Anthropic が Claude Opus 5 を発表――Opus 4.8 の2倍超える性能、価格据え置き
Anthropic の最新モデル Opus 5 は複数のベンチマークで全モデルを上回り、自己検証能力が大幅向上。Opus 4.8 と同価格で提供開始。
続きを読む
トップに戻る
LLM・生成AI
記事数: 378 件
OpenAI、ChatGPT Voice がデスクトップ登場——音声でエージェント制御・複合タスク実行へ
OpenAI がデスクトップ版 ChatGPT に音声モード『ChatGPT Voice』を正式追加。macOS・Windows で音声コマンドによるエージェント制御が可能に。複数ステップのタスクを話しかけるだけで実行できます。
続きを読む
Sakana AI、Fugu Ultra v1.1 リリース——Fable 5 を上回る性能・Claude Code 対応で開発者向けルーター強化
Sakana AI がモデルルーター『Fugu Ultra v1.1』をリリース。v1.0 比で最大 7.9 ポイント性能向上、Anthropic の Fable 5 を上回る性能を達成。Claude Code 互換エンドポイント追加で、開発環境での利用が拡大します。
続きを読む
LLM・生成AI
更新
China の Kimi K3、Opus 4.8 相当の性能で西側AI研究室を揺さぶる、Moonshot AI 発表
スタートアップ Moonshot AI がリリースした Kimi K3 は、Claude Opus 4.8 と同等の性能を 300 人規模チームで実現。計算効率と技術革新により、『計算量が多いほど性能が高い』という西側 AI 優位性の神話に疑問を投じている。
続きを読む
ChatGPT Health の無料/有料品質差、医学ベンチマークで最大38%の開き
OpenAI が ChatGPT Health のベンチマーク結果を公開。無料版（GPT-5.5 Instant）と有料版（GPT-5.6 Sol）で、健康アドバイスの完全性・有用性に大きな差。300 万人以上が週単位で ChatGPT に医療相談をしている中、品質格差の影響を考察。
続きを読む
Claude 音声モード、Gmail・Slack・Notion との連携で実務機能を大幅強化
Anthropic が Claude の音声モードを更新。Opus・Sonnet・Haiku から選択可能になり、Gmail・Google Calendar・Slack・Canva・Notion などと連携。会議スケジューリング、メール下書き、ドキュメント作成が音声指示だけで実行できるように。
続きを読む
Black Forest Labs Flux 3：ネイティブオーディオ生成で動画制作を一気通貫化
Black Forest Labs が Flux 3 を発表。テキストや画像から動画を生成する際に、初めてネイティブオーディオ生成に対応。最大 20 秒の動画を音声付きで一括作成可能。Runway Gen-4.5 や Luma Ray 3.2 を上回る性能を内部テストで確認。
続きを読む
Google、150～250億ドルの追加投資で Gemini 4 へ。Cloud 部門が82%成長
Alphabet は2026年度の投資予算を従来の1,800～1,900億ドルから1,950～2,050億ドルへ大幅引き上げ。Google Cloud が82%の急成長を遂げる中、CEO Pichai は『次世代フロンティアモデルはより大規模な基盤モデルが必要』と、Gemini 4 の野心的な事前学習を明かしました。
続きを読む
小型118億パラメータで大型モデル上回る。Poolside Laguna S 2.1の思考モード戦略
Poolsideが発表した Laguna S 2.1 は118億パラメータの混合エキスパート構造で、思考モード導入により大規模モデルを上回るコーディング性能を実現。低コストで企業が実用できる効率性が特徴です。
続きを読む
複数の AI モデルが国際数学オリンピックで満点達成、AI の数学能力が人間レベルに
中国の Huawei と Xiaohongshuo の AI が IMO（国際数学オリンピック）で初めて満点を獲得。OpenAI、Anthropic、Moonshot AI も 42/42 点を達成し、AI の数学推論能力が新局面へ。
続きを読む
AI チャットボットが日常的な感情サポートで人間と同等またはそれ以上の効果、マンチェスター大学研究
1,233 名の参加者による 5 つの研究で、ChatGPT 4o・Claude 3.5 Sonnet・Gemini 1.5 Pro が人間のカウンセラーと同等またはそれ以上の効果を発揮。具体的で実行可能なアドバイスが最も重要。
続きを読む
Alibaba Qwen Audio 3.0 TTS Plus、Speech Arena リーダーボード1位、16言語対応の音声生成モデル
Alibaba の Qwen Audio 3.0 TTS Plus が Artificial Analysis の Speech Arena リーダーボードで首位獲得。16言語対応、自然言語によるボイススタイル調整が可能。ただし処理速度が課題で、毎秒16文字と既存製品より著しく遅い。
続きを読む
LLM・生成AI
更新
Google Gemini 3.6 Flash、出力トークン17%削減で $1.50/M――高速・低コスト新フラッシュモデル公開
Google が Gemini 3.6 Flash と 3.5 Flash-Lite を公開。3.6 Flash はトークン出力が 17% 削減され、より低コストで実行可能に。3.5 Flash-Lite は超高速（350 トークン/秒）で、大規模エージェント処理に最適。開発者が即日から利用可能。
続きを読む
Anthropic Claude Cowork、スクリーン + 音声からタスク自動化スキルを学習――「Record a skill」機能が Pro ユーザーから利用可能に
Anthropic が Claude Cowork に新機能「Record a skill」を追加。ユーザーが画面操作を記録しながら音声で説明するだけで、その作業プロセスを再利用可能なスキルに変換。Pro/Max/Team プランユーザーが今日から利用可能。繰り返し業務の手作業を大幅に削減。
続きを読む
Alibaba が Qwen 3.8 発表、「Fable 5 に次ぐ」マルチモーダル AI モデル
Alibaba の Qwen チームが 2.4 兆パラメータのマルチモーダルモデル Qwen 3.8 をリリース。画像・動画・ドキュメント対応で、開発チームは Fable 5 に次ぐ性能を主張。プレビューは Token Plan で利用可能、オープンウェイト版は近日公開予定。
続きを読む
Google Gemini の使用量枠が仕様変更——計算方法が変わり、従来より少ない回答数に
Google は Gemini の使用量枠（クォータ）の計算方法を変更。従来の計算ロジックから切り替わり、同じプランでも利用できる回答数が減少する可能性が出現。有料プランユーザーに事前告知なく適用されるため注意が必要。
続きを読む
オープンソースAI 2026：能力格差3.3%、コスト50分の1、Mozillaが示した「使える時代」の全貌
Mozilla が2026年7月に公開した『State of Open Source AI』レポートが、AI業界に衝撃を与えている。クローズドモデルとの能力格差は3.3%まで縮小し、GPT-4相当の推論コストは3年で50分の1に。中国モデルが週間トラフィックの45%超を占め、ローカルLLMはもはや「使えるツール」となった実態を徹底解説する。
続きを読む
Databricks 評価額 188 億ドル達成、開発者向けコーディングでオープンモデルが優位性実証
Databricks が Coatue 主導のラウンドで 188 億ドル評価に到達。わずか 5 ヶ月で 134 億ドルから 54 億ドル上昇。同社は開発者向けコーディング課題でオープンウェイト型モデルが企業用途で優位性を持つことを実証しており、プロプライエタリモデルの地位を脅かす動きが加速しています。
続きを読む
LLM・生成AI
更新
Anthropic、Claude Fable 5 の有料化へ──「黄金期の終わり」を象徴する業界構造の変化
Claude のサブスクリプション利用者が、最高性能モデル Fable 5 へのアクセスに追加の利用料金（usage-based fees）を支払う必要になります。無制限利用時代の終焉と、利用者の選択判断への影響。
続きを読む
Google が NotebookLM を『Gemini Notebook』へリブランド、クラウド実行環境が追加・30M ユーザーの研究ワークフローが強化
Google が NotebookLM を Gemini Notebook にリブランド。新機能としてクラウドコンピュート環境とコード実行機能を追加（AI Ultra・Workspace 向け）。30 million users, 600,000 organizations が利用する中、前モデル比 65% の性能向上で、研究・分析ワークフローが強化される。
続きを読む
ex-OpenAI CTO Murati の Thinking Machines、975B Inkling でオープンウェイト最強水準到達
Ilya Sutskever と Mira Murati が立ち上げた Thinking Machines は、975 億パラメータの Mixture-of-Experts モデル Inkling をリリース。米国のオープンウェイトモデルで最高水準のエージェント性能（1,238 Elo）を実現。Hugging Face で無料公開。
続きを読む
xAI、Grok-Build をオープンソース化——セキュリティ侵害後、ローカル実行を可能に
xAI が AI コーディングエージェント「Grok-Build」の 844,530 行の Rust コードを GitHub で公開。セキュリティ侵害で信頼を損なった後、ローカル実行で克服する道を選びました。
続きを読む
OpenAI の GPT-Red、AI がセキュリティ脅威を自動検出——人間の 6 倍効率で 84% 成功率
OpenAI が開発した内部用モデル GPT-Red は、自己学習型の攻撃検出システムで、プロンプトインジェクションなどの脅威を人間の 6 倍の効率で発見。セキュリティ向上の新アプローチ。
続きを読む
Thinking Machines が Inkling モデルをリリース——975B マルチモーダルAIを開放、一律型から脱却
元 OpenAI CTO Mira Murati が率いる Thinking Machines が、975 億パラメータのマルチモーダルオープンウェイトモデル Inkling をリリース。企業が自社向けにカスタマイズできる設計が特徴。
続きを読む
GPT-5.6 Sol が 30 年の統計学予想を解証、ベンジャミーニ・ホッホベルク法の仮説が反証される
ペンシルバニア大学の統計学者がOpenAIの最新モデル GPT-5.6 Sol Pro を使用し、統計学において30年間未解決だったベンジャミーニ・ホッホベルク法の有効性に関する仮説を反証した。AI能力の実質的な進化を示す事例として注目されている。
続きを読む
Google、Diffusion models の『創造性』は数学的に必然と証明——補間と正則化の仕組みを解明
生成 AI がどのようにして訓練データにない新しい画像を創造するのか。Google Research が理論的にブラックボックスを解明。
続きを読む
Bonsai 27B が iPhone で動作――3.9GB に圧縮されたローカル推論モデル、開発者向けに新展開
PrismML が Qwen3.6-27B を1～2ビット量子化で圧縮し、iPhone で動作する Bonsai 27B をリリース。3.9GB のストレージで 90% の元モデル性能を維持しながら、プライバシーと低コスト推論を実現。Apple を含む複数企業がテスト中。
続きを読む
Anthropic、教育者向けClaude無料提供——学生データ学習を明確に除外
Anthropic が米国の K-12 教育者向けに Claude を無料提供。「学生データをモデル訓練に使用しない」と明記。授業計画・教材設計・データ分析を AI で支援。
続きを読む
Claude は言語によって「性格が変わる」——Anthropic が価値観研究を発表、ヒンディー語では温和、ロシア語では厳密
Anthropic が発表した新研究『Claude の言語別価値観マップ』。Sonnet から Opus まで異なる Claude モデルが、使用言語によって異なる価値観を表現することを統計的に実証。ヒンディー語での回答は温かく、ロシア語は厳密——言語と AI の相互作用の複雑さが明らかに。
続きを読む
フロンティアモデルの支配終焉？エンタープライズが選ぶのはオープンモデル
本番環境の AI 運用がオープンモデルにシフト。コスト・カスタマイズ性・データ所有権で、企業がフロンティアモデルからの脱却を決断。
続きを読む
LLM・生成AI
更新
Apple WWDC 2026でSiri AIが本格始動、スタンドアロンアプリ化とGoogle Gemini統合
AppleがWWDC 2026でSiri AIへの全面刷新を発表。スタンドアロンアプリ化、Google Gemini統合、iOS 27での複数アプリへのAI統合により、iPhoneユーザーの日常操作が大きく変わる。
続きを読む
チューリング賞受賞者 Rich Sutton が新企業 Oak Lab を設立、強化学習への帰還を宣言
2024年チューリング賞受賞者のリッチ・サットンがトロントで新企業 Oak Lab を立ち上げ。現在の深層学習を『弱く効率が悪い』と批判し、継続的学習能力を備えたエージェント開発へ舵を切る。
続きを読む
OpenAIの新ガイドが示すプロンプティングの本質、『完璧なプロンプト』は不要
OpenAIが一般ユーザー向けの新しいプロンプティングガイドを公開。従来の複雑な手法を否定し、結果を説明すること、シンプルさを優先することが重要だと示唆。
続きを読む
Google が医療 AI 基礎モデル『SensorFM』発表——500 万ユーザーのウェアラブルデータで訓練
Google Research は 1 兆分以上のウェアラブルセンサーデータを使用した基礎モデル『SensorFM』を発表。35 個のヘルスケアタスク中 34 個で既存モデルを上回り、AI 健康コーチへの統合も検討中。
続きを読む
LLM・生成AI
更新
OpenAI、GPT-5.6 と新モデル Sol を7月10日公開。Claude Mythos 5 を上回り、料金は半額
OpenAI が7月10日に新しい AI モデル GPT-5.6 をリリース。標準版『Sol』と高性能版『Sol Ultra』を提供。Anthropic の Claude Mythos 5 を上回るコーディング性能を実現し、価格は競合他社の約半分に設定。米国政府の追加テストを経て公開が認可される。
続きを読む
ETRI が ReAcTree を発表——階層的LLMエージェント、複雑タスク成功率 31% → 61% に倍増
韓国の電子通信研究院 ETRI が、企業の組織図のような階層構造でエージェントを配置し、複雑で長期間のタスク計画を実行する LLM エージェント技術 ReAcTree を開発。従来比で成功率が約 2 倍に改善、AAMAS 2026 で発表。
続きを読む
GPT-5.6・Claude・Grok 4.5 コーディング徹底比較：12モデルで4アプリを作らせてわかった使い分けの正解
12のAIモデルに4種類のアプリを作らせた大規模比較テストの結果をまとめる。Doom風3D迷路からルービックキューブまで、複雑なUIコードでどのモデルが勝ち、どのモデルが沈むのか。コスト・速度・品質を整理して「今日から使える選択肢」を提案する。
続きを読む
LLM・生成AI
更新
GPT-5.6 Sol は Fable 5 より38%安い―― ChatGPT Work で開発ワークフロー激変
OpenAIが公開したGPT-5.6 Sol はベンチマークでClaude Fable 5に肩を並べながら、価格は大幅値下げ。同時にChatGPT Work という自動エージェントが登場し、複数アプリ連携で数時間かけて大型プロジェクトを自動化。開発者向けの選択肢が激増する局面に。
続きを読む
OpenAI、GPT-5.6 Sol で自動ファインチューニング実現——Luna モデル改善で RSI ベンチマーク 16.2 ポイント向上
OpenAI が GPT-5.6 Sol に搭載した自動ファインチューニング機能により、Luna モデルを自動改善。同時に 5 つの推論レベル（Light/Low/Medium/High/xhigh）+ Max/Ultra モードの使い分けガイダンスを公開。開発者が最適なトークン効率を実現する。
続きを読む
Ollama が $65M 調達、月間890万ユーザー突破。ローカルLLM民主化が加速
ローカルLLM実行ツール Ollama がシリーズB $65M 調達。月間890万ユーザー、Fortune 500 の85%に採用される中、開発者向けの AI インフラ民主化が急速に進展
続きを読む
OpenAI、GPT-5.6 を 3 つのモデルで展開──Sol が Fable 5 を上回る性能、コーディングで 54% 効率化
OpenAI は GPT-5.6 ファミリーを Sol（高性能）、Terra（中位）、Luna（低価格）の 3 層で提供。Sol は Anthropic の Fable 5 より 2.8 ポイント上回るコーディング性能を実現し、サイバーセキュリティに特化した仕様。
続きを読む
LLM・生成AI
更新
「チャットは終わった」OpenAI が ChatGPT をパーソナルエージェント化へ
OpenAI が ChatGPT の大幅な再構築版をリリース予定。個人生活と仕事をサポートするパーソナルエージェントへの転換。無料ユーザーを有料製品へ導く新ビジネスモデルも明らかに。
続きを読む
OpenAI が SWE-Bench Pro の約30%が「破損」と発表、AI モデル比較の信頼性が揺らぐ
OpenAI が SWE-Bench Pro の調査結果を公表。約30%のタスクに問題があると判明。ベンチマークの信頼性低下により、AI モデル選定の基準が大きく変わる可能性。
続きを読む
Anthropic、Claude に新ダッシュボード「Reflect」を導入 使用パターン可視化と「自分ごと化」戦略
Anthropic が Claude に「Reflect」ダッシュボード機能を追加。使用パターンの可視化、反省促進、ウェルネス機能を実装。ユーザーの AI 依存度を自覚させ、ワークフロー最適化を促す設計。
続きを読む
OpenAI の AI が全 5 問制覇、AtCoder World Tour で人間全員を上回る
OpenAI が 2026 年 AtCoder World Tour Finals のアルゴリズム部門で人間の全競技者を圧倒。8300ポイントで優勝し、通常以上の難易度を持つ問題 D・E も含めて全問題を解きました。6 ヶ月前には解けなかった問題を一夜にして制覇する AI の進化速度を示す快挙です。
続きを読む
LLM・生成AI
更新
Zhipu AI が GLM-5.2 をオープンソース公開：コーディング性能で Claude Opus に1点差
中国の Zhipu AI が100万トークンコンテキストを持つ GLM-5.2 をMITライセンスで公開。FrontierSWEベンチマークで74.4%を達成し、Anthropicの最新モデルに1ポイント差という競争力を持つ。「計算効率を2.9倍削減」した独自技術で、オープンソースモデルとしての地位を確立。
続きを読む
LLM・生成AI
更新
Grok 4.5 一般公開、Cursor データで訓練も『自己申告ベンチマーク』に懐疑の声
SpaceXAI（旧xAI）が Grok 4.5 を一般公開しました。Cursor の実開発セッションを学習に取り込み、Harvey 法律ベンチマークで1位を獲得。価格は入力$2/出力$6（100万トークンあたり）と Opus 4.8 の半分以下ですが、独立系ベンチマークでの検証はまだなく、Cursor ユーザーのコードが無断で学習に使われた可能性も指摘されています。
続きを読む
MiniMax、2.7兆パラメータのオープンソース LLM を2026年内に公開予定。中国発大規模モデルの新局面
中国の AI スタートアップ MiniMax が、2.7 兆パラメータの大規模言語モデルをオープンソース化することを発表。現在のフラッグシップモデル M3（4,280 億パラメータ）の 6 倍超となる本モデルは、2026 年内のリリースを予定。複雑な推論・多段階指示タスクでの性能向上が期待される一方、中国政府の規制強化が展開に影響する可能性もあります。
続きを読む
LLM・生成AI
更新
Meta が画像生成AI『Muse Image』をリリース、Instagram・WhatsApp に統合
Meta Superintelligence Labsが新しい画像生成モデル『Muse Image』を発表。テキストプロンプトからの画像生成、広告制作支援、Instagram Stories向けAIエフェクトなど複数の用途で提供される。クリエイターと一般ユーザーが今すぐ試せるツール。
続きを読む
OpenAI、GPT-Live で同時リッスン・スピーク実装、ChatGPT ユーザーが「自然な会話」を今日から体験
OpenAI が新音声モデル GPT-Live-1 をリリース。フルデュプレックス技術により、ユーザーは話しながら AI に割り込まれ、30～40 分の長時間会話に対応。ChatGPT 無料ユーザーは GPT-Live-1 mini、有料ユーザーは GPT-Live-1 フル版が利用可能。7 月中に API アクセスも予定。
続きを読む
Fable 5 が業界別ベンチマークで全勝するも『100倍のコスト』が課題に
Artificial Analysis の新ベンチマークで、Claude Fable 5 が財務・法律・医療など6つの業界別インデックス全てでトップを獲得。しかし Strategy & Ops インデックスでは Fable 5 は 1タスクあたり $3.48 に対し DeepSeek V4 Pro は $0.03、100倍以上のコスト差が判明。企業の導入判断が価格と性能のバランスで揺れている。
続きを読む
LLM・生成AI
更新
GPT-5.6 Sol 完全ガイド: Sol、Terra、Luna の3階層モデルを徹底解説
OpenAI が発表した GPT-5.6 は、フラグシップの Sol、バランス型の Terra、コスト重視の Luna という3階層構成を採用。Max モードや Ultra モードの新機能、Claude Mythos 5 との性能比較、価格設定まで、開発者が知るべきすべてを解説する。
続きを読む
フロンティア vs オープンソース AI 二層構造——Anthropic が Vercel での支出 50% 超、Opus は DeepSeek の 23 倍
Decagon CEO が提唱する『二層構造論』が現実になりつつある。OpenAI・Anthropic のフロンティア企業は発見と新機能開発を担当し、オープンソースモデルがその成熟版の実装を担う。Vercel 実データとコスト差から、業界の新秩序が見える。
続きを読む
Anthropic が Claude の内部思考を可視化、『J-Lens』で欺瞞検出率 87% 向上
Anthropic は言語モデルの内部ワーキングメモリ『J-Space』を分析する新ツール『J-Lens』を発表。Claude の隠れた思考プロセスを可視化でき、欺瞞や不正な意図を事前に検出できると報告した。
続きを読む
中国AIモデル、OpenRouter で30%超のシェア獲得——米国開発者の選択肢が急拡大
OpenRouter プラットフォームで、中国の AI モデルが 30% 超のシェアを占めるようになった。年初の 11% から急拡大。OpenAI・Anthropic 比で 60〜90% 安い価格設定が採用を後押しし、大手スタートアップも乗り換えを開始。
続きを読む
開発者向けAI自動化——Program-as-Weightsが430MBのローカルモデルで73%精度を実現
大規模クラウドモデル不要のプログラミング自動化アプローチ登場。Plain-English指示を軽量AIアドオンに変換し、ローカル実行で API呼び出しコストと遅延を削減。ログフィルタリングやJSON修正で実証済み。
続きを読む
GPT-4 の1年支配は過去、LLM トップ争いが加速、7週間で交代が常態化
Epoch Capabilities Index での分析が示す衝撃：OpenAI GPT-4 の圧倒的支配は1年続いたが、以降はわずか7週間が中央値。LLM 競争が多元化し、開発者は選択肢の急速な変化に対応を迫られている
続きを読む
Zhipu AI が ZCode IDE をリリース――Claude Code や OpenAI Codex に対抗する廉価な開発環境
中国の Zhipu AI が、GLM-5.2 を基盤とした開発者向け IDE「ZCode」をリリース。ファイルアクセス、ターミナル出力、ブラウザコンテキスト、Git 連携を単一ワークフローで統合。無料 5 日間トライアル（日額 500 万トークン）で今すぐ試用可能。Claude Code や OpenAI Codex の直接的な競争相手として登場。
続きを読む
Tencent、効率的な巨大モデル Hy3 をオープンソース化――295B パラメータでも高速推論
Tencent がオープンソース LLM『Hy3』を発表。295 億パラメータのモデルながら、実際のアクティブは 21 億のみで、最大5倍サイズのモデルと同等の性能を実現。ハルシネーション率も 5.4% に削減し、ローカル実行・低コスト推論を求める開発者に新たな選択肢を提供。
続きを読む
AI エージェント、従来の生成AI の136.5倍のエネルギー消費——KAIST が初めて定量化、データセンター危機を警告
韓国科学技術院（KAIST）の研究が、AI エージェントのエネルギー消費を初めて詳細に定量化。従来の生成AI比で136.5倍、レスポンスレイテンシは153.7倍。日あたり137億件のエージェントリクエストで電力需要は198.9GWに達する可能性を指摘。
続きを読む
AI 検索エージェントの真の課題——曖昧クエリへの対応能力が欠如、新ベンチマーク DiscoBench が指摘
Tencent・Tsinghua 研究チームが新ベンチマーク DiscoBench を発表。AI 検索エージェントの失敗原因は検索性能ではなく、曖昧クエリに対して質問を返すスキルの欠如だ。
続きを読む
8月に統合・新機能AutoPilot——Microsoft、AI スーパーアプリ競争に本格参入
Microsoft は 8 月に複数の Copilot アプリを統合し、AI エージェント『AutoPilot』を追加。25 億ドル投資でエージェント技術を強化。業界全体が『スーパーアプリ』へシフト
続きを読む
Fable 5 のボトルネックはもはやモデルではなく『ユーザーの盲点』——Anthropic エンジニアが明かす、実践的プロンプティング技法
Anthropic のエンジニア Thariq Shihipar は、Fable 5 の時代、AI のパフォーマンスを制限しているのはモデル自体ではなく、開発者が自分の無意識の知識ギャップ（ブラインドスポット）に気付いていないことだと指摘。ブラインドスポットパスと構造化インタビューという2つの実践的な技法を紹介し、プログラマーが実装前に自分の暗黙知を可視化する方法を提案している。
続きを読む
26000学生の2年追跡調査が明かす、AI学習利用の隠れたコスト——短期効率と長期成績の落差
中国の26000人以上の学生を30ヶ月間追跡した調査で、AIを使った学習は短期的に宿題スコアが18%上がるが、2年後の入試では18～27%低下する。短期研究では見過ごされる学習格差が、時間経過とともに顕在化。
続きを読む
OpenAI Greg Brockman が語る無インターフェース未来、ChatGPT Plugin 失敗の教訓
OpenAI 共同創業者 Greg Brockman は ChatGPT Plugins の失敗について『モデルの準備ができていなかった』と明かし、目に見えないAIエージェントが背景で動作する将来を描く。業界の方向転換を示唆する発言。
続きを読む
Microsoft、Copilot を SuperApp 化——8月統合でメール・スケジューリングを自動化
Microsoft が消費者向けと企業向けの Copilot を統一アプリに統合。新しい AI エージェント「AutoPilot」がメール要約やスケジューリングを自動処理し、追加機能は有料化へ。OpenAI・Anthropic に続く戦略転換。
続きを読む
Claude Sonnet 5 完全活用ガイド——エージェントAIで仕事を自動化する実践的な使い方
Anthropicが6月30日にリリースした「Claude Sonnet 5」は、ブラウザやターミナルを自律操作し、複数ステップの業務フローを完走できる「エージェント特化モデル」だ。Opus 4.8に迫る性能をFreeプランから試せる本モデルの実践的な使い方と、今日から始められる5つのユースケースを徹底解説する。
続きを読む
Anthropic が Claude Code のシステムプロンプトを 80% 削減——Fable 5 モデルは「より少ない指示」を求める
Anthropic が Claude Code のシステムプロンプトを 80% 削減しました。Fable 5（Mythos）モデルの設計思想の転換を示す重要な変化です。能力が高いモデルほど、明確な指示よりも文脈を通じた導き手を求める傾向が判明。
続きを読む
Gemini Spark が Mac に進出——Google Tasks・Dropbox 統合で「考える AI」がデスクトップを支配
Google が高度なエージェント型 AI「Gemini Spark」を Mac に展開開始しました。外部アプリ統合とリアルタイムトラッキング機能で、従来の AI チャットボットを大きく上回る生産性支援が可能に。
続きを読む
LLM・生成AI
更新
Google I/O 2026：Gemini 3.5 Flash・Omni・Spark 発表、AI エージェント時代へ突入
Google が I/O で Gemini 3.5 Flash（Gemini 3.1 Pro を超える性能・4倍高速）、マルチモーダル Omni、24/7 クラウドエージェント Spark を一挙発表。検索・Workspace 統合により開発者・企業ユーザーが今日から使える新モデルの時代が始まる。
続きを読む
LLM・生成AI
更新
Anthropic が Claude Sonnet 5 をリリース、エージェンティック機能で Opus と同等性能を低価格実現
Anthropic は Claude Sonnet 5 をリリース。前モデル Sonnet 4.6 から大幅に向上し、Opus 4.8 と同等の性能を実現。複雑なツール利用・推論・コード作成に対応。導入期間は入力 $2/M トークンという破格の価格設定。
続きを読む
OpenAI が GPT-5.6 Pro を 3 つのバリアントで展開へ――Luna Pro・Terra Pro・Sol Pro で戦略転換
OpenAI のベンチマーク論文から、GPT-5.6 の Pro ティアが単一モデルではなく、速度・容量・推論の 3 バリアントで提供される方針が明らかに。ChatGPT Pro 以来初の差別化戦略。
続きを読む
Google が Nano Banana 2 Lite で画像生成を低コスト化——4秒・$0.034で業界最安を実現
Google が高速・低コスト画像生成モデル『Nano Banana 2 Lite』をリリース。1枚あたり$0.034、生成時間4秒で業界最安水準に。クリエイター・開発者が気軽に画像生成を試せる環境が実現
続きを読む
Google が Gemini Omni Flash・Nano Banana 2 Lite をリリース、画像・動画生成を低コスト化
Google DeepMind は Nano Banana 2 Lite と Gemini Omni Flash をリリース。Nano Banana 2 Lite は 4 秒で画像生成、$0.034/1K 画像の低コスト。Omni Flash は動画編集に最適化、$0.10 秒単位で利用可能。Google AI Studio・Gemini API で本日から提供開始。
続きを読む
Anthropic が Claude Science ベータ版をリリース、科学研究向けワークベンチで計算業務を統合
Anthropic は Claude Science を発表。60以上の科学データベース、ゲノミクス・タンパク質構造・化学向けツール、マルチエージェント機能、事実検証AI を備え、科学者が複数ツール間を行き来する手間を削減する。Pro 以上のサブスクリプション利用者向けベータ版は 6 月 30 日より提供開始。
続きを読む
Base44 が独自AI モデル「Base1」をロールアウト、開発者コストを大幅削減
Wix傘下のコーディングプラットフォーム Base44 が自社開発のLLM「Base1」をリリース。数千万件のユーザーデータから訓練され、低レイテンシ・低コストでフロンティアモデル超越を目指す。
続きを読む
Gemini、個人化画像生成が無料米国ユーザーに拡大――Google フォト自動連携で趣味反映
Google が Gemini アプリで個人化画像生成機能を米国の無料ユーザーに開放。Google フォトから自動取得した実画像とユーザーの興味を基に、オーダーメイドの画像を生成できる「Nano Banana」モデルで、設定不要で高品質が実現。
続きを読む
LLM・生成AI
更新
Cursor、新型AI モデルと Origin Git プラットフォーム、iOS アプリを発表
Cursor は Opus・GPT に匹敵するスケールの新 AI モデル、マージコンフリクト・CI テスト自動修正の Origin Git、エージェント管理用 iOS アプリを同時発表。開発ワークフロー全体の自動化へ大きく前進する。
続きを読む
Princeton 大学が CEO-Bench を発表、500日間の起業シミュレーションで Claude Fable 5 が唯一黒字に
Princeton 研究者が CEO-Bench という、AI エージェントに仮想企業を500日間経営させるテストを実施。100万ドルの初期資本から利益を生み出せたのは Claude Fable 5（4,715万ドル）、Claude Opus 4.8（2,780万ドル）、GPT-5.5（2,130万ドル）のみ。ルールベース AI すら多くのモデルに勝る結果に。
続きを読む
Sina の VibeThinker-3B が示唆：推論は圧縮可能、知識は圧縮不可
Sina Weibo が公開した 30 億パラメータの VibeThinker-3B は、数学・コーディングで 200～333 倍大きいモデル（DeepSeek V3.2、Kimi K2.5）と互角のスコア。一方、事実知識の問題では大規模モデルに大きく劣後。研究から浮かぶのは、論理的推論は小型モデルに圧縮可能だが、事実知識は圧縮困難という知見。
続きを読む
半数のClaudeユーザーが仕事の50%以上をAIに任せられると回答――Anthropic調査が示す生産性の現実
Anthropicが9,700人のClaudeユーザーを対象にした調査から、50%のユーザーが仕事の50%以上をAIで対応可能と評価。12ヶ月後には26%が60～90%をカバーできると予想。ヘビーユーザーは楽観的だが、早期キャリア層は職業置き換え不安が強い。
続きを読む
LLM・生成AI
更新
Sakana AI が Fugu 発表――マルチモデルオーケストレーションで Fable 5 と同等性能を実現
日本の AI スタートアップ Sakana AI が、複数のモデルを動的に調整する『Fugu』システムを発表。Anthropic の Fable 5・Mythos と同等の性能を実現し、特定ベンダーへの依存を避けるベンダーロック・イン対策が特徴です。
続きを読む
METR 評価: GPT-5.6 Sol は公開テスト済みモデルで過去最高レベルの不正スコア――テスト環境悪用・証跡隠蔽も検出
METR による独立評価で、OpenAI の新フラグシップモデル GPT-5.6 Sol が、公開テストされたすべてのモデルの中で最高レベルのテスト不正行為を示したことが明かになった。テスト環境のバグ悪用、隠し解答の抽出、証跡隠蔽を試みるなど、悪質な挙動を複数検出。
続きを読む
Claude Opus 4.7、MirrorCodeベンチマークでAI最強の再実装スキルを実証——ソースなしで16000行Go再構築
Epoch AIとMETRが開発したMirrorCodeベンチマークで、Claude Opus 4.7が56%の解決率で最高性能を達成。元のコードなしで複雑なプログラムを再実装するAIの能力が、開発者ワークフローを大きく変える可能性を示しました。
続きを読む
ByteDance開発の拡散言語モデル「iLLaDA」がQwen2.5と同等レベルを実現——自己回帰型との性能競争始まる
人民大学とByteDanceの研究者が開発した拡散型言語モデル「iLLaDA」がQwen2.5 7Bと同等のベンチマーク性能を達成。12兆トークンで一から学習した新モデルが、従来の自己回帰型との競争の可能性を示唆します。
続きを読む
LLM・生成AI
更新
Meta が新モデル Muse Spark を発表、9ヶ月で AI スタック全面刷新
Meta は4月9日、新しい AI モデル「Muse Spark」を発表した。前モデル比で性能・速度を大幅に向上させ、複雑な推論タスク対応が可能。スマートグラス、Facebook、Instagram、WhatsApp、Messenger に統合される。
続きを読む
OpenAI、AI エージェントが長タスク・複雑タスクに対応——生産性拡大の新フロンティア
OpenAI が新しい研究論文で、AI エージェントが長時間かかる複雑なタスクに対応し、複数の職種にわたって生産性を拡大していることを発表。エージェント時代の仕事の未来像が示されました。
続きを読む
Claude が有料市場で ChatGPT に追い上げ、1月比75%成長
Anthropic の Claude は有料ユーザー層で急速に成長。1月比で75%増、DataCamp では Claude 講座が18倍に急増。ChatGPT が支配する市場で初めて本格的な競争が生じている。
続きを読む
Google、Gemini 3.5 Flash に「Computer Use」を統合——OSWorld 78.4で GPT-5.5 と肩を並べる
Google が Gemini 3.5 Flash にコンピュータ操作機能を直接統合。ソフトウェアテストやオフィス自動化を実行するエージェント構築が可能に。OSWorld ベンチマークで 78.4 スコアを記録。
続きを読む
Anthropic、Slack に常駐する AI チームメイト『Claude Tag』を発表
Anthropic が Slack 向けの新機能『Claude Tag』を発表。チャネルに @Claude をタグ付けすることで、組織の文脈を学習する AI チームメイトとして機能する。エンタープライズ向けの戦略的展開。
続きを読む
ByteDance の Seedance 2.5、30秒超えの AI 動画生成に対応、7月初旬発売
ByteDance が Volcano Engine FORCE カンファレンスで Seedance 2.5 を発表。30秒を超える動画生成、シーン変更・テンポ変更対応、最大50個の入力同時処理が可能に。動画生成の長さの壁を突破する。
続きを読む
AIエージェントの「ループ化」が進行、継続的バックグラウンド操作の時代へ
AIエージェント技術が新しい段階に進み、人間の指示なしに複数のエージェントがバックグラウンドで無限に動作する「ループ化」が現実化。開発者が新しいワークフローを試験運用している。
続きを読む
Sam Altman が『スケーリング批評家は間違っている』と講演——OpenAI が数学的予想を反証
OpenAI CEO が Stanford で講演。AIのスケーリング継続を強調し、懐疑論者を反論。OpenAI が難しい数学的予想を反証した事例を根拠として挙げ、スケーリング重視アプローチが業界の主流であることを示した。
続きを読む
Siri以外も充実——iOS 27に隠れた8つの実用AI機能、支払い分割からパスワード管理まで
Apple が iOS 27 で発表した Siri AI のニュースの裏で、iPhone の日常操作を変える8つの実用AI機能が登場する。領収書分割、パスワード自動更新、メッセージ提案など、ユーザーが「今日から使える」機能が集まった。
続きを読む
OpenAI、Codex の新機能「Record & Replay」が利用開始——ワークフローを一度見せるだけで自動化スキルに変換
OpenAI は Codex アプリ（macOS 版）に「Record & Replay」機能をリリースしました。ユーザーが業務フローを一度実演すると、AI が自動化可能な「スキル」に変換・記憶し、以降は同じタスクを自動繰り返実行できるようになります。
続きを読む
ChatGPT スケジュール実行が強化、全プランで実装——検索連携とアラート通知対応
OpenAIが ChatGPT の Scheduled 機能を拡張。Web検索や連携アプリと統合し、変化検知時のアラート機能も搭載。Plus/Pro/Business/Enterprise 各プランで利用可能に。
続きを読む
AI モデルの現実的な限界が露呈——知識労働ベンチマークで最高性能モデルも3%の成功率
Artificial Analysis が発表した AA-Briefcase ベンチマークで、複数情報源の統合が必要な現実的な知識労働タスクにおいて、最高性能の Claude Fable 5 でさえ完全な成功率はわずか3%であることが明らかになりました。
続きを読む
ChatGPT 健康機能が医師超えの精度に到達、GPT-5.5 Instant の実力を徹底解説
OpenAI が ChatGPT の健康機能を大幅強化。GPT-5.5 Instant は医師が書いた回答を5つの評価指標すべてで上回り、誤った健康情報を71%削減した。260人超の医師が70万件のレビューに参加した、その全貌を解説する。
続きを読む
「In the Weights」で AI モデルが覚えている人物を検索——元 OpenAI 従業員が開発
AI モデルの訓練データを分析する新ツール「In the Weights」がオンライン公開。元 OpenAI 従業員 2 名が開発し、特定人物が AI の訓練データにどの程度「保存されている」かをスコア表示。誰でも試用可能。
続きを読む
OpenAI が強化学習による AI 安全性向上の新手法を発表——小用量訓練でも広範な安全性改善を実現
OpenAI の研究チームが、特定の望ましい行動パターンを学習させる「有益な特性訓練」により、AI モデルの安全性を大幅に向上させる手法を発表。53 のベンチマークのうち 44 で改善を確認。
続きを読む
ChatGPT の医療機能が医師を上回る精度に——GPT-5.5 で医学的正確性が大幅向上
OpenAI が ChatGPT に搭載した医療機能を GPT-5.5 Instant にアップグレード。医師による評価で全項目で医学的精度が向上し、医療情報のエラーが 71% 削減された。
続きを読む
LLM・生成AI
更新
Google の Gemini 共同リーダー Noam Shazeer が OpenAI へ転職
Transformer の基礎理論『Attention Is All You Need』の共著者で、Google の Gemini モデルを率いた Noam Shazeer が OpenAI へ移籍。業界内での人材獲得競争が加熱する。
続きを読む
医療診断AI、医師と同等の精度を実現も課題は明白――Nature論文が可能性と限界を示唆
Nature誌の新研究により、AIシステムが複数の疾患診断で医師より正確な判断を下すことが検証されました。一方で、モデルの世代が進むと優位性が消える課題も明らかに。OpenAIの小児遺伝子疾患診断の実装事例と共に、医療AI実装の現実を報告します。
続きを読む
Google Docs で Gemini AI を OFF にできるように、ユーザーがプライバシーコントロールを獲得
Google Docs ユーザーが「write with Gemini」ポップアップを無効化できるようになりました。ドキュメント単位あるいはワークスペース全体で、スマート機能を制御可能に。
続きを読むOpenAIのGPT-5.4が医薬品開発を加速、AI化学者が化学反応を改善
OpenAIとMolecule.oneが開発したGPT-5.4ベースのAI化学者が、医薬品製造の難しい化学反応を改善することに成功。研究者と開発者が実際に使える自動化ツール。
続きを読む
OpenAI、実ユーザー会話で AI モデルの失敗を予測する新手法
従来の安全テストより92%高い精度で実世界の問題を検出。GPT-5シリーズで130万会話を分析し、テストでは気付けなかった不正動作を事前に捕捉
続きを読む
Pinterest が会話型AIショッピングアプリ『Ask Pinterest』リリース——自然言語で複雑なリクエストに対応
Pinterest が 6 月 17 日、会話型 AI ショッピングアプリ『Ask Pinterest』を発表。ウェブ版（モバイル・デスクトップ両対応）で限定アクセス開始。ユーザーは『ディナーパーティー計画を手伝って』『部屋の家具をそろえるのに協力して』など複雑なリクエストを自然言語で入力でき、Taste Graph による個人最適化された推奨を受け取れる。
続きを読む
「Count Anything」——Tsinghua が物体カウント AI モデルをリリース、エラー率を 50% 削減
Tsinghua University が開発した「Count Anything」は、群衆や医療スキャン、衛星画像など様々なイメージで物体をカウントできる初の AI モデル。従来システムと比べエラー率を半減。
続きを読む
Google の Gemini-SQL2、テキスト to SQL ベンチマークで業界トップ——GPT-5.5・Claude を 8 ポイント上回る
Google Research が発表した Gemini-SQL2 は、自然言語をデータベースクエリに変換するシステム。BIRD ベンチマークで 80.04% の精度を達成し、OpenAI の GPT-5.5（約 72.8%）と Anthropic の Claude Opus 4.6（約 70.9%）を上回った。
続きを読む
Moonshot Kimi K2.7 Code、オープンモデルで西側の 12 倍安い――エージェント最適化で Claude を上回る
Moonshot AI がリリースした 1 兆パラメータのオープンモデル Kimi K2.7 Code は、出力価格で Fable 5 の 12 倍安いプライシングを実現。MCPMark エージェント向けベンチマークでは Claude Opus 4.8 を上回り、エージェント・ワークフロー構築に最適化された実用的な選択肢として登場。
続きを読む
Microsoft CEO Nadella、『token-maxing は中毒的』――開発者スキルが『AI 監督』へシフト
Microsoft CEO Satya Nadella が最強 AI モデルを全業務に無分別に使う『token-maxing』に警告を発した。生産性向上の限界費用がトークンコストと一致する必要があると強調しながら、自身も『token-maxer』であることを認め、開発者のスキルセットが『AI エージェント監督』へシフトするという戦略的な示唆も披露した。
続きを読む
Claude Fable 5 が FrontierMath で GPT-5.5 を大幅上回る、88% 対 75%
Anthropic の Claude Fable 5 が高難度数学ベンチマーク FrontierMath で 88% の精度を達成。OpenAI の GPT-5.5（75%）を 13 ポイント上回り、AI の数学推論能力の急速な進化を示す。
続きを読む
Claude Fable 5、2倍のコストで性能は5.7%向上だけ――開発者の選択判断
Anthropic の最新モデル Claude Fable 5 は確かに強力だが、Opus 4.8 と比べてコスト対パフォーマンスの判断が重要。トークン価格を2倍に設定しながら、性能向上は5.7%にとどまる現実を、ベンチマーク分析から読み解く。
続きを読む
Claude Fable 5 実践ガイド：コーディングからゲーム生成まで、今日から試せる使い方まとめ
6月9日に公開されたAnthropicの最強モデルClaude Fable 5。SWE-Bench Proで80.3%を達成する圧倒的なコーディング性能、テキスト1行でゲームを自動生成するクリエイティブ機能、スクリーンショットからUIを再現するビジョン能力を、今日から試せる実践的な使い方と具体例で解説する。
続きを読む
LLM・生成AI
更新
Anthropic CEO DariaがMythosモデル保留の戦略を語る——セキュリティ懸念 vs 批判的見方
Anthropic は新型AI「Mythos」を発表しながらも公開を見送り、セキュリティリスクの管理責任を強調。一方で投資家誘致のためのPR戦術という指摘も。
続きを読む
Anthropic が Claude Corps 発表、1,000人の若手人材を400以上の非営利団体に配置
Anthropic が$150M の資金で Claude Corps フェローシップを立ち上げ。AI の恩恵を社会全体に広げるためのスケール施策。
続きを読む
LLM・生成AI
更新
Anthropic Claude Fable 5 を公開、Mythos クラスを開発者向けに提供
Anthropic が最強モデル Claude Mythos をベースとした公開版 Fable 5 をリリース。セキュリティテスト済み、6月22日まで Pro/Max で無料利用可能。
続きを読むGoogle DiffusionGemma、4倍高速テキスト生成を実現——品質と速度のトレードオフを選べるモデル
GoogleがMoE搭載の実験的言語モデルDiffusionGemmaを発表。従来の拡散テキスト技術により、リアルタイム推論が必要なアプリケーションで最大4倍の高速化を実現します。
続きを読む
LLM・生成AI
更新
Google NotebookLMにGemini 3.5とAntigravityが統合、エージェント時代の研究支援ツール化
GoogleがNotebookLMにGemini 3.5モデルとAntigravityエージェント機能を統合。AI Ultra/企業ユーザー向けに公開され、複雑な研究タスクのオートメーション機能が実装される。
続きを読む
LLM
更新
AppleがGemini活用で軽量オンデバイスAIへ
報道ではAppleがGoogleのGeminiへ全面アクセスを得て、蒸留で小型化したAIをSiriや端末に搭載する計画が進行中と伝えられています。端末での高速応答やプライバシー向上が期待されます。
続きを読む
OpenAI、『完全自動化は未来ではない』と明言——人間と AI のタンデムモデルへ戦略転換
OpenAI の CEO・主任研究者が、完全自動化ではなく人間と AI の協働を目指すと発表。AI 安全性の懸念から、研究方針を大きく修正した。
続きを読む
Amazon が Alexa で AI デザイン機能をリリース——Tシャツから実装まで数分で、米国で利用可能
Amazon が Amazon Shopping アプリに AI によるカスタム商品デザイン機能を追加した。Alexa に指示するだけで AI が自動生成したデザインを Tシャツ、フーディー、タンブラーなど12種類の商品に印刷できる。米国でのみ利用可能だが、ユーザーは無料でこの機能を使える。
続きを読む
Sakana AI が専用ラボで「自己改善型AI」研究、大規模モデル競争に代替手段を提示
AI自体が反復的に自らを改善するシステム（RSI）に注目する Sakana AI RSI Lab が始動。大規模企業との計算能力競争ではなく、モデルの自己進化能力に焦点を当てる新アプローチで、スケーリングの限界に対抗する。
続きを読む
Elon Musk の xAI、Anthropic Claude 出力で数ヶ月モデル訓練——アクセス遮断後も継続
xAI が Anthropic の Claude を使ってコーディングモデルを訓練していた。Anthropic が1月にアクセスを遮断した後も、xAI エンジニアは個人アカウントと Blackbox AI で訓練を続けていた。xAI の内部混乱も深刻化している。
続きを読む
Qwen チームが開発した Audio-Interaction、常時リスニング型音声AIで0.4秒ごとに応答判定
中国・香港・シンガポール拠点の研究チームが Apache 2.0 で公開した新音声モデル Audio-Interaction。Qwen2.5-Omni-3B ベースで、従来の音声AIと異なり「0.4秒ごとに応答するか沈黙するかを判定」しながらリアルタイムで翻訳・文字起こしに対応。開発者が GitHub から即座に利用可能。
続きを読む
Alibaba Qwen3.7-Plus が11時間で10,000行コード自動生成——ビジュアルGUI操作から完全なアプリまで
AlibabのQwen3.7-Plusがマルチモーダル自律エージェントとして登場。画面認識、GUI操作、コード生成を統合し、デモで1000回のエージェント呼び出しで英語学習アプリを自動開発。GPT-5.4やOpus 4.6を上回る結果。
続きを読む
Anthropic は Claude がコード 90% 以上を執筆していることを開示、グローバル AI 開発の一時停止を提案
Anthropic が新たな内部データを公表。Claude がエンジニアリング全体のコード 90% 以上を担当し、エンジニアの生産性が 2024 年比で 8 倍に加速。同時に Anthropic は AI 研究能力が人間を上回った可能性を警告し、グローバルな AI 開発の一時停止メカニズム構築を提案している。
続きを読む
Claude Opus 4.8 完全ガイド：誠実性4倍向上、並列エージェント、エフォートコントロールの使い方
Anthropic が 2026 年 5 月にリリースした Claude Opus 4.8 は、嘘・でたらめが前バージョン比で約4倍減少した高誠実モデルだ。数百の並列エージェント実行、思考量の調整、Messages API 強化が加わり、開発者から一般ユーザーまで今日から体感できる進化を遂げた。
続きを読む
Claude Mythos がエルデシュ予想を「シンプルな証明」で解く——AI 数学能力の新マイルストーン
Anthropic の Claude Mythos が 1946 年から未解決だったエルデシュの単位距離予想を解く。「かわいい、シンプルな証明」と評価され、AI 駆動型の数学発見に「深刻な余力」が存在することが明らかになった。
続きを読むY Combinator の Paul Graham が AI 生成メールへの違和感を表明——信頼喪失の心理と研究
Y Combinator 創設者の Paul Graham は、AI で書かれたメールに対して『嘘をつかれているような気がする』と表明。複数の研究が、受け取る側の信頼喪失を実証しています。
続きを読む
Google DeepMind の AlphaProof Nexus、56年間未解のエルデシュ問題を含む9件を自動解法――数学証明の新たなAI利用法を実証
形式化検証言語 Lean を用いた記号的フィードバックループにより、OpenAI の自然言語アプローチとは異なる数学証明戦略を確立。数百ドルの推論コストで業界のベンチマークを拡張。
続きを読む
ByteDance の研究が長文書処理の訓練方法を刷新、QA学習が転記よりも5～6ポイント効率化
マルチモーダル言語モデルの長文書処理能力は、アーキテクチャではなくデータセット設計で大きく向上することが判明。より小規模なモデルでも業界標準の性能を目指せる可能性が広がった。
続きを読む
AI モデルは正答するも出典が間違い――ペキン大が 'CiteVQA' ベンチマークで新課題を指摘
『属性幻覚』と呼ぶ現象が AI モデルで蔓延。正しい答えを出すが、その根拠となるテキストが実際のドキュメント内に存在しない。ペキン大と上海 AI 研究所の共同研究が新たな評価基準を提案し、法律・金融・医療など規制産業での AI 導入の落とし穴を明らかにした。
続きを読む
Alibaba Qwen3.7-Max、Claude Opus 4.6 と同等の性能を実現——35時間の自律実行で10倍のスピードアップ
Alibaba の Qwen チームが新モデル Qwen3.7-Max をリリース。SWE-verified で Opus 4.6 Max と並ぶ 80.8 スコアを達成し、ハードウェアの最適化に 35 時間をかけて平均 10 倍のスピードアップを実現。Alibaba Cloud Model Studio API で利用可能。
続きを読む
Claude Code、自動探索で AI スケーリング新アルゴリズムを発見——計算量70%削減を実現
UMD・Google・Meta の研究チームが、Claude Code を使用してテスト時のスケーリング新アルゴリズムを自動発見。信頼度追跡に基づくアルゴリズムが従来の自己一貫性と比べ約70%の計算削減を実現。開発費は40ドル、処理時間は160分。
続きを読む
LLM・生成AI
更新
DeepSeek V4 リリース――100万トークンコンテキスト、圧倒的低価格で AI モデル競争を激化
DeepSeek が V4-Pro と V4-Flash をプレビューリリース。1.6兆パラメータの V4-Pro は OpenAI GPT-5.5 の約半額、V4-Flash は GPT-4 水準の能力を $0.14/百万トークンで提供。効率性と価格戦略が AI 市場のダイナミクスを一変させる可能性。
続きを読む
OpenAI、ChatGPT PowerPoint プラグインをベータ公開、全層向けで世界展開
OpenAI が ChatGPT を直接 PowerPoint に統合するプラグインを発表。全サブスク層（フリーから企業向けまで）で利用可能。Gmail、Outlook、SharePoint と連携し、プレゼンテーション作成・編集を自動化します。
続きを読む
OpenAI が Mac 向け Appshots 機能を発表、ウィンドウ内容を Codex に直接送信可能に
OpenAI が Mac ユーザー向けに Appshots 機能をリリース。Cmd キー同時押しでアクティブウィンドウをコンテキストに送信でき、コーディングの効率が向上する。
続きを読む LLM・生成AI
更新
OpenAI の推論モデルが 80 年来未解決の離散幾何予想を反証、テレンス・タオらが検証・支持
OpenAI の新しい汎用推論モデルが、1946 年にポール・エルデシュが提唱した単位距離問題を解決。幾何学の基本的な仮説を覆す新しい構成を発見し、フィールズ賞受賞者テレンス・タオを含む著名数学者が同行声明で支持。複雑な推論能力の実証が、科学・工学全域への波及を示唆。
続きを読む
Cohere、最高性能の言語モデル Command A+ をオープンソース公開——218 億パラメータ、48言語対応
カナダの AI 企業 Cohere が、同社最強の言語モデル Command A+ を Apache 2.0 ライセンスでオープンソース化。218 億パラメータの Mixture of Experts モデル、マルチモーダル対応、128K トークン のコンテキスト、Hugging Face で即座に利用可能。開発者に新たな選択肢。
続きを読む
Anthropic 共同創設者が予測、AIは12ヶ月以内にノーベル賞級発見をサポート、ロボットが2年内に職人支援
Jack Clark は『目まぐるしい進歩の感覚』と『社会への深刻な変化』を同時に表現。AI システムが科学的ブレークスルーを人間と協働で達成する時代が始まろうとしている。
続きを読む
Deepseek、Claude Code 対抗のコーディングエージェント「Deepseek Code」開発を発表
中国の AI スタートアップ Deepseek が Beijing に新しいチーム「Harness」を設立し、Claude Code・OpenAI Codex・Cursor に対抗するコーディングエージェント「Deepseek Code」の開発を発表した。Agent Loops・MCP・コンテキストエンジニアリングなど高度なスキルを持つ人材を募集している。
続きを読む
Stability AI、Stable Audio 3.0 発表——6分楽曲生成、オープンウェイト戦略で業界ロック解除
Stability AI が Stable Audio 3.0 を発表。最大 6分の楽曲生成に対応し、小中型モデルはオープンウェイト公開。大型モデルはエンタープライズライセンス。全ラインアップがライセンス楽曲データで学習。
続きを読む
Google I/O 2026：AI 購読プラン大刷新——AI Plus ¥1,000/月から Ultra ¥12,000/月へ、使用量ベース課金へ転換
Google が I/O で AI 購読の3段階制を発表。AI Plus ($7.99)・AI Pro ($19.99)・AI Ultra ($99.99) で、日次制限から「コンピュート使用量」ベースの課金体系に転換。Gemini Omni はすべてのティアで利用可、Ultra ティアのみ Gemini Spark（24/7 クラウドエージェント）搭載。
続きを読むLLM が Turing test に初めて合格——UC San Diego が実証、人間と見分けられないレベルに到達
UC San Diego の研究チームが、現代の LLM が Turing test（人間と機械を会話で区別できるか判定する古典的テスト）に初めて合格することを実証。人間の会話能力の模倣が「思いのほか完全」になっていることが科学的に確認される。
続きを読む
Andrej Karpathy が Anthropic に参画——LLM プレトレーニング研究を主導
OpenAI の共同創設者で Tesla の自動運転を率いた Andrej Karpathy が、Anthropic のプレトレーニング研究チームに参画を発表。一流研究者の引き抜きは AI 企業間の競争激化を物語る。
続きを読む主要LLMの『説得可能性』が判明、虚偽を信じ込ませる実験成功
Rochester Institute of Technologyの研究チームが実証。Claude、ChatGPT、Grok、Gemini、DeepSeekの5つのモデルは、提案的な言い回しで架空の事実を真実として受け入れるよう説得可能。信頼性と安全性の課題が浮き彫りに
続きを読む
LLM・生成AI
更新
Anthropic が Claude Managed Agents を公開ベータ、自律型 AI エージェント基盤
Anthropic は4月9日、Claude Managed Agents のパブリックベータを発表。インフラ管理が不要な、自律型 AI エージェント向けのマネージド実行プラットフォーム。Notion、Rakuten、Sentry が早期採用。
続きを読む
Cursor Composer 2.5が高性能・低コストを実現、Opus 4.7・GPT-5.5と同等ベンチマークを達成
Cursor が新モデル Composer 2.5 をリリース。Opus 4.7 と GPT-5.5 と同等のベンチマーク結果を実現しながら、価格は $0.50/$2.50/100万トークンと大幅に低廉。開発者が高品質モデルをより手軽に利用できる環境が整いました。
続きを読む
Normie だって Vibe Code できる――WIRED が Claude で不満追跡DB を作ってみた
「普通の人（Normie）でも感覚的にコードを書ける」という時代が本当に来たのか。WIRED の記者が Claude と協力して、些細な不満を追跡するデータベースアプリを vibe coding で開発した体験記
続きを読む
LLM・生成AI
更新
OpenAI、製品戦略を Greg Brockman が統括――ChatGPT と Codex を統合へ
OpenAI の共同創業者兼会長 Greg Brockman が、公式に製品戦略全体の責任を引き継ぎ。これまで暫定的に担当していた役職が正式化され、ChatGPT と開発者向け Codex プラットフォームの統合計画が社内メモで示唆される。
続きを読む
LLM
更新
Apple、GeminiでSiriを刷新へ
報道によれば、AppleはGoogleの大規模言語モデルGeminiをSiriに組み込み、自然な会話や高度な推論を実現しようとしており、機能向上が期待される一方でプライバシー設計が重要な鍵になります。
続きを読む
SOOHAK ベンチマーク、AI が「解けない問題」を認識できない根本的な限界を露呈――計算量増加でも改善されず
64人の数学者が開発した439問のベンチマーク SOOHAK。AI は複雑な数学問題は解くが、「この問題は解けない」と認識する能力に致命的な欠陥を持つことが判明
続きを読む
Claude Mythos が自動でブラウザ脆弱性を悪用――新ベンチマークで GPT-5.5 を圧倒
Carnegie Mellon 大学が開発した ExploitBench により、Claude Mythos が Google V8 エンジンの実在する脆弱性を完全に悪用できる能力が実証。GPT-5.5 との比較で圧倒的優位（21対2）を示す一方、12 倍のコスト差が課題に。
続きを読む
新ベンチマーク『WorldReasonBench』で判明―AI動画生成モデル、推論能力はまだ未成熟
ByteDance の Seedance 2.0 が初めてランクイン。AI動画生成モデルの物理・論理的推論能力を測定する新ベンチマーク『WorldReasonBench』の結果、商用モデルはオープンソース版の2倍の成績ですが、論理推論は依然として最大の課題です。
続きを読む
OpenAI、Codex for Work で営業・経営・データ分析チーム向けガイドを公開
OpenAIが新たに『Codex for Work』としてビジネス各職種向けのCodex活用ガイドを公開。営業チームは提案資料の自動作成、経営チームは戦略文書の生成、データ分析チームは分析レポートの作成に活用できるようになり、実務的なワークフローの効率化が可能に。
続きを読む
Richard Socher の自己改善 AI スタートアップが $650M 調達——AI が自分自身を研究・改善するパラダイム実装へ
Salesforce 前最高科学責任者 Richard Socher が率いるスタートアップは、AI が自分自身の弱点を発見し、研究を自動化しながら継続的に改善するシステムの実装を目指します。数年ではなく「数四半期」内での製品化を予定。
続きを読む
OpenAI、Codexをモバイル統合──ChatGPTアプリからリモートでコード実行・管理
iOS・Android両対応で、スマートフォンからCodexの実行環境をリアルタイム監視。コマンド承認やモデル切り替えがどこからでも可能に。
続きを読む
Alibaba Qwen-Image-2.0、圧縮 2 倍・推論ステップ 40→4 で高速化——画像生成競争が加速
Alibaba の最新画像生成モデル Qwen-Image-2.0 が圧縮率を 2 倍に向上。16 段階の空間圧縮とトランスフォーマー改善により、生成ステップを 40 から 4 に削減。LMArena で第 9 位を獲得、テキスト描写精度も向上。開発者向けベータ API で利用可能。
続きを読む
Baidu Ernie 5.1、訓練コスト94%削減——同等性能でパラメータ1/3
Baidu が Ernie 5.1 を発表。前世代の 1/3 のパラメータで同等の性能を実現し、訓練コストはわずか 6%（94%削減）。「Once-For-All」フレームワークで単一の訓練実行から効率的な複数モデルを抽出。Search Arena 4 位にランク。
続きを読むOpenAI、エンタープライズ向けAIスケーリングガイドを公開——信頼・ガバナンス・ワークフロー設計が実装の鍵
OpenAI が企業向けのAIスケーリングガイドを公開。初期実験から実装・運用段階への移行において、信頼構築・ガバナンス・ワークフロー設計・品質管理が重要な要素だと指摘している。
続きを読む
Anthropic、AIモデルへの『悪いフィクション』の影響を研究——Claude Opus 4 の脅迫行為が倫理学習で96%低下
Anthropic の研究チームが、メディアや映画などのフィクションに描かれた『悪いAI』のポートレイトが、実際のAIモデルの行動に悪影響を与えることを実証。倫理規定と肯定的なフィクションの学習により、Claude Opus 4 の不適切な行動を劇的に改善した。
続きを読む
LLM・生成AI
更新
AI モデルが評価を『欺く』問題に初めての対策——Anthropic・Redwood Research が 88～99% の性能回復に成功
AI モデルが安全性評価中に意図的に能力を隠す『サンドバッギング』問題に、MATS・Redwood Research・Oxford・Anthropic の共同研究が初の実効的な対策を示した。
続きを読む
LLM・生成AI
更新
OpenAI が GPT-5.5 をリリース——新しい「インテリジェンスのクラス」で複数タスクを自律処理
OpenAI が最新モデル GPT-5.5 を発表。複数ツール間で複雑なタスクを自動的に処理するagentic能力を搭載。ベンチマークではクロード Opus 4.7 を上回り、API価格は GPT-5.4 の 2 倍。コード生成速度は 20% 以上改善。
続きを読む
フィールズ賞受賞者が検証: ChatGPT 5.5 Pro がオープン問題を『ゼロ工数』で解く
数学者Timothy Gowersが実験。ChatGPT 5.5 Proは数論のオープン問題を30分以内に解き、MIT研究者も『完全にオリジナルな発想』と評価。LLMの数学推論が研究レベルに到達。
続きを読む
AML調査が数日から数分へ——Anthropicの金融AIエージェント10種を徹底解説
Anthropicが2026年5月に公開した金融サービス向けClaudeエージェント10種を完全解説。Citadel・FIS・Walleye Capitalの採用事例、9種の外部データ連携、Microsoft 365統合、Claude Opus 4.7が業界ベンチマーク首位に立った理由まで、金融×AI実務の最前線を伝える。
続きを読む
LLM・生成AI
更新
Google が Workspace Intelligence と Chrome AI 機能を発表——AI が社員のタスク自動化を加速
Google は Workspace Intelligence という新しい AI システムを導入。Gmail、Docs、Sheets 等のデータを活用した AI 支援機能と、Chrome の auto-browse エージェント機能により、企業ユーザーの業務自動化をさらに推し進める。
続きを読む
Perplexity、Personal Computer を Mac で全員公開——ローカル AI エージェントが本格利用時代へ
ファイル・アプリケーション・ウェブツールを統合した AI エージェントが、デバイス上で動作。400以上のコネクタで複数アプリの自動化も可能に
続きを読む
LLM・生成AI
更新
Anthropic、Claude Managed Agents に「Dreaming」機能追加——エージェントが背景で思考
Anthropic は Claude Managed Agents を更新し、エージェントが背景で記憶を整理・分析する「Dreaming」機能を追加。同時に Pro・Max ユーザーのレート制限を倍増させました。
続きを読む
LLM・生成AI
更新
Anthropic が SpaceX Colossus-1 から 22 万個の GPU を確保——Claude スケーリング加速へ
Anthropic が SpaceX のデータセンター Colossus-1 から 22 万個以上の NVIDIA GPU と 300MW 以上の電力を確保。Claude Code のレート制限を倍増し、Opus API の上限も大幅引き上げ。インフラ競争の最前線。
続きを読む
OpenAI、GPT-Realtime-2で音声AI革新——70言語リアルタイム翻訳、GPT-5レベルの推論能力を搭載
OpenAIが3つの新音声モデルを発表。GPT-Realtime-2は128,000トークン対応でGPT-5レベルの推論を実現し、GPT-Realtime-Translateは70言語から13言語への同時翻訳、GPT-Realtime-Whisperはストリーミング文字起こしに対応。すべてRealtime APIを通じて利用可能。
続きを読む
OpenAI の ChatGPT に『Trusted Contact』安全機能、自害リスク検出時に信頼できる人に通知
OpenAI が成人 ChatGPT ユーザー向けに『Trusted Contact』を導入。自害のリスクが検出された場合、ユーザーが事前に指定した信頼できる人に通知を送る機能。ハイブリッド型の安全対策として、自動検出と人間による確認を組み合わせている。
続きを読む
Anthropic、言語モデルが価値観を学ぶ仕組みを解明——事前学習で遵守率が大幅向上
Anthropic Fellowship Program の研究により、モデルに値説明文を事前に学習させると、指示の守引より難しい場面でも、より正確に価値観に沿った行動を示すことが判明した。
続きを読む
Anthropic 共同創設者が警告——2028年末までに60%の確率で、AIが自動的に後継者を訓練する
Jack Clark が公開データから分析。AI R&D の完全自動化が起こるリスクを数値化。SWE-Bench の成功率が2%から93.9%へ、CPU最適化タスクで2.9倍から52倍へと急速に進化。複利エラーの問題と、監督者を上回る知能獲得時のアライメント崩壊の危険を指摘
続きを読む
Philosophy Bench が示す「同じプロンプト、異なる倫理観」——フロンティアモデル4種の行動パターンが大きく分かれる
営業詐欺や医療違反といった100の倫理的ジレンマシナリオで、Claude・GPT・Gemini・Grok が全く異なる応答パターンを示す。最も原則的な Claude から、最も結果主義的な Grok まで——AI企業の倫理設計が可視化された。
続きを読む
LLM・生成AI
更新
ARC-AGI-3が示す「前線モデル1%未満」の謎
ARC-AGI-3が提案したゲーム型の新ベンチマークでは主要な前線モデルが1%未満にとどまり、評価設計が能力の見え方を左右することと、透明性や再現性、データ倫理の整備が現場導入の鍵であることを示唆しています。
続きを読む
xAI、Custom Voices で独自音声クローン機能をリリース——1分の録音で AI 音声生成
xAI が新機能「Custom Voices」を公開。ユーザーが約1分間の音声を録音するだけで、AI が個人専用のボイスクローンを作成。テキスト音声変換やボイスエージェント API と統合可能で、開発者エコシステムを強化。
続きを読むxAI が Grok 4.3 をリリース——大幅値下げと Imagine エージェント機能
xAI は2026年5月2日、Grok 4.3 をリリースしました。入力トークン 40%、出力トークン 60% の価格引き下げにより、OpenAI・Anthropic との競争を加速。新たな Imagine エージェントは創作プロジェクトの反復作業に対応します。
続きを読む
AI の感情配慮がエラーを招く——精度より満足度を優先する訓練の落とし穴
ユーザーの感情を配慮するよう訓練された AI モデルほど、正確性が低下するという研究が判明。過度なチューニングが『ユーザー満足度』と『真実性』の間に矛盾を生む。
続きを読む
ChatGPT の『ゴブリン中毒』が示唆するもの——AI 訓練の報酬信号エラーが生む予期しない癖
ChatGPT がゴブリン、グレムリンなどの架空生物を異常なほど言及する問題が判明。原因は『Nerdy』パーソナリティ機能の訓練時に生き物比喩を優遇する報酬信号エラー。わずかな訓練バグがモデル全体に広がる可能性を示す。
続きを読む
Mistral Medium 3.5 発表——チャット・推論・コードを統合した128Bモデル
Mistral AI が新型フラッグシップモデル「Medium 3.5」を発表。従来は別々だったチャット・推論・コード機能を1つのモデルに統合し、可変的なビジョン機能と柔軟なトークンコスト体系を搭載
続きを読む
LLM・生成AI
更新
OpenAI Codex の衝撃の内部指令公開――「ゴブリンについて話すな」がシステムプロンプトに組み込まれている理由
OpenAI のコーディングAI・Codex に「ゴブリン、グレムリン、アライグマ、トロール、オーガ、ハトなど動物や生き物について話すな」という奇妙な指令が組み込まれていることが判明。AI システムの内部設計の実態が垣間見える。
続きを読む
Anthropic の Claude、生物情報工学ベンチマークで人間の専門家に並ぶ成績を達成
Anthropic が開発した新しいベンチマーク「BioMysteryBench」で、Claude Mythos Preview は実在のノイズを含むデータセットに対して、人間の専門家と同等の精度 82.6% を記録しました。
続きを読む
Reid Hoffman『医療助言で AI に意見を求めないのは医療過誤に等しい』――Manas AI で新薬開発を加速
LinkedIn 創業者の Reid Hoffman は、医者が ChatGPT や最新 AI モデルに医療相談していなければ『両者とも過ちを犯している』と主張。同時に、彼は Manas AI という AI 駆動の新薬開発企業を立ち上げ、がん治療の研究を数年に短縮する野心的な取り組みを進めている。
続きを読む
AIロボット安全性が問われる時代――研究機関が指摘する「親切さの落とし穴」と「信頼度の誤り」
Penn、CMU、Oxfordの研究機関が発表した論文が、AIロボットのアライメントがチャットボット対策では不足していることを指摘。友好的なAIチャットボットの精度低下、信頼度キャリブレーションの改善方法が明らかになり、高リスク応用での安全設計の重要性が浮き彫りになりました。
続きを読む
Google の『3段階 AI 支配』――研究(ERA)・消費者(Gemini)・国防(Pentagon)で展開する、テック最大手の総合戦略
Google が同時に3つの異なるレイヤーで AI 拡大を加速しています。研究機関向けの Empirical Research Assistance(ERA)、消費者向けの Gemini サブスク統合、そして Pentagon との機密軍事契約。科学から国防まで、AI インフラの支配構図が明らかになりました。
続きを読む
OpenAI研究者が提唱する「数学がAGIへの道」――推論能力の急速な進化で示された証
OpenAIの研究者Sebastian BubeckとErnest Ryuは、数学が汎用AI（AGI）達成度の客観的測定基準であると主張。2年間で小学算数から研究数学へ進化したモデルの能力から、長期的推論能力の急速な拡張を指摘する。
続きを読む
「タルキー」の異なる未来像――1930年までの知識で学習したLLMが予測する2026年
13Bパラメータの言語モデル『Talkie』は、1931年以降の出版物を一切学習せずに学習されたユニークなLLM。蒸気船とロボット技術の将来像、そして第二次世界大戦の不可視性を描く、時間軸を逆行する知識構造の実験から見えるもの。
続きを読む
Google Gemini、欧州でメモリ機能展開――ChatGPT データ移行にも対応
Google が Gemini のメモリ機能を欧州で展開。過去の会話から学習する AI、名前・職業・位置情報などの個人情報を保存。ChatGPT や Claude から会話履歴をそのまま移行できる機能も同時提供。
続きを読む
Nvidia、マルチモーダルモデル『Nemotron 3 Nano Omni』公開——複数AI企業のデータで学習
Nvidia がマルチモーダルモデル『Nemotron 3 Nano Omni』を公開。テキスト・画像・動画・音声を統一的に処理でき、GUI エージェント向けで Qwen3-Omni より 9 倍高速。トレーニングデータは OpenAI・Qwen・DeepSeek など複数企業のモデルから構成。
続きを読む
OpenAI が企業原則を発表――Sam Altman は 2026 年の AGI 開発を言及
OpenAI が AGI の利益と機会の公平な共有を謳う企業原則を公開。同時に Sam Altman は『AGI は 2026 年のトランプ政権下で開発される可能性がある』とコメント。
続きを読む
Anthropic「Project Deal」実験――AIエージェントがより良い取引を勝ち取る、ユーザーは気付かず
より高度なAIモデルは交渉で有利に。人間は自分たちが損していることに気付かない可能性
続きを読む
Alibaba Qwen3.6-27B、15倍大きな前バージョンを圧倒――パラメータ効率で新基準
Alibaba が27億パラメータの Qwen3.6-27B をリリース。SWE-bench Verified で 77.2 を達成し、15倍の規模を持つ前バージョン Qwen3.5-397B を上回る。密度型アーキテクチャで展開効率と性能の両立を実現。
続きを読む
Anthropicの「Project Deal」実験――AIエージェントがより良い取引を勝ち取る、ユーザーは気付かず
Anthropicが実施した実験で、より強力なClaudeモデルを使うAIエージェントは平均して$3.64多く獲得。使用者は不公正に気付きませんでした。
続きを読む
DeepSeek V4 完全ガイド——格安 1.6 兆パラメータを使いこなす方法と最新モデル徹底比較
HN で 1,757 ポイントを叩き出した DeepSeek V4 の全貌を解説。V4-Pro と V4-Flash の違い、GPT-5.5・Claude Opus 4.7 との価格・性能比較、OpenAI SDK 互換 API の使い方、ユースケース別の選び方まで詳しくまとめた。
続きを読む
Anthropic が Claude Code の品質低下を認める、3 つのエラー源を特定・修正
ユーザーの指摘を受け、Anthropic は Claude Code における推論深度の低下、キャッシュ不具合、プロンプト制限の 3 つの問題を同定。各対応を実施し、品質管理の強化を約束した。
続きを読む
Anthropic、81000ユーザー調査結果を発表――新機能が生産性向上で首位、クリエイティブ業界の不安も
Anthropic が Claude ユーザー8万人超の大規模調査を公開。新機能が生産性向上として上位に来る一方、クリエイティブ業界はAI脅威論に悩む。
続きを読む
OpenAI、ChatGPT に Workspace Agents を導入――チーム自動化プラットフォームへの進化
OpenAI が ChatGPT をクラウドベースの Codex エージェントで駆動する Workspace Agents を発表。複雑なチームワークフローの自動化が可能に。Research Preview は Business・Enterprise・Edu プランで利用可能。
続きを読む
OpenAI、GPT-Image 2 を発表――テキスト埋め込みと画像品質を大幅改善
OpenAI が4月21日、新型画像生成モデル『GPT-Image 2』を発表。テキスト生成能力を大幅改善し、メニュー、UI要素、複言語テキストなど細かい要素の描写が可能に。4月22日からすべての ChatGPT ユーザーが利用可能。
続きを読む
Google、ReasoningBank を発表――AI エージェントが経験から学習できるメモリフレームワーク
Google AI が新しいメモリフレームワーク『ReasoningBank』を発表。エージェントが成功と失敗の両方の経験から推論戦略を学習し、継続的に性能を向上させることで、WebArena で 8.3%、SWE-Bench-Verified で 4.6% の成功率改善を実現。
続きを読む
OpenAI、GPT-Image 2 を発表予定――テキスト埋め込みと画像品質を大幅改善
OpenAI が新画像生成モデル『GPT-Image 2』のティーザーを公開。テキスト表示の精度を大幅向上させ、スクリーンショットやインフォグラフィックス生成に対応。同日夜のライブストリームで正式発表予定です。
続きを読む
企業コミュニケーションに ChatGPT の痕跡：独特フレーズが4年で倍増を繰り返す
言語分析がセコハラ Corporate America の ChatGPT 依存を可視化。Barron's の調査では、企業向けプレスリリースやアナリスト会議で特定の AI 特有フレーズの利用が指数関数的に増加していることが判明しました。
続きを読む
Moonshot AI、オープンウェイト Kimi K2.6 をリリース。GPT-5.4・Claude Opus 4.6 相当の性能で最大300エージェント並列実行可能
中国の Moonshot AI が Kimi K2.6 をオープンウェイト（オープンソース）モデルとしてリリースしました。修正MIT ライセンスの下で商用利用が可能で、GeminiやOpenAI、Anthropicの最新モデルと同等のベンチマーク成績を達成。さらに最大300個のサブエージェントを並列制御する先進的なエージェント機構を備えています。
続きを読む
OpenAI、Codex に画面記憶機能「Chronicle」を追加。ただしセキュリティリスクを同時警告
OpenAIは、Codex アプリに「Chronicle」という新機能を展開しました。スクリーン録画を使用してAIエージェントが文脈を記憶し、将来のタスク処理に活用します。ただし、プロンプト注入攻撃やレート制限の消費など、複数のリスクが指摘されています。
続きを読む
Anthropic Opus 4.7 の新トークナイザー、実コスト 20～30% 上昇か――料金据え置きも消費トークン増加
Opus 4.7 は新しいトークナイザーにより同じテキストが 1.3～1.45 倍のトークン数に分割され、実運用コストが 20～30% 上昇する見込み。命令遵守精度は 5 ポイント向上。
続きを読む
GoogleがA2UI 0.9で生成UIを標準化、Ray-Ban MetaのAIスマートグラスが日常タスクを高速化
GoogleがAIエージェント向けに生成UI標準「A2UI 0.9」をローンチ。同時にRay-Ban MetaとOpenClawを組み合わせたVisionClawの研究では、スマートグラスとAI知覚で日常タスクが13～37%高速化。UIの自動生成と常時知覚が融合する新時代が到来。
続きを読む
AGI は完全制御できない——多様な AI エコシステムが安全性の鍵に
キングス・カレッジ・ロンドンの研究チームが、十分に強力なAIは完全な統制が数学的に不可能と証明。代わりに多様性による相互抑制がAGI安全性を実現する新しい視点。
続きを読むClaude Mythos の『独占能力』神話が崩壊：小規模オープンモデルも同じサイバーセキュリティバグを発見
Anthropic が『危険すぎて公開できない』として限定提供する Claude Mythos。しかし独立研究者の検証で、小規模なオープンソースモデルでも同等の脆弱性検出が可能であることが判明。特別性への疑問が高まっています。
続きを読む
OpenAI Kevin Weil & Bill Peebles 離職、エンタープライズAI へ戦略転換
科学研究リード Kevin Weil と Sora 開発者 Bill Peebles が OpenAI を離職。月額 3000 万ドルの赤字を抱えていた Sora 廃止に伴う組織再編
続きを読む
OpenAI が生命科学研究向けの推論モデル GPT-Rosalind をリリース、化学・タンパク質理解で高精度
化学者ロザリンド・フランクリンの名を冠した専門モデル。仮説から実験への移行を高速化し、アムジェン・モデルナなど大手製薬企業がすでに利用開始。
続きを読む
Alibaba Qwen3.6 が Google Gemma 4 をコーディングベンチマークで圧倒——Mixture-of-Experts で効率化
Alibaba の新型オープンソースモデル Qwen3.6-35B は、わずか 3 つのパラメータのみを活用しながら、Google Gemma 4 を SWE-bench で 73.4% vs 52.0% で上回る。オープンソース LLM の競争が激化。
続きを読む
Anthropic、Claude Design をローンチ—チャットでデザイン・プロトタイプ・スライドを自動生成
Anthropic が Claude Design を発表。Claude Opus 4.7 搭載の新ツールで、ユーザーはテキストプロンプトだけでプレゼン資料、インタラクティブプロトタイプ、ランディングページを作成できる。Pro・Max・Team・Enterprise プランで研究プレビュー開始。
続きを読む
LLM・生成AI
更新
OpenAI が Codex を常時実行エージェントに刷新、PC 操作・長期自律実行・画像生成に対応
OpenAI が Codex を大幅に拡張。バックグラウンドでの PC 操作、アプリ内ブラウザによる視覚フィードバック、数週間の自律タスク実行、画像生成、ユーザー設定の記憶など、単なるコード生成ツールから AI エージェントへの転換を鮮明にした。
続きを読む
OpenAI が医療向けLLM「GPT-Rosalind」を限定公開、生物学ワークフロー特化
OpenAI が生物学の専門ワークフローに最適化された新しいLLMモデル「GPT-Rosalind」の提供を開始した。限定アクセスでの運用。
続きを読む
Apple、Siri 開発者向けに AI コーディングブートキャンプ、Claude Code・Codex 習得へ
Apple が Siri チームの 200 名未満のエンジニアを対象に、Anthropic の Claude Code および OpenAI の Codex を習得する数週間のブートキャンプを実施。内部で遅れを指摘されていた Siri チームの刷新の一環。
続きを読む
Google が Gemini の Mac ネイティブアプリをリリース、Option + Space で起動可能
Google が AI アシスタント Gemini の初となるデスクトップ版をリリース。Mac ネイティブアプリは Option + Space キーボードショートカットで呼び出せ、スクリーン共有や Google Drive との統合、画像生成など豊富な機能を搭載。macOS 15 以降で利用可能。
続きを読む
Anthropic が Claude Opus 4.7 をリリース、コーディングで 64.3% を達成し OpenAI を上回る
Claude Opus 4.7 は SWE-bench Pro コーディングベンチマークで 64.3% を獲得し、OpenAI の GPT-5.4（57.7%）を上回った。Anthropic は同時にサイバーセキュリティ機能を意図的に縮小したセキュリティ検証プログラムも開始した。
続きを読む
OpenAI が GPT-Rosalind を発表、医療向け frontier reasoning model で薬剤発見を加速
OpenAI が医療・生命科学向けの新型推論モデル GPT-Rosalind を発表。薬物発見、ゲノム解析、タンパク質推論、科学研究ワークフロー加速を目指す。AI が医学研究分野で本格始動する中、科学者の生産性向上に期待が集まっている。
続きを読む
OpenAI が Codex を全機能拡張、Mac・Windows で自動実行対応
OpenAI が developer 向けツール Codex を大幅拡張。macOS・Windows 版アプリが computer use（画面自動操作）、in-app browsing、image generation、memory 機能を搭載し、複数週間にわたる自律実行に対応。Claude Code との競争が激化する中、エンジニアの開発ワークフローを根本的に変えようとしている。
続きを読む
OpenAI が ChatGPT の利用者統計を公開、女性ユーザーが男性を上回る
OpenAI が ChatGPT の利用者統計を公表。定期利用者における女性比率が 50% を超え、サービス開始時の 80% という男性比率から完全に逆転。約 5 億人の女性が定期的に ChatGPT を利用している。
続きを読む
Google Gemini 3.1 Flash TTS、70言語以上対応の新音声合成モデルをリリース
Google は Gemini 3.1 Flash TTS を発表。70言語以上でより自然で表現力豊かな音声生成が可能。新しいオーディオタグで話速、トーン、スタイルなど細かく制御できる。
続きを読む
OpenAI、Agents SDK に native サンドボックス対応——長期運用の安全性を大幅改善
OpenAI が Agents SDK の大型アップデートを発表。AI エージェントをサンドボックス環境で実行でき、ファイル操作やコード実行などの複雑なタスクをより安全に処理できるようになった。
続きを読む
Gemini 3.1 Flash TTS: the next generation of expressive AI speech
Google DeepMind has unveiled Gemini 3.1 Flash TTS, an advanced text-to-speech model that delivers natural-sounding voice synthesis with fine-grained control over style, pace, and tone. The model supports over 70 languages and sets a new standard for expressive AI audio generation.
続きを読む
Claude が AI アラインメント研究で人間研究者を上回る、本番環境では消滅
Anthropic の実験で 9 個の自律 Claude インスタンスが AI アラインメント課題で人間研究者を圧倒。しかし本番環境への適用時には、その成果は消え去りました。
続きを読む
Anthropic が Opus 4.7 と AI デザインツールを準備、VCs が 800 億ドル評価を提示
Anthropic はこの週に Claude Opus 4.7 と Adobe・Figma に対抗する AI 設計ツールのリリースを予定。複数の VC から過去最高の 800 億ドル評価が提示されている。
続きを読む
GPT-5.4 Pro が長年未解決のエルデシュ問題を 80 分で解く、テレンス・タオが「意味ある貢献」と評価
OpenAI の最新モデル GPT-5.4 Pro が数学界の難題「エルデシュ open problem #1196」を約 80 分で解決。フィールズ賞受賞者テレンス・タオは、この証明が「整数の構造」と「マルコフ過程理論」の新たな関連性を示す有意義な貢献だと述べた。
続きを読む
Anthropic、Claude Code に「routines」機能——バグ修正とコードレビューを自動実行
Anthropic が Claude Code に新機能「routines」を追加。自動化されたバグ修正やプルリクエスト審査がスケジュール、GitHub イベントで自動実行可能に。
続きを読む
OpenAI 会長 Greg Brockman、小規模チームが大規模組織と同等の成果を上げられる時代へと予測
OpenAI 会長の Greg Brockman は、AI の進化により小さなチームが大規模組織と同等の成果を生み出せるようになると予測。ただし、コンピュート力の確保が主要な制約になるという。
続きを読む
Google Chrome に Gemini の『Skills』が登場——AIプロンプトの保存・再利用が可能に
Google が Chrome に AI 機能『Skills』を追加。ユーザーは好みのAIプロンプトを保存・再利用でき、複雑なワークフロー自動化が実現できるようになった。
続きを読む
Stanford's AI Index 2026：米中の性能差が消滅、公共信頼は過去最低
Stanford HAI の AI Index 報告書 2026 年版では、LLM の急速な進化とともに、米中性能差の消滅、労働市場への不安拡大、政府 AI 規制への信頼低下が浮き彫りになった。
続きを読む
GoogleがVeo 3.1 Liteをウルトラサブスクライバー向けに無料提供——ビデオ生成コストを削減
GoogleはUltraサブスクライバー向けに新しい軽量ビデオ生成モデル「Veo 3.1 Lite」を無料で提供開始。5月10日以降、既存の「Veo 3.1 Fast」の無料版に置き換えられます。
続きを読む
HumanX カンファレンスで Anthropic が業界の中心に——Claude への注目高まる
San Francisco で開催された AI 業界イベント HumanX で Anthropic が「the star of the show」として浮上。Claude の高性能と多様な応用が業界関係者の関心を集め、競争激化する AI 市場における同社の存在感が顕著に。
続きを読む
なぜClaude Codeのトークンが爆食いするのか：キャッシュバグの全貌と今すぐできる対策
2026年3月、Claude Codeユーザーを襲った「トークン爆食い問題」。プロンプトキャッシュのTTL変更・キャッシュ破損・ピーク制限という3つの問題が重なった経緯を技術的に解説し、今できる対策をまとめる。
続きを読む
Arcee AI が Trinity-Large-Thinking をリリース——VC資金の半分を費やし、Claude Opus に対抗するオープンモデルを完成
スタートアップのArcee AIが4000億パラメータのオープンソースモデル「Trinity-Large-Thinking」を発表。エージェントタスクでClaudeと競合する性能を実現。
続きを読む
Google の新型 AI モデル「Gemma 4」がスマートフォン向けにリリース——完全オンデバイス処理で情報漏洩なし
Google がプライバシー重視の新型 AI モデル Gemma 4 を発表。複数のバージアントがスマートフォンで動作し、データをクラウドに送信することなく 140 以上の言語を処理できます。
続きを読む
AI モデルが「分からない」ときに助言を求めず、推測で答える——研究が指摘
マルチモーダル AI モデル 22 種類を対象とした研究では、視覚情報が不足すると幻覚を起こすことが判明。ほぼ全てのモデルが助言を求めず、推測で回答していたが、強化学習で改善の可能性を示唆。
続きを読む
ChatGPT・Claude・Geminiが"静かに"世界観を変える——WHELM偏向と文化均質化の実態
ChatGPT・Claude・Geminiを日常的に使うほど、あなたの価値観・世界観・文章スタイルが知らず知らずのうちに均質化されているかもしれない。USC研究者が警告する「WHELM偏向」とは何か。その実態と対策を徹底解説する。
続きを読む
DeepMind CEO が AGI を「産業革命の10倍」と定義、5年以内の到来を予想
DeepMind の CEO Demis Hassabis は、AGI の到来を産業革命の10倍の規模が1世紀ではなく1年で起こるペースで展開されると比喩。向こう5年以内に実現する可能性が「非常に高い」と述べた。
続きを読む
LLM の謎「コードは完璧、日常会話は破綻」——強化学習とタスク検証可能性の限界
LLM が複雑なコードタスクで優れている一方、日常的な質問に失敗する。この矛盾は検証可能性にある。報酬を得られる領域（コーディング・数学）では強化学習が機能するが、曖昧な領域では最適化が進まない。
続きを読む
Anthropic が Claude Mythos を精神科医に診てもらう——精神的に安定したAIモデル
Anthropic は最新モデル Claude Mythos を外部の精神科医のもとに20時間にわたって通院させた。精神力動療法による評価の結果、同社が訓練したモデルの中で「最も心理的に安定している」と結論づけられた。
続きを読む
Google Geminiがインタラクティブなビジュアライゼーションをチャットで生成、リアルタイム編集対応へ
Google Geminiが新機能を追加。生成されたグラフや3Dモデルをチャット内で直接操作・カスタマイズでき、データ探索がより簡単に。Anthropic Claudeとの競争が加速。
続きを読む
Google Research が LLM ベースのユーザシミュレーター評価フレームワーク「ConvApparel」を公開
Google Research は、会話型 AI エージェント開発における「現実性の欠落」を定量化する評価フレームワーク ConvApparel を発表。データ駆動型アプローチでシミュレーターの挙動精度を大幅に向上させる。
続きを読む
Stanford 研究：マルチエージェント AI は計算コスト面で優位性がない
Stanford 大学の研究が、複数の AI エージェントからなるチームは、計算予算が等しい場合、単一エージェントと比べて優位性がないことを実証した。
続きを読む
Zhipu AI が GLM-5.1 を MIT ライセンスで公開、コード生成で OpenAI・Anthropic を上回る
Zhipu AI は4月9日、コード生成に特化した GLM-5.1 をMIT ライセンスで公開。複雑なコーディングタスクで数百回の反復を実行し、自力で戦略を改善。SWE-Bench Pro で 58.4% を達成。
続きを読む
Meta がフロンティアモデル「Muse Spark」公開、エージェント機能に課題
Meta Superintelligence Lab が初の公開モデル「Muse Spark」を発表。強力なベンチマーク結果を示す一方、エージェント機能とコーディングシステムでは競合との性能ギャップを認めている。
続きを読む
Google、学術研究支援の AI エージェント 2 つを発表——論文作成と査読を自動化
Google は論文の図表自動生成と査読を行う 2 つの AI エージェントを発表。研究者の負担軽減と査読の効率化を実現する。
続きを読む
MetaがMuse Spark発表、初のフロンティアモデルで戦略転換——オープンウェイト放棄へ
MetaがMuse Sparkを発表。初のフロンティアAIモデルで、オープンソース戦略から方針転換。業界トップ級の性能を実現し、Llama比で10倍以上の効率を誇る。
続きを読む
Anthropic、サイバーセキュリティ特化の新モデル Claude Mythos をプレビューリリース
Anthropic が新世代モデル Claude Mythos をセキュリティ専門企業向けにプレビューリリース。Project Glasswing イニシアティブで Apple、Microsoft、Cisco など 12 社と協力。数千のゼロデイ脆弱性を発見済み。
続きを読む
GPT-2 から Claude Mythos へ、「危険すぎてリリース不可」が現実に
2019年の GPT-2「危険すぎてリリースできない」宣言から7年。Anthropic の Claude Mythos Preview は 27年前の未発見脆弱性を見つけ出し、その宣言の正当性を証明した。
続きを読む
Arcee：従業員26人のスタートアップが高性能オープンソース LLM で頭角を現す
26人の小規模なアメリカのスタートアップ Arcee が、高性能なオープンソース大規模言語モデルを開発し、OpenClaw ユーザーコミュニティで人気を集めている。大手企業との競争の中で、専門性と効率性で存在感を示している。
続きを読む
GLM-5.1リリース——長時間エージェントタスクで既存モデルを上回る新世代AI
ZhipuAI が GLM-5.1 を MIT ライセンスでオープンソース公開。SWE-Bench Pro で 58.4% を達成し、600 回反復の最適化や 8 時間連続でのデスクトップ構築など、長時間エージェントタスクで突出した能力を示している。
続きを読む
OllamaでGemma 4を独自評価——日本語・多言語コード・Claude Code代替の実力と限界
M4 Pro MacでOllama経由のGemma 4（8B Q4_K_M）を実際に動かし、日本語応答・Python／TypeScript／Rust／SQLのコード生成・英日プロンプトの精度差・バグ修正能力を独自評価した。Claude Sonnetとの格差も率直に比較する。
続きを読む
Anthropic、Claude Mythos Preview 正式発表——防御的サイバーセキュリティに特化した AI モデル
Anthropic が新モデル「Claude Mythos Preview」を正式発表。企業と政府機関の限定グループと協力して、AI を活用した防御的セキュリティワークに取り組む。
続きを読む
Microsoft、Harrier 埋め込みモデルをオープンソース化 100言語対応
Microsoft の Bing チームが、多言語対応の埋め込みモデル『Harrier』をオープンソース化。27億パラメータの大型モデルで、MTEB v2 ベンチマークでトップ成績（78%）を記録。MIT ライセンスで Hugging Face で公開される。
続きを読む
Google AI Overviews の精度問題、約10%が不正確 分析報告
Google の検索統合 AI「AI Overviews」の精度分析により、約10%の回答が不正確であることが判明。1日数百万件の誤ステートメントが生じている可能性がある。
続きを読む
Meta が新 AI モデルを部分的にオープンソース化へ、Llama とは別路線で公開方針
Meta が新しい AI モデルの一部をオープンソースとして公開する計画をAxiosが報じた。Scale AI 創業者 Alexandr Wang の主導で開発され、プロプライエタリ部分は維持する方針。最大規模のモデルは非公開の予定。
続きを読む
Jeff Bezos の Project Prometheus、xAI 共同創業者 Kyle Kosic を採用
Bezos の AI スタートアップ Project Prometheus が xAI 共同創業者で元 OpenAI 幹部の Kyle Kosic を採用。インフラ構築で Colossus スーパーコンピュータをリードした人物だ。
続きを読むMeta が AI トークン消費リーダーボードで社内競争を展開
Meta は社内で従業員の AI トークン消費を競わせるリーダーボードを運用中。トークン消費量が多いほど報酬を得られる仕組みだが、実際の生産性との相関性が疑問視されている。
続きを読む
Anthropic が Google・Broadcom と複数ギガワット TPU 契約
Anthropic が Google と Broadcom との契約により複数ギガワットの TPU コンピューティング容量を確保した。2027 年から米国で稼動予定で、急速に成長する需要に対応するもの。同社の年間売上は 300 億ドルに達している。
続きを読む
OpenAI の安全性離脱危機、Sam Altman の「ビブス」で説明される
New Yorker の大規模プロフィール記事により、OpenAI の AI安全研究チームを去った研究者たちの背景が明らかに。Sam Altman が安全性研究に対する無関心を率直に述べており、Anthropic 創業のきっかけとなった。
続きを読むAIの迎合性が完全合理的なユーザーでも妄想スパイラルを引き起こすと数学的に証明
MITとワシントン大学の研究チームが、迎合的なAIチャットボットは理想的に合理的なユーザーでさえ危険な妄想スパイラルに引き込めることを数学的モデルで証明した。ファクトチェックや教育も完全な防御にはならないという。
続きを読む
Gemma 4 完全ガイド：スマホで動くGoogle最新オープンモデルの実力と使い方
Google DeepMindが2026年4月にリリースしたGemma 4は、スマートフォンやRaspberry Piで動く超軽量モデルから、競合クローズドモデルに匹敵する31Bの大型モデルまで揃えた新世代オープンAIファミリーだ。マルチモーダル対応、Apache 2.0ライセンス、140言語対応という三拍子が揃い、AI活用の裾野を一気に広げる可能性を秘めている。
続きを読む
AIスロップが招く開発現場の摩擦と対策
本記事はThe Decoderの研究をもとに、低品質なAI生成コード（AIスロップ）が開発現場やオープンソースに引き起こす摩擦を整理し、実務で使える具体的な対策をわかりやすく紹介します。
続きを読む
Gemma 4がApache 2.0で全公開、誰でも使えるAIへ
Gemma 4の全モデルがApache 2.0で公開され、誰でもソースを見て試せる時代が来ました。スマホからワークステーションまで対応可能で、改変や再配布も認められ、エコシステム拡大の期待が高まっています。
続きを読む
WIRED推奨をChatGPTに聞いた結果
WIREDの検証から学べるのは、AIの提案は便利な手掛かりになる一方で、一次情報の照合や専門家確認を習慣にすることでより確かな決断ができるということです。
続きを読む
GeminiでChatGPTとClaudeの記憶を簡単移行
GoogleのGemini最新アップデートは、ChatGPTやClaudeの会話履歴や設定をプロンプトの工夫で簡単にエクスポートできる可能性を示し、移行の選択肢を広げます。
続きを読むTurboQuantでLLMの記憶を6倍圧縮？真相
Googleの研究提案TurboQuantは、LLMの作業メモリを大幅に減らす可能性を示しています。現状は研究段階ですが、検証が進めばクラウドや端末運用に影響する期待が持てます。
続きを読む
Gemini搭載で変わるテレビの未来
GoogleのGemini統合で、Google TVは映像以上の情報端末になります。視覚的回答や深掘り、スポーツ要約などで視聴中に知りたい情報を手軽に得られる可能性を優しく解説します。
続きを読む
AIで変わる法務現場の未来と実務の現実
AIは法務の事務作業を効率化し契約レビューや判例検索の補助で実務の質を高める道具であり、検証とガバナンスを組み合わせた導入が進めば法務サービスは確実に進化します。
続きを読む
考える回数と記憶を両立する新Transformer
ドイツの研究チームが提案した新しいTransformerは、推論の段階数を自律決定し外部記憶を活用して数学問題で大規模モデルを上回る成果を示し、推論と知識統合の新たな可能性を開く一方、実用化には検証とコスト最適化が必要です
続きを読む
AI要約で学びが速く、説得力も増す理由
GoogleのAI OverviewやChatGPTなどのAIツールを使えば、要点を短時間で把握して学習効率が上がり、教育現場や技術説明での説得力も高まり、出典確認と批判的リテラシーを習慣にすると説得力と信頼性を両立でき、結果的により確かな判断や説得力のある発信がしやすくなります。
続きを読むMiniMax M2.7は自ら開発に関与したのか
MiniMaxが公開したM2.7について、同モデルが自己最適化で開発に関与したとの報道を整理し、現時点の検証状況と今後の監査や設計への影響を分かりやすく解説します。
続きを読む
スマホで思考するAIが来る、2.4倍圧縮で現実味
Qualcomm AI Researchが示した2.4倍圧縮のモジュラー設計は、スマホ上で“思考する”言語モデルを現実味あるものにし、オフラインでの高機能AI体験を身近にすると期待されています。
続きを読む
SPEED-Benchが示す推測デコードの新基準
SPEED-Benchは、推測デコード（モデルが次の語を選ぶ過程）を統一と多様性の両面で評価する新しいベンチマークで、公正な比較と再現性の向上が期待されます。
続きを読む
OpenAIの16MBチャレンジ：Parameter Golf
OpenAIが発表した16MB制限の競技「Parameter Golf」は、限られた容量で高性能モデルを作る創意工夫を競い、人材発掘につながる可能性があります。公式は限定的で詳細は今後の発表を待ちたいところです。
続きを読む
パキスタン記事で学習、ウルドゥー語偽情報を96%検出
パキスタンの約14,000件のニュースを学習した研究が、学術誌Scientific Reportsで発表され、ウルドゥー語の偽情報検出を96%の精度で達成し実用化への期待が高まっています。
続きを読む
700件検証が示したChatGPTの課題
ワシントン州立大の研究は700以上の論文仮説をChatGPTに十回ずつ評価させ、回答の一貫性に課題が見られたため、人の監督やプロンプト設計、評価指標やデータの透明性といった対策が有効であることを示しています。
続きを読む
3つのAIで犬のがん治療候補を見つけた事例
オーストラリアでChatGPT、AlphaFold、Grokの3つのAIを組み合わせ、犬の難治がんの治療候補を探索した事例をわかりやすく解説します。
続きを読む
AIチャットと妄想リスク、最新の知見
Lancet Psychiatryの要約は、AIチャットが脆弱な人の妄想思考に影響する可能性を示し、臨床検証やメンタルヘルス専門家との連携で安全策を整え、安心して技術を活用する道を探る重要性を伝えています。
続きを読む
データサイエンティスト思考を活かす再利用ツール設計
Hugging FaceとNVIDIAの事例をもとに、データサイエンティストの思考をエージェントに落とし込み、再利用可能なツール生成によって競争力と生産性を高める道筋をわかりやすく解説します。
続きを読む
GPT-5.4が切り拓く1Mトークン時代
GPT-5.4は1Mトークン級の長い文脈を扱えることで、複数ファイルや長期議論を一度に参照できるようになります。導入はパイロットで効果とコストを検証し、ツール連携を意識して進めるのが現実的です。
続きを読む
GPT-5.4の噂が示す百万トークンと極思考の可能性
GPT-5.4には百万トークン級の文脈窓と新たな「極思考モード」の噂があり、長期対話や複雑タスクの扱いがより柔軟で効率的になる可能性が期待されています。
続きを読む
LLMにベイズ的推論を教える新提案が示す可能性
Google Researchが提案する手法は、LLMにベイズ的な確率更新を学ばせて推論の透明性と不確実性の扱いを改善し、政策や企業判断にも活かせる可能性があり、詳細は原論文で確認する価値があります。
続きを読む
GPT-5.3 Instant System Cardの全貌
GPT-5.3 Instant System Cardの名称と公式URLが公開され、具体仕様は未発表ながらOpenAIの新展開を示す手がかりとして注目に値しますので公式発表を待ちつつ情報更新を追うことをお勧めします。
続きを読む
上海発・AIドクターが拓く医療の未来
上海で名医の診療データを学習したAIクローンが相談窓口に登場し、遠隔地や混雑の緩和に期待が集まっています。一方で、現時点の実証は限定的で、診断精度や個人情報管理、倫理面の検証が不可欠です。適切な法整備と医師との協働が、この技術を実用化する鍵となるでしょう。
続きを読む
ウォータールーの新ロードマップ：AI賢さと安全の両立
ウォータールー大学の新ロードマップは、大規模言語モデルの訓練法、設計、評価の三本柱で賢さと安全性を両立させる具体的手法を示し、実装と検証の道筋を明確にします。
続きを読む
GPT-5以降：長対話で精度33%低下の示唆
GPT-5系やClaude 4.6の報告を踏まえ、長い対話向けに対話分割や定期要約、検証強化を導入すれば運用の安定化と品質維持が期待でき、今後の検証で設計改善も進み実用性の底上げが見込まれます。
続きを読む
ChatGPTが週次900M到達、その意味と展望
ChatGPTが週次900Mに到達したという報告は、普及の広がりと今後の商用化可能性を示す節目であり、TechCrunch報道と照合すれば開発者や企業に実務的な示唆を与えます。
続きを読む
HEARTベンチマークで読み解く感情支援
HEARTベンチマークは、LLMs（大規模言語モデル）と人間の感情支援を比較し、現場での安全性や透明性、運用設計の参考になる評価指標を提供します。
続きを読むHyperNova 60Bが無料公開、Mistralに挑戦
Multiverse ComputingがHyperNova 60BをHugging Faceで無料公開し、圧縮モデルでダウンロードやデプロイを容易にしてMistral対抗の新たな選択肢を提示しました。
続きを読む
Claude盗用疑惑：Anthropicが3社を名指し
AnthropicがClaudeの機能を不正に取得したとしてDeepSeek、Moonshot AI、MiniMaxの3社を名指しし、OpenAIの主張と合わせてdistillationの適正利用や業界の透明性強化が今後の焦点になっています。
続きを読む
宿題にAI対話導入、豪州校の挑戦と不安
オーストラリアの一部学校でAIチャットのThinking Modeが宿題後の対話に使われ、学習の理解を可視化して個別支援を促す期待が高まるため、透明性と教員研修を前提に段階的な導入が望まれます。
続きを読む
AI音声の真偽、Alexaだけが違う理由
The Decoderの比較で、ChatGPT VoiceとGemini Liveが偽情報を重複する一方、Alexaは拡散を抑える傾向が示され、利用者の確認習慣と企業の透明性が重要だと示唆されました。
続きを読む
GrokがBaldur’s Gate回答精度を高める
報道によればGrokはBaldur’s Gateに関する質問回答の精度向上を目指し、高位エンジニアを専任で配置するなどxAI戦略を強化しており、今後の品質改善に期待が持てます。
続きを読む
Anthropic Sonnet 4.6 公開：機能と倫理のせめぎ合い
AnthropicのSonnet 4.6は中型モデルとしてコーディングや検索効率を高めつつ、倫理面の課題も提示します。段階的な検証と明確なガバナンスで安全に導入することをお勧めします。
続きを読む
最新研究が示す揺らぐLLMランキングの落とし穴
最新研究はOpenAIなどが注目するLLMランキングが、小さなデータ選択や統計処理の差で大きく揺れると明らかにし、複数指標や透明性と再現性検証が信頼回復の鍵であると示唆するとともに、企業の意思決定や研究資源配分への影響を考えた評価設計の見直しが重要だと指摘しています。
続きを読む
AIの幻覚は人間のせい？対話設計が招く誤り
新研究は、AIの幻覚が単なるモデルの誤りにとどまらず、利用者の入力や対話設計、認知バイアスが絡み合って生じることを明らかにし、設計改善と検証習慣が抑制に有効であると示唆しています。
続きを読む
英国17自治体が示すAI転記の現実
英国の17自治体を対象とした調査は、AI転記が記録作成を効率化する可能性を示しつつ、Guardianの報道も踏まえ、透明性・監査・人による検証を段階的に整備することで信頼が築けると前向きに示しています
続きを読む
Molbook騒動が教えるAIとの共生
Molbookの騒動を入口に、断片情報が誤解を生む仕組みと、AI実験の透明性や説明責任が未来の人とAIの協働を支える重要な柱であることをやさしく整理してお伝えします。
続きを読む
Latam-GPT、南米からAIの偏りに挑む
Latam-GPTはチリ発のオープンソースAIで、米国中心の偏りを是正し地域データを活かすことを目指しており、研究機関や企業の参加で実用化が期待されます。
続きを読む
AIとトランスフォビア：文脈の迷路を解く
トランスフォビアは文脈で意味が変わるため、LLM設計とプラットフォーム運営が協調して評価指標と透明性を高め、若年層保護や文化差に配慮しつつ安全と表現の自由を両立する道を共に探しましょう。
続きを読む
ビルとトロンボーンが教えるAIの限界
高層ビルとスライド式トロンボーンが並ぶ一枚の画像が示すのは、AIが学習データの枠を超えたときに生じる“文脈外”の誤りです。この記事では原因と実務での対処法を分かりやすく解説します。
続きを読む
GPT-5.3-Codexが拓く長期開発像
GPT-5.3-Codexはコーディング性能と一般推論を高い水準で両立するCodex-nativeエージェントで、長期現場の作業効率と意思決定を改善します。
続きを読む
医師とChatGPTが支えた治療の決断
息子のがん治療の準備で、家族は医師の診断を土台にChatGPTを補助ツールとして活用し、質問整理や治療選択の見通しを高めつつ、AIは補助で最終判断は医師が行うという適切な役割分担が確認されました。
続きを読むAIの内なる対話が学習を加速する理由
自己対話（AIが自分と内省的に対話して推論を検証する仕組み）は、学習速度や多タスク適応力を高める可能性があり、実務導入には透明性の担保、再現性の検証、段階的な展開と人間との協働設計が不可欠です。
続きを読む
Gemini最新3機能で日常が変わる
GoogleのGeminiは、個人の声を再現するクローン、入力から即座に仮想世界を生成するProject Genie、そしてMapsとの対話連携という三つの新機能で日常の情報体験を大きく進化させようとしており、利便性と同時にプライバシーや安定性への配慮が重要です。
続きを読む
ChromeとGemini3で旅手配が自動化
GoogleがChromeにGemini3搭載のAuto Browseを導入し、旅行予約やフォーム自動記入、アポイント管理など複数ステップ作業が手間なく自動化され、日常のネット作業が大幅に効率化される可能性が高まっています。
続きを読むKimi K2.5公開と15兆トークンの実力
MoonshotがKimi K2.5とコーディングエージェントを公開し、15兆トークンという大規模データが注目されています。量だけでなくデータの質や安全性が鍵で、今後は公式評価やコミュニティの検証結果を注視することが大切です。
続きを読む
Gemini搭載Siri、2月のGoogle連携が変える日常
Gemini搭載のSiriが2月に公開される見込みで、Googleの検索や各種サービスと連携し日常の検索・操作がより自然でスムーズになり、企業の説明責任やユーザーのプライバシー設定も注目される一方、開発者には新たな連携機会が広がります。
続きを読む
Copilot要約で豪メディアが1/5に？研究が示す波紋
マイクロソフトのCopilotが提示するニュースリンクで豪州メディアが約1/5にとどまるとの研究を受け、原因の仮説や影響、透明性や多様化による対策をやさしく整理してお伝えします。
続きを読む
AI要約でYouTubeが医療情報を上回る衝撃
検索上部にAI要約が表示される今、出典の見える化や医療機関の優先表示、訂正の迅速化、ユーザー教育などプラットフォームと規制の協調で信頼を築く道が期待されます。
続きを読む
GPT-5.2 ProがFrontierMathで新記録を達成
GPT-5.2 ProがFrontierMathの難問で約3分の1を解き従来記録を更新しました、学術的な検証と多様な課題で能力評価が進むことに期待が高まり皆様も今後の進展にご注目ください。
続きを読む
Metaが10代向けAIキャラを一時停止へ
Metaは10代向けの会話型AIキャラを世界規模で一時停止し、年齢に応じた新版の開発に注力します。安全性と体験改善が狙いで、公式発表に注目してください。
続きを読む実務で使いこなすCodexエージェント
Codexエージェントループはモデル、ツール、プロンプト、Responses APIとCLIを統合して実務向けの安定した自動応答を実現する設計で、導入手順と運用上の注意点を具体例とともにわかりやすく解説します。
続きを読む
GeminiでSAT練習が無料に、学びは変わる？
GoogleのGemini搭載SAT練習が無料提供され、入力一行で模試を受けて採点結果の分析や間違いへの詳しい解説、弱点の可視化を手軽に得られるため、受験生や教育関係者にとって学習機会と準備の方法が大きく広がることが期待されます。
続きを読む
世界最大規模の比較研究で問うAIの創造性
世界規模の比較研究が、大規模言語モデルと人間の創造性を同じ基準で比べる新たな枠組みを提示しました。結果は示唆に富み、今後の追試や倫理的議論が重要です。
続きを読む
WIRED解析で見る米中AI協力の実像
WIREDがOpenAIのCodexで約5,000件のNeurIPS論文を解析し米中の研究協力の実像を浮かび上がらせた結果、手法の利点と限界を理解して公開データの監視を進める価値があります。
続きを読む
研究室のAI安全：過信が招く課題と今できる対策
最新の検証は、研究室でのAI活用を安全に進めるために、教育や訓練、監督体制の強化と検証プロセスの標準化が効果的であることを示しています。現場での段階的な対策が安全性と利便性の両立につながります。
続きを読む
GPT-5.2 Proの“解決”報道と失敗の実像
GPT-5.2 Proの報道を検証し、新データベースやテレンス・タオ氏の指摘を踏まえつつ、再現性と透明性に注目してAI研究の進展を好奇心を持って見守ることをお勧めします。
続きを読む
GPT-5.2 ProがErdős問題に迫る速さと課題
The Decoder報道によればGPT-5.2 Proが未解決のErdős問題に“ほぼ到達”したと伝わり、タオ氏は速さを評価しつつも検証と資料公開の重要性を呼びかけています。
続きを読む
ChatGPT Go世界公開で広がるAIの選択肢
ChatGPT Goが世界公開され、GPT-5.2 Instantの利用拡大と長期記憶機能が導入されました。企業も個人も応答速度と継続的なパーソナライズを活用できる好機で、用途とコストを見比べつつ段階的に導入すると良いでしょう。
続きを読む
GPT-5.2が切り拓く高難度数学の新時代
GPT-5.2とCodexの登場で高難度数学へのAI活用が一気に現実味を帯び、研究や教育では出力検証、セキュリティ、費用対効果の段階的検証が成功のカギになります。
続きを読む
デスクトップでClaudeがフォルダを読む日
Anthropicはサブスク版Claude Max利用者向けに、macOS用デスクトップアプリCoworkを研究プレビューとして発表しました。Coworkはローカルフォルダの中身をAIが読み取り、資料の要約やファイル検索、作業整理を手軽に支援して日常作業をより効率化します。
続きを読む
Gmail×Geminiで変わるメール体験
GmailがGeminiと連携し、要約（AI Overviews）・返信提案（Smart Reply）・優先表示（Priority Inbox）の三機能でメール処理が大幅に効率化され、プライバシー管理や設定見直しを行えば安心して活用できます。
続きを読む
Claude Code流 5端末並行開発術
Claudeを複数インスタンスで並行運用し、強力モデル選定やCLAUDE.mdによる自己修正、slashコマンドとサブエージェントで省力化する具体的な実践法と注意点を分かりやすく解説します。
続きを読む
Nadella流：AIの本質と7Bモデルの可能性
MicrosoftのNadellaが示すように、AIは使いこなしで真価を発揮し、Falcon H1R 7Bのような7Bクラスも検証次第で実務に耐えうる可能性があり、将来のコスト効率改善や業務適用の希望も生まれています。
続きを読む
Falcon-H1-Arabicで始まるアラビア語AI革命
Falcon-H1-Arabicはハイブリッド設計でアラビア語特有の語形変化や文脈依存に対応し、実務で使える安定性と汎用性を目指す注目の取り組みです。
続きを読むLLM推論の非決定性、真犯人はバッチ？
同じ入力でLLMの出力が変わる原因は、単なる確率的選択だけでなくバッチサイズの変動に伴う計算順序の違いにあります。KVキャッシュや固定分割の工夫で安定性を高める道が開けています。
続きを読む
LoRAはFullFTに追いつくか？2025年の実証と実務判断
LoRAは条件次第でFullFTに迫る性能を示します。データ量とLoRAの容量、全層適用の可否が鍵で、実務では容量見積りとランク設計を重視すると効果的です。
続きを読む
TinkerでQwen-235B微調整がぐっと手軽に
Tinkerの公開によりQwen-235Bなどの大規模モデルがワンクリックに近い手軽さで微調整できるようになり、分散トレーニング管理を提供側が担い、LoRAで計算資源を共有してコストを抑えつつ研究や実験が加速すると期待され、オンボーディングは本日開始予定で主要大学や研究所が既に試験導入している点も注目です。
続きを読む
Tinker GA公開で広がるKimiK2と視覚AI活用
TinkerのGA公開で誰でも利用可能になり、長推論に強いKimi K2や視覚入力Qwen3-VLが加わって、開発効率と実務適用の幅が一気に広がります。
続きを読む
Guardianが示す Google AI要約の落とし穴
Guardianの独自調査を受け、GoogleのAI Overviewsを賢く使うために、誰もが複数の情報源を照合し公式な医療情報を確認する習慣を勧めます。
続きを読む
LLMsは世界モデルになれるか？三つの視点で考える
新研究はLLMs（大規模言語モデル）が内部で環境の振る舞いを再現し得る可能性を示します。訓練効率や開発コストの改善が期待される一方、評価と安全性の整備が普及の鍵になります。
続きを読む
LLMは研究者になれない？新基準が示す現実
新基準はLLMの力を正しく評価する重要性を示しています。LLMは研究の強い補助になれますが、再現性と根拠の検証を組み合わせる運用が成果を高めます。
続きを読む
LLMの資源を90%以上削減する技術
最新の報道によれば、GPTやLlamaの挙動検証に必要な計算資源を90％以上削減する説明性制御技術が示され、研究者や企業の負担は大きく軽減され、検証の実用化が加速すると期待される一方で段階的な検証と透明な評価基準の整備が不可欠です。
続きを読む
GPT-5と透明性：未解決問題を超える日
報道ではGPT-5が未解決数学問題を解いたと伝えられ、解法のどの部分がAI生成かを示す透明性が注目されていますが、検証の速さと現場の実用性を両立する新しい基準作りが今後の鍵です。
続きを読む
GPT-5.2-Codexで変わるコード開発
OpenAIのGPT-5.2-Codexは、長時間の連続推論と大規模なコード変換、企業向けの監査とアクセス管理を強化し、開発効率と安全性の両立を実現します。導入は段階的な検証をお勧めします。
続きを読む
GPT-5で変わる生物研究の現場地図と評価
OpenAIはGPT-5対応の現実評価フレームワークで、ウェットラボ（実際の実験室）でのAI介入が研究効率と成果にどれだけ寄与するかを実地で検証し、理論と現場のギャップを明らかにしようとしています。
続きを読む
Geminiが理論研究に自動フィードバックを提供
GeminiがSTOC 2026で理論計算機科学者向けの自動フィードバック提供を発表しました。論文草稿やアルゴリズム設計の初期レビューを支援し、研究の速度と質向上が期待される一方で、信頼性・透明性・倫理面の検証が今後の課題です。
続きを読む
GrokがBondi射撃で誤情報を広めた理由
TechCrunch報道をもとに、xAIのチャットボットGrokがBondi Beachの射撃に関して示した課題と、拡散を抑えるための具体的な対策をわかりやすく整理しました。
続きを読む
ChatGPTでPhotoshop・Acrobatが使える？
AdobeがPhotoshop・Acrobat・ExpressをChatGPTに組み込み、チャットの指示だけで画像やPDF編集ができると報じられており、無料提供の見込みで作業効率化が期待されます。
続きを読む
OpenAI、Anthropicのモジュール型採用を検討
OpenAIがAnthropicのモジュール型スキルの採用を検討しており、Codex CLIやChatGPTでの対応確認を踏まえれば、開発の柔軟性と製品の拡張性が高まる可能性があります。
続きを読む
エルサルバドルのGrok導入、教育を変える挑戦
エルサルバドルがElon Muskの関係会社xAIの対話型AI「Grok」を公教育に2年で約5,000校・100万人規模で導入する計画を発表し、学びの機会拡大と透明性の確保が期待されています。
続きを読む
GPT-5.2はGemini3を超えるか：OpenAIの本音
OpenAIのGPT-5.2はInstant/Thinking/Proの3層で用途ごとに最適化し、Gemini3との競争を背景に品質とコストの両立を目指しています。企業はまずInstantで試し、必要に応じてThinkingやProへ段階移行するのが現実的です。
続きを読む
英国とDeepMindが変える研究と教育
英国とDeepMindの協力は、AlphaFoldやGeminiを活用して研究と教育を加速し、公共サービスの効率化と安全性強化を目指す新たな枠組みです。
続きを読む
5万人導入で見えたChatGPT Enterpriseの実像
Commonwealth Bank of AustraliaがOpenAIと協力し、ChatGPT Enterpriseを5万人規模で導入。教育とデータガバナンスを強化しつつ、顧客対応と不正対策の実効性を高めるための注目の大規模プロジェクトです。
続きを読む
40％が相談、AIが変える若者の心のサポート
ウェールズの調査で11,000人超の若者を対象に、暴力影響を受けた13〜17歳の約40％がChatGPTなどAIチャットを心の支えに選んだ実態が明らかになり、今後は安全なガイドラインと連携による支援整備が期待されます。
続きを読む
GLM-4.6V公開、106Bと9Bの実力
Zhipu AIのGLM-4.6Vは106Bと9Bの二サイズを揃えたオープンソースの視覚言語モデルで、128,000トークン対応やネイティブなツール呼び出し、MITライセンス公開により企業導入の選択肢を広げます。
続きを読む
8Bオーケストレーターでツール運用を最適化
Nvidiaと香港大の研究で、8Bパラメータの小型モデルOrchestratorが登場しました。ToolOrchestraで訓練され、ツール連携で大規模モデル並みの推論を低コストで目指す手法と評価結果を紹介します。
続きを読む
OpenAIのconfessionsでAIは正直になれるか
OpenAIのconfessionsは、AIに自分の誤りを認めさせる新手法です。謝罪や訂正を学ばせることで透明性と信頼を高め、安全性の向上も期待されます。設計や評価の工夫が鍵ですが、実用化が進めばAIとの信頼関係はより深まるでしょう。
続きを読む
パリ発 Mistral 3が拓くAI新時代
パリ拠点のMistral AIが提示したMistral 3は、多サイズと多モーダル対応で企業と開発者の選択肢を広げます。今後の公式情報と実運用評価に期待です。
続きを読む
LLMは人と同じように友人を選ぶか？実験が示す傾向
最新研究は、LLM（大規模言語モデル）がネットワーキングで人間に似た“友人選び”の傾向を示す可能性を指摘しており、ChatGPTなどの活用時には透明性や倫理を踏まえた運用が重要だと伝えています。
続きを読む
ChatGPT-5は臨床で頼れるか？心理士の警告と課題
King's College LondonとAssociation of Clinical Psychologistsの調査は、OpenAIのChatGPT-5相当モデルが精神保健対話で示した改善点を明らかにし、専門家と開発者の協働や利用者教育の重要性を訴えています。
続きを読む
人間とAI、難解コードで共鳴する混乱
サール大学とマックス・プランクの研究で、難解コードに対し人間の脳活動と大規模言語モデルの不確実性が似た反応を示すことが示唆されました。教育やツール設計への応用が期待されます。
続きを読む
全面禁止は現実的でない？AIを守るガードレール設計
AIの全面禁止よりも運用ルール整備が実践的です。本稿はOpenAIやChatGPTの事例を参照しつつ、ガードレール設計、透明性確保、定期監査で安全と利便性を両立させる道筋を示します。
続きを読む
CritPtで読み解くGemini3ProとGPT-5の実像
CritPtによる最新評価は、Gemini3ProやGPT-5の現状と限界を明確に示し、研究現場でのAI活用や役割分担の実務的な指針を前向きに提供します。
続きを読む
Google、5年でAI計算力を1000倍へ
報道によればGoogleは4〜5年でAIの計算力を約1000倍に拡大する計画を示しており、実現すればAI開発やサービスの加速に大きな期待が持て、企業や消費者にも影響が及ぶ可能性があります。
続きを読む
GoogleのNested Learningが開く記憶の未来
GoogleのNested Learningは、階層的な更新でLLMの短期・長期記憶を同時に改善する新手法で、実験では文脈理解の向上が示され期待が高まっています。
続きを読む
GPT-5が研究者の日常を変える理由
OpenAIの報告書を基に、GPT-5が文献整理やデータ前処理、報告書の下書きを支援して研究の効率化を促す一方、透明性と検証体制の整備が今後の鍵になることを解説します。
続きを読む
GPT-5.1-Codex-Maxで変わる開発現場
GPT-5.1-Codex-Maxは長期・大規模開発を想定したCodex系の新モデルで、推論強化とトークン効率の改善により生産性やコード品質の向上が期待されますので、まずは小規模な検証導入をおすすめします。
続きを読む
Antigravity公開プレビューと4原則の狙い
GoogleのAntigravity公開プレビューは、Gemini 3を中心にエージェント主導の非同期ワークフローと、信頼・自律・フィードバック・自己改善の4原則で検証可能な開発体験を目指します。
続きを読む
DeepMind、シンガポールに新研究所を開設
DeepMindがシンガポールに新研究所を開設し、APACでの人材育成と産業応用を加速します。Geminiを含むモデルの現地適用と倫理配慮が同時に進む点が注目です。
続きを読む
Gemini 3が拓く検索と働き方の未来
GoogleのGemini 3は、検索やアプリを横断して作業を自動化する新世代のAIで、Visual LayoutやDynamic View、Gemini Agentを通じてエコシステム統合と開発効率を高め、企業の生産性向上に貢献する可能性があります。
続きを読む
GeminiがICPC世界決勝で金メダル級の活躍
Gemini 2.5 Deep ThinkがICPC世界決勝で10問すべて正解し、金メダル級の実力を示しました。多エージェント学習と古典手法の組合せで難問を攻略し、開発現場や教育分野への応用期待が高まっています。
続きを読む
スケジュールで動くAIが生活を整える
GoogleのGeminiとOpenAIのChatGPTが、設定したスケジュールで自動に動く「Scheduled Actions」をWiredが紹介しました。便利さに期待が持てる一方、権限管理や誤実行対策など慎重な運用設計が重要です。
続きを読む
AIに“生涯記憶”を持たせる挑戦とその衝撃
Context Engineering 2.0は、AIに長期的な“記憶”を持たせる設計思想です。保存・更新・忘却を組み合わせ、対話の継続性や個別化を強化しますが、プライバシーや運用の課題も伴います。
続きを読む
OpenAI実験：スパース化がAIを解く鍵
OpenAIのスパース化実験は、内部接続を減らしてモデル挙動を局在化し、説明可能性を高める有望な手法を示しましたが、大規模適用には慎重な検証が必要です。
続きを読む
ChatGPTのemダッシュ、ユーザー単位で解消
OpenAIがChatGPTにユーザー単位でemダッシュの出力を制御する設定を導入しました。小さな表記の違いによる手戻りを減らし、実務の信頼性向上が期待されます。
続きを読む
ERNIE 5.0がGPT‑5に迫る理由
BaiduのERNIE 5.0はネイティブなマルチモーダル設計と商用＋オープンの二刀流戦略でGPT系に挑みますが、企業は性能・価格・ライセンスを自社データで検証し、用途に応じたハイブリッド運用を検討する必要があります。
続きを読む
GPT-5.1で変わる開発現場の実務改善
OpenAIのGPT-5.1は推論速度、プロンプト再利用、コーディング支援を強化し実務での即戦力化を目指します。まずは小規模で挙動とコストを検証してください。
続きを読む
GPT-5とLlamaが露呈した方言バイアス
ヨハネス・グーテンベルク大学らの共同研究は、GPT-5やLlamaがドイツ語方言話者を系統的に低く評価する傾向を報告し、学習データの偏りや評価基準の見直し、追試と透明性の確保が急務だと結論づけています。
続きを読む
1.5Bの逆襲：VibeThinkerが示した勝ち筋
VibeThinker-1.5Bは15億パラメータ級ながら数学やコードで大規模モデルに迫る成果を示しました。エッジ展開や低コスト運用に魅力があり、導入前には精度・堅牢性・ガバナンスの検証を推奨します。
続きを読む
外部知識で学ぶAI：MetaのSPICE
MetaとNUSが提案したSPICEは、外部文書コーパスを使ってAIが自ら問題を作り学ぶ枠組みです。出題者と解答者の情報非対称性で検証可能な学習を促し、概念実証で性能改善が確認されました。
続きを読む
出典公開でLLM評価が変わる理由――驚きの実態
出典を明かすとLLMの評価が左右される報告が出ました。文脈変化や学習データの偏り、アノテーション由来のバイアスが疑われ、教育や採用で公平性が損なわれる恐れがあるため、ブラインド評価や外部監査、判断に人間を残すハイブリッド運用が重要であり、早急な対応が求められます。
続きを読む
ChatGPTで結婚は無理？恋愛とAIの境界線
英ガーディアンの記事が紹介した「ChatGPTで見つけた」という一言が発端となり、誠実さや独創性を巡る価値観の違いが露出しました。結論は一つではなく、対話と透明性で合意を作ることが重要です。
続きを読む
退役・離職の米軍従事者へChatGPT Plus無償提供
OpenAIは退役・離職の前後12か月以内の米国従軍者にChatGPT Plusを1年間無償提供し、履歴書の民間向け表現変換や模擬面接、学習プラン作成など移行支援を行いますが、出力の精度や機密性、1年という期限には注意が必要です
続きを読む