前回からの変化
前回(2026-10-20、前日)との比較である。
変わったこと(変化・新規)
- 前回はMiniMaxのM3.1 Flashなど、モデルの価格と運用の道具が中心だった。今回はDeepSeekがモデルを動かす推論基盤そのものを公開し、競争の軸がモデル本体から運用基盤へ広がった(The Decoder)
- 前回のLaminar(エージェントの誤り検出)に続き、AIゲートウェイのRespanやテキストを生成しない抽出モデルClairicなど、LLMの周辺を担う小さな道具が増えた
- 新たに、米国国土安全保障省が連邦の文民機関でのDeepSeek技術の利用禁止を決めた(The Decoder)
昨日と同じこと(継続)
- DeepSeek V4.1 Flash 1017は、Hugging Faceのトレンド1位を保っている。DeepInferの対応モデルも現時点ではこのV4.1 Flashである(Hugging Face)
- 性能値が各社の自社発表に偏る構図が続いている。今回のClairicやOpenAIの数値も自社発表である
- 中国勢がコストの低さで競う流れは、MiniMaxに続きDeepSeekでも続いた
要因の連続性
- 継続要因: 自社の評価値が先行し、独立した検証が遅れる構図。低コストを競う中国勢の動き
- 新規要因: 推論基盤のオープンソース化によるコスト競争の広がり。米国政府によるDeepSeek利用の制限という政策面の逆風
- 解消した要因: なし
本日のハイライト
DeepInfer: DeepSeekが自社サービスの推論基盤を公開
DeepSeekのGitHubによると、DeepInferはDeepSeekの大規模な本番サービスを支える推論基盤(学習済みモデルを動かして答えを出す仕組み)である。ライセンスはApache 2.0。The Decoderによると、オープンソースの推論基盤vLLMを土台に、最適化した計算カーネル、複数チップでの分散処理、高速な文章生成の工夫を加えている。API利用の処理を再現するdeepseek-recipeも同時に公開された。
リポジトリには、注意機構とMoE(専門家を切り替える構造)の並列化、非同期のバッチ処理、結果が毎回同じになる決定的なサンプリング、JSON Schemaなどに沿った構造化出力が挙げられている。対応モデルは現時点でDeepSeek-V4.1-Flashのみで、ハードウェアはNVIDIAのSM100世代のGPUと、ファーウェイのAscend 950である。ビルドにはLinux、Python 3.12、CUDA 13が必要で、手元のパソコンで試せる環境ではない。
性能の数値はDeepSeek自身が4枚のGPU(入力処理)と64枚のGPU(出力生成)で測ったもので、再現用のスクリプトも同梱されている。第三者による検証はまだ出ていない。Hacker Newsでも注目され、2,000ポイントを超えて議論が続いている(Hacker News)。
Clairic: 文章を生成せず、文書から項目を一度に抜き出す
Cloudflareは、文書から注文番号や請求額などの指定した項目を取り出す専用モデルClairicを発表した。LLMのように文字を1つずつ生成せず、1回の処理で値と確信度を返す。値が無い項目はnull(該当なし)を返す点も特徴である。
同社の説明では、他のモデルと組み合わせた複数段の処理で、LLMだけの場合の61.7秒に対し19.3秒で完了し、費用は約半分になる(自社発表で、第三者の検証は未確認)。長い計算の連鎖はまだ確実に扱えず、計算は開発者が自分のコードで行う必要がある。提供はWorkers AIのプレビューで、重みは近日中に公開される予定である。価格は記事で触れられていない。
主要企業のリリース
- OpenAI: The Decoderによると、COBOL、Fortran、Visual Basicのような学習データの少ない言語での性能を高めた。MultiLangBench(SQLite互換のデータベースエンジンを作る課題)の20言語平均の合格率は、GPT-6 Astraで87.4パーセント、GPT-5.6 Terraで約38パーセントだった。COBOLの移行ベンチマークでは、GPT-6.1 Solが低い推論設定で86.6パーセント、最大設定で97.9パーセント(GPT-5.6 Solは5.4パーセント)。いずれもOpenAIの発表した数値である
- Mistral: The Decoderによると、音声エージェントの一式Voxtral 3を10月20日に公開した。音声認識(50言語超)、音声合成(35言語超・50方言超)、LiveKitを土台にしたエージェントSDKで構成され、会話の途中で予約や請求書の確認などのツールを呼べる。自前の環境かEUのAPIで使え、文字起こしは1分あたり0.0035ドルである。ライセンスや性能値は記事で触れられていない
- ElevenLabs: The Decoderによると、会話用の音声対話モデルEleven Realtime v1のMaxとMiniを公開した。Maxは音声のベンチマークBig Bench Audioで98.8パーセント、応答0.57秒と同社は主張する(自社発表)。OpenAI互換のRealtime APIから使える
- Google: PyTorchからTPUを直接使えるバックエンドtorch_tpu(バージョン0.2.0、Apache 2.0)を公開した。pipで入れられ、torch.compileや分散学習に対応する。Hacker Newsでは189ポイントだった
- Anthropic、Meta、xAIの新しいモデルのリリースは、本日は確認できなかった
新興AI・注目の新顔
Respan: 小さな核にプラグインを足すRust製のAIゲートウェイ
Hacker NewsのLaunch HNによると、Respan(Y Combinator W24)は、複数のAI提供元への接続を1つに束ねるオープンソースのゲートウェイをRustで作った。新しい点は、機能を詰め込まず、イベントの受け渡しだけの最小の核を置き、必要な機能をRustのモジュール(クレート)として組み込む設計である。
OpenAI、Anthropic、Geminiなどに対応し、MCP(AIと外部ツールをつなぐ共通規格)や音声のリアルタイム通信も扱える。経路の自動選択、障害時の切り替え、個人情報のマスキングを備える。ライセンスはMITまたはApache-2.0で、GitHubからソースをビルドするか、配布されたバイナリを使って自分の環境で動かせる。運営会社のホスト版も提供される。コミュニティでは、プラグインをコンパイル時に組み込む方式かWASMかという設計論と、依存関係のサプライチェーンの安全性が議論された。投稿は31ポイントだった。公式の資料とは別にHacker Newsの投稿を中心に確認した内容である。
AI開発手法
SlopCodeBench: 推論の努力を上げても、合格数が増えるとは限らない
HumanLayerのリポジトリで公開された検証によると、SlopCodeBenchは、要件を段階的に追加しながらコードを書き直させ、過去の機能を壊さないかを測るコーディングエージェント向けの評価である。10月の新モデルを試した結果、推論の努力水準(effort)を最大のXHighに上げても、厳格な合格数が安定して増えるわけではなかった。Opusは、XHighより費用が4.22倍安いMediumのほうが成績が良かった。再現に必要な条件は、次の「LLM性能比較」の節にまとめた。
Tsrs: AIで大規模な移植を数日で行った例
Cloudflareはブログで、TypeScriptコンパイラのRust移植tsrsを、VoidZero、Owner.comのマックス・シュウェンク氏と進めていると明かした。最先端のAIモデルは、大規模な移植をほぼ自力で数日のうちに進められるようになったという。同社の説明では、TypeScript 7.0に比べて最大8倍速く、メモリは約70パーセント少ない(自社発表)。npmからnpm install tsrsで試せる実験版である。Hacker Newsでは280ポイントだった。
AIを使った新サービス
特筆すべき新サービスなし。
トレンドのAI活用法
特筆すべきトレンドなし。
LLM性能比較・得意分野
HumanLayerのSlopCodeBench(10月15日)は、同一条件で複数のモデルを比べた貴重な情報である。条件は、v1.0の問題集、36問・196のチェックポイント、プロンプトはjust-solve、シード42、Docker上のPython 3.12である。比較したのは、GPT-6 Astra、GPT-6 Sol、GPT-6.1 Sol、GPT-5.6 Sol、Opus 5.5、Fable 5.1、GLM 5.3の各設定である。
厳格な合格率は12.24パーセントから16.33パーセントの範囲で、GPT-6 Astra(XHigh)が196のうち32で最多だった。差は小さく、この条件ではどのモデルも合格率が低いことが分かる。ベンチマークの題材や設定に左右されるため、他の用途にそのまま当てはまるとは限らない。OpenAIのMultiLangBenchなどの数値は、自社発表である。
研究・技術
Claudeが設計したサソリ毒素のタンパク質結合体
Anthropicは、Citrini Researchと組み、サソリの神経毒素に結合するタンパク質をClaudeに設計させた。Claudeは12個の設計ツールを使い、64時間にわたって研究者の監督のもとで比較的自律的に作業し、約55万3千組の設計と毒素の組み合わせを評価した。
31万8,484件の設計から180件を実験に選び、チームが31件を加えた211件を試した。うち17件が結合の基準を満たし(単一毒素向けの成功率は18パーセント)、最も強いものは1桁ナノモルの親和性を示した。細胞や動物での中和は確かめておらず、同社は「抗毒素を作ったとは主張しない」と述べている。複数の毒素を狙う設計は実験で失敗した。近いうちの道具というより、研究手法の実証と見るのが妥当である(見立て)。
規制・政策
The Decoderによると、米国国土安全保障省は、2018年の連邦調達のサプライチェーン安全に関する法律を根拠に、連邦の文民機関でのDeepSeek技術の利用を禁じた。既存の製品を取り除き、新規の調達もできない。期限は定められておらず、具体的な安全上の懸念も示されていない。DeepSeekを組み込んだ第三者のサービスやAIゲートウェイ(OpenRouterなど)が対象に含まれるかは不明である。
