GPT-5.6がモデル、推論、エージェントワークフロー全体でAI効率を向上
GPT-5.6は、モデルアーキテクチャ、推論プロセス、エージェントワークフローを含む複数の次元において人工知能の効率を強化します。
OpenAI、AIの価値に対する「1ドルあたりの有用な知能」スコアカードを提案
OpenAIは、「1ドルあたりの有用な知能」と呼ばれるフレームワークを提示し、企業が単純なトークン単価指標を超えてAI投資の経済的価値を測定するのを支援しています。記事では、成功は採用率だけでなく、達成された作業量、信頼性、スケーラビリティによって測定されるべきだと主張しています。
OpenAI、GPT-5.6 Sol を最大14倍高速で実行するUltrafastモードをプレビュー
OpenAIは、標準処理よりも最大14倍高速でGPT-5.6 Solモデルを実行する新しいサービスティア「Ultrafast」のプレビューを開始しています。Cerebrasハードウェアによって駆動され、このモードは秒間最大750個の出力トークンを生成し、当初はOpenAI API経由で利用可能です。
OpenAI、GPT-5.6 LunaとTerraの価格を値下げし、Sol向けにFastモードを導入
OpenAIは、エンタープライズワークロードにおけるコストパフォーマンスを向上させるため、GPT-5.6 LunaおよびTerraモデルのコストを引き下げるとともに、GPT-5.6 Sol向けに新しい「Fast mode」を導入した。
Nvidia、ハイブリッドドメイン知識融合によるリアルタイムポートレート再照明手法「FusionRelight」を発表
Nvidiaの研究者らは、物理的に妥当な照明転送とアイデンティティの保持、コンパクトなリアルタイム推論を組み合わせるポートレート再照明手法であるFusionRelightを導入した。このアプローチは、合成データ、One-Light-at-a-Time (OLAT)、および野外データから物理学、反射率、リアリティの事前知識を学生モデルに蒸留するトレーニングフレームワークであるハイブリッドドメイン知識融合（HDKF）を利用している。
DSTPが複雑なMLLM推論における視覚トークンプルーニングの失敗を緩和
研究者らは、マルチモーダル大規模言語モデル（MLLM）における既存の視覚トークンプルーニング手法の失敗の主な原因として、デコーディング中の関連視覚情報シフト（RVIS）を特定しました。これに対処するため、彼らはトレーニング不要のフレームワークであるDecoding-stage Shift-aware Token Pruning（DSTP）を提案し、視覚トークンを変化していく推論要件と整合させます。
2Dガウスベース画像圧縮のためのクラスター化コードブック量子化
研究者らは、ガウスプリミティブベースの画像圧縮におけるレート歪み性能を向上させるために設計されたCluster-Guided Vector Quantization (CGVQ)を発表します。このアプローチは、量子化の前にガウスパラメータを均質なグループに分割し、各プリミティブあたりの大量の浮動小数点パラメータの保存による非効率性を解決します。
vLLM v0.27.1 で量子化された DSpark Markov ヘッドのサポートを追加
vLLM はバージョン 0.27.1 をリリースしました。これは以前の v0.27.0 リリースを基にしたパッチアップデートです。
MetaがMuse Glimmer 30Bのオープンウェイトモデルをリリース、Anthropicがリーマンの境界を改善
MetaはApache 2.0の下でローカルエージェント展開用に最適化された30Bの密なマルチモーダルモデルであるMuse Glimmerをリリースし、同時にMuse Spark 1.2の将来のウェイトも約束した。
OpenAI、自己最適化によりGPT-5.6の価格を最大80%引き下げ
OpenAIは、システム的な効率改善と再帰的自己最適化技術により、GPT-5.6モデルの大幅な価格引き下げを発表した。同社は、GPT-5.4レベルのインテリジェンスのコストが4ヶ月で約13倍低下し、GPT-5.6 Lunaの価格は80%、Terraは20%削減されたと報告している。
OpenAI、GPT-5.6 Lunaの価格を80%引き下げ、Solを活用して推論を最適化
OpenAIは、そのGPT-5.6モデルファミリーの価格を大幅に引き下げ、GPT-5.6 Lunaに対して80%という大きな価格下落と、GPT-5.6 Terraに対して20%の削減を導入した。これらの変更は、モデルの順伝播と生産用カーネルを最適化して効率を向上させるGPT-5.6 Solによって可能となった。
TencentがHy-MT2多言語翻訳モデルとIFMTBenchをオープンソース化
Tencentは、1.8B、7B、30B-A3B (MoE) サイズを含む「高速推論」多言語翻訳モデルのHy-MT2ファミリーと、指示従順能力を評価するためのIFMTBenchベンチマークをリリースした。
llama.cpp b10435 が jinja gather_string_parts の二次コストを修正
llama.cpp プロジェクトは、Jinja テンプレートエンジン内のパフォーマンス問題を解決するバージョン b10435 をリリースしました。主な変更点は、`gather_string_parts` 関数の二次時間計算量のバグを修正することです。
llama.cpp b10434 が reasoning_effort をテンプレートに渡す
llama.cpp プロジェクトはビルド b10434 をリリースし、`reasoning_effort` パラメータを Jinja テンプレートに渡すサポートを追加しました。この変更により、OpenAI Chat Completions の `reasoning_effort` 値が保存され、生成中に利用可能になります。
llama.cpp b10431 が SSM モデルの再帰的状態ロールバックを追加
llama.cpp プロジェクトはバージョン b10431 をリリースし、ggml_ssm_scan 操作で再帰的状態 (RS) ロールバックのサポートを導入しました。この変更により、CPU および CUDA バックエンドで Nemotron モデルの RS ロールバックが可能になります。
QwenがQwen 3.8 27Bのオープンウェイトをリリース
Qwenは、そのQwen 3.8 27Bモデルのオープンウェイトをリリースしました。 チェックポイントはHugging Faceで利用可能です。
llama.cpp b10429 で llama_decode() 中に /metrics および /slots にアクセス可能に
llama.cpp プロジェクトはバージョン b10429 をリリースし、llama_decode() の実行中に /metrics および /slots エンドポイントへのアクセスを許可するようにサーバーを変更しました。
llama.cpp b10430 で仮想 igpu デバイスが利用可能に
llama.cpp プロジェクトはバージョン b10430 をリリースし、仮想統合 GPU (igpu) デバイスのサポートを導入しました。このアップデートには、コードベース内の改善されたコメントも含まれています。
llama.cpp b10427 が SYCL FFN 演算を融合し、スループットが最大 12.4%向上
llama.cpp プロジェクトはバージョン b10427 をリリースしました。これには SYCL を介した Intel Arc GPU 向けの性能最適化が含まれています。このアップデートでは、q4_K 密なフィードフォワードネットワーク (FFN) レヤー内で gate、up、GLU 演算の融合が実装されました。
llama.cpp b10425 が gated-delta-net 状態書き戻しを融合し、速度が+1.2%向上
llama.cpp プロジェクトはバージョン b10425 をリリースしました。これには、gated-delta-net 状態書き戻しコピーを融合するための SYCL 最適化のポートが含まれています。