NVIDIA Megatron Coreは、大規模なトランスフォーマーモデルのトレーニング用のオープンソースライブラリです。本記事では、Falconモデルを開発したTechnology Innovation Institute（TII）がMegatron CoreとMegatron Bridgeにどのように貢献したかを解説します。Falcon-H1は、同時に入力を処理するハイブリッドアーキテクチャで、トレーニングの効率性を高めるために、BitNetを統合した新しい層を導入しました。これにより、ユーザーは独自のモデルアーキテクチャを柔軟に構築可能です。

LeRobot v0.5.0は、初の人型ロボットUnitree G1を含む多様なハードウェアサポート、Pi0-FASTやリアルタイムチャンクングなどの新ポリシー、エンコーディング待機時間をゼロにするストリーミングビデオエンコーディングを追加しました。さらに、EnvHubでHugging Face Hubから直接シミュレーション環境を読み込む機能や、Python 3.12およびTransformers v5へのモダナイズが行われています。

Ulysses Sequence Parallelismは、大規模言語モデルの長いシーケンスを効率的に処理する手法です。トレーニング中のメモリ制限を克服するため、注意計算を複数のGPUに分散します。具体的には、シーケンスを分割し、各GPUが一部の注意ヘッドを計算することで、長さ数百万トークンを扱えるようにします。この技術は、文書解析やコード理解などの複雑なタスクでのモデルの能力を向上させます。

AIConfiguratorは、NVIDIAのDynamo AIスタックを利用して大規模言語モデル（LLM）の最適なデプロイを簡素化するオープンソースツールです。従来の方法では不可能な多次元検索空間を効率的に探索し、実際のハードウェアでのテストなしに最適な構成を短時間で見つけることができます。具体的には、GEMMやMoEの処理を分解して個別に測定し、エンドツーエンドのパフォーマンスを予測します。AIConfiguratorはさまざまなフレームワークに対応し、動的なワークロードモデルの実装も進めています。

Difyは、AI技術を広く利用可能にすることを目指して設立され、3000万ドルの資金調達に成功しました。オープンソースプラットフォームとして、エージェントワークフローの構築を支援し、175カ国以上で2,000以上のチームが利用しています。この資金により、信頼性の高いエージェントとワークフロー、企業向けの基盤の強化、構築のハードルを下げることが可能になります。Difyは、全ての人がAIを活用できる未来を目指しています。

SpeciesNetは、野生動物の監視と保護を目的としたオープンソースのAIモデルです。約2,500種の動物を特定し、カメラトラップのデータ解析を迅速化。アフリカのSnapshot Serengetiプロジェクトやコロンビアのハンボルト研究所など、世界中の研究グループが利用し、動物行動の理解を深めています。これにより、絶滅危惧種の保護が促進されています。

NVIDIAのBlackwellがSTAC-AI LANG6ベンチマークで新記録を樹立。大規模言語モデル（LLM）が金融取引の分析を進化させ、膨大なデータから投資戦略を自動化。Blackwellは以前のアーキテクチャより最大3.2倍の性能を実現し、バッチおよびインタラクティブ推論で高いスループットと応答性を維持。Hopperも依然として強力な結果を示し、金融機関における重要な選択肢としての地位を確立。

Googleの視覚検索が大幅に改善され、AIを活用して画像内の複数のオブジェクトを同時に検索できるようになりました。これにより、例えば衣服の全ての要素を一度に見つけやすくなります。AIモードは、検索時に画像を解析し、関連する情報を迅速に提供。今後は、ショッピングだけでなく、博物館の作品や料理など、様々なシーンについての情報を得ることが可能です。

NVIDIA CCCL 3.1では、浮動小数点計算の決定性を制御するための新しいAPIが導入されました。決定性レベルは「not_guaranteed」「run_to_run」「gpu_to_gpu」の3種類があり、選択によって性能が異なります。特に、not_guaranteedは性能が最も高く、複数のランで異なる結果が得られる可能性があります。run_to_runは同じGPUで実行した場合に結果が一致し、gpu_to_gpuは異なるGPU間でも結果が同一になります。これにより、ユーザーはニーズに合わせた決定性を選択可能です。

2026年2月のGoogleのAI関連ニュースを振り返ります。インドでのAIインパクトサミットでは、AIが現実の問題を解決する様子が紹介され、新たなパートナーシップが発表されました。新ツールとしては、Nano Banana 2、Gemini 3.1 Pro、AI動画分析ツールが登場。これらの技術は研究者やアスリートの支援を目的としています。

Modular Diffusersは、再利用可能なブロックを組み合わせて拡散パイプラインを構築する新しい手法を提供します。従来のDiffusionPipelineクラスを補完し、柔軟性を持たせたワークフローを簡単に作成可能です。この記事では、モジュラーパイプラインの使い方やカスタムブロックの作成方法、Mellonとの統合について解説します。これにより、ユーザーは自分のニーズに応じたワークフローを自由に構成できるようになります。

Difyでは新ユーザー向けに、APIキー設定の障壁を下げ、AIアプリ開発をより簡単にしています。主な改善点は、4つのモデルプロバイダー（OpenAI、Claude、Gemini、Grok）へのメッセージクレジットの対応と、即座に試せるキュレーションされたテンプレートの提供です。これにより、ユーザーは手軽にAI機能を体験し、ニーズに合ったテンプレートを選択できます。

Canvas in AI Modeが米国で全員利用可能になりました。新機能には、クリエイティブライティングやコーディングタスクのサポートが含まれ、文書の作成やカスタムツールの作成が可能です。ユーザーは、プロジェクトを整理したり、情報を視覚化するダッシュボードを作成したりできます。AIモードからCanvasオプションを選択し、作成したい内容を説明することで、プロトタイプが生成されます。

本記事では、NVIDIAのcuTileを用いたFlash Attentionの実装方法と、性能を最大化するための最適化手法を紹介します。特に、タイルサイズの増加によるパフォーマンス低下の罠や、FMAパターン、ファストマath、ループ分割などの高度な技術を解説。また、GPUのメモリ帯域幅の問題を解決するFlash Attentionの利点についても触れています。

企業の効率化手法として「Credit First」が普及する中、Dify Workflowを使った金融自動化の利点を紹介します。従来の手動確認から脱却し、自動化されたプロセスで取引の管理を行う方法を解説。具体的には、トランザクションの自動取得、文脈の強化、AIによる判断支援などを通じて、処理時間を大幅に短縮し、人的介入を減少させる取り組みを紹介します。CIOや財務リーダー向けの戦略も提案。

Difyの新機能「Human Input Node」は、AIと人間の協力を強化します。ワークフローがこのノードに到達すると、実行が一時停止し、指定された人物にフォームが送信されます。これにより、重要な決定を人間が行えるようになり、承認プロセスがスムーズに進行します。フォームの内容や決定ボタンをカスタマイズでき、Webアプリやメールでの通知方法も選べます。タイムアウトポリシーを設定することで、迅速な対応も可能です。

cuTile.jlは、NVIDIAのCUDAタイルプログラミングモデルをJuliaで利用可能にするオープンソースパッケージです。これにより、開発者はスレッドやメモリ管理を意識せずに、データタイルに基づいた高性能なCUDAカーネルを簡単に作成できます。cuTile.jlは、Python版と同じ抽象レベルを保ちながら、Juliaの構文を活用して直感的なコーディングを提供します。性能面では、既存のcuTile Python実装と大差ないパフォーマンスを発揮します。

NVIDIA ACEとIn-Game Inferencing SDKを用いて、AIエージェントをゲームに統合する方法を解説します。特に、コードエージェントを利用することで、推論呼び出しを最小化し、GPUリソースの競合を減少させることが可能です。コードエージェントは、複数の関数を一度の推論で生成し、柔軟なロジックを実行します。PythonやLuaなどのスクリプト言語を用いることで、セキュリティを考慮した安全な実行環境を実現できます。

Project Genieは、自分のインタラクティブな世界を作成するツールです。以下の4つのポイントで効果的なプロンプトを作成しましょう。1. 環境を詳細に描写する（例：天候やオブジェクトの具体的な描写）。2. キャラクターを選ぶ（移動方法や特徴を含める）。3. 自分の画像を使用して世界を作成する（キャラクター中心で背景を考慮）。4. 短い直接的な言葉を使い、視点を切り替えて探索する。

Gemini 3.1 Flash-Liteは、開発者向けに提供されるAIモデルで、1Mトークンあたり$0.25と非常に安価です。このモデルは、翻訳やコンテンツモデレーション、ユーザーインターフェース生成などに使用され、2.5 Flashよりも2.5倍の速度向上を遂げています。高頻度のワークフローに最適で、複雑なタスクにも対応可能です。