Author: Ada - 1ban.news

セキュリティ業界は、一部で「vulnpocalypse（脆弱性黙示録）」と呼ばれる事態に直面している。AnthropicのMythosやOpenAIのGPT-5.5-Cyberなどの最先端AIモデルは、人間の監査人が到底及ばない速度と深度でオープンソースソフトウェアの脆弱性を発見しており、発見から悪用までの時間をほぼゼロにまで縮めている。 「セキュリティチームにとって、暑くて厄介な夏になりそうだ」とThe RegisterのJessica Lyonsは、ChainguardのCEO Dan Lorencの言葉を引用して書いている。「私たちが見ている統計とデータは非常に恐ろしいものです。同じライブラリとコードに対してスキャンを実行し続けるだけで、AIはさらに多くの脆弱性を見つけ出します。その曲線が底を打ち始める気配はまだ見えません。」 これに対応するため、2つの主要な業界連合が結成された。 Athena連合 Athenaは6月中旬にChainguardが立ち上げたもので、業界全体の脆弱性発見情報を集約し、調整された修正パイプラインで処理する。設立メンバーにはBNY、Cisco、Cloudflare、Docker、JPMorganChase、Kyndryl、PwCが名を連ねる。 この連合はすでに20,000件以上の発見情報を処理し、500のオープンソースプロジェクトにわたって2,000以上のパッチを開発しており、数週間以内に最初の一連の調整された公開開示を計画している。パイプラインは事前 embargo モデルで機能する。メンバーは任意の最先端モデルからの脆弱性発見情報を提出し、Chainguardが情報を重複排除・相関させるためのクリアリングハウスとして機能し、影響を受けるライブラリの強化版が公開開示前にメンバーに非公開で配布される。上流のメンテナーがパッチを適用できない、または適用しようとしない場合、Athenaは「最後の手段のメンテナー」として恒久的にフォークを維持する。 「悪用までの時間はマイナスになりました。脆弱性が開示される前に、すでにエクスプロイトが登場しているのです」とLorencは語る。「Athenaの役割は、修正までの時間をさらにマイナスにし、脆弱性が公開される前に修正がすでに実施されている状態を作ることです。」 Akrites連合 Linux Foundationは6月25日、Amazon Web Services、Anthropic、Cisco、Google、IBM、Microsoft and GitHub、NVIDIA、OpenAI、Red Hat、Rust Foundation、JPMorganChaseを含む20以上の設立組織の支援を受けてAkritesを立ち上げた。Athenaが運用的な修正に焦点を当てるのに対し、Akritesは共有のセキュリティインシデント対応チーム（SIRT）と標準化された調整済み脆弱性開示（CVD）プロセスを確立する。 Akritesは、数十の企業が同じソフトウェアを独立して分析し、メンテナーに重複した報告と矛盾する修正を殺到させる、断片化されたパッチ環境を防ぐことを目指している。「調整がなければ、それらの修正は異なるパッチとフォークに断片化されるでしょう」とLorencはThe Registerに語った。 問題の規模 AnthropicのProject Glasswingは、脆弱性研究のためのMythosへのプレリリースアクセスを提供しており、5月だけで1,000以上のオープンソースプロジェクトにわたって6,202件の高・重大 severity の脆弱性を発見したと報告している。OpenAIのDaybreakイニシアチブも同様のモデルで運営されている。発見された脆弱性の中には、1990年代から検出されずにいた広く展開されているコードのメモリリーク「Squidbleed」も含まれていた。 この課題は構造的なものである。最新のアプリケーションにおけるコードの95%はオープンソースだ。AIモデルがサードパーティのライブラリに欠陥を見つけた場合、アプリケーションセキュリティチームは自分たちでコードを修正するわけにはいかない。彼らは上流のメンテナーと調整しなければならない。その多くは過重労働、連絡不能、あるいはプロジェクト自体を放棄しているのだ。 「対応できないプロジェクトについては、Athenaが恒久的にパッチを適用します。」 「悪用までの時間はマイナスになりました。脆弱性が開示される前に、すでにエクスプロイトが登場しているのです。」 「統計を見ると、同じライブラリとコードに対してスキャンを実行し続けるだけで、AIはさらに多くの脆弱性を見つけ出します。」 Sources: It’s looking like a hot, messy summer for security teams as AI finds countless previously hidden vulns (The Register, 2026年6月27日); Chainguard […]

中国のZhipu AI（Z.ai）は、オープンウェイトのGLM-5.2モデルが、一般的な推論タスクでは依然として遅れをとっているものの、サイバーセキュリティの脆弱性検出においてAnthropicのMythosに匹敵すると主張している。 The Vergeが報じたこの主張は、AIモデル競争における重要な新たなフロンティアを示している。GLM-5.2は6月にコード作成に特化したモデルとしてリリースされ、100万トークンのコンテキストウィンドウとMITライセンスを備え、世界中どこでもセルフホスティング、ファインチューニング、商用利用が自由に可能である。独立したベンチマークでは、コーディングタスクにおいてGPT-5.5に約6分の1のコストで匹敵することが示された。 サイバーセキュリティの側面はより新しい。バグ発見ベンチマークでGLM-5.2をMythosと比較テストした研究者らは、脆弱性検出において両モデルの差が大幅に縮まったことを発見した。ただし、Mythosは汎用的な推論において依然として優れている。GLM-5.2のMITライセンスとコスト面の優位性（Mythosのプレミアム価格に対し、入力トークン100万あたり約1.40米ドル（約1.10ポンド））を考慮すると、このモデルは、これまで高度なAIセキュリティツールが高すぎると感じていた中規模企業の参入障壁を下げる可能性がある。 Z.aiは、米国の輸出規制によって生じたギャップに参入した複数の中国AIラボの一つである。AnthropicのMythos 5は、米国政府の命令を受けて6月に外国人向けに一時的に無効化され、米国管轄外のモデルへの需要を生み出した。Z.aiや他の企業は、オープンウェイトリリースを、ワシントンによって無効化できない sovereign AI の代替手段として位置づけている。 Z.aiのサイバーセキュリティに関する主張を検証するには、独立したベンチマークが依然として必要である。標準化されたテストが大規模なMythosに対するパフォーマンスを確認するまで、初期の報告は暫定的なものとして扱われるべきである。 出典: China’s Z.ai claims it can match Mythos on cybersecurity (The Verge、2026年6月28日); Zhipu AI releases GLM-5.2 (DataNorth、2026年6月18日) 雅子 訳

フォードは、人工知能だけに依存しても製造品質を確保するには不十分であることが判明したため、元従業員やサプライヤーからの労働者を含む350人のベテラン技術者を再雇用した。 この動きは、複雑な物理的製造におけるAIの限界を示す具体的な事例である。フォードの車両ハードウェアエンジニアリング担当副社長チャールズ・プーン氏はTechCrunchに対し、「人工知能を導入し、設計要件を取り込むだけで高品質な製品が生まれると誤解していた」と語った。 フォードの自動品質システムは期待外れの結果を生んでいたと、COOのクマール・ガルホトラ氏は述べている。同社はこれに対応し、「テクニカル・スペシャリスト」：部品が工場に届く前に車両設計の欠陥箇所を特定する、経験豊富な「グレイ・ビアード」とも呼ばれる技術者たち：を呼び戻した。 再雇用された技術者たちはAIを置き換えるのではなく、補完する立場にある。彼らは若手スタッフを指導し、品質管理システムを再プログラムし、自動化ツールには欠けていた数十年の実践的経験を活かす。フォードは現在も設計・製造プロセス全体でAIを活用しているが、同社は今やドメイン専門知識を必要な補完要素として捉えており、代替手段とは見なしていない。 この戦略は財務面でも効果を上げつつある。フォードは今年、米国で10億ドル（約810億ポンド）のコスト削減を見込んでいる。また、今週のJDパワー初期品質調査で、主流ブランドの中でトップの座を獲得した。 業界全体への教訓は明らかだ。AIはパターン認識とスケールに優れているが、いかなるトレーニングデータセットも完全には捉え切れない実世界の条件下での部品の挙動を理解することに依存する品質管理において、深いドメイン知識を代替することはできない。 出典: Ford rehires ‘gray beard’ engineers after AI falls short (TechCrunch、2026年6月28日) 雅子 訳

中国が2017年以来初めてTOP500スーパーコンピュータランキングで首位を奪還した。同システムは国産プロセッサのみで構築され、GPUアクセラレータを一切使用せずに世界最先端の性能を達成している。 深セン国家スーパーコンピューティングセンターに設置されたLineShineは、High Performance Linpack（HPL）ベンチマークで2.198エクサフロップスを記録した。これは理論上のピーク値2.736エクサフロップスの約80%に相当する。同システムは、ローレンス・リバモア国立研究所の米国システムで1.809エクサフロップスで首位を維持していたEl Capitanを破った。 この成果は米国の輸出規制への直接的な反論である。2022年以来、ワシントンは中国への先進GPUおよび半導体製造装置の販売に対する規制を段階的に強化し、中国のハイパフォーマンス・コンピューティングおよび人工知能の進展を阻もうとしてきた。LineShineは、こうした規制が中国の世界水準のHPCインフラ構築を阻んでおらず、同国が異なるアーキテクチャの道を進むことでそれを達成したことを示している。 CPUのみのアーキテクチャ LineShineはLX2プロセッサ全体で1379万コアで動作する。各プロセッサはARMv9アーキテクチャに基づく2つのコンピュートダイに304コアを搭載し、32ギガバイトのオンパッケージHBMメモリと256ギガバイトのDDR5 RAMを統合している。CPUは1.55GHzで動作し、SVEおよびSMEベクトルユニットを通じてFP64、FP32、FP16、INT8データ型をサポートし、倍精度でチップあたり最大60.3テラフロップスを実現する。 システムはLingQiと呼ばれる国産インターコネクトを使用し、ノードあたり1.6テラビット/秒の帯域幅を提供するデュアルプレーンマルチレールファットツリートポロジで構成されている。総ストレージは428のストレージノードにわたって650ペタバイトに達し、10テラバイト/秒のストレージ帯域幅を実現する。 マシン全体の消費電力は約42.2メガワットで、52.07ギガフロップス/ワットの効率を実現しており、同規模のGPUアクセラレートシステムに匹敵する。 頂上でのアーキテクチャの多様性 2026年6月のTOP500リストは、上位が異例なほど多様である。現在5つのシステムがエクサスケールの閾値を超えている：LineShine（2.198エクサフロップス、中国）、El Capitan（1.809エクサフロップス、米国、AMD MI300Aベース）、Frontier（1.353エクサフロップス、米国）、Aurora（1.012エクサフロップス、米国）、そしてJUPITER Booster（1.000エクサフロップス、ドイツ）である。エクサスケールクラスのマシンがアジア、北米、欧州を同時にカバーするのは今回が初めてとなる。 TOP500のジャック・ドンガラ氏はニューヨーク・タイムズの取材に対し、LineShineを「印象的なシステム」であり、「GPUに依存せず我々を凌駕したシステムを開発した」と評価した。 中国は2019年以来、米国の制裁により国家HPC能力の開示が戦略的にリスクとなって以来、TOP500にエントリーを提出していない。LineShineは2026年4月に公開され、6月23日にドイツ・ハンブルクで開催されたISC 2026会議で正式にランク付けされた。 出典：China Defies US Restrictions and Builds the World’s Fastest Supercomputer（Wired、2026年6月28日）；LineShine Debuts at No. 1（TOP500、2026年6月23日）；China’s LineShine regains world top spot（DigitalToday、2026年6月24日）；China builds exascale supercomputer without GPUs（Jon Peddie Research、2026年5月4日） 雅子 訳

ソフトバンクグループ創業者兼CEOの孫正義氏は、イーロン・マスク氏の軌道上データセンター構想に公の場で疑問を呈し、宇宙に計算インフラを構築してもコストを大幅に削減できず、現在のAI開発競争に間に合わないと主張した。 6月23日のソフトバンク株主総会で、孫氏は電力はAIインフラコストのわずか7％程度を占めるに過ぎず、チップやその他のハードウェアが残りの93％を占めると述べた。軌道上での電力節約は、打ち上げ費用、メンテナンス、通信遅延によって相殺されるだろう。 「AIをめぐる戦いでは、今後数年間が10年後以降に起こることよりもはるかに重要だ」と孫氏は語った。「先に打った者が勝つ」 どこに建設するかという議論 マスク氏は、無制限の太陽光発電、土地代ゼロ、送電網の制約がない軌道上にデータセンターを設置すれば、理論上は運用コストを削減できると提案している。SpaceXは、その支配的な打ち上げ事業とStarlink衛星ネットワークにより、そのようなインフラを支える独自の立場にある。 しかし、孫氏が率いるソフトバンクグループはフランスだけで最大750億ユーロ（約800億米ドル）を地上データセンターにコミットしており、逆の方向に賭けている。ドイツ銀行は、軌道上データセンターが地上施設とコスト面で同等になるのは2030年代半ばまでではないと推定している。 公平な観察者はいない TechCrunchのパネルディスカッションでは、どちらの側も中立ではないことが指摘された。SpaceXの打ち上げ市場シェアは世界で約80〜90％であり、Starlink統合時で約20〜40％、非統合時となっている。軌道上データセンタープログラムは、SpaceXに長年の打ち上げ契約を保証することになる。 「孫正義氏は大胆な賭けで知られているため、彼が懐疑的な立場を取ることは注目に値する」とTechCrunchのキルステン・コロセック氏は述べた。ショーン・オケイン氏は、軌道上データセンターには数年ごとに交換が必要な衛星コンステレーションが必要であり、「打ち上げ事業にとってさらに多くのビジネス」を確実にすると付け加えた。 一方ソフトバンクは、Arm Holdingsやソフトバンク・ビジョン・ファンドを通じて地上容量への大型投資を続けており、最近ではOpenAIへの投資も行っている。孫氏はマスク氏を「驚くべき変革の担い手」と呼んだ後、彼の軌道計画を完全に退けた。 出典： SoftBank’s CEO isn’t the only one with questions about Elon Musk’s orbital data center hype (TechCrunch, 2026年6月27日); SoftBank Focuses on Earth-Based Data Centers Over Space Ventures (GuruFocus, 2026年6月23日); Startup Fortune analysis (2026年6月) 雅子 訳

LastPassは、今回も第三者サービスプロバイダーが侵害されたことによる新たなデータ侵害を確認した。攻撃者は市場情報プラットフォームKlueから盗んだOAuthトークンを使用し、LastPassのSalesforce環境にアクセスして顧客の連絡先情報を抽出した。 今回の侵害は、このパスワード管理ツールにとって問題続きのセキュリティ史上最新のものであり、2022年には暗号化された金庫が露出する大規模インシデントを経験し、その後規制当局による罰金にも直面している。 何が起きたか Icarusとして知られる恐喝グループが2026年6月12日ごろにKlueのバックエンドシステムを侵害し、悪意のあるコードアップデートをプッシュしてOAuthトークンを収穫した。攻撃者はこれらのトークンを使用してSalesforce環境にクエリを送信し、LastPassおよび他のKlue顧客に属するCRMデータをコピーした。 LastPassによると、露出したデータには顧客名、電話番号、メールアドレス、住所、サポートケース記録、販売関連情報が含まれる。同社はLastPassの製品、サービス、インフラストラクチャ、および顧客のパスワード保管庫は影響を受けていないと強調した。マスターパスワードと暗号化された金庫の内容は安全を保っている。 Klueは6月12日に不正な活動について顧客に通知した。Salesforceが6月17日にKlue Battlecards統合を無効化した後、LastPassは6月23日に開示を公表し、露出したトークンをローテーションし、従業員のKlueアクセスを停止し、法執行機関に通報した。 注意すべき点 露出した連絡先情報はフィッシングやソーシャルエンジニアリングのリスクを生み出す。攻撃者はCRM記録を利用して、LastPassから送られたように見せかけた説得力のあるメッセージを作成できる。同社はスタッフがマスターパスワードを尋ねることは決してないと強調した。 Klueのインシデントは、増大する脆弱性を浮き彫りにしている。アプリケーション間のシームレスなデータ共有を目的として設計されたOAuthトークンが、それらのトークンを保持する第三者サービスが侵害された場合に攻撃ベクターとなる。セキュリティ研究者は、企業がCRMデータにアクセスできるアプリケーションを確認し、未使用の接続を無効化し、ベンダーインシデント発生後すぐにトークンをローテーションし、APIアクティビティを監視して異常なデータエクスポートを検出することを推奨している。 今週のその他のセキュリティニュース 元米国国家安全保障担当補佐官のジョン・ボルトン氏は6月26日、機密情報の不法保持1件について有罪を認め、18件の起訴を解決した。司法取引に基づき、ボルトン氏は約200万米ドル（約160万英ポンド）の罰金と最大5年の禁錮刑に直面しているが、最終的な判決は裁判官が決定する。この事件は、ボルトン氏がトランプ政権在任中および退任後に、極秘情報を含む手書きのメモを2人の家族に送信したことに端を発している。 Microsoftのデジタル犯罪対策ユニットは、Europolおよび国際パートナーと協力し、進行中のOperation Endgameの一環として、AmadeyおよびStealCインフォスティーラー事業の破壊を発表した。この協調行動により、200以上の悪意のあるコマンド＆コントロールドメインとIPが特定され、裁判所命令とドメイン差押えを通じて閉鎖された。5月の2週間の監視期間中に、世界中で14万台以上のコンピュータがこれらのツールに感染していることが判明した。この作戦では2700万件の盗まれたログイン認証情報が回収され、4100万ユーロ（約4700万米ドル）の犯罪暗号資産が凍結された。Microsoftによると、捜査官はCopilotを含むAIツールを使用してマルウェアバイナリを分析し、マルウェア・アズ・ア・サービスとして運営されランサムウェア攻撃へのゲートウェイとなる2つのファミリー間で共有されるインフラストラクチャをマッピングした。 出典: Security News This Week: LastPass Users Had Their Data Stolen – Again (Wired, 2026年6月27日); LastPass Confirms Customer Data Breach After Klue OAuth Token Theft (HackRead, 2026年6月23日); Microsoft, Europol lead global takedown of infostealer malware (Cybersecurity Dive, 2026年6月24日); John Bolton pleads […]

DeepSeekは、DeepSeek-V4モデルにおけるユーザーごとのテキスト生成を60～85%高速化し、かつ出力品質を犠牲にしない投機的デコードフレームワーク「DSpark」をオープンソース化した。MITライセンスのDeepSpecトレーニングコードベースとともに、フレームワークはGitHubおよびHugging Faceで入手可能である。 DSparkはサービング最適化技術であり、新しいモデルではない。チェックポイント「DeepSeek-V4-Pro-DSpark」および「DeepSeek-V4-Flash-DSpark」は、既存のV4重みにドラフトモジュールを付加したもので、ベースモデルの再トレーニングを必要としない。 仕組み 投機的デコードは生成プロセスを2つの役割に分割する。軽量なドラフトモデルが候補トークンのブロックを提案し、完全なターゲットモデルがそれらを単一のフォワードパスで検証する。リジェクションサンプリングにより、最終出力はターゲット分布を正確に維持し、高速化はロスレスとなる。 DSparkの革新は、半自己回帰生成と呼ばれる手法にある。従来のドラフターはトレードオフに直面していた。DFlashのような並列ドラフターは高速だが、後続のトークン位置で受入率が低下する。一方、Eagle3のような自己回帰ドラフターは品質を維持するが低速である。DSparkは、強力な並列バックボーンと、各トークンサンプリング前にプリフィックス依存のバイアスを加える小型の逐次マルコフヘッドを組み合わせる。この逐次ヘッドは、受け入れられるトークン長を最大30%改善しながら、ラウンドあたりのレイテンシをわずか0.2～1.3%しか増加させない。 信頼度ヘッドが各ドラフトトークンの生存確率を推定し、ハードウェアを考慮したスケジューラがGPU負荷に基づいて検証長を調整する。GPUがアイドル状態の場合はより多くのトークンを検証し、ビジー状態の場合は少なく検証する。早期停止によりロスレス性が維持される。 ベンチマーク結果 Qwen3およびGemma4モデルによるオフラインベンチマークでは、DSparkはEagle3より26～31%長い受入系列を実現し、DFlashより16～18%長い結果を示した。2層のDSpark構成が5層のDFlashを上回った。 DeepSeek-V4での本番環境において： V4-Flash：MTP-1ベースライン比でユーザーごとの生成が60～85%高速化 V4-Pro：57～78%高速化 DeepSeekによると、スループットの改善は同時実行レベルに応じて51～400%の範囲であった。 オープンソースリリース DeepSeekは、DSparkのテクニカルレポートとともに、投機的デコードドラフターのトレーニングおよび評価のための標準化ツールチェーンを提供するDeepSpecコードベースを公開した。フレームワークはGemmaやQwenなどのオープンモデルでもテストされており、DeepSeek独自のエコシステムを超えた適用可能性を示唆している。 今回のリリースは、特にユーザーごとのレイテンシと総スループットが重要な高同時実行本番環境において、大規模モデル推論のコスト効率を向上させる重要な一歩となる。 ソース：DeepSeek Releases DSpark（MarkTechPost、2026年6月27日）；DSpark technical report（DeepSeek）；DeepSpec GitHub（MITライセンス）；36Kr analysis（2026年6月27日） 雅子 訳

Nature誌に掲載された査読付き批判論文が、Microsoftが2025年に発表した「初のトポロジカル量子ビットを生成した」という主張に異議を唱えた。問題のエビデンスは、コーディングエラーとデータの選択的提示によって歪められたと指摘している。 セント・アンドリュース大学講師のHenry Legg氏が執筆したこの批判論文は、Nature誌の「Matters Arising」セクションに掲載された。同セクションは、既発表の研究成果に異議を唱えるための正式な場である。批判の対象は、MicrosoftのTopological Gap Protocol（TGP）,,ヒューマンバイアスを排除し、量子デバイスの検証における誤検出を防ぐために設計された自動テスト,,である。 Legg氏は2つの具体的なコーディングエラーを特定した。1つ目は、TGPに「最大の領域のみを表示する」よう強制するハードコードされたフィルターで、位相マップから他の結果を隠蔽していた。2つ目は、実際の物理的なバイアス電圧値ではなく、インデックス位置によるPython配列の反転で、データを望ましい結論に有利な形に変換していた。 査読者が他の領域がプロトコルを通過したかどうかを尋ねた際、Microsoftはそのような領域は1つだけしか調査していないと報告した。Legg氏は、この主張は正しくないと述べている。 TGPは、2018年と2021年にMicrosoftがMajorana関連の論文を撤回せざるを得なかった、まさにその種の誤検出を防ぐことを目的としていた。Legg氏の総合評価は率直で、Microsoftが実用的なトポロジカル量子コンピュータを完成させるには「数十年ではなく、数世紀」かかると述べている。 Microsoftは譲歩していない。Chetan Nayak Technical Fellow兼Quantum Hardware担当Corporate Vice Presidentは、「我々は自社の結果とロードマップを支持する」と述べた。同社は問題を軽微なバグと位置づけ、DARPAによるプログラム評価を結果の裏付けとして指摘した。別途、ピッツバーグ大学の物理学者Sergey Frolov氏は、もともとのNature論文は「おそらく撤回が必要だ」と述べており、Legg氏自身よりも厳しい評価を下している。 今回の批判は、MicrosoftのMajorana研究が深刻な科学的審査を受ける3度目のケースであり、2018年と2021年の撤回に続くものとなった。 出典：A new paper argues Microsoft exaggerated its quantum claims a year ago (The Verge、2026年6月24日)；Microsoft Majorana Quantum Claim Challenged in Nature Critique (AI Weekly、2026年6月24日)

arXivに投稿された新たな論文が、複数の大規模言語モデルを組み合わせて精度を向上させる手法に、数学的に根本的な限界があることを証明した。この発見は、同分野で最も一般的な前提の一つに疑問を投げかける。 研究者のJosef Chen氏によるこの論文は、21のプロバイダーから67の最先端モデルを分析し、「共失敗の天井（β）」という概念を導入した。これは、プール内のすべてのモデルが同時に誤った回答を出すクエリの割合を指す。クエリごとに一つのモデルの回答を選択するマルチモデルシステムでは、ルーティング、投票、カスケードのいずれの戦略を用いても、精度は1からβを引いた値を超えることはできない。 天井は実在し、測定可能である オープンエンドの数学ベンチマークでは、観測された共失敗率は5.2％だった。つまり、全クエリの5.2％において、67モデルすべてが同時に誤った回答を出した。この結果は、このプールではいかなるアンサンブル手法も超えられない94.8％という厳格な上限を示す。 論文によれば、標準的な統計モデルはこの共失敗リスクを大幅に過小評価していた。ガウス・コピュラモデルはβをわずか2.3％と予測したが、実際の観測値はその約2.5倍であり、90％信頼区間は1.7倍から3.4倍の範囲だった。 重要なのはモデルの数ではなく、失敗の多様性 重要な洞察：モデルを組み合わせる効果は、より多くのモデルを追加することではなく、各モデルが異なる問題で失敗することから生まれる。品質が同等であれば、相関の低い異種アンサンブルは、相関の高い自己混合エージェント手法よりも優れた性能を発揮する。しかし、多様なモデルプールを使用しても、クエリレベルの強力なルーティングシグナルが利用できない限り、モデルの組み合わせが単独の最良モデルを上回ることは稀である。 コード実行タスク（k=17モデル）では、共失敗率は7.9％だった。GPQA-Diamondベンチマークの問題を多肢選択式から自由回答形式に変換した場合、その率は12.7％に跳ね上がり、回答形式が天井の位置を変える可能性があることを示している。 実用的な含意 論文は、βに対するClopper-Pearson信頼区間を標準的なトレーニング前診断として使用することを推奨している。これは、トレーニングを行う前に、あらゆるルーター、投票、カスケードから得られる最大の改善余地を示す証明書として機能する。この発見は、マルチモデルオーケストレーションに投資している多くのAIチームが、構造上達成不可能な改善を追いかけている可能性を示唆する。 本プレプリントはまだ査読を受けていない。 出典：When Does Combining Language Models Help? A Co-Failure Ceiling on Routing, Voting, and Mixture-of-Agents Across 67 Frontier Models (arXiv、2026年6月)

AppleはMac用シリコンの開発計画を大幅に変更し、次期M6チップの高性能バリエーションを飛ばして、AIに特化した新世代M7に直接移行すると、BloombergのMark Gurman記者が報じた。 ベースとなるM6プロセッサ（内部コードネームKomodo）は、2026年後半に新型14インチMacBook Proに搭載され、最大12のGPUコア（M5は10）、改良されたNeural Engine、約200GB/秒のメモリ帯域幅（M5は153GB/秒）を備える見通し。しかし、従来はMacBook Pro、Mac mini、Mac Studioの最上位機種で採用されてきたPro、Max、Ultraの各バリエーションは投入されない。 Appleは代わりに、2027年前半からM7ファミリーに移行する。ベースのM7（コードネームDelos）は、端末上でのAI処理に大きな進歩をもたらす設計で、メモリ帯域幅は約240GB/秒。M7 ProとM7 Max（総称コードネームAndros）は2027年後半、M7 Ultraは2028年の投入が予定されている。 Gurmanの情報筋によれば、この異例の路線変更により、Appleは本来は後期リリース向けだった技術を前倒しで投入できる。Appleは、端末上で動作するAI機能への需要拡大と、グラフィックス処理が増大するソフトウエアに対応する必要に迫られている。 この計画変更は、Appleが業界規模のメモリ不足に直面し、MacとiPadの全ラインアップで価格を引き上げた直後に行われた。M5ファミリー最後の製品となるM5 Ultraは、最大36 CPUコアと80 GPUコアを搭載した新型Mac Studioで投入される見込みで、M6ベースチップの前に登場すると予想されている。 出典：Apple’s most powerful Macs might be waiting until 2027 for big chip upgrades (The Verge、2026年6月26日)；Apple to Skip High-End M6 Chips, Fast-Track AI-Focused M7 Line (iClarified、2026年6月26日)