[AI ニュース] 新たな AI インフラユニコーン：Exa、Modal、TurboPuffer

2026 AI エンジニアリング調査に参加して、2,000 ドル以上のクレジットと AIE WF チケットを獲得しましょう！ ![image](https://substackcdn.com/image/fetch/$s_!3ckl!,w_1456,c_limit,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F0607846c-4654-4352-83ef-e0dd6e2b580a_1086x280.png) 今週、大きなマイルストーンを達成した過去のゲストの皆様にお祝い申し上げます： Turbopuffer: 年間収益（ARR）1 億ドルを達成し黒字化（当社のポッドキャスト） Exa: シリーズ C ラウンドで 250M ドル調達、評価額 22 億ドル（当社のポッドキャスト） Modal: シリーズ C ラウンドで 355M ドル調達、評価額 47 億ドル（当社のポッドキャスト） 私たちは本当に Latent Space ファンドをすぐに立ち上げる必要がありますが…その間も…2026 AI エンジニアリング調査に参加して、Notion と Vercel のクレジット合計 2,000 ドル以上と AIE WF チケットを獲得するために、ぜひご協力ください！ 2026 年 5 月 20 日〜5 月 21 日の AI ニュース。私たちは 12 のサブレッド、544 のツイートを確認し、Discord はさらに確認していません。AINews のウェブサイトでは過去のすべての号を検索できます。念のため、AINews は現在 Latent Space のセクションの一部となっています。メールの頻度を選択的にオン/オフにすることができます！ AI Twitter リキャップ モデル、ベンチマーク、研究のアップデート：RAEv2、Gated DeltaNet-2、データフィルタリング、および Open Math RAEv2 と表現ファーストのトークン化：複数の研究者が、統一されたビジョン理解と生成のための表現オートエンコーダーの有意義な後継として RAEv2 を強調しました。@1jaskiratsingh 氏は、このアップデートにより収束速度が 10 倍以上向上し、再構成と生成の質も改善され、テキストから画像への生成や世界モデルへのテストも拡張されていると述べています。@recatm による中国語要約では、3 つの主要な知見が有用に抽出されています。すなわち、最終層のみではなく最後の K 層のエンコーダーを合計することで、推論コストを追加することなく再構成と生成の両方が改善されること、RAE と REPA は意味と空間構造において補完関係にあること、そして REPA を追加的な弱モデルガイダンスパスを回避する内部自己ガイダンスメカニズムとして再定式化できることです。@sainingxi`e 氏もまた、FID 以外の新たな評価視点に言及し、表現駆動型ピクセルデコーダーにはまだ未探索の余地が残っていると主張しています。 標準的なアテンションやトークナイザーの前提に対する代替案：NVIDIA の Gated DeltaNet-2 は、チャネルごとのゲートを用いて線形アテンションにおける消去と書き込み操作を分離し、13 億パラメータ規模で言語モデリングおよび常識推論において KDA や Mamba-3 を上回り、RULER における長文脈検索でも顕著な向上を示しました。@rasbt はこれを最も興味深いハイブリッド・アテンションの方向性の一つと評しています。トークナイザー化については、@NousResearch がサブワードトークン化がなぜ有益なのかを説明する統制された研究を発表し、17 億バイトレベルのパイプライン内で七つの仮説的利点をシミュレーションしました。しかし、その規模において検証損失を変動させたのは七つの介入のうち三つだけでした。一方、@tatsu_hashimoto は DCLM に関する驚くべきスケーリング結果を報告しました。十分な計算リソースがあれば、最良のデータフィルタは「フィルタなし」である可能性があり、インターネットスケールのプールにおける交差点は約 1e30 FLOPs で訪れると予測されています。下流の評価ではノイズが目立ちますが、方向性は一貫しています（続報あり）。 メカニズム解釈性と幾何学：@GoodfireAI は、「モデルは曲がった多様体で思考し、SAE（Sparse Autoencoder）は直線的な特徴を使用する」という支配的な批判は部分的にしか正しくないとしています。彼らが提案する解決策は、SAE の特徴を結合発火パターンに基づいてクラスタリングし、個々の原子ではなく特徴のグループを通じて幾何学構造を回復することです（スレッド継続、投稿）。これは現在の SAE に関する議論に対する有用な更新であり、スパース特徴そのものを否定するものではなく、解釈は単一の特徴から構造化されたアンサンブルへと移行すべきであるという警告です。 AI 研究分野としての数学：最大の科学的議論は、OpenAI が報告したエルデシュの単位距離問題に関する結果を中心に展開されました。@markchen90 はこれを、現在 AI を活用した研究突破が最も期待できる分野として数学を位置づける証拠と捉えました。一方、@wtgowers は、報告された人間の関与レベルが実際に低いという前提が正しいならば、その結果は真に興味深いものであると指摘しました。議論は直ちに懐疑論やベンチマーク・ゲーム性への懸念によって形作られ、@memecrashes は「人間によって 3 時間経たないうちに陳腐化している」とジョークを飛ばし、@cloneofsimo は AI 数学において何が正当とみなされるかという点における予測可能な「ゴールポストの移動」を指摘しました。興味深い技術的なメタポイントは、数学が相対的に解読可能なフロンティアとして AI と共同研究する機能を維持し続けていることです。その理由は、出力を検証・議論・拡張できるからです。 エージェント、ハルネス、開発者向けツール：Codex, Gemini, Devin、およびエージェントインフラストラクチャ ハルネスは依然として能力向上の主要な源泉です：@lvwerra は「physics-intern」をリリースしました。これは科学問題用のハルネスであり、Gemini 3.1 Pro などのモデルを 17.7 から 31.4 に引き上げ、その設定において GPT 5.5 Pro を上回りました。注目すべき微妙な点は、GPT 5.5 Pro 自体はハルネスから恩恵を受けなかったことです。これは、モデル固有の構造化トリックへの吸収が異なることを示唆しています。同じ精神に基づき、@KLieret は「mini-swe-agent」を ProgramBench で実行可能にし、ソフトウェアエンジニアリングエージェントに関するハルネスイノベーションの向上を明確に目指しました。 エージェント設計パターンは、「単一エージェント優先」から明示的なサブエージェントのオーケストレーションへと成熟しています。@cwolferesearch は実践的な統合を提示しており、まずは単一エージェントシステムから始め、ツールの蔓延やプロンプトの肥大化が管理不能になる場合にのみ、マネージャー/サブエージェント型や分散型マルチエージェントトポロジーへ移行すべきだと述べています。この助言は、サブエージェントの利用者からのより運用上の観察とも一致しています。@andrew_locke は、Cognition のサブ・Devin ワークフローを飛躍的なステップ変化として記述しており、以前であれば 2 週間以上のエンジニア工数が必要だったものを数時間に圧縮したと述べています。 Codex はモデルの上に実質的な製品層を提供しました。OpenAI の「Codex Thursday」アップデートは、単体の機能としてよりも、コーディングエージェントが向かうべき方向を示すシグナルとして重要です。@OpenAIDevs は Appshots をリリースし、Mac アプリのウィンドウからスクリーンショットとテキストの両方をキャプチャしてより豊かな作業コンテキストを提供します。また、チームプラグイン共有（リンク）や、より詳細な組織分析（リンク）も追加されました。より重要なシステムシフトはリモートコンピューター利用です。@OpenAIDevs によると、Codex は現在、Mac がロックされている状態でも、スマートフォンから Mac 上のアプリを安全に使用できるようになりました。これは、エージェント製品の表面がチャット IDE から、永続的なクロスデバイスオペレーターワークフローへと移行しているという強力なシグナルです。 Gemini のエージェント・ツールに関するストーリーは急速に広がっています：@OfficialLoganK は、Gemini 3.5 Flash が APEX-Agents-AA で第1位を獲得し、より大規模なモデルを上回っていると強調しました。応用面では、@_philschmid が Gemini API を単一の呼び出しだけで構築した GitHub イシュー分類エージェントを示し、@skalskip92 は Gemini 3.5 Flash がカスタムビジョンパイプラインに代わり、1 つのマルチモーダル API 呼び出しで車線・車両推論を処理するデモンストレーションを行いました。Google もアクション対象領域を拡大しました：Daily Brief（発表）と OpenTable、Canva、Instacart と連携したアプリアクション（発表）は、本質的に消費者向けエージェントワークフローです。 開発者インフラは、検索・ストリーミング・サンドボックス・セキュリティ境界の周りで収束しています：Weaviate はデータベース内に組み込み MCP サーバーを実装し、コーディングエージェントが追加プロセスなしでリポジトリを取り込んでハイブリッド BM25 + ベクトル検索を利用できるようにしました（発表）。LangChain は、エージェントと世界の境界を制御するためのサンドボックス認証プロキシ（発表）と、ツール・サブエージェント・メディア・割り込みをトークンストリームではなくファーストクラスのプロジェクションとしてレンダリングする新しい型付きストリーミングプロトコルを導入しました（概要）。vLLM の Elastic Expert Parallelism も注目すべきシステム研究です：@vllm_project は、NVLink/RDMA を介した直接 GPU から GPU への転送を用いて完全再起動なしで MoE DP/EP トポロジをライブリサイズする方法を説明しており、スケーリングだけでなく将来の耐障害性サービングにおいても重要です。 インフラ、コンピューティング、および AI ビジネスのシグナル：Modal、Turbopuffer、Hark、そしてコンピューティング競争 インフラ層において、「ここにお金が流れている」という最も明確な日の一つがありました。@Sirupsen 氏は、Turbopuffer が 19 ヶ月後に 100 ドルから 1 億ドルの年間収益率に達し、かつ黒字化して 100 ドル未満の資金調達を行ったと述べています。同社のポジショニングは明快でタイミングも適切です。フロンティアチームは、「AI で魔法が起きるのは、まさに適切なコンテキストを取り込んだ時である」と知っており、これが多くの製品差別化を検索/検索問題へと変換します（フォローアップ）。これは、@swyx 氏の「派手なフロンティア研究だけでなく、『地味』な AI インフラこそが富の創出に繋がっている」というより広範な見解とも一致しています。 Modal は大規模な資金調達を行い、AI クラウドの主要勝者としての地位を確立し続けています。@bernhardsson 氏は、46.5 億ドルの評価額で 3 億 5500 ドルのシリーズ C ラウンドを発表しました。投資家とユーザーは同じ仮説を強調しています。つまり、AI ワークロード向けにクラウドスタックをゼロから再構築し、優れたパフォーマンスと開発者体験（Redpoint、ユーザーの推薦）を実現することです。これは、エージェントネイティブなコンピューティングが独自のカテゴリとして台頭しているという他のシグナルと共にあります。@latentspacepod は、Daytona の提案について 60 ミリ秒のサンドボックス、75 秒間で 5 万社のスタートアップ、そして RL/評価ワークロードが現在利用の約半分を占めていることを要約しています。 計算リソースは依然として戦略的なボトルネックであり、市場は階層化されているように見える。@AymericRoucher は有用な計算リソースの分類法を提示した：マルチギガワットクラスの米国のリーダー（OpenAI、Anthropic、Google、そして Meta/xAI が加わる）、数百メガワットからマルチギガワットへと拡大し、国内スタック increasingly に依存する中国の巨人、そして今日の約 90MW で 2029 年までに 1GW を目指す Mistral などの欧州の挑戦者。正確な数値には議論の余地があるが、この枠組みは @EpochAIResearch の見解と一致しており、同氏は最近の計算リソース構築を OpenAI が開始したとしても、フロンティア研究所はまだ世界の全計算リソース容量の非常に一部しか使用しておらず、さらにどの程度加速できるかという問いが残されていると指摘している。コンポーネント経済も引き続きメモリシフトへと向かっており、@EpochAIResearch の報告によると、HBM（High Bandwidth Memory）は 2024 年第 1 四半期から 2025 年第 4 四半期にかけて、AI チップのコンポーネント支出全体に占める割合が 52% から 63% に増加した。 資本はインフラだけでなく、インターフェースやハードウェアへの賭けにも流れ込んでいる。@adcock_brett は Hark が GPU インフラ、将来のモデル開発、ハードウェア、マルチモーダル/パーソナルインテリジェンス製品を目的として、60 億ドルの評価額で 7 億ドルを調達したと発表した。詳細は採用領域（ファウンデーションモデル、インフラ、音声、コンピューター使用エージェント、ハードウェア）以外では限定的だが、この調達規模は垂直統合型 AI デバイスへの賭けに対する投資家の意欲を示している。Hark はまた、F.03 における 200 時間の連続自律実行（発表時）を報告したが、基盤となるロボティクススタックを評価するにはまだ十分な技術詳細が提供されていない。 マルチモーダル、動画、バイオロジー、ロボティクス：Runway、Carbon、Earth Models、Open Humanoids 動画編集と生成はより構成要素指向になっており、Runway は Aleph 2.0 と新しい Edit Studio を発表し、ユーザーが単一のフレームを編集してその編集を動画の残りの部分に伝播させることができるようになりました（Runway、製品責任者）。これは、マルチモーダルビルダーが関心を持つ「参照ガイド付き編集伝播」問題の実用的なプロダクト化です。一方、アリババ研究者による MIGA は、@HuggingPapers によって、時間的整合性のための二段階アライメント機構を備えた無限フレーム動画生成のためのトレーニング不要な手法として注目されました。オープンソースのアバター分野では、Meituan が LongCat-Video-Avatar 1.5 をリリースし、Wav2Vec2 に代わって Whisper-Large を採用し、推論ステップ数を 8 段階に短縮し、長編動画におけるアイデンティティの整合性を保ちつつ、より広範なスタイル化ドメインへの一般化を実現しました（発表）。 バイオロジーおよび地球観測のための基盤モデルは、さらに実用性が高まっています。Hugging Face Bio の Carbon DNA モデルファミリーには、続編のデモとインフラ検証が追加されました。@LoubnaBenAllal1 は、シーケンス設計、バリアント効果予測、学習表現における応用例を強調し、@Shekswess は Carbon-500M、3B、8B が、NxD Inference を用いて単一の Trainium2 trn2.3xlarge 上で初日からコンパイルおよび実行可能であることを示しました。地理空間モデリングについては、@cgeorgiaw が報告したところ、多解像度 Sentinel-2 入力のトークン化を変更し、トークン数を 3 分の 1 に減らすことで計算コストを 3 分の 1 に削減できる OlmoEarth v1.1 が登場しました。 オープンロボティクスはより構築可能になりつつあります：Hugging Face の LeRobot Humanoid は、ショーケースデモではなく、本格的なフルスタックのオープンリリースとして注目を集めています。@robotsdigest と @lukas_m_ziegler の両者が強調しているのは、同じパッケージです。約 2,500 ドル、3D プリンタで製造可能、完全なハードウェア/CAD データ、キャリブレーション/ランタイム、シミュレーション、同定ツール、トレーニングパイプラインが含まれています。重要な点は単なる低価格化ではなく、実際のロボット学習ワークフローにおける修理可能性とイテレーション速度です。 エンゲージメント上位のツイート OpenAI / Codex の製品拡大：Codex は、Mac がロックされている場合でも、スマートフォンから Mac 上のアプリを安全に使用できるようになり、より豊富なアプリコンテキストを提供する Appshots も追加されました。 インフラストラクチャの勝者：turbopuffer は年間 1 億ドルの収益率で黒字化し、調達額は 100 ドル未満；Modal はシリーズ C ラウンドで 3.55 億ドルを 46.5 億ドルの評価額で調達；Hark は 7 億ドルを 60 億ドルの評価額で調達。 広範な技術的共鳴を持つ研究議論：OpenAI の Erdős 関連の数学的結果に関する議論、RAEv2 のリリース、「フィルターなし」スケーリングによる LM データキュレーションの結果。 エージェント機能のトレンドライン：Gemini 3.5 Flash が APEX-Agents-AA で首位；Gemma 4 E4B が Argent を介して iOS シミュレータをオンデバイスで駆動；Devin for Windows。 AI Reddit レビュー 続きを読む

[AI ニュース] 新たな AI インフラユニコーン：Exa、Modal、TurboPuffer

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト