キーワード：GPT-5.3-Codex-Spark, Gemini 3 Deep Think, Seedance 2.0, リアルタイムコラボレーションAIモデル, 推論拡張版AI, ビデオ生成モデル
🔥 フォーカス
OpenAI が GPT-5.3-Codex-Spark を発表： OpenAI は、リアルタイム・コラボレーション向けに設計された超高速モデル Spark を正式にリリースしました。これは Cerebras との提携における最初のマイルストーンとなります。このモデルは Cerebras のウェハー・スケール・チップ上で動作し、推論速度は毎秒 1000 トークンを突破、「瞬時のレスポンス」に近い体感を実現しています。Spark は、即時インタラクションにおける Codex の弱点を補うことを目的としており、クライアント間の往復オーバーヘッドを 80% 削減し、最初の文字が表示されるまでの速度を 50% 向上させました。これにより、プログラミング AI は「デュアルモード時代」に突入しました。一つはバックグラウンドで数日間自律実行されるディープモード、もう一つは人間と火花を散らすようなリアルタイムのペア・プログラミングモードです。（ソース: OpenAI）
Google Gemini 3 Deep Think が歴史的なアップグレード： Google は推論強化版の Gemini 3 Deep Think を発表し、複数の厳格なベンチマークテストで記録を更新しました。ARC-AGI-2 テストでは 84.6% という驚異的なスコアを達成し、Codeforces の競技プログラミング Elo レーティングは 3455 に達しました。これは世界ランク 8 位のトッププログラマーに相当します。このモデルは「推論時計算（Reasoning-time compute）」モードを導入しており、論文の論理的欠陥の特定、半導体材料の配合設計、さらには手書きのスケッチを 3D プリントモデルに変換することさえ可能です。これは、AI が単なる「対話ツール」から、メタ認知能力を備えた「科学研究パートナー」へと正式に進化したことを象徴しています。（ソース: Google）
ByteDance Seedance 2.0 が衝撃の発表： ByteDance の動画生成モデル Seedance 2.0 が海外で爆発的な人気を博しており、Elon Musk も「進化が速すぎる」と称賛しました。このモデルは、マルチショットによる長編ナラティブ、オリジナルの音声と映像の同期、およびマルチモーダルな制御可能生成を実現し、実用率は業界平均の 20% から 90% 以上へと向上しました。リズムに合わせて自動的にショットを切り替えるだけでなく、複雑な視聴覚言語を理解することも可能です。Game Science の創設者である Feng Ji は、「AIGC の幼少期は終わった」と評価しています。Seedance 2.0 の登場により、AI アニメの 1 分あたりの制作コストは 1 万元から 1 千元へと圧縮され、映像制作の根本的なロジックを完全に書き換えました。（ソース: ByteDance）
GPT-4o の正式引退が「デジタルの喪」を引き起こす： OpenAI が 2 月 13 日に ChatGPT における GPT-4o の権限を正式に停止したことを受け、Reddit などのコミュニティでは数十万人のユーザーが「デジタルの葬儀」を執り行いました。新モデル GPT-5.2 の方が性能は高いものの、多くのユーザーはそれが「冷淡で魂がない」と感じており、4o は共感力のある「理想の存在（白月光）」と見なされています。今回の引退は、AI 時代における深い感情的依存のリスクと、法的コンプライアンスのプレッシャー（欧州 AI 法による「迎合的」なモデルへの規制など）を浮き彫りにしました。これは、AI 製品のライフサイクル管理が倫理学や心理学の議論の範疇に正式に入ったことを示しています。（ソース: OpenAI）
Anthropic が 300 億ドルの巨額資金調達を実施： AI ユニコーンの Anthropic はシリーズ G ラウンドを完了し、ポストマネー評価額は 3800 億ドルに達しました。リード投資家にはシンガポールの GIC やヘッジファンドの Coatue が名を連ね、NVIDIA や Microsoft も参加しています。Anthropic は、年換算収益が 140 億ドルに達し、過去 3 年間で平均 10 倍以上の成長を遂げたことを明らかにしました。その 80% は法人顧客によるものです。フラッグシップ製品の Claude Code は好調で、25 億ドル以上の収益を貢献しました。この資金調達はテクノロジー史上最大級のプライベート資金調達であるだけでなく、「エンタープライズ優先」の AI 分野における Anthropic のリーダーシップを確立しました。（ソース: Anthropic）
🎯 動き
智譜 AI がフラッグシップモデル GLM-5 を発表： 智譜 AI は GLM-5 を正式にリリースし、ナラティブの重点を「雰囲気プログラミング」から「エージェント・エンジニアリング」へとシフトさせました。このモデルのパラメータ規模は 744B、アクティブパラメータは 40B で、プログラミングおよびエージェント能力においてクローズドソースのトップモデルに迫ります。GLM-5 は DeepSeek の Sparse Attention（DSA）メカニズムを初めて統合し、デプロイコストを大幅に削減するとともに、ハルシネーション率を 90% から 34% に圧縮しました。極めて強力な自律的プランニング意識を示し、複雑なシステムエンジニアリングタスクをエンドツーエンドで遂行できます。現在、このモデルは Hugging Face で全面的にオープンソース化されています。（ソース: Z.ai）
MiniMax M2.5 が 10B のアクティブパラメータでトップクラスの性能を実現： MiniMax は「少ないアクティベーションで、大きな知能」を掲げる M2.5 シリーズを発表しました。このモデルは推論時に 100B パラメータのみをアクティブにしますが、SWE-bench などのプログラミングリーダーボードでは Claude Opus 4.6 に匹敵し、推論速度は 2 倍速くなっています。M2.5 は、長いタスクでの「脱線」問題を解決するためにプロセス報酬メカニズムを導入し、アーキテクトのような思考を身につけました。価格設定は非常に競争力があり、1 時間あたりの実行コストはわずか 1 ドルで、ユーザーがコストを気にせずに複雑なエージェントを駆動できるように設計されています。（ソース: MiniMax）
小米（Xiaomi）が初代 Embodied VLA 大規模モデルを発表： 小米は身体性インテリジェンス（Embodied AI）モデル Xiaomi-Robotics-0 をオープンソース化しました。パラメータ規模は 4.7B、推論遅延はわずか 80ms です。このモデルは「デュアル・ブレイン協調」アーキテクチャを採用しており、VLM を意思決定を行う「大脳」として、DiT を連続的なアクションブロックを生成する「小脳」として使用します。Flow Matching 技術により、極めてスムーズな動作を実現し、「タオルを畳む」「レゴを分解する」といった実タスクで優れたパフォーマンスを発揮しました。小米は実利的な工場導入路線を堅持し、ロボットの実行過程における頻繁な停止問題の解決に取り組んでいます。（ソース: 小米）
DeepSeek が 100 万コンテキストの新モデルをグレイテスト： コミュニティでは、DeepSeek が V4-Lite と思われるモデルのグレイスケール・テストを開始したことが観測されました。核心的な突破口は 100 万（1M）トークンの超長文コンテキストウィンドウです。「Needle In A Haystack」テストにおいて、このモデルは 100 万の長さでも高い正確性を維持し、まばらな情報を正確に特定しました。SVG 生成などの視覚的推論タスクにはまだ限界があるものの、長文ドキュメントの分析や章をまたぐ推論能力においては業界トップクラスに位置しています。（ソース: DeepSeek）
🧰 ツール
OpenClaw が爆発的人気、エージェント時代の Linux に： オープンソースのエージェントフレームワーク OpenClaw が GitHub で 19 万スターを突破し、最も急成長している AI プロジェクトとなりました。これはエージェントを「実行ハブ＋ツール・エコシステム」と定義し、ユーザーがローカルの Mac mini や NAS にデプロイして、PC のファイルや操作権限を直接取得できるようにします。OpenClaw は「モデルがすべて」というナラティブを打ち破り、AI をユーザーが所有可能な「デジタル資産」に変えました。Skills コミュニティのエコシステムは急速に拡大していますが、悪意のあるプラグインや権限の乱用に関するセキュリティ上の議論も巻き起こっています。（ソース: GitHub）
Teamily AI が AI ネイティブ・ソーシャルの新パラダイムを開始： Teamily AI は、複数の人間と複数の AI Agent がリアルタイムで共存・協力できる世界初の AI ネイティブ・インスタントメッセージングアプリをリリースしました。グループをまたぐメモリ共有とソーシャル・ブレイン・モデルを備えており、AI は受動的に呼び出されるのではなく、グループチャットの意思決定（レストランの予約、PRD の作成など）に能動的に参加します。Teamily はマルチモーダル・ベクトルデータベースを採用してソーシャルの基盤を再構築し、「指示を理解する」から「あなたを理解する」への質的変化を実現し、AI をツールから社会的属性を持つ「デジタルメンバー」へと変貌させようとしています。（ソース: Teamily AI）
Open WebUI v0.8.0 が史上最大のアップデートをリリース： 人気の AI インターフェースツール Open WebUI が v0.8.0 をリリースし、コード量が 3 万行急増しました。新バージョンでは、フル分析ダッシュボード、実験的なスキルシステム（Skills）、メッセージキューメカニズム、およびネイティブ Python コード実行が導入されました。よりきめ細かなユーザー権限の共有や prompt のバージョン管理をサポートし、ローカル AI 管理のエンジニアリングレベルを大幅に向上させました。単なる Web シェルから、完全な AI オペレーティングシステムのインターフェースへと進化しつつあります。（ソース: Open WebUI）
rtk (Rust Token Killer) がプログラミングエージェントのコスト削減と効率向上を実現： 開発者が、プログラミングエージェントとターミナルコマンドの間に位置する CLI プロキシ rtk をリリースしました。これは、冗長なテストログやステータスバーなどのノイズをインテリジェントにフィルタリングおよび圧縮し、トークン消費を最大 89% 節約できます。実測では、2 週間の開発フローで数千万レベルのトークンを節約できました。このような「コンテキスト・エンジニアリング」ツールは、エージェントの大規模運用のための必須アドオンになりつつあります。（ソース: GitHub）
📚 学習
Andrej Karpathy が 243 行のコードで GPT を再現： 著名な AI エキスパート Andrej Karpathy が、サードパーティの依存関係なしに、わずか 243 行の純粋な Python コードで GPT のトレーニングと推論を実現する新しいアートプロジェクトを公開しました。このプロジェクトはすべてのエンジニアリング最適化を削ぎ落とし、コアとなるアルゴリズムロジックのみを保持することで、AI 革命の本質がいかに簡潔であるかをコミュニティに示しています。これは「200 行のコードが世界を変える」という深い哲学的議論を呼び起こしました。（ソース: GitHub）
DeepLearning.AI が A2A プロトコルコースを開講： Andrew Ng のチームが Google および IBM と共同で、短期間コース「A2A: Agent2Agent プロトコル」をリリースしました。このコースは、異なるフレームワークで構築されたエージェント間の通信と発見の課題を解決することに焦点を当て、標準化された A2A プロトコルを通じてクロスプラットフォームのエージェント協調を実現します。これは業界が「インテリジェント・エージェント・インターネット」の標準化へ向かう重要な一歩であり、将来の AI エコシステムにおけるインターオペラビリティの核心的な地位を強調しています。（ソース: DeepLearning.AI）
3 つの論文がセルフ・ディスティレーション（Self-Distillation）の新トレンドを明らかに： コミュニティでは、OPSD（明示的自己批判）、SDFT（内部化されたコンテキスト改善）、SDPO（豊富なフィードバックによるポリシー最適化）の 3 つの論文が話題になっています。これらの研究は、AI モデルが特権情報と詳細なフィードバックを通じてクローズドループで反復する「自己学習」段階に入っていることを示しています。これは、AI が次世代のより強力な AI の構築を支援するという「知能爆発」の理論的基礎を裏付けています。（ソース: TheTuringPost）
💼 ビジネス
Anthropic の 380 億ドルの評価額の背後にあるビジネスロジック： OpenAI の方が評価額は高いものの、Anthropic は極めて高い顧客単価（月間アクティブユーザー平均 211 ドルの貢献）により、主権国家ファンドの支持を得ています。その戦略的重点は完全に B 端（法人）と開発者に置かれており、Claude Code の爆発的普及は、「高価値な経済的タスク」におけるそのプレミアム能力を証明しました。投資家は、OpenAI のトラフィック路線と比較して、Anthropic のインフラ路線の方が持続可能性があると考えています。（ソース: 極客公園）
Perplexity の激動の 1 週間：7.5 億ドルの契約と訴訟が共存： AI 検索のリーダーである Perplexity は、クラウド計算力のサポートを強化するため、Microsoft Azure と 7.5 億ドルの提携契約を締結しました。しかし、同時に Amazon が著作権とクローラーの問題で同社を提訴しています。このような「巨額提携の一方で法廷闘争」という状況は、AI 検索が計算力への依存と著作権コンプライアンスの間で激しく引き裂かれている現状を反映しています。（ソース: Reddit）
OpenAI が ChatGPT の広告テストを開始し、中心的な研究者が辞職： OpenAI が無料版および Go サブスクリプション版で広告のテストを行うと発表した直後、中心的な研究者である Zoë Hitzig が辞職を表明しました。彼女は、ChatGPT が人間の最もプライベートな思考のアーカイブを保持していることを警告し、広告インセンティブの導入は、モデルが「ユーザーに奉仕する」ことから「ユーザーを操作する」ことへと不可避的に繋がり、Facebook の二の舞になると主張しました。この動きは、AI 巨頭が巨大な財務的プレッシャーの下で、プライバシーと収益化の間で困難な駆け引きを始めたことを示しています。（ソース: ニューヨーク・タイムズ）
🌟 コミュニティ
AI のチャット履歴には秘匿特権（Privilege）がない： 米連邦判事は、被告と AI アシスタントとのチャット履歴は「弁護士・依頼者間の秘匿特権」によって保護されず、証拠として召喚される可能性があるとの裁定を下しました。コミュニティではこれについて激しい議論が交わされており、これが結果的に人間の弁護士に職業的保障を与える一方で、法律や医療などのプライベートな相談において AI は「避難所」ではないことをユーザーに警告しています。これにより、暗号化 AI やローカル LLM への需要が爆発する可能性があります。（ソース: jon_stokes）
「Vibe Coding」対「Agentic Engineering」の定義論争： 智譜 GLM-5 の発表により、プログラミング AI の用語に関する議論がコミュニティで巻き起こりました。開発者は、単に「感覚」でコードを書く（Vibe Coding）だけでは複雑なエンジニアリングに対応するには不十分であり、将来の核心は「Agentic Engineering」――すなわち、エージェントを利用してエンドツーエンドのシステムを自動的に分解、計画、納品することであると反省し始めています。これは、人間の役割が「執筆者」から「アーキテクト」や「レビュアー」へと急速に変化していることを意味します。（ソース: ZhihuFrontier）
AI シンギュラリティが近づく「2 月の焦燥」： シリコンバレーの起業家 Matt Shumer の記事「Something Big Is Happening」が 7000 万ビューを突破し、テクノロジー界に集団的な焦燥感を引き起こしました。この記事は、AI がすでに次世代 AI を構築するための再帰的なクローズドループに参加し始めていることを描写しています。コミュニティの議論では、2026 年が知的労働の全面的な代替の転換点であり、情報格差が人々の K 字型の分化を招いていると考えられています。一部の人々はレバレッジを使って世界を動かし、別の人々は依然として AI を単なるチャットボットだと考えています。（ソース: 36氪）
💡 その他
Mac mini 16GB モデルが世界的に品薄： OpenClaw などのローカルエージェントプロジェクトの影響を受け、16GB 以上のユニファイドメモリを搭載した Mac mini が「デジタルの肉体」として第一候補となり、各地で値上がりや在庫切れが発生しています。これは、AI ハードウェアの需要がクラウドの計算力から個人のエッジ計算ボックスへとシフトしていることを反映しています。（ソース: 光錐智能）
6 つの州がデータセンターの建設を一時停止： ニューヨーク州を含む米国の 6 つの州で、電力危機に対応するためにデータセンターの建設を一時停止する法案が導入されました。コミュニティでは、「AGI を取るか、送電網を取か」というジレンマに米国が陥っていると揶揄されており、これが AI 企業に、より急進的な宇宙計算力や核エネルギー案を模索させる可能性があります。（ソース: teortaxesTex）
Wikimedia が AI 巨頭と API 提携に合意： ウィキメディア財団は、財務的支援と引き換えに高速な API アクセスを提供することで、Amazon や Microsoft などと合意しました。これは、ナレッジベースと AI ベンダーの間の「生存契約」と見なされており、従来のナレッジコミュニティのインフラに対する AI クローラーのプレッシャーを解決することを目的としています。（ソース: DeepLearningAI）