1. Moondream 3.1がリリース、9BパラメータのMixture-of-Expertsアーキテクチャを採用
Moondream 3.1がMixture-of-Experts（MoE）アーキテクチャを採用したビジョン言語モデルとしてリリースされました。このモデルは合計90億のパラメータを持ち、そのうち20億がアクティブです。視覚的推論および検出タスク向けに設計されており、クエリ、検出、ポイント指定、キャプション生成といったネイティブスキルをサポートしています。Moondream 3.1のすべてのスキルは構造化された出力を返します。
- • Moondream 3.1は、合計90億パラメータ、アクティブパラメータ20億のMixture-of-Experts（MoE）アーキテクチャを採用しています。
- • このモデルは視覚的推論および検出タスク向けに設計されています。
- • クエリ、検出、ポイント指定、キャプション生成といったネイティブスキルをサポートしています。
- • Moondream 3.1のすべてのネイティブスキルは構造化された出力を返します。
ローカル環境での視覚的推論、検出、構造化データ抽出タスクにおいて、軽量かつ非常に効率的なオープンウェイトのビジョンモデルを提供します。
2. 人気のMCPサーバーに深刻なセキュリティ脆弱性が発見される
Canopiiのレポート「State of MCP Security 2026」は、公開されている11,524件のMCPサーバーを分析しました。その結果、14分の1にあたる830件のサーバーがセキュリティ評価でDまたはF判定を受けました。研究者は、eval、シェルインジェクション、安全でないデシリアライゼーションなどの危険なコードシンクを含むサーバーを232件特定しました。また、初期公開後にツール定義を変更したサーバーバージョンが184件見つかりました。認証が必要と主張するエンドポイントが、匿名ユーザーに対してツールを提供していたケースも741件確認されました。特に、GitHubで1,000スター以上を獲得しているサーバーは、10スター未満のサーバーと比較して高リスクである可能性が5倍以上高く、最もスター数の多い15サーバーのうち6件がDまたはF判定を受けています。
- • Canopiiのレポートは11,524件のMCPサーバーを分析し、そのうち830件（14分の1）にDまたはFの評価を下しました。
- • eval、シェルインジェクション、安全でないデシリアライゼーションなどの危険なコードシンクを含むサーバーが232件特定されました。
- • 初期公開後にツール定義を変更したサーバーバージョンが184件確認されました。
- • 認証が必要なはずのエンドポイントが、匿名ユーザーにツールを提供していたケースが741件ありました。
- • GitHubで1,000スター以上のサーバーは、10スター未満のサーバーより高リスクである可能性が5倍以上高いです。
- • レジストリで最もスター数の多い15サーバーのうち6件が、セキュリティ評価でDまたはF判定を受けました。
サードパーティのMCPサーバーを統合する開発者は、アプリケーションを保護するために、シェルインジェクションや不正なツール公開などの脆弱性がないか慎重に監査する必要があります。
3. llama.cppがリリース、エージェントワークフローにおけるコンテキストチェックポイントのバグを修正
llama.cppのリリースb9978では、エージェントワークロードに特化したチェックポイントのバグが修正されました。修正前は、エージェントの各ターンで新しいチェックポイントが作成され、最小ステップ間隔がバイパスされてカバレッジウィンドウが崩壊していました。このバグにより、ツール呼び出しループ中にコンテキストが巻き戻されるとすべてのチェックポイントが消去され、完全な再処理が発生していました。今回のアップデートでは、より広いカバレッジウィンドウを維持するために、以前のタスクから近接したチェックポイントを削除する機能が導入され、長いエージェントセッションの速度が向上しました。
- • llama.cppのリリースb9978は、エージェントワークロードに影響を与えていたチェックポイントのバグを修正しました。
- • 修正前は、エージェントの各ターンで新しいチェックポイントが作成され、最小ステップ間隔がバイパスされてカバレッジウィンドウが崩壊していました。
- • このバグにより、ツール呼び出しループ中のコンテキスト巻き戻しで全チェックポイントが消去され、完全な再処理が発生していました。
- • アップデートにより、以前のタスクの近接したチェックポイントを削除し、より広いカバレッジウィンドウを維持する仕組みが導入されました。
この修正により、複雑なツール呼び出しループを伴う長時間のローカルエージェントセッションの速度と効率が大幅に向上します。
4. Zer0Fit MCPサーバー、GoogleのTabFMとTimesFMモデルをローカルワークフローで利用可能に
ある大学院生が、GoogleのTabFMおよびTimesFMトランスフォーマーモデルを単一のDockerコンテナで実行できるMCPラッパー「Zer0Fit」をリリースしました。このツールにより、これらの表形式および時系列モデルを、Open WebUI、Claude Code、CodexなどのローカルLLMと統合できます。Zer0FitはPyTorchベースであるため、少なくとも16GBのVRAMが必要であり、CUDA互換ハードウェアに限定されます。実装には、VRAM使用量を管理するための5分間の生存時間（TTL）を備えた動的なモデルのロード/アンロード機能が含まれています。従来のデータセットでの初期テストでは、Iris分類器で94.7%の精度、California Housing回帰モデルで0.87のR2スコアを達成しました。
- • Zer0Fitは、GoogleのTabFMおよびTimesFMトランスフォーマーモデルをMCPサーバーとして単一のDockerコンテナでローカル実行します。
- • 表形式および時系列モデルをOpen WebUI、Claude Code、CodexなどのローカルLLMと統合可能です。
- • PyTorchベースのため、少なくとも16GBのVRAMとCUDA互換ハードウェアが必要です。
- • VRAM使用量を管理するため、5分間のTTLによる動的なモデルのロード/アンロード機能を備えています。
- • 初期テストでは、Iris分類器で94.7%の精度、California Housing回帰モデルで0.87のR2スコアを達成しました。
- • 現在はCSVファイルをサポートしており、今後XLS、XLSX、JSON、JSONL形式への対応が予定されています。
開発者は、強力な表形式および時系列の予測、分類、回帰モデルを、ローカルLLMワークフローやエージェント環境に直接統合できるようになります。
5. Mindwalk、Claude CodeとCodexのエージェントセッションを3Dで可視化
Mindwalkは、コーディングエージェントのセッションをコードベースの3Dマップ上でリプレイする新しい可視化ツールです。このツールは、Claude CodeやCodexのセッションログを外部に送信することなく、ローカルで処理します。リポジトリを3Dマップとして表現し、検索、読み取り、編集アクションに基づいてファイルのアクティビティを光るエフェクトで可視化します。MindwalkはGoバックエンドとReact/Three.jsフロントエンドで構築されており、正規化されたトレースおよびcitymap JSONファイルを利用します。MITライセンスで公開されており、Ricko Yu氏によって開発されました。
- • MindwalkはClaude CodeとCodexのセッションログをローカルで処理し、コードベースのアクティビティを3Dマップとして生成します。
- • ファイルのアクティビティは、検索、読み取り、編集アクションに基づいた光るエフェクトで可視化されます。
- • ツリービューや地形ビュー、タッチ状態の追跡、ヒストグラム付きの再生デッキ、ユーザーターンやサブエージェント起動のタイムラインマークなどの機能を備えています。
- • GoバックエンドとReact/Three.jsフロントエンドで構築され、正規化されたトレースおよびcitymap JSONファイルを利用します。
- • MITライセンスで公開されており、シェルスクリプトによるインストールまたはソースからのビルドが可能です。
コードベースのアクティビティをインタラクティブな3Dで可視化することで、開発者が複雑なマルチステップのエージェント動作をデバッグし、理解するのに役立ちます。
6. Modelrアプリ、Appleシリコンでローカル画像から3D生成を実現
開発者のZimeng Xiong氏は、Hunyuan3D-PaintおよびHunyuan3D-ShapeのSwift/MLXポートに基づく、Appleシリコン向けのスタンドアロン画像から3Dへのデスクトップアプリ「Modelr」をリリースしました。このアプリはMLXフレームワークを活用し、PyTorchやCPU処理のオーバーヘッドなしでAppleシリコン上でモデルを実行します。M4 Maxチップ（FP16）でのベンチマークでは、hy3d shape (small) が20.9秒（ピークメモリ5.6GB）、hy3d paint (pbr) が344秒（ピークメモリ39GB）で実行されました。Modelrの機能には、SwiftVisionを使用した背景削除や、3Dモデル生成のためのリアルタイム拡散ストリーミングが含まれます。
- • 開発者のZimeng Xiong氏が、Appleシリコン向けのスタンドアロン画像から3Dへのデスクトップアプリ「Modelr」をリリースしました。
- • MLXフレームワークを使用し、PyTorchやCPU処理のオーバーヘッドなしでHunyuan3D-PaintおよびHunyuan3D-Shapeを実行します。
- • M4 Maxチップ（FP16）でのベンチマークでは、hy3d shape (small) が20.9秒（ピークメモリ5.6GB）で実行されました。
- • hy3d paint (pbr) モデルは、同じハードウェアで344秒（ピークメモリ39GB）で実行されました。
- • SwiftVisionを使用した背景削除や、3Dモデル生成のためのリアルタイム拡散ストリーミング機能を備えています。
- • ソースコードとウェイトは、Hunyuan3D-SwiftおよびModelrリポジトリにてGitHubで公開されています。
開発者は、クラウドAPIに依存することなく、Macハードウェア上で画像から3Dモデルを生成する高速かつ軽量なローカル環境を利用できます。
7. llama.cpp向けネイティブGGUF Jacobian-Lens可視化・ステアリングツールがリリース
ある開発者が、llama.cppで実行されるGGUFモデル向けに設計されたインタラクティブなJacobian-lens可視化およびライブステアリングツールをリリースしました。Anthropicの研究に触発されたこのプロジェクトは、モデルの観測、J空間スワッピング、アブリレーション、ステアリングをサポートするネイティブGGUFサーバーを備えています。このツールは、密なモデルとMixture-of-Experts (MoE) GGUFモデルの両方と互換性があり、実行中のllama-serverインスタンスを観測できます。レンズのメモリ要件はモデルサイズの約8分の1で、160GBのモデルに対して約20GBの追加RAMが必要です。
- • jlens-ggufツールは、モデルの観測、J空間スワッピング、アブリレーション、ステアリングをサポートするネイティブGGUFサーバーを備えています。
- • 密なモデルとMixture-of-Experts (MoE) GGUFモデルの両方と互換性があり、実行中のllama-serverインスタンスを観測可能です。
- • レンズのメモリ要件はモデルサイズの約8分の1で、160GBのモデルに対して約20GBの追加RAMが必要です。
- • プロジェクトのコードはGitHub（github.com/igorbarshteyn/jlens-gguf）で公開されています。
このツールにより、開発者は推論中にローカルGGUFモデルの内部アクティベーションを具体的に検査し、制御する方法を得ることができます。
8. mlx-lmがAppleシリコンでのNemotron Puzzle 75Bのネイティブサポートを追加
nemotron_h_puzzleのネイティブサポートが、プルリクエスト#1535を通じてmlx-lmライブラリに追加されました。64GBのM2 Max上で4ビットおよび5ビットの専門家量子化のパフォーマンス比較が行われ、両構成とも6ビットの密な層とBF16出力ヘッドを使用しました。4ビット構成は5ビットバージョンを上回り、1秒あたり14.27トークンを達成しました（5ビットは10.53トークン/秒）。モデルの実装には、ブロック単位の構成サポートの追加、テンソルリマッピング、NVIDIAのFP32ノルムおよびルーター動作との一致が必要でした。最初の層のSSM出力における不一致は、softplus計算の昇格順序をNVIDIAの参照と一致させることで解決され、コサイン類似度が0.999998まで向上しました。
- • nemotron_h_puzzleのネイティブサポートが、プルリクエスト#1535を通じてmlx-lmライブラリに追加されました。
- • 4ビットの専門家量子化構成は64GBのM2 Maxで14.27トークン/秒を達成し、5ビット構成（10.53トークン/秒）を上回りました。
- • 5ビット構成はメモリ負荷が高く、ローカルタスクチェックや長文脈検索でパフォーマンスが低下しました。
- • 実装には、ブロック単位の構成サポートの追加、テンソルリマッピング、NVIDIAのFP32ノルムおよびルーター動作との一致が必要でした。
- • 最初の層のSSM出力の不一致はsoftplus計算の順序調整で解決され、コサイン類似度が0.999998まで向上しました。
- • 131k語彙のlm_headが反復的な出力を生成するのを防ぐため、BF16出力ヘッドの使用が必須です。
開発者は、最適化されたメモリ使用量とパフォーマンスで、強力な75BパラメータモデルをAppleシリコン上でローカル実行できます。
9. DeepSeekがV4-Proの価格を75%引き下げ、コスト差をさらに拡大
DeepSeekと米国のフロンティアラボ間の既存のコスト格差を背景に、DeepSeekはV4-Proモデルの価格を75%引き下げました。これにより開発者の参入障壁はさらに下がりましたが、マルチステップのエージェントワークフローにおけるトークン消費の急速な増加は、低下する推論コストを上回り続けています。以前指摘したように、エージェントシステムは入力対請求トークン比が1:700に達する可能性があるため、単価が下がっても、開発者は持続可能な利益率を維持するためにプロンプトキャッシングやコスト意識の高いルーティングなどの手法を採用する必要があります。
- • DeepSeekはV4-Proの価格を75%引き下げ、米国フロンティアモデルに対するコスト優位性をさらに高めました。
- • 単価が下がっても、マルチステップのエージェントワークフローは1:700の比率に達する速度でトークンを消費し続けています。
- • トークン増幅は、従来のシートベースの価格設定を使用するベンダーにとって、負の売上総利益率の主な要因となっています。
- • 開発者は、高いエージェントトークン使用量を相殺するために、プロンプトキャッシングや投機的デコードなどのコスト管理戦略の実装を余儀なくされています。
DeepSeekの値下げは高価な米国フロンティアモデルの魅力的な代替手段となりますが、エージェントワークフロー固有のトークン増幅により、単価の削減だけでは企業ベンダーの根本的な利益率の課題を解決できない可能性があります。
10. Anthropic、Fable 5のプロモーションアクセスとレート制限の延長を7月19日まで実施
Anthropicは、Claude Fable 5へのアクセスとClaude Codeサブスクライバー向けの50%高い週間レート制限のプロモーション期間を延長しました。これらは以前7月12日に終了予定でしたが、7月19日まで有効となります。Fable 5の使用量は、追加費用なしでサブスクライバーの週間制限の最大半分までカウントされ続けます。
- • Claude Codeのプロモーションアクセスと50%高い週間レート制限が7月19日まで延長されました。
- • この延長は、7月12日に終了予定だった当初のプロモーション期間に続くものです。
- • Fable 5の使用量は、追加費用なしでサブスクライバーの週間制限の最大半分までカウントされ続けます。
開発者は、コーディングおよび推論ワークフローにおいて、より高いレート制限とFable 5へのプロモーションアクセスをさらに1週間利用できます。
11. Claude CodeとOpenCodeのトークン効率を比較する調査
エージェントコーディングツールであるClaude CodeとOpenCodeの効率を比較するための実証調査が行われました。この調査は、Claude Codeの方がOpenCodeよりも使用量メーターが早く上昇するという逸話的な証拠を受けて開始されました。研究者は、コーディングツールとAnthropicのエンドポイントの間にログを追加し、すべてのリクエストと使用ブロックをキャプチャすることで実証データを収集しました。調査の結果、Claude Codeはキャッシュ戦略とハーネスのトークン使用量の点でOpenCodeよりも効率が悪く、プロンプトを読み取る前に33,000トークンを送信しているのに対し、OpenCodeは7,000トークンであることが判明しました。
- • Claude CodeとOpenCodeの効率を、Anthropicのエンドポイントへのリクエストをログに記録することで比較しました。
- • Claude Codeはプロンプトを読み取る前に33,000トークンを送信するのに対し、OpenCodeは7,000トークンであることが判明しました。
- • Claude Codeはキャッシュ戦略とハーネスのトークン使用量の点でOpenCodeよりも効率が悪いと結論付けられました。
- • この調査は、Claude Codeの方がOpenCodeよりも使用量メーターが早く上昇するという逸話的な証拠を受けて開始されました。
Claude Codeを使用する開発者は、その高いトークンオーバーヘッドに注意する必要があります。これは、OpenCodeのような代替ツールと比較してAPI使用コストを加速させる可能性があります。
12. RTX 5090とQwen3.6 35Bを用いた並列エージェントスループットのベンチマーク
RTX 5090 GPUとLM Studio経由でロードされたQwen 3.6 35Bモデルを使用したベンチマークテストで、マルチエージェントのスループットを評価しました。テストパラメータには、エージェントあたり5リクエスト、最大1024トークン、温度0.3が含まれます。合計スループットはサブ線形にスケールし、8エージェントは単一エージェントの2.2倍のスループットを提供します。個々のエージェントの速度は、1エージェント時の256.54 t/sから8エージェント時には67.22 t/sに低下します。2エージェント実行時に70.4%のピーク効率が達成されます。主なパフォーマンスのボトルネックは、KVキャッシュ要件と計算の分割であると特定されました。
- • LM Studio経由でロードされたQwen3.6 35BをRTX 5090上で実行し、並列タスク数8でマルチエージェントスループットを評価しました。
- • 合計スループットはサブ線形にスケールし、8エージェントは単一エージェントの2.2倍のスループットを提供します。
- • 個々のエージェントの速度は、1エージェント時の256.54 t/sから8エージェント時には67.22 t/sに低下します。
- • 2エージェント実行時に70.4%のピーク効率が達成され、OpenCodeの推奨構成は4〜5エージェントです。
- • 各エージェントはフルコンテキストウィンドウを使用するため、8エージェント実行時には8倍のKVキャッシュが使用されます。
- • 主なパフォーマンスのボトルネックは、KVキャッシュ要件と計算の分割であると特定されました。
ローカルマルチエージェントシステムを実行する際に、スループットの向上とVRAMおよびオーバーヘッドコストのバランスを取るための具体的な構成ガイドラインを提供します。
13. Qwen3.6-27Bのツール呼び出しとループ問題に対するコミュニティの回避策
ローカルモデルQwen3.6-27Bのユーザーから、フロンティアモデルの信頼できるローカル代替品としての使用を妨げる、頻繁なツール呼び出しの失敗やループ動作が報告されています。これに対処するため、あるユーザーはPiコーディングエージェント用の拡張機能を開発しました。これはJSONストリームのループを監視し、モデルが早期に停止した際に自動的にプロンプトを挿入して軌道修正を行うものです。さらに、コミュニティメンバーは、Hugging Faceの「froggeric」氏がホストするものなど、特定のチャットテンプレートを使用することで、ローカルモデルにおける一般的なループやツール呼び出しの失敗を解決できることを特定しました。
- • Qwen3.6-27Bのユーザーから、ローカルエージェントタスク中に頻繁なツール呼び出しの失敗やループ動作が報告されました。
- • ある開発者がPiコーディングエージェント用の拡張機能を作成し、JSONストリームのループを監視してプロンプトを挿入し、モデルを軌道修正できるようにしました。
- • コミュニティメンバーは、Hugging Faceの「froggeric」氏がホストするものなど、特定のチャットテンプレートを使用することで、一般的なループやツール呼び出しの失敗を解決できることを特定しました。
これらの回避策は、開発者がQwen3.6-27Bをエージェントタスクにおいてフロンティアモデルのより信頼できるローカル代替品として実行するのに役立ちます。