数学競技ゴールド級、GPUカーネル公開、モバイル推論へ：2026年10月7日〜8日のAI新技術動向

今回の要点

• Nemotronが国際数学オリンピック（IMO）と国際情報オリンピック（IOI）でゴールド級成績を達成し、LLMの推論能力限界を示した。
• DeepSeekが高速GPUカーネルライブラリ「DeepGEMM」を公開。CUTLASS/CuTeの概念を活用し、ランタイムコンパイルでインストール不要。
• OmnigentはClaude CodeやCursorなどを統合するオープンソースのエージェントフレームワーク。ポリシー強制とサンドボックス化に対応。
• OpenPhoneはモバイル端末向けエージェント基盤モデル。4B以下のオンデバイスモデルと7B以上のクラウドモデルのジレンマを解決する。
• LiquidAIがエッジデバイス向けマルチモーダル決定モデル「open d1」を公開。
• VisionWeaveはMLLMの視覚表現を柔軟化する新手法。固定サイズのトークン化によるコスト削減と情報損失を回避する。

NemotronがIOIとIMOでゴールド級成績を達成

前提

LLM（大規模言語モデル）は数学問題解決において、単なる知識の暗記ではなく、論理的推論プロセスを模倣できるかが課題となっていた。

何が変わったか

Nemotronというモデルファミリーが、国際情報オリンピック（IOI）と国際数学オリンピック（IMO）においてゴールド級という成績を達成した。これは、LLMが高度な数学競技レベルの推論能力を備えていることを示す結果である。

なぜ重要か

研究者にとって、LLMの推論能力の限界がゴールド級という明確な指標で示されたことは、今後のモデル開発やファインチューニングの方向性を示す重要なマイルストーンとなる。

根拠のリンク

One Model Family, Two Gold-Level Results: Fine-Tuning Nemotron for IOI and IMO

DeepSeekがGPU向けBLASカーネルDeepGEMMを公開

前提

現代のLLMでは、GEMM（行列乗算）やMoE（Mixture of Experts）などの計算プリミティブが重要であり、GPU上での高速化が求められる。

何が変わったか

DeepSeekが「DeepGEMM」という統一された高性能テンソルコアカーネルライブラリを公開した。FP8、FP4、BF16のGEMM、通信と重叠するMega MoE、MQAスコアリング、HyperConnectionなどを単一のCUDAコードベースに統合している。DeepJITを用いたランタイムコンパイルにより、インストール時にCUDAコンパイルが不要となっている。

なぜ重要か

推論・訓練の最適化において、CUTLASSやCuTeの概念を活用しつつも、インストールの簡素化と高性能な計算プリミティブを統一提供することで、開発者の環境構築負担を軽減し、パフォーマンス向上に寄与する。

根拠のリンク

deepseek-ai/DeepGEMM

Omnigent: Claude Code等を統合するエージェントフレームワーク

前提

AIエージェントの利用において、複数のツール（Claude Code、Codex、Cursorなど）を個別に管理するのではなく、統合的に制御する基盤が求められている。

何が変わったか

Omnigentは、Claude Code、Codex、Cursor、OpenCode、Hermes、Pi、および独自エージェントを統合するオープンソースのエージェントフレームワーク（メタハーネス）を公開した。書き換えなしでハーネスの交換や組み合わせが可能で、ポリシーの強制、サンドボックス化、リアルタイムコラボレーションに対応している。

なぜ重要か

実装者にとって、複数のAIツールを統一されたオーケストレーションレイヤーで管理できるため、実装事例として注目される。特に、ポリシー強制とサンドボックス化により、セキュリティと制御性を確保しながらエージェントを運用できる点が強調されている。

根拠のリンク

omnigent-ai/omnigent

OpenPhone: モバイル端末向けエージェント基盤モデル

前提

マルチモーダル大規模言語モデル（MLLM）を用いたGUIエージェントシステムは、モバイルプラットフォームにおいて有望視されている。しかし、4B以下のオンデバイスモデルは性能不足、7B以上のモデルはサイズが大きくクラウド依存のコストがかかるというジレンマがあった。

何が変わったか

OpenPhoneは、モバイル環境でのエージェント推論を可能にする基盤モデルとして提案された。モバイルプラットフォームのリッチなアプリエコシステムと直感的なタッチ操作を活用し、オンデバイスでの実用性を高める方向性を持つ。

なぜ重要か

研究者および開発者にとって、モバイル環境でのエージェント推論が現実的な選択肢となり得ることを示す。特に、オンデバイスモデルの性能向上と、クラウドモデルのコスト課題に対する解決策の模索において、重要な指針となる。

根拠のリンク

OpenPhone: Mobile Agentic Foundation Models

LiquidAIがエッジ向けマルチモーダル決定モデルを公開

前提

エッジデバイス（スマートフォンやIoT機器など）でのマルチモーダル推論は、リソース制約の中で高精度な判断を実現する課題があった。

何が変わったか

LiquidAIが、エッジデバイス向けに設計されたマルチモーダル決定モデル「open d1」を公開した。これは、エッジ環境でのリアルタイムな意思決定を可能にするためのモデルである。

なぜ重要か

エッジデバイスでのマルチモーダル推論を可能にする新モデルとして、リソース制約下での実用性を示す。特に、決定モデルとしての特性を活かしたエッジでの応用が期待される。

根拠のリンク

Multimodal open d1 decision models for the edge

VisionWeave: MLLMの視覚表現を柔軟化する新手法

前提

MLLM（マルチモーダル大規模言語モデル）は視覚理解において主流となっているが、入力画像を固定サイズの密集トークンにエンコードする際、計算コストと情報損失の課題があった。

何が変わったか

VisionWeaveは、MLLMの視覚表現を柔軟化する新手法を提案した。画像内の領域によって必要な詳細度（fine-grained detail）とコンパクトな表現の許容度が異なることを利用し、固定サイズトークン化によるコストと情報損失を回避する。

なぜ重要か

研究者にとって、視覚情報の不均一な分布を活用することで、MLLMの視覚表現を効率化し、多様な画像タスクに対応できる可能性を示す。特に、ダウンサンプリングによる詳細度の犠牲を最小限に抑える点が強調されている。

根拠のリンク

VisionWeave: Weaving Elastic Visual Representations as a Native Capability of MLLMs

出典

• One Model Family, Two Gold-Level Results: Fine-Tuning Nemotron for IOI and IMO
• deepseek-ai/DeepGEMM
• omnigent-ai/omnigent
• OpenPhone: Mobile Agentic Foundation Models
• Multimodal open d1 decision models for the edge
• VisionWeave: Weaving Elastic Visual Representations as a Native Capability of MLLMs