#新モデル VentureBeat AI 2026年1月7日

Nous Research、オープンソースコーディングモデル『NousCoder-14B』を発表

暗号投資企業Paradigm傘下のオープンソースAI企業Nous Researchが月曜日、複数の大規模プロプライエタリモデルに匹敵またはそれを上回るコンペティティブプログラミングモデルをリリースした。NvidiaのB200 GPU 48基を使用、わずか4日間の学習で実現したもの。

出典: VentureBeat AI（配信元の紹介文より引用）

このニュースの全文は、配信元でお読みいただけます。 VentureBeat AIで元記事を読む →

この話題に関連する、TOEの実践・観測記録

ニュースの背景を、当社が実際にAIを動かした一次記録から補足します。

AI解体新書

AIエージェントは「モデル選び」で決まらない？ ─ 同じClaudeでもWeb版とClaude Codeで精度が違う理由「ハーネス」を中小企業向けに読み解く

同じモデルなのにWeb版ClaudeとClaude Codeで実用精度が変わる。その差を決めるのが「ハーネス」という道具立てです。中小企業がAIツールを選ぶとき、スペックシートより先に見るべき運用構造は何か。素材と当社の実測を突き合わせて整理します。

続きを読む →

編集部の実践記録から

当社が自社の業務でAIを動かし、処理件数・所要時間・失敗件数まで 実際に測った記録です。

AI解体新書

正解データなしでAIの採点基準は作れるか──質問1つから基準を育てて平均精度80.36%

AIの出力が良いか悪いかを判定する採点基準を、人間が正解例を用意せずに質問1つから自動生成する手法が報告されました。平均ペアワイズ判定精度は素朴な生成の73.45%に対して80.36%。中小企業がAIチェッカーを社内に入れる際の「判定基準づくり」の人件費に直結する話として読み解きます。

続きを読む →

AI解体新書

AIに観点リストを渡すと精度は上がるのか？合成データで100.0%だったF1が実データで41.7%に落ちた検証

AIに「見るべき観点リスト」を与えると、自作の検証データでは検出率が20.0%から100.0%に跳ね上がりました。ところが同じ設定を実データに当てると、F1は41.7%まで落ち、観点リストなしの素のAI（61.5%）を下回りました。手元のテストで満点だから本番でも大丈夫、という判断がなぜ危険なのかを、論文の実測値で確認します。

続きを読む →