NVIDIA に関する報道

Z.aiは、320億パラメータを持つオープンソースモデルGLM-5.3-Flashをリリースした。GLM-5.3-Flashは、Artificial Analysisのインテリジェンス指数で、より大きなGLM-5.3よりわずか3点低く、しかしコストは後者の7分の1である。注目すべきは、すべての推論トラフィックがNvidiaのハードウェアではなく、中国のAIチップで実行されていることだ。GLM-5.3-Flashのリリースは、AIモデルのコストと性能のバランスが新たな突破口を迎えたことを示している。

Nvidia は、年間収益 1.5 億ドルのオープンソース AI プラットフォーム Hugging Face を 129 億ドルで買収した。この取引は、Nvidia が数十億ドルをオープンソース AI モデルに投資するための最新の取り組みであり、OpenAI や Anthropic などのクローズドソース AI サプライヤーが Nvidia ハードウェアから離れている中でのものである。Hugging Face の買収は、Nvidia が AI 分野にさらに進出するためのものである。

Nvidiaは、オープンソースAIハブであるHugging Faceを129億ドルで買収しようとしています。この取引は、Nvidiaがチップ帝国を守り、クラウドコンピューティング事業に復帰するのに役立ちます。Hugging Faceには多数のモデルとコミュニティリソースがあり、Nvidiaはこれらを活用してAI事業をさらに発展させることができます。

Amazonはデータセンターの需要の増加に応じて、NVIDIAに200万個のグラフィックプロセッサチップを追加で購入し、以前の注文量の3倍に増加した。このパートナーシップはチップの購入に限らず、他の分野にも拡大する。

ロボットのナビゲーション戦略の訓練は、ロボットの自律性を実現する上で重要なステップです。単純な移動制御とは異なり、ナビゲーションにはロボットが継続的に自己位置を把握し、周囲の環境の変化を解釈し、経路を選択し、障害物を避ける能力が必要です。ただし、このプロセスは通常、大量のデータ、シミュレーションリソース、ロボットインターフェースなどが必要です。最近、研究者は、AIエージェントを使用してクロスボディロボットのナビゲーション戦略を訓練する方法を提案し、ロボットのナビゲーション戦略の汎用性と適応性を高めることを目指しています。

阿里巴巴は、開発者が実験および評価できるように、近日公開予定のQwen4アーキテクチャの先行バージョンとして、Qwen3.8-Flash-Nextモデルの重みを公開しました。このモデルは、多モーダル混合専門家（MoE）アーキテクチャを採用し、パラメータ総数は176Bで、51BのN-gram埋め込みパラメータを含み、各トークンで6Bパラメータがアクティブ化されます。ネイティブのコンテキストウィンドウサイズは、262,144トークンですが、YaRNを使用すると、1Mトークンまで拡張できます。

アリババは、近日公開予定のQwen4アーキテクチャの先行公開として、開発者が実験および評価を行えるように、Qwen3.8-Flash-Nextのモデルウェイトを公開した。モデルはマルチモダリMoEアーキテクチャを採用しており、主モデルパラメーターは125億、補助として51億のN-グラム埋め込み、トークンあたり6億の活性化パラメーターがある。262,144トークンのコンテキストウィンドウをサポートし、最大100万トークンに拡張可能。

OpenAIは、最初の深層学習推論チップであるJalapeñoを発表し、Hot Chipsカンファレンスでベンチマークテストを行った。テスト結果は、JalapeñoがNvidiaのBlackwellおよびRubinを上回るスループットとエネルギー効率を示した。SemiAnalysis CEOのDylan Patelは、これがNvidiaを最初のチップで破ったダークホースであると述べた。

Nvidiaは、推論チップGroq 3 LPXを量産に移したことを発表し、Gemma 4 31Bで毎秒3,400トークンの性能を達成し、Cerebrasより4倍高速であると主張した。ただし、この数字は全容を明らかにしていない。Nvidiaはこの速度を達成するために少なくとも64個のアクセラレータが必要であるのに対し、Cerebrasは1つか2つしか必要としない。

Nvidia の上級マネージャーが、超微公司による中国への AI サーバーの密輸計画に関与した疑いが持たれている。ジェンセン・ファンはすでに超微公司のこの行為を公開で批判していた。

NVIDIAは、年間収益が7.5億ドルに達したPerplexityへの300億ドル以上の評価額での投資を交渉している。

NVIDIA の AVO は ARC-AGI-3 の 100% を達成し、長期自律エージェント向けの最先端の汎用アーキテクチャを実証しています。 NVIDIA は、自律エージェントの分野で以前と比べて大きな進歩を遂げました。これは、NVIDIA の AI 分野での競争力がさらに高まったことを意味します。開発者は、AVO アーキテクチャを使用して、よりスマートな自律エージェントを開発できます。

NVIDIA のブログ投稿では、AI エージェント スタックにおけるセキュリティの位置について説明し、AI システムにセキュリティを統合することの重要性を強調しています。記事では、セキュリティは単にコンポーネントを追加するだけではなく、システム全体のセキュリティを総合的に考慮する必要があると指摘している。