#moe 12 total

AI要約 Ollama v0.31.1 では、MLX バックエンドにおける Gemma4 の MoE モデルのローディングコードが整理・強化された。Apple Silicon 環境での Gemma4 MoE モデルの読み込み安定性が向上する。

EN Ollama v0.31.1 refines the MLX backend's Gemma4 mixture-of-experts model loading code, improving stability and reliability when running Gemma4 MoE models on Apple Silicon.

AI要約 RTX 4070でQwenのMoEモデルを測ると当初は前世代の半速に見えたが、原因はモデルでなく構成にあり、エキスパートをCPUにオフロードすると2.8倍速い34.6 tok/sを達成し、標準7問で全問正解した。

EN On an RTX 4070, Qwen first looked half as fast as the prior generation, but offloading MoE experts to the CPU gave a 2.8x speedup to 34.6 tok/s with 7/7 correct, proving the config—not the model—was the culprit.

AI要約 Cohere2Moeアーキテクチャのサポートを追加し、thinkingが出力されない場合のLFM2パーサー/レンダリングのバグを修正した。Claudeなど各種コーディングエージェント起動時の問題も解消されている。

EN Ollama v0.30.9 adds support for the Cohere2Moe architecture, fixes LFM2 parser/render behavior when thinking is not emitted, and resolves issues launching Claude and other coding agents.

AI要約 ローカルLLM推論におけるAMD GPUのVulkanバックエンドの実用性を、RX6800（16GB）とRadeon 890M iGPUの実機ベンチマークで検証し、MoEモデルがメモリ帯域を活かして高速化することを示した記録である。

EN Benchmarks AMD's Vulkan backend for local LLM inference with llama.cpp, comparing the RX6800 GPU against the Radeon 890M iGPU and showing that MoE models leverage memory bandwidth for better speed.

AI要約 FPTスマートクラウドジャパンが、MoE構成のGemma4 26B A4BをローカルやクラウドGPU環境で正しく動かすための推論環境のセットアップ手順を、必要なツールや設定とともに具体的に解説している。

EN FPT Smart Cloud Japan details how to fully set up an inference environment for the MoE-based Gemma4 26B A4B model, so it runs properly on local or cloud GPU hardware.

AI要約 AlibabaのQwen3.6-35B-A3BをM1 Pro 32GBのMacで実際に動かした検証レポート。35B総パラメータ・3Bアクティブのスパース MoEモデルながら、コンシューマー向けハードウェアでの実用性を率直に評価している。

EN A hands-on report on running Alibaba's Qwen3.6-35B-A3B sparse MoE model on an M1 Pro MacBook with 32GB of unified memory, offering an honest assessment of real-world usability on consumer hardware.

AI要約 長期的なエージェント型コーディング向けに設計されたMixture-of-Experts基盤モデル、Laguna M.1（2258億パラメータ）とXS.2を発表。自律的にコードを書くエージェント構築の新たな選択肢を提供する。

EN Introduces Laguna M.1 (225.8B params) and XS.2, two Mixture-of-Experts foundation models purpose-built for long-horizon, agentic coding, offering new options for building autonomous coding agents.

AI要約 M5 Max 上でローカル LLM を実行し、MoE モデルは GPU 演算、Dense モデルはメモリ帯域幅がそれぞれボトルネックになることを検証。発熱による性能低下も測定した後編レポート。

EN A benchmark report on running local LLMs on Apple M5 Max, finding that MoE models are GPU-bound while Dense models are memory-bandwidth-bound, with thermal throttling effects also measured.

AI要約 Hugging Faceが2026年春のオープンソースAIの現状を総括。中国勢のLLM主導、マルチモーダル・動画生成モデルの拡大、推論・量子化基盤の成熟、コミュニティの急成長を示し、エコシステム全体の方向性を俯瞰している。

EN Hugging Face's spring 2026 report maps open-source AI: Chinese-led LLMs, surging multimodal and video models, a maturing inference and quantization stack, and rapidly expanding community growth.

AI要約 DeepSeek登場から1年、中国発オープンソースAIモデルが採用するMoE・長文脈処理・マルチモーダル・推論などのアーキテクチャ選択を俯瞰し、エコシステム全体がどう進化したかを分析している。

EN A one-year retrospective analyzing the architectural choices—MoE, long context, multimodal, and reasoning—across China's open-source AI models, showing how the ecosystem has evolved well beyond DeepSeek.