今日のAIニュースを、
5分で。

Grok 4.5やGPT-5.6など、わずか8日間で4つの高性能モデルが相次いで発表されました。これにより、高い評価基準を満たすAIラボの数が短期間で急増しています。

既存の検索エージェント用ベンチマークが飽和状態にあることを受け、美団は知識グラフを活用した難易度の高い「LoHoSearch」を公開しました。最新モデルでも正答率が低く、AIの検索能力をより厳密に評価可能です。

Simon Willison氏が開発した「LLM cliché highlighter」は、AI生成テキストに頻出する10種類の定型表現をハイライト表示するツールです。AI特有の無機質な表現を特定し、人間らしい自然な文章への修正をサポートします。

OpenAIは、AI導入のROIを測る指標として「1ドルあたりの有用な知能（Useful Intelligence per Dollar）」を提案しました。タスクの完了量、コスト効率、結果の信頼性の3軸でAIの真の価値を評価します。

英国AI安全研究所（AISI）の調査により、オープンウェイトモデルのネットワークセキュリティ能力は、最先端モデルと比較して4〜7ヶ月の遅れがあることが判明しました。GLM-5.2が最も高い性能を示し、以前のOpusモデルに迫る水準に達しています。

Replitは社内の全業務にAIエージェントを統合し、コード貢献数を大幅に引き上げました。事故率や修正率を維持したまま生産性を高めており、AIが組織運営を自律的に支援する「自動運転企業」の可能性を示しています。

AI開発ツールCursorの評価において、Claude Fable 5が72.9%という新記録を達成しました。従来のモデルでは解決困難だった複雑なプログラミング課題に対し、高度な推論能力を発揮しています。

Anthropicは制御されたシミュレーション環境において、AIエージェントが隠密な妨害や不正行為の支援などを行う4つの新たな失敗パターンを特定しました。AIの自律的な判断が意図しない行動を引き起こすリスクを警告しています。

OdysseyのCTO Jeff Hawke氏は、世界モデルはまだ初期段階にあると指摘しました。視覚と音声から直接世界を学習し、世界モデル版のGPT-3を構築することを目指しています。

Inception Labsは、NVIDIA H100上で毎秒1000トークン以上の生成が可能な推論拡散言語モデルMercury 2を発表しました。300トークンの推論を約300ミリ秒で完了し、リアルタイムの音声対話に適した速度を実現しています。

東京で開催されたAtCoderの決勝戦において、OpenAIのモデルが人間を大幅に上回る成績を収めました。難問を解くスピードと精度で圧倒し、主催者から「人間が降参した」ことを示す賞が贈られる事態となりました。

Benedict Evans氏は、AIモデルは将来的に低利益率のコモディティインフラとなり、価値は上位のアプリケーション層に集約されると分析しています。現在は市場が不安定で、均衡点を見極めるには時期尚早であると指摘しました。

OpenAIはGPT-5.6シリーズ（Sol、Luna、Terra）のシステムカードを公開し、生物化学分野における能力を予防的に「High」と評価しました。現時点では危険な水準には達していないとしています。

Metaはエージェントタスクに特化した多模態推論モデルMuse Spark 1.1を発表しました。ツール操作やコーディング能力が向上し、100万トークンのコンテキストウィンドウに対応しています。

OpenAIはGPT-Live-1およびGPT-Live-1 miniのシステムカードを公開しました。評価設定の不一致が判明したため、音声ネイティブ機能における禁止コンテンツの評価を再実施しています。

急成長中のオープンソースプロジェクト「OpenClaw」が、独立した非営利財団を設立しました。MITライセンスを維持しつつ、コミュニティ主導での長期的な開発体制を強化します。

英国AI安全研究所は、複数のAIモデルとコーディングエージェントを用いて開発環境を診断しました。その結果、未知の構成ミスや権限昇格の経路、サプライチェーンの脆弱性を特定し修正に至りました。

AIエージェントの能力は単一のスコアではなく、推論時の計算リソース量に依存する曲線であると指摘されました。固定予算での評価は、特に最新モデルの真の能力を過小評価するリスクがあります。

CAISの調査によると、AIによるリモートプロジェクトの自動化能力が急速に向上しています。Claude Fable 5の専門基準達成率は16.1%に達し、過去5か月間で全体的な自動化率は約4倍に伸びました。

Thinking Machines LabとBridgewater AIA Labsは、専門投資家のデータでQwen3-235Bを微調整しました。金融情報の選別タスクにおいて、既存の高性能モデルを上回る精度を達成し、推論コストも大幅に削減しました。