CryptoPepper

Generalist AIのGEN-1登場——ロボットが本当に作業を始めた
GTC 2026で、2つのロボットアームが自律的にスマートフォンの梱包を完了
NVIDIAはロボットの「Android」を作り、Generalistは「アプリケーション層」の巧みな操作モデルを提供し、Universal Robotsはハードウェアを供給。
FigureやTesla Botとは異なる。Generalistは純粋にモデルを作り、他者のハードウェアに接続。軽資産で迅速なイテレーション。
2026年は汎用ロボットの分水嶺の年。驚くべきデモだけでなく、サプライチェーンが形成されている：チップ＋モデル＋ハードウェア＋シナリオ、四層すべてに関わる人がいる。
私たちは超巨大な時代に突入している！

一篇論文により立ち止まり、半時間見入った S0 Tuning
核心アイデア：モデルの重みを変更せず、初期状態の行列だけを調整することで、モデルのコーディング能力を大幅に向上させることができる。
Qwen3.5-4B で、わずか48個のHumanEval訓練サンプル（48Kではなく48個）を使用し、S0 tuningはpass@1を23.6ポイント向上させた。
LoRAと比較して、S0は10.8ポイント高い。p値<0.001、統計的に有意。
FalconH1-7Bでは、S0は71.8%に達した。
これは、調整後もモデルの速度やサイズは変わらず、「スタート位置」が改善されることを意味する。
ローカルモデルのデプロイを行う人にとって、これは扉を開くものだ：汎用モデルを使い、数十の分野サンプルで調整して専用モデルに変えることができ、性能の犠牲を伴わない。
論文はarxiv: 2604.01168に掲載されている。モデル適応に関わる人は読むべきだ。

GoogleはGemma 4をリリースしました
1B、13B、27Bの3つのサイズと、31Bの密度版があります。すべてApache 2.0ライセンス。商用利用は自由です。
このライセンスの変更はモデル自体よりも重要です。以前のGemmaはGoogle独自のライセンスを使用しており制限がありました。今はApache 2.0で、MetaのLlamaと直接競合しています。
モデルの特徴：マルチモーダル—テキスト＋ビジュアル＋オーディオ。31B密度版はAIME 2026で89.2％を達成し、LiveCodeBench v6は80％、CodeforcesのELOは2150です。
27Bのパラメータ数はローカル展開に非常に適しており、4090グラフィックカード一枚で動かせます。
E4BとE2Bは端末側バージョンで、スマートフォンやIoT向けです。GoogleはGemini Nano 4のエコシステムを拡大しています。
LlamaはオープンソースのLLM界で長い間圧倒的な存在でした。Googleは今回、試験的ではなく全面的に攻めており、2Bから31Bまでの全パラメータ範囲をカバーし、Apacheライセンスは商用のハードルを設けず、端末とクラウドを一体化しています。
独立開発者や小規模チームにとっては良いニュースです。競争が激しくなるほど、無料の恩恵も増えます。
M

OpenAIはYouTubeのトークショーを買収した。
TBPNは、2025年に始まる予定のテクノロジーライブ配信番組で、YouTubeのチャンネル登録者数はわずか5.8万。OpenAIはこれを買収した。
TBPNの去年の広告収入は500万ドル。今年は3,000万ドルを突破する見込みだ。まだ2年未満の番組だが、6倍に成長している。
番組は毎日午後2時に3時間のライブ配信を行い、ゲストは次の通り：Sam Altman、Metaの幹部、Microsoftの幹部、Palantir、a16z。BloombergやCNBCも訪れたことがある。
これはシリコンバレーの権力者たちのリビングルームだ。
買収後、TBPNはOpenAIの戦略部門に属し、チーフ・ポリティカル・オフィサーのChris Lehaneに報告している。注意したいのはこの役職名――「政治官」だ。コンテンツの責任者ではない。
OpenAIは編集の独立性を維持すると言っている。しかし、AI企業が自社CEOがよく出演する番組を買収した場合、「独立」という言葉をどれだけ信じられるか、自分で判断すべきだ。
AI競争が激化し、技術格差が縮まる中で、誰がストーリーをコントロールするかが勝負だ。Googleは検索、Metaはソーシャルグラフ、OpenAIは何も持っていない。
TBPNを買うのはコンテンツを買うので

阿里はこっそりと大きな一手を放った。
CoPaw-Flash-9B——Qwen3.5をベースにしたAIエージェントモデル。9Bパラメータで、自分のコンピュータ上で動かせる。
どこがすごいのか？
一部のベンチマークとQwen3.5-Plus（クローズドソースの大規模モデル）と互角の性能を持つ。
90億パラメータ vs 数百億パラメータで、スコアはほぼ同じ。
さらに私を興奮させるのは、CoPawというフレームワーク：
- 持続的な記憶をサポート（会話内容を覚えている）
- 複数チャネル接続（Feishu、Discordも対応）
- ローカルデプロイ、API費用不要
Qwen3.5のアーキテクチャも非常に優れている——総パラメータは397Bで、1つのトークンあたり17Bだけを活性化。効率は最大限。
H100サーバーは必要ない。MacBook1台で個人用AIアシスタントを動かせるかもしれない。
自分のコンテンツパイプラインのいくつかの中間ステップ（データクレンジング、フォーマット変換）をローカルモデルに移すことで、API費用を大幅に節約できると考えている。
2026年後半には、個人用AIエージェントが標準装備になるかもしれない。
ただし、ベンチマークのスコアと実際の体験は別物だ。自分でローカルで動かせるようになったらまた報告する。

この市場はこのようなMMに妨害されて最終的に死にました
1日に18倍に上昇して、その後15分で戦いが終わる
たとえBNの契約や現物を持っていても運命から逃れることはできません
情報優位のない個人投資家はより早く死ぬだけです
模倣品も暗号化も終わりです

AIツール大全の画像を見つけた。十数種類に分かれていて、すごく印象的だ。
暴論を言うと、そんなに多くのツールは必要ない。
私が毎日実際に使っているのはたったの3つ：
- Claude：コーディングや長文作成、私を理解させるために使う
- Codex：適当にやるときに使う
たまに使うのはあと3つ：
- Google Stitch：画像作成
- Whisper：音声文字起こし
- Claude artifact：データ分析
合計5つで十分だ。
あの画像の問題点は何か？それは「存在」を「有用」と誤認していることだ。AI文章作成ツールはClaude一つで十分だし、AI画像生成ツールもGoogle Stitch一つで足りる。
ツール選びのロジック：
「市場に何があるか」を問うのではなく、「毎日繰り返す作業の中で、AIがどの部分を助けてくれるか」を考えることだ。
痛点からツールを探し、ツールのリストから痛点を探すのではない。
多くの人を見てきた——Notion AIにお金を払ったまま使っていない、Jasperを1年契約して3記事しか書いていない。
ツールは多ければ良いわけではない。必要なだけあれば十分だ。

誰かがTransformerモデルを使ってコード内のループが並列化可能かどうか判断している。
一見学術的に聞こえるかもしれない？焦らないで。
まず背景から。
コードを書く人なら誰でも知っていることだが、forループを並列実行に変えることはパフォーマンス最適化の聖杯だ。しかし、間違って変えるとバグになる。従来の方法は静的解析に頼るが、複雑な依存関係に直面すると行き詰まる。
この論文は一つのことをやった：コードをTransformerモデル（そう、GPTのアーキテクチャそのもの）に突っ込んで、「このループを安全に並列化できるか」をAIに判断させる。
なぜこの方向性が面白いのか。
従来の並列化解析ツールは数十年進化してきたが、複雑なシナリオでは精度が十分ではない。多面体モデルでは動的構造のコードを捉えきれない。
Transformerの強みは、コード内の長距離依存関係を捉えられる点にある。例えば、ある変数がループの第3行で変更されて、第47行で読み取られる——こうした距離を超えたデータフロー関係は、Transformerにとって自然なアテンションメカニズムの問題だ。
しかし、私が伝えたいのはこの論文そのものではない。私が言いたいのはトレンドだ。
AIは「コードを書く手助け」から「コードの底層実行方式を最適化する手助け」へと進化している。これは全く異なるレベルの話だ。
コードを書くのは人間

Spec-heavy, code-light は正しいアーキテクチャの選択です
ハーネスエンジニアって要するにあなたのコンテキストが十分に詳細でないということです。大多数の人は何を細かく計画すべきか全くわかっていません
私のハッカソンプロジェクト（AIの求職チームを雇うためのもの）はすでにリファインしてV2になりました
18個のスペックを書き、ほぼ16個のスキルをカバーし、中国語の求人プラットフォームと英語の求人プラットフォームそれぞれでテストを行い、実験データを取得してから本格的に取り組み始めました
毎日あなたたちがこれやあれやと投稿しているのを見ているだけで、自分で全部通してやったことありますか？

RH株価が一夜で19.5%急落。
以前はRestoration Hardwareと呼ばれていた高級家具ブランドは、昨晩の決算発表で全ての指標が予想を下回った。
数字は非常に悪い：
売上高は8.43億ドルで、予想より3.6%少ない。EPSは1.53ドルで、予想より30.6%低い。次の四半期のガイダンスは7.895億ドルで、アナリスト予想より10.2%低い。
株価は141ドルから一気に114ドルまで下落した。
会社は二つの理由を挙げている：関税によるサプライチェーンの再調達が3,000万ドルの売上に影響し、季末の悪天候で1,000万ドルが失われた。
しかし、要はこれらは言い訳に過ぎない。
本当の問題は、ラグジュアリー消費の冷え込みだ。
RHが売っているのは何か？5,000ドルのソファ、3,000ドルのダイニングテーブル、800ドルのスタンドライトなどだ。こうした大型消費は金利に非常に敏感だ。
アメリカは今、住宅ローン金利が6.5%以上。こんな時に家具を買い替える人は誰もいない。
より深い論理——RHのビジネスモデルは「メンバーシップ＋ショールーム」だ。年会費175ドルを払って会員になり、「25%割引」を享受できる。
聞き覚えがあるだろう？頭を切って本題へ。
彼らのギャラリー店舗（あの巨大なショールーム群）は賃料が非常に高い。高い固定費は売上に非常に敏感で、少しでも下がれば利益は崩壊

88%的企業がAIエージェントの安全事故を経験しています。しかし、エージェントを「身分」として管理しているのはわずか22%です。
OktaのCEO、Todd McKinnonはThe Vergeで次のように述べました。私が注目した点です：
AIエージェントは単なるツールではなく、独自の身分を持つべきです。社員のようにログインし、認証を行い、ログを残す必要があります。
背景はこうです。
現在、企業内のAIエージェントはますます増加しており、データベースにアクセスしたり、APIを呼び出したり、メールを送信したりできます。しかし、多くの企業はエージェントの管理において、作成者のアカウント権限を使い続けています。
これは何を意味するのでしょうか？エージェントに問題が起きた場合、誰がそれを操作したのか、何をしたのか、いつ行ったのかを全く把握できないということです。
McKinnonの論理はこうです：エージェントには独立した身分、独立した権限、独立したログが必要です。そして、kill switchも必要です。エージェントの行動が異常な場合、一クリックで停止できる仕組みです。
私は、エージェントのアイデンティティが2026年後半の企業AIの核心トピックになると予測しています。
この基盤を最初に整備した企業が、次のAIインフラの料金所を握ることになるでしょう。

以前は、広場の多空を見れば米国株をまとめられると思っていた

データを引き出してみてください：
Morgan Stanley MSBT：0.14%
Grayscale Mini Trust：0.15%
Franklin Templeton EZBC：0.19%
Bitwise / VanEck：0.20%
BlackRock IBIT：0.25%
IBITは現在、$840億のBTC現物ETF市場の絶対的リーダーです。Morgan Stanleyは0.14%で0.25%を打ち負かしています。
なぜこのタイミングなのか？
3つの理由があります。
第一、機関投資家が求めているから。Morgan Stanleyは4兆ドルを超える顧客資産を管理しています。顧客が高純資産の個人やファミリーオフィスの場合、彼らが求めるのは「最良のETF」ではなく、「規制部門が承認できるETF」です。自社ブランド＋最低手数料＝完璧な答え。
第二、手数料戦は護城河です。ETFの規模が拡大すれば、手数料の優位性は雪だるま式に増えます。Vanguardは低手数料で全体の共同基金業界を打ち負かしましたが、この戦略はMorgan Stanleyも学びました。
BloombergのETFアナリストは、MSBTが4月初旬に承認されると予測しています。
私の判断は非常にシンプルです：これはETF製品のニュースではありません。ウォール街の伝統的な勢力と暗号ネイティブ勢力の全面的な統合のシグナ