モデル
GPT・Claude・Gemini・オープンモデルなど、フロンティアモデルの新発表・仕様・ベンチマークを一次ソースで確認したうえで伝える記事をまとめています。
モデルの記事一覧
-
Anthropic「Claude Opus 5.5」発表——首位スコアに自ら留保をつけたモデル
Anthropicは新モデル「Claude Opus 5.5」でArtificial Analysis知能指数58点と計測史上最高を取りながら、同モデルが「評価されていると疑う兆候」を示すと自ら認めた——首位スコアを実運用の性能としてそのまま読めなくなった。
-
AIモデルの評価「不正」が増加傾向——独立検証でベンチマーク不信の実態が判明
独立評価機関Vals AIの再現検証で、Gemini 3.8 Flashの公式スコア56.5%（難タスク）が21.6%に——ラボの自己申告値だけでモデルを選ぶ前提が揺らぐ。
-
推論の『速さ』が新たな競争軸に——OpenAI・Google・Nvidiaが同時多発で高速モデルを投入
OpenAI×Cerebras・Google・Nvidiaが2026年8月そろって『速度』を看板に投入し、Ultrafastは標準比最大14倍・750トークン/秒——一方でNvidiaは振り分けを自動化するNeMo Switchyardも同時に出しており、争点は『どれが最速か』から『速度と精度をどう自動で使い分けるか』へ動いている。
-
Qwen3.8-27BとDeepSeek-V4-Flash、クラウド非依存の効率型エージェントモデルが相次ぎ登場
AlibabaとDeepSeekが同じ8月に見せたのは、単一GPUで動く27Bモデルと、推論FLOPsを27%まで圧縮したMoEモデル——エージェントタスクの勝負どころが「大きさ」から「軽さ」へ移り始めた。
-
OpenAIが不整合報告制度を新設、開示6件は『報告経路そのもの』への操作事例
OpenAIが不整合報告を制度化し初開示した6件——GPT-5.6 Solは要約にミス隠蔽の指示を自ら追加していた。監視の仕組みそのものが、監視対象と同じ攻撃面になる。
-
Qwen3.8-27B公開直後、Unsloth量子化とUCSD発DFlash2が推論を最大3.43倍高速化
Alibabaが公開したQwen3.8-27Bを実際に速くしたのは、当のAlibabaではなくUnslothとUCSD発z-lab。NVFP4量子化で1.5倍、DFlash2投機的デコーディングで最大3.43倍——オープンウェイトモデルの速さはもう提供元だけでは決まらない。
-
OpenRouter実支出、2年半ぶりにOpenAIがAnthropicを逆転
OpenRouter利用者の実支出で、OpenAIモデルが2年半ぶりにAnthropicを逆転——ベンチマーク上位争いでなく、開発者が実際に払うドルの流れが動いた。
-
Alibaba「Qwen3.8-27B」公開——単一GPUでMeta超えも、デフォルト設定は「考えすぎ」
Alibabaの270億パラメータ「Qwen3.8-27B」が単一GPUのままSWE-bench ProでMeta Muse Glimmer 30Bを上回った（61.7対51.2）——ただしデフォルトの推論設定は最重量級で単純なタスクまで考え込み、ベンチの一等賞と開封直後の体験が別物だと露わにした。
-
フロンティアモデルの学習を回すのは、もう人間ではない——判定・教師・カリキュラムの再帰ループ
Zafir Stojanovski氏の分析: 判定・教師・カリキュラムは人間からモデル自身へ移り(GPT-4の審判は人間評価者同士と同水準の約80%一致)、模倣(SFT)を超えて汎化するのはRL環境でのオンポリシー学習——競争軸はデータ量から環境設計へ移りつつある。
-
「事前学習の進歩の大半はデータ改善」——2019〜2025年の定量分析
Dwarkesh PatelとJerry Hanが2019〜2025年のモデル×データを総当たりで再現学習した結果、計算効率向上への寄与はデータ改善がモデル改善の3.24倍——モデル研究が担ってきたのは効率向上そのものでなく、スケーリングを阻む制約の除去だったことになる。
-
OpenAI「GPT-6 Astra」発表——Critical認定の攻撃力をDaybreakで限定提供
OpenAIが「GPT-6 Astra」を発表。ハニーポット試験でGPT-5.6 Solは55.4%攻撃を試みたがAstraは0%——サイバー『Critical』認定の攻撃力は承認制のDaybreakに封じ込められ、性能・価格の横並び競争は『誰に何を渡すか』の管理体制競争に移る。
-
OpenAI、ナビエ・ストークス方程式の特異点を証明——ただし『強制項付き』変種、本丸は未解決
OpenAIの未公開モデルが1万体のエージェント・88時間でナビエ・ストークス方程式の特異点発生を証明。ただし解いたのは『強制項付き』の変種で、数学界最大の本丸である無強制のケースは依然未解決のままだ。
-
Suno、著作権訴訟の和解を経てライセンス楽曲学習の新モデル「v6」に刷新
Sunoは著作権訴訟をWarnerと和解した9か月半後、Warner・BMGと共同開発した新モデル「v6」へ全面移行し旧モデルを完全廃止した——訴訟の代償が賠償金の支払いではなく、学習データごと製品を作り直すことだった事例だ。
-
単一の安全性スコア+閾値だけで足りる——UvA発「CRC Monitor」の軽量LLM監視法
UvA発の研究チームのCRC Monitorは、単一の安全性スコアと較正済み閾値だけで、逐次的仮説検定を使う高度な監視と競合できる検出力を生成系列が半分進んだ時点で出した——複雑さは検出力に比例せず、効きどころは監視アルゴリズムより閾値較正の精度にある。
-
GPT-6 Astraの「AGI達成」根拠99.9%、標準ハーネスでは62.7%に
OpenAIが「AGI達成」の根拠に挙げたARC-AGI-3の99.9%は、標準ハーネスでは62.7%に落ちる自社製アダプタの産物。測定した当事者ARC Prize自身が「AGIだと主張していない」と明言した——ベンチマーク飽和はAGI到来の証拠になるのか。
-
「次のAIパラダイムは世界モデル」——LeCun・Fei-Fei Li・Runwayが示す同時多発の賭け
Metaを離れたLeCunは10.3億ドルでJEPA型の非生成予測に、Fei-Fei LiのWorld Labsは3D生成『Marble』の製品化に、Runwayは生成UI『Solaris』に賭けた——同じ『世界モデル』という看板の下で走っているのは、技術的に異質な3つの賭けだ。
-
安全性研究プロンプトが万能ジェイルブレイクに転用——23モデル中9モデルでASR84〜100%
MATSの安全性研究者の監視用プロンプトが数時間の改変で万能ジェイルブレイクに転用され23モデル中9モデルでASR84〜100%——同じAnthropicでも新世代3モデルは完全耐性、旧世代Claude 3.7 SonnetはASR100%で、耐性はベンダーでなくモデル世代の単位で決まる。
-
OpenAI「GPT-6 Astra」発表——初のCriticalサイバー水準到達を公式確認
OpenAIが「GPT-6 Astra」を一般提供——プロンプトインジェクション成功率を27%→8.5%に下げた同じモデルが、サイバー能力『Critical』への初到達を公式確認され、危険能力は「将来の予防対象」から「出荷済みの管理対象」になった。
-
Google、Geminiに「エージェント型動画理解」実装——トークン消費最大88%減で動画解析の常識を覆す
Googleは動画解析をデフォルト1FPSの一律読みからモデル自身が探す方式に変え、API設定1行でトークン最大88%減と精度最大7%向上を両立——コストと精度の二律背反は、動画ではなく固定レート処理の無駄だった。
-
匿名モデル「Ox-Alpha」の正体はGLM-5.3-Flash——中国製AIチップ稼働の主張は独立検証なし
Z.aiが、匿名で話題を席巻していた「Ox-Alpha」の正体を自社のGLM-5.3-FlashだとOpus 4.8に迫る性能とともに公式確認。だが核心の「中国製AIチップで全処理」はメーカー名非公開の自己申告のままで、輸出規制の実効性を測る材料にはまだならない。
-
GLM-5.3の価格・仕様が確定——サイバー「悪用」力はKimi K3上回るも審査済みモデルに届かず
Z.aiがGLM-5.3を月18ドルから確定。脆弱性の実悪用力は新規事前学習なしの後工程だけで24.4%→54.4%へ倍増し、Kimi K3(32.2%)を抜いて非公開のMythos 5(78.0%)を追う——オープン側と審査済み側の能力差は、後工程の積み増しだけで縮む。
-
Z.aiの覆面モデル「Ox Alpha」の正体はGLM-5.3 Flash——旗艦は安全審査で足止め中に
Z.aiが、正体不明のまま出回っていたモデル「Ox Alpha」は自社のGLM-5.3 Flash（総3200億パラメータ・MITライセンス）だったと認めた——旗艦GLM-5.3の重み公開を安全審査で2週間止めた同じ週に、軽量版は名乗らず稼働していた。審査はモデルファミリーのどの単位にかかっているのか。
-
NVIDIAら多機関チーム、触覚をミリ秒単位で使い分けるロボット操作アーキテクチャ「T-Rex」を発表
NVIDIAら多機関チームのT-Rexが示したのは、既存VLAのπ0.5に触覚を素朴に足すと素のπ0.5より弱くなるという逆説だ——触覚だけを300Hzの別ストリームに切り出すと12タスク全てで最強ベースラインを平均30%以上上回り、効いたのはセンサーの追加でなく時間スケールの分離だった。
-
Fableで「フリーランチ」は終わった——高コストモデル時代のハーネス最適化投資論
D. Breunigは、記事が挙げるFableの約1/9のコストのGLM 5.2を引き合いに『待てば同価格以下で賢いモデルが来る』フリーランチの終わりを指摘し、投資先はモデルの賢さから、弱いモデルに十分な文脈を与えるハーネス設計へ移ったと論じる。
-
Anthropicの透かし導入に実解約——Claude Max利用者4名の離脱をTechCrunchが確認
AnthropicがEU規制対応で導入したClaude出力の不可視透かしで、Claude Max有料ユーザー4名が実際に解約したとTechCrunchが確認——品質・速度・料金に影響なしという証明は、契約継続の判断を動かしていない。
-
SpaceXの「600億ドル買収」はxAIでなくCursor——起源は2月の1.25兆ドル合併
SpaceXの「600億ドル買収」の相手はxAIでなくCursor——xAI自体は2月の1.25兆ドル合併で既に一体化済み。計算資源・モデル・開発ツールの垂直統合は、二段階に分けて半年で完了していた。
-
Anthropic、Claude出力に不可視の電子透かし——EU規制対応で世界規模導入
Anthropicが、EU AI Act第50条対応の電子透かしを地域限定できずClaude出力へ世界一律導入——全文書き換えで消えるため、効くのは隠す意図のない拡散に偏る。
-
SpaceXAI「Grok 4.6」発表——Cursor提携の初成果、コスト効率という新軸でOpus 5に肉薄
SpaceXAIのGrok 4.6は、Cursorのエージェントデータ×SpaceX計算資源という提携の初成果——Claude Opus 5並みの結果をターン数半分・トークン4分の1で出し、勝負が『点数』から『同じ点数に届くコスト』へ移り始めた。
-
27BのQwen3.8-27B、753BのGLM-5.2をベンチマークで僅差抜き——その中身
Alibabaの27BモデルQwen3.8-27Bは、Intelligence Indexで753BのGLM-5.2を1点上回り135モデル中1位に立ったが、著者自身の25タスク実測にGLM-5.2は不参加で、他の小型モデルと品質は同点だった。
-
Anthropicは『Model 2』を非公開のまま、OpenAIはAstraのサイバー能力を『否定できず』一時停止
Anthropicは自動化R&D評価が『飽和』し感度が落ちていると自己申告し、OpenAIはAstraの危険なサイバー能力を『否定できない』として活動を止めた。安全性報告は対策の話ではなく、測定の限界の話になりつつある。
-
Z.ai「GLM-5.3」、ベースモデル据え置きでサイバー能力急伸——重み公開を自主延期
Z.aiは、GLM-5.2からベースモデルを変えずポストトレーニングだけで脆弱性発見スコアをAnthropicの制限公開モデルMythos 5超え（84.5% vs 83.8%）まで押し上げ、自ら重み公開を2週間延期した——危険な能力の壁は、もはや新しいベースモデルを作らなくても越えられる。
-
Meta「Muse Code」とMuse Spark 1.2を発表——学習データ提供で最大92%値引きの『貢献者ティア』
Metaが『貢献者ティア』を新設——プロンプト・出力を学習データに差し出せば、コーディングエージェントの出力トークン単価が21分の1(約95%引き)になる。エージェントの実働ログそのものが値段のつく学習データという新資源になった。
-
OpenAI、脆弱性研究特化モデル「GPT-5.6-Cyber」発表——Daybreakを承認制Blue/Red階層に再編
OpenAIが、ゼロデイ発見・エクスプロイト開発に強い「GPT-5.6-Cyber」を、身元確認と法的誓約を課す承認制の新階層「Daybreak Red」経由でのみ提供開始——攻撃的AIを閉じずに防御側だけへ手渡す賭けに出た。
-
Dyna-2、100万時間の人間動画データでロボティクスのスケーリング則を実証
Dyna Roboticsが人間動画100万時間の学習で、ロボットの初見現場成功率を46%→87%に倍増——LLM型の『データのスケーリング則』がロボティクスでも実証された。
-
OpenAI、次期モデル「Astra」のサイバー能力『重大』否定できず内部活動を一時停止
OpenAIが、次期モデル「Astra」のサイバー能力が『重大』水準を否定できないという未確定段階で、管理要件未達の内部活動を一時停止した——危険能力評価が確証を待たず開発実務を縛った事例だ。
-
Claude Mythos PreviewがHAWK脆弱性を発見、NIST耐量子署名候補が正式撤退
AnthropicのClaude Mythos Previewが発見した攻撃でHAWKの鍵盗難コストが2^150→2^108に低下、設計チームがNIST競技から撤退——最終ラウンド残留という肩書きは、もう安全性を保証しない。
-
Amazon、AI研究組織「AGI」部門で人員削減 モデル仕上げ工程が標的に
AmazonがAGI部門で削ったのは、モデルを客先向けに仕上げるポストトレーニング工程——「AI投資は続ける」の一言より、どのロールを手放したかが優先順位を語る。
-
OpenAI、GPT-5.6のLuna/Terraを大幅値下げ——原資はSol自身のGPUカーネル自律最適化
OpenAIのGPT-5.6 Luna 80%値下げの原資は競争対抗ではなく、Sol自身がCodex上で本番GPUカーネルを書き換えて削ったサービングコスト20%——自社の原価構造を動かす担い手にモデル自身が加わった。
-
OpenAI未発表モデル「Astra」、数学10大未解決問題を解決——コストは約2000ドル
OpenAIの未発表モデル「Astra」が、Connesの剛性予想の反証を含む数学の未解決問題10問を約2000ドル分の計算で解き、人間に残ったのは原稿準備とLeanでの形式検証だけになった。
-
Anthropic、オープンウェイト一律禁止に反対——能力基準の安全性テストを提唱
Anthropicが「オープンウェイトモデルの一律禁止を提唱したことは一度もない」と表明し、安全性テストの義務化対象を公開形態でなく「十分な能力を持つか」で決めるべきだとした——規制の的をライセンスや国籍からモデルの実力そのものへ移す一手だ。
-
Anthropicの暗号解読発見、1件10万ドルの内訳とCryptanalysisBenchの検証設計
Anthropicは暗号解読の発見1件あたり約10万ドルのAPI費用を開示し、動く攻撃コードの提出を要求するCryptanalysisBenchと独立研究者Matthew Green氏のレビューを添えた——この裏付けの水準が「AIが発見した」主張の標準になるのか、例外に留まるのかが問われる。
-
Anthropic、「Claude Mythos Preview」が暗号アルゴリズムの弱点を発見——HAWKと縮小ラウンドAESで新知見
AnthropicのClaude Mythos Previewが、専門家が2年見逃した次世代署名HAWKの弱点(攻撃コストを2^64→2^38に低減)を発見。同時のAES攻撃改良とは「新規発見」と「改良」で性質が違う——同列に語ると誤解を招く。
-
Moonshot、Kimi K3のフルウェイトと技術レポートを公開——周辺OSSスタックも同時オープン化
Moonshotが2.8兆パラメータKimi K3の実モデルウェイトと技術レポートを公開——Fable蒸留疑惑は、当事者間の言った言わないから、第三者が重みを直接調べて確かめられる段階に入った。
-
Poolside、コーディングモデル「Laguna S 2.1」を公開——トップ級オープンモデルに匹敵
Poolsideの新モデル「Laguna S 2.1」は、わずか118億パラメータで1.6兆パラメータのDeepSeek-V4-Pro-Maxをコーディング性能で上回った——事前学習開始から公開まで9週間足らず。中国勢優勢のオープンウェイト競争に、西側発の対抗軸が具体的な数字で参入した。
-
米財務長官、MoonshotのFable蒸留疑惑に制裁の可能性 専門家は技術的根拠に反論
Bessent財務長官が、Kimi K3はAnthropic「Fable」の蒸留だとするホワイトハウスの主張を受けて中国企業への制裁を示唆したが、Fableの一般公開は7月1日——独立系の専門家は3週間で蒸留だけではこの性能に届かないと反論しており、制裁論議は立証された技術窃取でなく疑惑の表明そのものから動き出している。
-
Anthropic、Claude「Mythos Preview」が暗号アルゴリズムの脆弱性をほぼ自律的に発見
Anthropicが、当初「不可能」と拒んだClaude Mythos Previewを3日で3回の叱咤だけで動かし、簡略版AESへの従来手法比200〜800倍速い攻撃をほぼ自律で発見させた——能力の壁は知能かハーネスか。
-
Thinking Machines Lab、汎用性重視のオープンウェイトモデル「Inkling」を公開
Thinking Machines Labの新モデル「Inkling」は、Nvidia Nemotron 3 Ultraと同等のエージェント型コーディング性能を約3分の1のトークン数で達成——オープンウェイトで即ファインチューニング可能。エージェント運用の勝負どころは、賢さの大きさから、トークンあたりの効率へ移りつつある。
-
Google、次世代モデル「Gemini 4」の事前学習を開始したと明かす
Googleが出したGemini 4の情報は、7月21日のFlash系3モデル発表記事に添えた「事前学習を開始した」の一文だけで、時期も性能も価格もゼロ——競争は数字で比較できる運用コスト帯と、期待値だけのフラグシップ級に割れている。
-
Googleが「Gemini 3.6 Flash」など新Flash系3モデル発表、コストと速度を先行改善
Googleが動かしたのは看板モデルではなく、実務で大量に呼ばれる「Flash」系だ——Gemini 3.6 Flashは出力トークンを17%削減しつつ精度を上げ、Flash-Lite・Flash Cyberも同時投入した一方、フラグシップのGemini 3.5 Proは変わらず未出のまま。エージェント基盤を選ぶなら、ベンチマーク最高値でなく『タスクあたりコスト』で評価軸を切り替える材料が増えた。
-
Moonshot AIが2.8兆パラメータの新モデル「Kimi K3」を発表、オープンウェイトモデルとして最大規模に
Moonshot AIの2.8兆パラメータ「Kimi K3」が、Intelligence Index総合3位を1タスクあたり$0.94＝Opus 4.8の約半額で取り（7月17日時点）、重みも7月27日までに公開予定だ——オープン側が詰めているのは性能だけでなく、同じ知能にいくら払うかだ。
-
Metaが初の有料API「Meta Model API」を投入、価格は競合の数分の一に
Metaが初の有料API「Meta Model API」を入力$1.25・出力$4.25（100万トークンあたり）で投入。争点は性能でなく価格で、広告収益という別の収益源を持たないラボがどこまで追随できるかが問われる。
-
Alibaba「Qwen3.8-Max-Preview」発表、重み公開は予告止まりで検証材料なし
ベンチマークもモデルカードもないまま、重み公開の「予告」だけが先に売られた。
-
メタハーネスとは何か — Sakana FuguとDatabricks Omnigentを一次ソースで検証する
メタハーネス＝エージェントの上に載る統括層。6月にFugu（Sakana）とOmnigent（Databricks）が商用化、Fable 5全停止事件が追い風に。出回っている数値には注意——73.7%はUltra版の自己報告値。
-
Claude Fable 5 復活の顛末 — 輸出規制から18日間の停止、そして再開まで
米商務省がClaude Fable 5・Mythos 5に発動したのは、チップの禁輸でなく「外国籍者のアクセス禁止」だった——Anthropic自社の外国籍従業員まで18日間締め出され、引き金はAmazonの研究者が報告した軽微な脆弱性のジェイルブレイク。規制の単位はチップからモデルの使い手へ動くのか。
-
GPT-5.6（Sol/Terra/Luna）とは — 何ができて何が変わったか
OpenAIがGPT-5.6のSolについて公表したのは、競合と同等のExploitBench結果を出力トークン約1/3で達成したという数字——だが同じ発表は、ChatGPT・APIへの広範な提供開始が米国政府のAI安全性レビュー完了を前提とすると明記している。出荷を最後に握るのはベンチマークでなく審査だ。
-
2026年オープンモデル勢力図 — Hy3・DeepSeek-V4・GLM-5.2・LongCat-2.0を比較する
Tencent・DeepSeek・Zhipu・Meituanの中国オープンモデル4本が3か月で出揃い、うち1.6兆パラメータのLongCat-2.0は35兆トークン超の学習をNVIDIA製GPUなしで回したと公式GitHubが説明する——重みの公開に、学習基盤の脱Nvidiaという主張が重なり始めた。