Llm

エージェントのシステムで何が壊れるのかと実践者に聞けば、答えはほとんど時に能力ではありません。より静かな失敗です：モデルが判断し、誰も妥当なものと流暢なものの区別がつかない、ということです。

Model-side analysis for people choosing what to run: architecture surveys, family reference pages with benchmark ladders, and quantization tradeoffs.

AlibabaはApsara会議にて、Qwen 4の学習が行われていることを確認しました。具体的な日付は示されていませんが、コミュニティのタイミングを示すシグナルは、数か月ではなく数週間以内のリリースを指しています。

フラットな記憶ファイル1つしか持たないエージェントは、物を忘れることはない。しかし、要求されていないことを記憶し続けることを止めることもできない。解決策は、各知識レイヤーが異なるトリガーを通じてコンテキストに投入される階層的なコンテキストにある。

GitHub の月間トレンドページは言語フィルターがあるため、対象となるセットがすでに定義されており、機能しています。オープンソース AI に関しては、より異なる問いを立てます。対象となる作業は 5 つの言語にまたがり、有用な切り分けはリポジトリが担う役割です。

自己ホスティングされたAIエージェントには、単に長いコンテキストウィンドウがあるだけでは不十分です。有用な事実を保持し、以前の決定を参照し、プロジェクトが進化するにつれて自分の認識を更新するための手段が必要です。

AIコーディングエージェントは、すでに関数の作成、リポジトリの修正、テストの実行、プルリクエストの作成が可能です。より難しい問題は、コードが書かれる前、中、後のすべての段階で、エージェントが再現可能なエンジニアリングプロセスに従うようにすることです。

ディープリサーチ（Deep Research）は、もはや検索ボックスに向かせたモデルというわけではなく、独自のソフトウェアのカテゴリとして確立しつつあります。本記事では、12のセルフホスト型システムとその背後にあるリサーチアーキテクチャを比較します。

2026年9月、オープンモデルにおける効率的フロンティアは25B〜34Bパラメータの間に位置しています。単一の24GB GPUで、70Bクラスのハードウェアを遥かに上回るコスト効率で、フロンティアに近いエージェント系タスクが実行可能です。

永続メモリにより、エージェントは毎回説明を繰り返す必要のあるツールから、コンテキストを引き継ぐものへと進化します。しかし、状態のないチャットでは回避される障害モードが新たに開かれます。解釈が記憶として保存され、事実として検索され、それ自身のより強固なバージョンを正当化し始めることがあるのです。

Mnemosyne は Hermes Agent 向けのローカルファーストなメモリプロバイダーであり、ワーキングメモリ、構造化された事実、時間的データ、エピソード記憶をローカルの SQLite に保存します。ホスティングサービスは不要で、ネットワーク呼び出しも必須ではなく、非常に細粒度な書き込み制御が特徴です。

6か月前に「永続化レイヤーを共有ライブラリに移行する」ことを提案し、リリースまでこぎつけたエージェントは、何らかの永続的な記録がそのアイデアが既に調査され、却下されたことを示さない限り、来四半期にも快く同じ提案をするだろう——そしてOpenSpecには、現在そのための内蔵状態管理は存在しない。

Fission AI の OpenSpec は、Fission AI が提供する無料のオープンソース CLI ツールです。重い仕様が駆動するフレームワークのような段階的な手順を省きながら、コードを書く前に、あなたとコーディングエージェントがプレーンな Markdown 形式の変更内容について合意できるよう支援します。

AIアシスタントの移行は、アプリケーション設定のコピーとは異なり、アイデンティティ、メモリ、ツール動作、スケジュールされたタスク、メッセージングへのアクセスを維持することが核心です。また、2つのゲートウェイが同じボットとして動作している状態を回避することも重要です。

Ollamaとllama.cppは、競合する推論エンジンであるかのように比較されがちです。しかし、実際の選択は、管理されたモデルサービスと、直接操作するツールキットのどちらを選ぶかです。

ROCm と Vulkan はどちらも AMD GPU をローカル LLM ホスティングで高速化しますが、互換性はありません。適切な選択は、エンジン、GPU、およびワークロードに依存します。