Local LLM / Open Models page 3/4

AI要約 Hugging FaceがOpen ASR Leaderboardに非公開テストセットを導入し、ベンチマークの過剰最適化（benchmaxxing）を防ぐ仕組みを追加した。これによりモデルの真の汎化性能を測定でき、公開データへの過学習を見抜けるようになる。

EN Adding Benchmaxxer Repellant to the Open ASR Leaderboard

AI要約 IBMがオープンソースLLM「Granite 4.1」の構築手法を公開。Mamba-Transformerハイブリッドアーキテクチャを採用し、長文処理の効率とコスト削減を実現。エンタープライズ用途を意識した学習データやファインチューニング手法も紹介されている。

EN Granite 4.1 LLMs: How They’re Built

AI要約 NVIDIAは文書、音声、動画を統合的に処理できるマルチモーダルモデル「Nemotron 3 Nano Omni」を公開した。長文コンテキスト対応により、エージェント用途での文書解析やメディア理解を一つのモデルで担えることが特徴とされる。

EN Introducing NVIDIA Nemotron 3 Nano Omni: Long-Context Multimodal Intelligence for Documents, Audio and Video Agents

AI要約 TII (Technology Innovation Institute) がアラビア語LLM評価のための新リーダーボード「QIMMA」を公開した。品質を最優先に、文化的・言語的特性を反映したベンチマークでモデルを評価し、アラビア語圏での実用性を可視化する。

EN QIMMA قِمّة ⛰: A Quality-First Arabic LLM Leaderboard

AI要約 Hugging Faceブログで紹介されたEcom-RLVEは、Eコマースの対話エージェントを訓練するための適応的かつ検証可能な強化学習環境である。実際の購買シナリオに基づき、エージェントの応答を客観的に評価できる報酬設計を採用し、対話品質と業務遂行能力の両立を狙う。

EN Ecom-RLVE: Adaptive Verifiable Environments for E-Commerce Conversational Agents

AI要約 Hugging FaceがTransformersモデルをApple SiliconネイティブのMLX形式へ自動変換し、PRを開くボットを公開。重み変換・実装移植・テストを自動化し、Mac上での高速ローカル推論を容易にする取り組み。

EN The PR you would have opened yourself

AI要約 Hugging FaceがSentence Transformers v5系を用いて、テキストと画像を扱うマルチモーダル埋め込みモデルおよび再ランカーモデルを学習・微調整する方法を解説。CLIPなどのビジョン言語モデルを基盤に、損失関数やデータ準備、評価まで実践的に紹介する。

EN Training and Finetuning Multimodal Embedding & Reranker Models with Sentence Transformers

AI要約 Decartが発表したWaypoint-1.5は、コンシューマー向けGPUでもリアルタイム動作するインタラクティブな世界モデル。前バージョンより解像度と一貫性が向上し、オープンワールド的な探索体験をローカル環境で実現する。

EN Waypoint-1.5: Higher-Fidelity Interactive Worlds for Everyday GPUs

AI要約 Sentence Transformersが画像やマルチモーダル入力に対応するよう拡張された。CLIPやSigLIPなどのモデルを共通APIで扱え、テキスト・画像横断の埋め込みやリランキングが可能になり、検索やRAGの構築が容易になる。

EN Multimodal Embedding & Reranker Models with Sentence Transformers

AI要約 Hugging Faceが開発した安全で高速なテンソル保存形式Safetensorsが、PyTorch Foundationに寄贈された。これによりオープンガバナンス下で運営され、エコシステム全体で標準フォーマットとしての普及が加速する見通し。

EN Safetensors is Joining the PyTorch Foundation

AI要約 アブダビのTechnology Innovation Institute(TII)が、Falconシリーズの新たなマルチモーダルモデル「Falcon Perception」を公開した。視覚と言語を統合し、軽量かつエッジ展開を意識した設計で、オープンウェイトとして提供される。

EN Falcon Perception

AI要約 Gradioが新たに提供するサーバー機能により、React、Vue、Svelteなど任意のフロントエンドからGradioで構築したPythonバックエンドを呼び出せるようになった。MLアプリのUIとロジックを分離した開発が容易になる。

EN Any Custom Frontend with Gradio's Backend

AI要約 IBMが企業文書処理に特化した軽量マルチモーダルモデルGranite 4.0 3B Visionを発表。3Bパラメータながら文書理解やOCR、表・図解析で大規模モデルに匹敵する性能を示し、Apache 2.0で公開された。エンタープライズ用途を意識した設計が特徴。

EN Granite 4.0 3B Vision: Compact Multimodal Intelligence for Enterprise Documents

AI要約 Hugging FaceがLLMポストトレーニング用ライブラリTRLのv1.0を公開。SFT/DPO/GRPOなど主要手法を統合し、APIの安定化、vLLM連携、マルチノード分散学習、VLM対応強化など、実運用に耐える成熟版に到達した。

EN TRL v1.0: Post-Training Library Built to Move with the Field

AI要約 ServiceNow AI が音声エージェント評価のための新フレームワーク EVA を発表した。会話品質や音声特性、タスク達成度を統合的に測定し、従来のテキストベース評価では捉えきれない実運用上の課題に対応することを目指す。

EN A New Framework for Evaluating Voice Agents (EVA)

AI要約 Hugging Faceが2026年春時点のオープンソースAIの状況をまとめた。中国勢のLLM主導、マルチモーダルや動画生成モデルの台頭、推論・量子化エコシステムの成熟が示され、コミュニティ規模も急拡大している。

EN State of Open Source on Hugging Face: Spring 2026

AI要約 H Companyが12BパラメータのコンピュータUse向けエージェントモデルHolotron-12Bを公開。GUI操作タスクを高スループットで処理し、ブラウザやデスクトップ自動化を想定した設計で、オープンモデルとして提供される。

EN Holotron-12B - High Throughput Computer Use Agent

AI要約 Hugging Faceは、組織がリポジトリのデータを自社のクラウドストレージ(AWS S3等)に保存できるStorage Buckets機能を発表した。データ主権やコンプライアンス要件に対応しつつ、Hub上のUIやAPIをそのまま利用できる点が特徴。

EN Introducing Storage Buckets on the Hugging Face Hub

AI要約 Hugging Faceが16のオープンソース強化学習ライブラリを比較調査し、LLM向けRL訓練における非同期化やトークン生成効率化の課題と設計パターンを整理。スループット向上のための学習・推論分離やオフポリシー対応の動向を解説する。

EN Keep the Tokens Flowing: Lessons from 16 Open-Source RL Libraries

AI要約 Hugging Faceがブログで紹介したUlysses Sequence Parallelismは、長文脈LLM学習向けの並列化手法。アテンションヘッドをGPU間で分割することで通信量を抑え、100万トークン級の文脈長での訓練を現実的にする。

EN Ulysses Sequence Parallelism: Training with Million-Token Contexts

AI要約 Hugging Faceがオープンソースのロボット学習ライブラリLeRobot v0.5.0を公開した。新たなプロセッサパイプライン、async推論、RLサポート、SmolVLA等の最新方策、ハードウェア互換性の拡充など、研究から実機運用までを通貫する大規模アップデートとなっている。

EN LeRobot v0.5.0: Scaling Every Dimension

AI要約 Hugging FaceとNXPが、ロボティクス向けVision-Language-Action(VLA)モデルを組込みプラットフォームへ展開する取り組みを紹介。LeRobotを用いたデータセット収集、SmolVLAの微調整、i.MXシリーズ上での推論最適化までの実践的ワークフローを解説する。

EN Bringing Robotics AI to Embedded Platforms: Dataset Recording, VLA Fine‑Tuning, and On‑Device Optimizations

AI要約 Hugging Faceは、拡散モデルのパイプラインをブロック単位で組み立てられる新フレームワーク「Modular Diffusers」を発表した。再利用可能なPipelineBlockを組み合わせることで、独自ワークフローの構築や既存コンポーネントの共有が容易になる。

EN Introducing Modular Diffusers - Composable Building Blocks for Diffusion Pipelines

AI要約 Photoroomが公開したPRXシリーズ第3弾。効率的なDiTアーキテクチャと最適化技術により、テキストから画像を生成するモデルを24時間という短時間で学習させる手法を解説する。

EN PRX Part 3 — Training a Text-to-Image Model in 24h!

AI要約 Hugging FaceがGGMLおよびllama.cppプロジェクトのスポンサーとなり、開発者であるGeorgi Gerganov氏らを支援する。CPU/GPU上で大規模言語モデルを軽量に動かす両ツールの長期的な発展を確実にし、ローカルAIエコシステムの推進を狙う。

EN GGML and llama.cpp join HF to ensure the long-term progress of Local AI

AI要約 Hugging FaceがUnslothとJobsを組み合わせた無料のAIモデル微調整環境を提供。Pro/Team/Enterpriseユーザーは月額クレジットでGPUを利用でき、ローカル環境構築なしにLoRAやQLoRAによる効率的な学習を実行できる。

EN Train AI models with Unsloth and Hugging Face Jobs for FREE

AI要約 IBMリサーチとUC Berkeleyは、企業ITタスクにおけるAIエージェントの失敗を分析する診断フレームワークを発表した。IT-Benchで実環境タスクを評価し、MASTで失敗モードを分類することで、SRE・CISO・FinOps領域における低い成功率の原因を体系的に特定する。

EN IBM and UC Berkeley Diagnose Why Enterprise Agents Fail Using IT-Bench and MAST

AI要約 Hugging Face が Codex・Claude 向け Agent Skills を公開し、LLM エージェントが CUDA カスタムカーネルを自動生成・最適化できる仕組みを提供。

EN Custom Kernels for All from Codex and Claude