株式会社ずんだもん技術室AI放送局 podcast 20260812
内容紹介
Expanding Daybreak as the Cyber Defense Window Narrows、Introducing Muse Glimmer: An Open Agentic Model That Runs on Your Device、NVIDIA Nemotron 3.5 Lightning Delivers Fast, Accurate Specialized Task Execution for Long-Running Agents、ない漢字だけの湯飲みがあると、実物の写真もAI生成に見える
出演者
youtube版(スライド付き)
関連リンク
OpenAIは、サイバーセキュリティの脅威が自動化・高速化する現状に対応するため、防衛側（ディフェンダー）を支援する新プログラム「OpenAI Daybreak」の拡張と、サイバーセキュリティ特化型モデル「GPT-5.6-Cyber」を発表しました。この取り組みは、攻撃者がAIを悪用する前に、信頼できるセキュリティ研究者やエンジニアへフロンティアAIの高度な機能を安全に提供することを目的としています。
Daybreakプログラムには、用途に応じて2つのアクセスティアドが用意されています。 1つ目の「Daybreak Blue」は、GPT-5.6 Solなどの汎用モデルをベースにしつつ、脆弱性探索、セキュアコードレビュー、マルウェア解析、インシデントレスポンス、パッチ検証といった日常的な防衛作業を阻害するシステムレベルのガードレールを緩和したものです。ほとんどのセキュリティ業務の初期スタート地点として推奨されています。 2つ目の「Daybreak Red」は、より高度な脆弱性研究、エクスプロイト検証、セキュリティテストを許可された組織や個人向けに提供するプログラムであり、ここで専用トレーニングを受けた「GPT-5.6-Cyber」が利用可能になります。
「GPT-5.6-Cyber」は、GPT-5.6 Solをベースに、ゼロデイ脆弱性の発見やエクスプロイトチェーンの開発といった高度なサイバーセキュリティタスクの性能を向上させています。また、正当なセキュリティ研究における拒絶応答を大幅に削減するように設計されており、認証バイパスや権限昇格などの高度なシナリオを含むリクエストに対し、従来のSolモデルと比較して極めて高い完了率を実現しています。実際に、ChromeのJavaScriptエンジン（V8）のサンドボックスを迂回するゼロデイ脆弱性（CVE-2026-15903）の発見など、実世界の複雑なコードベース解析においてその有効性が証明されています。
一方で、セキュリティリスクを伴う強力なモデルを扱うため、厳格なアクセス制御と安全対策が講じられています。アイデンティティ検証や法的確約に加えて、ハードウェアセキュリティキーの義務化、コード実行時のリスクを評価・ブロックする「自動レビューモード」の推奨、サンドボックス環境での隔離、スコープ設定された権限プロファイルの利用などがベストプラクティスとして求められています。新人のエンジニアにとっても、AIを活用したセキュリティ診断や脆弱性調査を行う際は、適切な権限管理と安全な隔離環境（サンドボックス）の徹底が極めて重要となります。
引用元: https://openai.com/index/expanding-daybreak-as-the-cyber-defense-window-narrows
Meta Superintelligence Labsは、ローカル環境での常時稼働エージェントワークフローに最適化されたオープンウェイトの300億パラメータモデル「Muse Glimmer」を発表しました。Apache 2.0ライセンスのもと、Hugging Face等でモデル重みが公開されており、日本のエンジニアにとっても手元のPCやMac、コンシューマー向けGPUで最先端のエージェントAIを動かせる強力な選択肢となります。
クラウドインフラへの依存が多い近年の基盤モデルに対し、Muse Glimmerはインターネット接続の有無に関わらず利用可能です。スケジュール管理やファイル整理、コード生成といったパーソナルコンテキストを扱うエージェントに必要な機能として、長文脈の理解、正確なツール呼び出し、マルチモーダル入力、エラーからの自動リカバリ機能などを備えています。これらは、教師モデルからの蒸留技術や事後学習（SFT、RL等）を組み合わせることで、小型サイズでありながら高い性能を実現しています。
ローカルデバイス（MacやRTX 5090など）での実用的な速度を確保するため、量子化技術により約55GB必要なモデルサイズを約4-bitの量子化で約17GB〜20GB程度に圧縮しています。これにより、KVキャッシュやパーセプションエンコーダ、さらにスペキュレイティブ・デコーディング（推論加速技術）の「DFlash」ドラフターを同時にメモリ内に収めることが可能です。DFlashを用いることで、トークン生成速度が大幅に向上し、リアルタイムでインタラクティブなエージェント操作やコード記述、ローカルでのLLM-as-a-judge評価が快適に行えるようになります。
開発者は、llama.cpp、MLX、ExecuTorchなどのエッジ向けフレームワークや、vLLM、SGLangといったスケーラブルなサービング基盤、さらにOllamaやLM Studioなどのツールを組み合わせて、数分でローカルエージェント環境を構築できます。PyTorchのTorchTitanによる追加チューニングや公式ドキュメントも提供されており、日本のエンジニアが自身の開発ワークフローにエージェントを組み込むための実践的なスタートキットとなっています。
引用元: https://research.meta.ai/blog/introducing-muse-glimmer-open-agentic-model
NVIDIAが発表した「NVIDIA Nemotron 3.5 Lightning」は、長時間稼働するAIエージェントの運用コストとレイテンシを削減するために開発された、オープンな30BパラメータのMixture-of-Experts（MoE）モデルです。アクティブパラメータ数は3Bに抑えられており、ツール呼び出しや結果の検証、サブエージェントへの委譲といった高頻度な実行レイヤーに特化しています。
近年のAI開発では、複雑な推論や計画を担うフロンティアモデルと、反復的で高負荷なタスクを実行する軽量モデルを組み合わせる「システム・オブ・モデルズ」のアーキテクチャが主流になりつつあります。Nemotron 3.5 Lightningは、この実行レイヤーにおいて優れたパフォーマンスを発揮します。人工解析インテリジェンスインデックスにおいて同クラス最高水準の処理速度と精度を両立させており、類似モデルと比較して最大4倍のスループットを実現しています。また、同等の精度を持ちながら1万件のタスクを30%高速に処理するなど、優れた効率性を誇ります。
高速性と高精度を両立させる技術的背景として、推論の高速化を図る「スペキュラティブ・デコーディング（マルチトークン予測）」や、専用のドラフトモデルである「DSpark」「DFlash」が組み込まれています。さらに、Blackwell、Hopper、AmpereなどのNVIDIA製GPUで効率的な低精度推論を行う「NVFP4」チェックポイントも用意されており、データセンターからデスクトップ環境（DGX SparkやRTX 5090など）まで柔軟なデプロイが可能です。
カスタマイズ性も高く、LoRAやフルSFTによるファインチューニング、強化学習（NeMo RL）などがサポートされています。また、タスクを最適なモデルに自動で振り分けるルーティングライブラリ「NVIDIA NeMo Switchyard」と連携することで、フロンティアモデルとNemotron 3.5 Lightningの間で効率的なモデル間連携を実現できます。オープンソースの重みやレシピ、エコシステム（Ollama、vLLM、TensorRT-LLMなど）も充実しており、エンジニアが自身の開発環境やエージェントフレームワークに組み込みやすい仕様となっています。
引用元: https://developer.nvidia.com/blog/nvidia-nemotron-3-5-lightning-delivers-fast-accurate-specialized-task-execution-for-long-running-agents/
AIツール（Adobe FireflyやGemini）を用いて、実在しない「読めない漢字」を生成し、それらをデザインした寿司屋風の湯飲みを実際に作成・製作したユニークな試みです。 生成AIはプロンプトの意図とは異なるユニークな漢字や謎のふりがなを出力するため、人間がそれをハンドリングしてレイアウトし、実物として出力しました。完成した湯飲みは、日常の風景に置くだけですべてがAI生成画像のように見える独特のシュールさを醸し出しており、実物をAI判定ツールに読み込ませたところ「AI生成である」と誤認させることにも成功しています。技術のユニークな活用法として、エンジニアにとっても思わずクスッと笑える楽しい内容となっています。
引用元: https://dailyportalz.jp/kiji/ai-yunomi
（株式会社ずんだもんは架空の登場組織です）