AI FRONTIER
Signals worth understanding before they become obvious.
Magnetar による証明ベースの汎用コンピューティング
Microsoft Research は、Rust、Go、C で書かれた RISC-V プログラムの実行を証明する汎用ゼロ知識仮想マシン（zkVM）Magnetar を発表した。その安全性は標準ハッシュ関数のみに依存する。
- Magnetar はノート PC 上で毎秒 720 万〜870 万プロセッサ命令を証明する。
- 15 のベンチマークプログラムにおいて、論文は同一マシン上の最速既存 zkVM より平均 10〜39 倍高速で、トークン転送ベンチマークでは他の 2 システムより 300 倍以上高速と報告している。
- 最適化された Magnetar は毎秒 950 万〜1280 万サイクルを証明し、報告された各高速化を約 1.3 倍に高め、証明の検証は約 12 ミリ秒で完了する。
- 安全性は SHA-256 や SHA-3 などの標準ハッシュ関数のみに依存し、楕円曲線、格子、専用ハッシュ関数、信頼できるセットアップ、未証明の誤り訂正符号予想を必要としない。
AI 構築者にとって、Magnetar は通常のコンパイル済みプログラムを暗号専門知識なしで証明可能にし、耐量子暗号への移行負担をなくす。
上海AI实验室「書生-S2」大模型が最先端数学研究プロセスに参入：三次元Ghys予想の証明を支援し形式検証を通過
上海AI实验室の「書生-S2」大模型が最先端数学研究プロセスに参入し、三次元Ghys予想の証明を支援して形式検証を通過した。
- 上海AI实验室の「書生-S2」大模型が最先端数学研究プロセスに参入した。
- 同モデルが三次元Ghys予想の証明を支援した。
- 関連する証明は形式検証を通過した。
大模型が最先端数学の証明に関与し、形式検証可能な成果を生み出せることを示しており、AI支援数学研究の検証可能なプロセス例となる。
OpenRouter に NVIDIA Nemotron 3.5 Super VL が登場、マルチモーダル MoE モデル
NVIDIA Nemotron 3.5 Super VL は、総パラメータ 120B のうち 12B を活性化するオープンなマルチモーダル MoE モデルで、ハイブリッド Mamba-Transformer アーキテクチャとマルチトークン予測を採用し、1M トークンのコンテキストに対応する。
- 総パラメータ 120B、活性パラメータ 12B。ハイブリッド Mamba-Transformer アーキテクチャとマルチトークン予測を採用。
- コンテキストウィンドウは 1,048,576 トークンで、最大 262,144 の補完トークンをサポート。
- 入力はテキスト、画像、ドキュメント、GUI スクリーンショット、動画に対応し、出力はテキスト。推論はデフォルトで有効で、無効化またはトークン予算の指定が可能。
- OpenRouter での価格は入力 $0.10 / 出力 $0.40（100 万トークンあたり）、キャッシュ読み取りは $0.08/M。Crusoe、Together、DeepInfra、CoreWeave の 4 社が提供。
長時間稼働するエージェントを構築するチームにとって、12B の活性パラメータで 1M コンテキストと視覚入力を得られるため、文書理解や GUI 操作、動画理解を単一モデルで扱いやすくなる。
Joint Subspace Sparse Attention：効率的な長文脈デコーディングのための疎注意
JSSA は共有低次元 query-key 部分空間を学習してトークン単位の疎選択のランキング品質を高め、GQA KV-cache レイアウト下で KV ヘッドごとに異なる選択を可能にする gather 不要のトークン単位インデックス注意カーネルを開発した。
- 論文は NVIDIA B200 GPU 上で、128K コンテキスト時に JSSA のデコーディングスループットが full-KV attention の最大 6.43 倍に達すると報告している。
- 論文は標準 GQA、ハイブリッド sliding-window/global attention、Multi-head Latent Attention (MLA) モデルで JSSA が full-KV 精度に近いと述べている。
- 論文は JSSA がモデル訓練なしでモデルネイティブ DSA に匹敵する推論精度を達成し、700B 規模の大規模モデルでもそのデコーディングスループットの 96–99% に達すると報告している。
- 論文は正確な目的関数の直接精緻化がテスト設定で測定可能な改善をもたらさなかったと述べている。
長文脈推論の構築者にとって、JSSA はトークン単位の疎選択と gather 不要カーネルを組み合わせ、既存の GQA や MLA の KV-cache レイアウト上でデコーディングコストを直接下げる点に意味がある。
WorldMemBench：動画ワールドモデルの記憶を評価する包括的ベンチマーク
論文は WorldMemBench を提案し、260 件のテストケースで動画ワールドモデルの世界記憶を体系的に評価する。静的記憶（人物の同一性と外観、物体の外観と幾何、環境の内容と幾何）と動的記憶（イベント進行と状態保持）を対象とする。
- ベンチマークは 260 件のテストケースで静的記憶と動的記憶を評価する。
- 制御されたカメラ離脱と複数回の再訪軌跡を用い、静的コンテンツは固定した初期参照と、動的イベントは期待される状態遷移と比較する。
- 9 つの代表モデルを評価した結果、静的保持が強くても信頼できる動的状態進化を意味しないことが示された。
- 複数回の再訪では最初の戻り以降に記憶の劣化が見られ、人手による調査は自動評価と人間の判断の整合性を支持している。
動画ワールドモデルを開発するチームにとって、このベンチマークは記憶を静的・動的の測定可能な軸に分解し、静的保持力で再訪時の状態保持を代替できないことを示している。
似たモデル、崩れたオッズ：Chatbot Arena で Luce の公理が破れる場所
論文は、Chatbot Arena が Bradley-Terry モデルで各モデルに単一スコアを与えるため Luce の選択公理を仮定していると指摘し、180 万件の Arena 投票で同一モデルのバージョン間投票が Bradley-Terry の予測より決定的であることを示す。
- 180 万件の Arena 投票で、同一モデルのバージョン間投票は Bradley-Terry の予測の 1.37 倍決定的だった。
- 同一世代のサイズ間では 1.26 倍、同一ラボのモデル間では 1.12 倍だった。
- 4〜6 パラメータの補正は、数百パラメータのモデルや Bradley-Terry よりもホールドアウト投票の予測が良く、その利得は主にタイに集中した。
- 言語モデル審判と 3 択メニューでは、ほぼ同一のモデルはプロンプトをまとめた選択で主に双子のモデルから票を奪い、対数オッズ偏移は +0.10、95% 区間は 0.05〜0.16 だった。
構築者にとって、Arena 型のペア比較ではほぼ同一モデル間の勝率が系統的に過大評価されうるため、類似モデルの単一スコア順位は慎重に読む必要がある。
fishaudio/drama-3：35BパラメータMoE音声合成モデル、16話者とストリーミングに対応
Fish Audioが多人数シーンと長尺コンテンツ向けの新世代テキスト音声合成モデルDrama 3を公開した。マルチスピーカー生成、音声クローニング、自然言語による制御に対応する。
- 35Bパラメータ、トークンあたり3Bを活性化するMoEテキストバックボーンで、フルアテンションと線形アテンションを組み合わせたハイブリッド構成。
- <|speaker:0|>から<|speaker:15|>までの話者タグに対応し、1つのテキストで最大16キャラクターを扱える。
- 音声デコーダはCodebook-MTPで、10個のコードブックをシーケンス全体にわたり因果的にデコードする。
- MoEエキスパートはFP8、残りの重みはbf16。モデルページではモデルサイズ36Bパラメータ、テンソル型BF16・F8_E4M3と表示。
多人数の長尺音声を必要とする開発者にとって、Drama 3は16話者タグ、ストリーミング分割、SGLang-Omni配備を一括で提供するが、研究向けライセンスとFP8 MoEのハードウェア要件に注意が必要だ。