Articles

マルチモーダル推論モデルの公開競争に新しい有力候補が加わった。Thinking MachinesはInklingの全重みを公開し、64Kと256Kのコンテキスト、Tinkerでのfine-tuningを用意した。

HNで注目されたのは単なるbenchmark順位ではない。Thinking Machines LabのInklingは、multimodal MoE、調整可能なreasoning effort、Tinkerでのfine-tuningを組み合わせたopen-weight基盤として受け止められている。

オープンウェイトのコーディングモデルが実用評価で一段上の水準に入った。Vals AIは、GLM 5.2がVibe Code Bench v1.1で64%を記録し、次のオープンモデルを14ポイント上回ったとしている。

LocalLLaMAの議論は、巨大モデルへの憧れではなく、96-128GB級メモリを持つユーザーが使える新しい中間モデルの不足を指している。

スコアだけでなく、長いreasoning tokenと待ち時間まで含めて評価する段階に入ったことが、今回の議論の焦点だ。

MiniMax M3はベンチマーク投稿からオープンウェイト配布へ進んだ。モデルカードは約428Bパラメータ、23B有効パラメータ、1Mトークン文脈を示している。

議論の焦点は「encoder-free」が実際のモデル構造で何を意味するのかに集まった。

LocalLLaMAで注目されたのは、OCRの新奇性よりも公開重み、セルフホスト、低い実行要件という実務面だった。

DeepSeekがDeepSeek-V4-Pro（総パラメータ1.6兆、アクティブ49B）とV4-Flash（284B/13B）を公開した。両モデルはMITライセンスで100万トークンコンテキストに対応するMixture-of-Expertsモデル。V4-Proはこれまでで最大のオープンウェイトモデルとなり、価格はGPT-5.4やClaude Sonnet 4.6の半分以下だ。

HNはMistral Medium 3.5を単なるモデル追加として見なかった。4GPU自前運用、オープンウェイト、遠隔コーディングエージェントの組み合わせが議論の中心だった。

LocalLLaMAが真っ先に掴んだのは数字より形だった。Mistral Medium 3.5はreasoning、coding、agent作業を一つにまとめつつ、「これは自分でも回せるかもしれない」と思わせた。その感触がスレッドを熱くした。

ローカル運用まで見据えたオープンウェイトのコードモデルはまだ少ない。Poolsideは単一GPU級の33B総量 / 3B活性MoE「Laguna XS.2」を前面に出し、技術解説ではSWE-bench Pro 44.5%を掲げた。