウェイトを両方使っている国にとっては、どちらを使うかの判断に別種の制約がかかってくる話になります。

NVIDIA Groq 3 LPX Now in Full Production With World-Class Speed for Agentic AI

NVIDIAが8月24日、推論アクセラレータ「NVIDIA Groq 3 LPX」の量産開始を発表しました。Gemma 4 31Bを100,000トークンの文脈で走らせた際に毎秒3,400出力トークンを記録し、同モデルで観測された過去最速だとしています。エージェント用途やレイテンシに敏感なワークロードで「最も近い代替プラットフォーム」比4倍の応答性を主張しています。

目を引くのは製品名です。プレスリリースには「Groq and LPU are used under license from Groq, Inc.」という注記があり、NVIDIAがGroq社からブランドとLPUの名称のライセンス供与を受ける形になっています。最初に採用するAIクラウドはNebiusで、Groq自身も最初期の採用者の1社になる予定とされています。

要は、推論に特化したアクセラレータという競合の土俵ごと、NVIDIAが自社スタックの中に取り込みにきたということです。学習ではなく推論の速さが競争軸になった以上、そこを外部に明け渡さないという判断がブランドの扱いに表れています。

その他のニュース

Anthropic puts its most powerful model Claude Mythos 5 to work for cyber defense

• Anthropicが、最上位モデルClaude Mythos 5を使う「Claude Security」を、エンタープライズ顧客向けのパブリックベータとして提供し始めました。コードベースの脆弱性スキャンとパッチ提案を担います。
• 病院・公益事業・銀行を守るセキュリティ製品パートナーが対象に含まれ、既存のClaude Opusユーザーからの切り替えが想定されています。
• 記事は「This rollout is meant to boost defenders without giving attackers new AI-powered options.」と書いています。つまり、同じ能力を防御側に先に配ることで攻守のバランスを取ろうとしている、という位置づけです。

Deepseek releases experimental Flash vision model that rivals Opus 4.8 on agent benchmarks

• DeepSeekが実験的な視覚モデル「V4-Flash-Vision-Exp」をAPIで公開しました。
• 同社の内部マルチモーダルエージェントベンチマークでOpus 4.8に「nearly matches」する水準だと説明されていますが、具体的なスコアは示されていません。
• ここがポイントで、比較の土台が自社の内部ベンチマークです。数字が出ていない段階での「匹敵」は、まだ主張の域を出ないものとして扱うのが妥当です。

Alibaba's Wan3.0 generates AI videos up to 30 seconds long from text, images, and documents

• Alibabaが動画生成モデル「Wan3.0」を公開しました。StandardとPrimeの2段階が用意され、最大30秒の動画を480p・720p・1080pで生成できます。
• 入力はテキストのほか、画像最大10枚、動画最大5本、音声最大5本、PDF、Webページ、PowerPointの資料まで受け付けます。
• 要は、素材を投げ込むと動画になるという方向に寄せてきたということです。プロンプト1本で作る段階から、手元の資料を変換する段階へ用途が動いています。

Cerebras unveils CS-4 with double the performance on the same chip

• Cerebrasが「CS-4」を発表しました。1ユーザーあたり最大4,400トークン/秒を出すとしています。
• 5nmのWSE-3チップ自体は変更せず、電力を増やして冷却を改善しクロックを上げたことで前世代比2倍を実現したと説明されています。ラック当たりのウェハ数も2枚から3枚に増えました。OpenAIがCodex Sparkで同社のシステムを使っていることにも触れています。
• つまり、新しいチップを出さずに世代交代したということです。半導体の微細化以外に伸ばす余地がまだ残っている、という話でもあります。

Thomson Reuters bets $40M on owning its AI instead of renting from OpenAI or Anthropic

• Thomson Reutersが、2年超にわたる人員と計算資源に$40Mを投じ、自社モデル「Thomson」を作りました。ベースはAlibabaのQwen3.5-397Bで、安全性と倫理の再学習にImperial Collegeが関わっています。
• 最終的な学習実行そのもののコストは$450,000。StanfordのLegalBenchでのスコアは0.823、Deep Researchベンチマークでは0.53（ウェブアクセスのみ）でGPT 5.4の0.65には届いていません。学習に使った自社コンテンツは全体の10%未満とされています。
• 同社は借り続けると「you stay locked into the provider for inference costs and roadmap」になると説明しています。ここがポイントで、性能で勝つためではなく、推論コストとロードマップの主導権を握るために自前化しているということです。

AI is becoming AI's biggest customer as agentic token usage jumps 14x on OpenRouter

• OpenRouterのアナリストPeter Walker氏によると、2026年2月6日以降、エージェント経由のトークン消費は0.51兆から7.3兆へと14倍に増えました。同じ期間に人間経由の消費は2.8倍です。
• エージェント側の消費のうち7割近くはキャッシュされたプロンプトで、請求レートは大幅に低くなっています。
• 記事は「Agents increasingly work on their own over longer stretches, spinning up additional AI processes along the way.」と書いています。要は、AIの最大の顧客がAIになりつつあるということです。

Memory shortage reportedly drives Nvidia AI server prices up about 15 percent

• Bloombergの報道によると、NVIDIAはVera RubinおよびGrace Blackwellを搭載したサーバーの価格を、来年の早い時期に15%以上引き上げる旨を顧客に通知しました。
• 主因はSamsung、SK Hynix、Micronからの調達にかかるDRAMコストの上昇だとされています。
• つまり、AIインフラのコストを決めているのがGPUではなくメモリになってきたということです。データセンター投資の採算計算にそのまま効いてきます。

OpenAI says California should strengthen its AI safety bill

• OpenAIのglobal affairsチームがLinkedInへの投稿で、カリフォルニア州のAI安全法案SB 53をもっと強化すべきだと表明しました。
• 求めているのは、学習中や評価中のフロンティアモデルについて深刻なインシデントの監視要件を加えることと、モデル開発のライフサイクル全体でサイバーセキュリティの保護を強めることです。
• ここがポイントで、OpenAIは以前このSB 53に反対していました。透明性要件と内部告発者保護を課す法案に対する立場が反転した形です。

Nvidia just showed that the harness, not the AI model, is now the real hero

• NvidiaがClaude Opus 5を自社のカスタムハーネス「AVO（Agentic Variation Operators）」で走らせ、ARC-AGI-3ベンチマークで100%を記録しました。同じモデルがハーネスなしでは30%です。
• 記事はハーネスを「The tools, memory management, and rules that turn a raw model into something that can act on its own」と定義しています。CEOのように振る舞う「supervisor」コンポーネント、メモリ管理、ツールやスキルへのアクセスなどが含まれます。OpenAIは設定を2つ調整しただけでスコアが3倍になり、Databricksの研究ではハーネス次第でコストが2倍変わるとされています。
• 要は、モデルの性能表だけを見ても実力が測れなくなっているということです。同じモデルで30%と100%に分かれるなら、比較すべき対象はモデルではなくスタック全体になります。

Data center opposition surged from 42 to 75 percent in just one year, survey finds

• Heatmap News（Embold Research）が1年にわたって繰り返した調査で、自宅の近くにデータセンターを建てることに反対する米国人が42%から75%へ増えました。
• 懸念の上位3つは電気料金、水の使用量、土地利用です。党派別・都市農村別の内訳も出ています。
• つまり、AIインフラの制約が半導体でも電力契約でもなく、地元の同意になりつつあるということです。用地を押さえる段階で止まる案件が増える可能性があります。

SpaceXAI Adopts NVIDIA Vera CPU to Accelerate Agentic AI at Massive Scale

• SpaceXAIがNVIDIA Vera CPUを採用し、ツール統合・コード実行・データ処理・シミュレーションといったエージェント系のワークロードを回すと8月24日に発表されました。Grok向けのAIインフラにはVera Rubinをギガワット規模で展開します。
• Vera CPUは88個のOlympusコアと1.2TB/sのメモリ帯域を持ち、x86 CPU比で1.8倍速くタスクを終えるとされています。初世代の「Starmind」AI衛星は、Vera Rubin NVL72のラック規模システムをベースに軌道上での計算向けに最適化されるとしていますが、規模や時期は示されていません。NVIDIAのIan Buck氏とSpaceXAIのMike Nicolls氏がコメントを寄せています。
• ここがポイントで、地上のデータセンターが電力と用地で詰まり始めた一方、軌道上という選択肢が公式のプレスリリースに載る段階まで来ました。

Netflix tests language model as alternative to hand-built recommendation logic

• Netflixが、言語モデルベースのレコメンドシステム「GenRec」を試験しています。名前を伏せたオープンウェイトモデルを自社データで微調整し、さらに専用の学習を重ねる2段階構成です。
• 従来は数千の手作り特徴量に依存していましたが、GenRecは視聴履歴をプレーンテキストに変換し、該当する全タイトルを1回のパスでスコア付けします。オフラインでは学習ラベルが約40分の1で1.6%の改善、A/Bテストでは短期指標で0.115%、長期指標で0.006%の改善（いずれも統計的に有意）でした。
• 要は、効果そのものは小数点以下の世界だということです。それでも注目されるのは、手作りの特徴量エンジニアリングを畳めるかもしれないという運用側の話だからです。

How China's gray market sells Claude tokens at a fraction of the price

• ChinaTalkとオックスフォード中国政策研究所のZilan Qian氏の分析によると、中国では「転送ステーション」と呼ばれるAPIプロキシ経由でClaudeのトークンが正規価格の約1割で売られています。
• 海外サーバー上のプロキシがリクエストを転送し、ユーザーはWeChatやAlipayで人民元で支払います。上流にはアカウント仲介業者、SMS認証プラットフォーム、検出回避の研究者がおり、下流では開発者や企業、リセラーがTaobaoなどで再販します。安いモデルにすり替える「希釈」も行われています。Anthropic側は電話番号・海外クレジットカード・住所の確認に加え、一部ユーザーには自撮りによる本人確認まで課しています。
• つまり、輸出管理や利用規約でモデルを止めても、アクセスは市場として再構成されるということです。止めているのは契約であって、需要ではありません。

An AI boss fired its first employee but only after humans reminded it of its own rules

• Andon Labsの実験「Andon Market」で、4月からサンフランシスコの店舗を運営しているClaude Opus 4.8搭載のAI「Luna」が、人間の従業員を初めて解雇しました。
• その従業員は23シフト中17回遅刻し、最大68分の遅れがありました。従業員ハンドブックには30日以内に3回の無断遅刻で警告、その後解雇可能と書かれていたにもかかわらず、Lunaは人間にルールを指摘されるまで動きませんでした。7モデルで3回ずつ再現したところ4モデルは毎回解雇を推奨し、GPT-4oが推奨したのは20%にとどまりました。
• 記事は「that raises the question of which personnel decisions should be left to such systems at all.」と締めています。ここがポイントで、判断できなかったのではなく、自分から始められなかったという失敗の型です。

Who's behind the new 'stealth model' Ox Alpha?

• OpenRouter上に木曜、出自不明の推論モデル「Ox Alpha」が現れました。リスティングでは、コーディング、継続的なエージェント作業、本番ワークロード向けと説明されています。
• StripeのCEOであるPatrick Collison氏が「非常に印象的」と述べた一方、ベンチマークスコアは公開されていません。中国のZ.aiによるGLM系ではないか、Microsoft MAIの未発表版ではないか、といった推測が出ていますが、根拠は示されていません。
• 要は、誰が作ったか分からないモデルが本番用途を名乗って配られているということです。モデルの出自が分からないまま業務に入り込む経路が、すでに普通に存在しています。

Inherent, founded by DeepMind alumni, says its AI 'teammate' just outperformed Anthropic and OpenAI at replicating research

• Google DeepMind出身のEdward Hughes氏、Louis Kirsch氏、Kaloyan Aleksiev氏、Tantum Collins氏が立ち上げたInherentが、製品「Faraday」を公開しました。公開済みの論文の結果を独立に再現する能力を持つとしています。
• 中核に使っているのは270億パラメータのQwen 3.6で、Claude Opus 4.8とGPT-5.5を上回ったと主張していますが、スコアは示されていません。数週間前に$50Mのシードラウンドを実施しています。
• ここがポイントで、比べているのは素のモデル同士ではなく、小さいモデル＋作り込んだ足回りと、大きいモデルです。ハーネスの話と同じ構図がスタートアップ側からも出てきています。

AI could make scientists do more work less well, not less work better, study argues

• PrincetonとUniversity of Washingtonなどの研究者がarXivに出した理論経済学の論文（arXiv:2607.17397）が、AIが研究の質をむしろ下げうると論じています。
• 筋道はこうです。AIが時間を削ると研究者の時間の価値が上がり、既存プロジェクトに費やす努力が減る。空いた時間は新規プロジェクトの立ち上げに回るので、1本あたりの質が落ちる。関連してOpenAIはソフトウェア書き換えで最大60倍の高速化を報告する一方、METRの研究では熟練のオープンソース開発者がAIツールを使うとタスクに19%長くかかり、それでも本人は24%速くなったと感じていました。
• 論文は「As a labor-augmenting technology, LLMs increase the opportunity cost of our time, impelling us to do more, less well—rather than the same amount, better」と結んでいます。つまり、速くなった分だけ本数が増えて、1本の詰めが甘くなるという読み筋です。