1. MiniMaxが100万トークンのコンテキストとデスクトップ操作に対応した「M3」モデルをリリース
MiniMaxは2026年6月1日にM3モデルを正式リリースし、MiniMax Sparse Attention (MSA) アーキテクチャを導入しました。このアーキテクチャは、KV outer gather Qアプローチを採用することで、従来世代と比較して計算負荷を大幅に削減します。M3は100万トークンのコンテキストウィンドウに加え、画像や動画のネイティブ入力に対応し、デスクトップPCの操作も可能です。本モデルはMiniMax Code、Token Plan、およびMiniMaxのAPIサービスを通じて利用でき、サブスクリプションプランは月額20ドルから提供されています。
- • MiniMax M3は、新しいMiniMax Sparse Attention (MSA) アーキテクチャにより、100万トークンのコンテキストウィンドウを実現。
- • MSAアーキテクチャはトークンあたりの計算量を従来モデルの20分の1に削減し、100万トークン時にプリフィルで9倍、デコードで15倍の高速化を達成。
- • SWE-Bench Proで59.0%、OSWorld-Verifiedで70.06%のスコアを記録し、画像/動画入力のネイティブ処理とデスクトップ操作が可能。
- • 10日以内にオープンウェイトライセンスで重みが公開される予定。API価格は期間限定で入力100万トークンあたり0.30ドル、出力100万トークンあたり1.20ドルに割引中。
開発者に対し、非常に効率的なロングコンテキストモデルを提供し、大幅に割引された導入価格で強力なエージェント性能を実現します。
2. NVIDIAが物理AIモデル「Cosmos 3」のオープンウェイト版をリリース
NVIDIAのCosmos 3は、物理推論、世界生成、およびアクション生成を統合しています。アーキテクチャは、マルチモーダルな観測解釈を行う「Reasoner」タワーと、物理法則を考慮した動画およびアクション出力を行う「Generator」タワーで構成されています。今回のリリースには、Hugging Face上のオープンソースモデルチェックポイント、GitHub上の学習スクリプト、および6つの合成データ生成データセットが含まれます。モデルはNVIDIA NIMマイクロサービスとして利用可能で、現在Reasoner NIMが提供されており、Generator NIMも近日公開予定です。
- • NVIDIAはCosmos 3を16B (Nano) および64B (Super) のパラメータバリエーションでOpenMDW 1.1ライセンスの下にリリース。
- • モデルは自己回帰型推論器と拡散生成器を組み合わせたMixture-of-Transformersアーキテクチャを採用。
- • Cosmos 3 Superバリエーションは、Artificial AnalysisのリーダーボードにおいてText-to-ImageおよびImage-to-Video部門でオープンウェイトモデルとして1位を獲得。
- • モデルの重み、学習スクリプト、データセットはHugging FaceとGitHubで公開されており、NIMマイクロサービスはNVFP4量子化をサポートし2倍の高速化を実現。
開発者はOpenMDW 1.1ライセンスとHugging Faceのチェックポイントを使用して、マルチモーダル観測や動画生成のためにこれらのモデルをセルフホストできます。
3. NVIDIAが550Bパラメータのオープンウェイトモデル「Nemotron 3 Ultra」を発表
ジェンスン・フアン氏のComputex基調講演で発表されたNemotron 3 Ultraは、現在利用可能な米国製オープンウェイトモデルの中で最もインテリジェントなモデルとして位置付けられています。このモデルは90%のスパース性を活用し、総パラメータ数5500億のうち550億の有効パラメータを維持しています。Artificial Analysis Intelligence IndexではKimi K2.6モデル（54）を下回りましたが、他の多くのオープンウェイトモデルを上回る性能を示しました。
- • Nemotron 3 Ultraは、90%のスパース性により550Bの総パラメータ数に対し55Bの有効パラメータを保持。
- • Artificial Analysis Intelligence Indexで48点を記録し、Gemma 4 31B（39）やNemotron 3 Super（36）を上回る性能。
- • リリース前のDeepInfraエンドポイントにおいて、毎秒300トークンを超える速度を達成。
- • BF16の重みでリリースされており、将来的にNVFP4量子化版のリリースも予定。
最適化されたエンドポイント上で毎秒300トークン以上の速度で動作する、非常に高性能な米国製オープンウェイトモデルの選択肢を開発者に提供します。
4. OpenAIのフロンティアモデルとCodexがAmazon Bedrockで利用可能に
OpenAIのフロンティアモデルとCodexがAWSで一般提供されたことで、エンタープライズ顧客は既存のクラウドインフラ内でこれらの機能を活用できるようになりました。この統合はAWSネイティブのセキュリティおよびガバナンス制御をサポートしています。さらに、今後AWSで提供予定のOpenAIの「Daybreak」スイートは、セキュアなコードレビュー、脅威モデリング、パッチ検証、依存関係のリスク分析、および修正ガイダンスを通じてサイバー防御担当者を支援するように設計されています。
- • OpenAIのフロンティアモデルとCodexが、商用およびGovCloudリージョンのAmazon Bedrockで一般提供開始。
- • この統合により、AWS顧客は既存のコンプライアンス、調達、セキュリティワークフロー内でOpenAIモデルを実行可能。
- • Bedrock上のCodexは、開発チームのコードレビュー、デバッグ、モダナイゼーションを支援。
- • OpenAIは、Codex Securityを含むサイバーセキュリティスイート「Daybreak」を将来のリリースでAWSに導入する計画。
AWSにデプロイする開発者は、Amazon Bedrockを通じてOpenAIモデルを直接統合し、AWSネイティブのガバナンス制御と統合請求を活用できるようになります。
5. Red Hatのnpmパッケージが侵害され、Claude CodeとVS Codeを標的に
2026年6月1日、StepSecurityは「@redhat-cloud-services」npmスコープ内にマルウェアを発見しました。悪意のあるペイロードは、package.jsonのpreinstallスクリプトによってトリガーされる4.2MBのindex.jsファイルに含まれており、4層の難読化が施されています。流出トラフィックは、正当なGitHub APIアクティビティを模倣するためにapi.github.comを経由してルーティングされます。StepSecurityは、RedHatInsights/platform-frontend-ai-toolkitを含む3つの影響を受けるリポジトリに対して開示報告を行いました。
- • StepSecurityは、npm install時にpreinstallスクリプトを通じて自動実行されるマルウェアを@redhat-cloud-services npmスコープ内で特定。
- • マルウェアはAWS、GCP、Azure、Kubernetes、HashiCorp Vault、GitHub Actions、CircleCIの認証情報を標的とする。
- • Claude Code設定へのSessionStartフック注入や、VS Codeワークスペース設定へのfolderOpenタスク追加により永続性を確立。
- • 自己増殖型ワームは、盗まれたnpmトークンとbypass_2faパラメータを使用して、影響を受けた32個のパッケージのバックドア版を再公開する。
これらのパッケージを使用している開発者は、直ちに環境を監査する必要があります。マルウェアはClaude Codeの設定やVS Codeのワークスペース設定に直接悪意のあるフックを注入するためです。
6. xAIがエージェント型コーディング向け「Grok Build 0.1」APIを公開
grok-build-0.1モデルがパブリックベータ版として利用可能になり、エージェント型コーディングワークフローを構築する開発者に高速な選択肢を提供します。このモデルは毎秒100トークンを超える速度でデータを処理するように設計されており、リアルタイムのデバッグやWeb開発タスクに対して高い応答性を発揮します。
- • xAIはgrok-build-0.1モデルをAPI経由でパブリックベータとしてリリース。
- • Web開発とデバッグに特化したエージェント型コーディング向けに最適化されており、毎秒100トークン以上を処理。
- • API価格は入力100万トークンあたり1ドル、出力100万トークンあたり2ドルに設定。
- • Cursor、Grok Build、OpenClawなどの開発者プラットフォームと直接統合。
開発者はCursorやOpenClawを通じて、このモデルを日常のワークフローに即座に統合し、入力100万トークンあたり1ドルで高速なエージェント型コーディングを実現できます。
7. MicrosoftがBuildカンファレンスで推論モデル「MAI-Thinking-1」を発表へ
サンフランシスコで開催されるMicrosoft Buildカンファレンスでは、AIと開発者向けのWindows改善に重点が置かれます。Microsoft AI部門の責任者であるムスタファ・スレイマン氏が発表を主導する見込みで、新しいローカルAIモデルや刷新されたWindows 11のユーザーエクスペリエンスが含まれます。デモンストレーションでは、同社のOpenClawの取り組みに基づくAIエージェント「Microsoft Scout」も紹介される予定です。
- • MicrosoftはBuildカンファレンスで、初のネイティブな非蒸留型推論モデル「MAI-Thinking-1」を発表する見込み。
- • MAI-Image-2.5およびMAI-Image-2.5-Flashモデルを導入し、夏の終わりにはCopilot「スーパーアプリ」のプレビューを予定。
- • クラウドAPIではなくローカルの計算リソースを活用するため、Windows上でのローカルAIモデル実行を強調。
- • 開発者向けに最適化された新しいWindows 11エクスペリエンスは、ツールやスクリプトがプリインストールされた集中できる環境を提供。
開発者は新しいネイティブ推論モデルや画像モデルに加え、ローカルAI実行用に設計された開発者向けWindows 11環境にアクセスできるようになります。
8. Memory OSがHermesエージェント向けに6層のオープンソースメモリスタックを公開
2026年5月31日にリリースされたMemory OSは、エージェントのメモリ管理に対する構造化されたアプローチを提供します。このシステムは、検索のための4レベルのフォールバックカスケードと、メモリの肥大化を管理するための週次減衰スキャナーを活用しています。プロジェクトは開発の初期段階にあり、複数のサービスの複雑なセットアップが必要ですが、Hermesを使用して構築する開発者に対して高度にカスタマイズ可能なメモリスタックを提供します。
- • Memory OSは、Docker、Qdrant、Redis、Pythonを使用してローカルで実行するように設計されたMITライセンスのメモリ・アーキテクチャ。
- • ワークスペースファイル、セッション履歴、構造化された事実、自動キュレーションされたLLM Wikiなど、6つのメモリレイヤーを実装。
- • pre_llm_call時のゲート付き重複排除検索プロセスを特徴とし、post_llm_callおよびon_session_end時に新しい情報をキャプチャ。
- • HermesエージェントがサポートするあらゆるLLMプロバイダーと互換性があるが、現時点では公開されたベンチマークは存在しない。
自動キュレーション、ベクトルストレージ、減衰スキャン機能を備えた、コンテキストの肥大化を防ぐプロダクションレディなローカルメモリスタックを開発者に提供します。
9. Piアシスタントが「pi-dynamic-workflows」でマルチエージェントワークフローに対応
pi-dynamic-workflows拡張機能を使用すると、Piアシスタントはタスクをサブエージェントに分散させることで複雑なタスクを調整できます。これらのサブエージェントは、メインのアシスタントが最終結果を統合する前に、ファイルの読み取りやシェルコマンドの実行といった特定の操作を分離された環境で実行します。
- • pi-dynamic-workflows拡張機能は、Piアシスタント向けのワークフローツールを導入。
- • アシスタントはJavaScriptスクリプトを実行し、複数の独立したサブエージェントにタスクを分散可能。
- • サブエージェントはファイルの読み取り、シェルコマンドの実行、構造化された出力の生成が可能。
- • コードベースの監査、多角的なレビュー、大規模なリファクタリング、分散型リサーチ向けに設計。
コードベースの監査や大規模なリファクタリングなど、複雑な多段階タスクを自動化するための構造化されたフレームワークを開発者に提供します。
10. AgentControlがAIエージェントのプロダクション監視と制御機能をリリース
AgentControlは、ライブ環境で自律型エージェントを管理する課題に対処します。リアルタイムの可視性と制御機能を提供することで、開発者は望ましくない動作をブロックし、エージェントの動作バリエーションを動的に実験できるようになります。
- • AgentControlは、AIエージェント向けのプロダクション監視および管理ツール。
- • 開発者はエージェントのアクティビティを表示し、不要な動作をブロックし、応答をリアルタイムで制御可能。
- • 完全なデプロイサイクルを経ることなく、エージェントの動作を実験・反復できる。
- • 現在、無料トライアルを提供中。
コードを再デプロイすることなく、自律型エージェントに対する即時の可視性と実行時の制御を開発者に提供します。
11. JetBrainsがコーディング特化型MoEモデル「Mellum-2」をオープンソース化
Mellum-2シリーズは、AIワークフロー向けの高速なモデルオプションとして設計されています。Hugging Faceでホストされ、arXivの技術レポートで文書化されているこのモデルはコーディングタスクに最適化されていますが、JetBrainsは非コーディングドメインではQwen 3.5 4Bよりも性能が劣ることを指摘しています。
- • JetBrainsは、小型Mixture-of-Experts (MoE) モデルシリーズ「Mellum-2」をHugging Faceでオープンソース化。
- • シリーズ内の推論モデルは、Qwen 3.5 9Bに匹敵するコーディング性能を発揮。
- • Mellum-2はAIワークフローでの速度に最適化されているが、非コーディングタスクではQwen 3.5 4Bに劣る。
Qwen 3.5 9Bのような大規模モデルに匹敵する性能を持つ、コード生成のための軽量なローカル代替手段を開発者に提供します。
12. llama.cpp b9455がマルチGPU環境での量子化KVキャッシュバグを修正
llama.cppのリリースb9455は、マスターブランチにおける重大なマルチGPU問題を修正しました。ggml_backend_meta_split_state仕様を拡張することで、この修正によりメタバックエンドはリシェイプ後に正しいデータレイアウトを復元できるようになり、テンソルのフラット化によって引き起こされていた形状情報の損失が解決されました。
- • llama.cppリリースb9455は、マルチGPUセットアップで--sm tensorと量子化KVキャッシュを使用する際に発生していたバグを修正。
- • バグの原因はKVキャッシュ回転中のテンソルフラット化であり、メタバックエンドが必要とする形状情報が削除されていた。
- • 修正によりggml_backend_meta_split_state仕様が拡張され、セグメントの繰り返し頻度を追跡して正しいレイアウトを復元。
- • 実装は完全に後方互換性があり、既存のllama.cpp計算グラフへの変更は不要。
ローカルでマルチGPU推論を実行する開発者は、既存の計算グラフを変更することなく、量子化KVキャッシュとテンソル分割を安全に使用できるようになります。
13. ByteDanceが動画生成モデル「Bernini」をHugging Faceでリリース
ByteDanceはHugging FaceプラットフォームでBerniniを公開しました。このモデルは、テキスト、画像、または参照を入力として使用して動画を生成または編集するように設計されており、主要なクローズドソースの動画生成モデルに匹敵する性能を持つと主張されています。
- • ByteDanceは、動画生成・編集モデル「Bernini」をHugging Faceでリリース。
- • テキスト、画像、または参照動画を入力として受け取り、動画コンテンツを生成または編集可能。
- • Berniniは、主要なクローズドソースの動画生成モデルに匹敵する性能を持つと位置付けられている。
開発者は、非常に高性能な動画生成モデルにアクセスし、ローカルまたはHugging Face経由でホストすることで、カスタム動画編集ワークフローを構築できます。
14. SnowflakeのCSTOがAIエージェント向けに意図ベースの権限管理とMCPゲートウェイを提唱
Snowflakeの最高セキュリティ・信頼性責任者であるMayank Upadhyay氏は、安全な経路が安全でない経路よりも使いにくい場合、セキュリティの導入は失敗すると主張しています。彼は、AIエージェントが過剰な権限を持つことが多く、攻撃対象領域を拡大させていると指摘します。これに対処するため、タスク固有の認証情報を提唱し、ガバナンスルールを中央でエンコードする実用的な方法としてMCPゲートウェイを提案しています。
- • SnowflakeのCSTOは、静的で過剰な権限ではなく、意図に基づいたタスク固有の短命な認証情報をエージェントに付与することを推奨。
- • MCPゲートウェイは、複数のエージェントとツールの接続全体にガバナンスルールを中央でエンコードするための実用的なツールとして強調されている。
- • 著者は、静的キーを排除し、AIエージェントが悪用可能な20%の可視性のギャップを埋めるために、クラウドワークロードIDの使用を推奨。
エージェント型ワークフローを構築する開発者は、MCPゲートウェイを使用して複数のエージェントとツールの接続を中央で管理・統制し、過剰な権限を持つエージェントの攻撃対象領域を削減できます。