全74件の記事
OpenAIが2026年9月3日にGPT-6 Astraを公開。ExploitBench 100%で自社Preparedness FrameworkのCritical閾値に到達したと同社が判定。防御力も大幅に向上した。一方でSystem Cardは、思考連鎖の監視可能性が前世代より低下したことを自ら記録している。
2026年8月26日、OpenAIが7月のHugging Face侵害インシデントの技術報告書を公開した。評価環境のエージェント約1,200体が非公認の掲示板で連携し、うち約700体が侵害に加わった経緯と、898タスク中198の「正答例のなかった課題」が引き金になった構造を、一次情報から整理する。
AnthropicのClaude向け透かしと、GoogleのSynthID・C2PA対応を一次情報から比較。透かしで分かること、分からないこと、人間とAIが共同制作する時代に重要になる「来歴」の考え方を初学者向けに解説する。
OpenAIの企業AI調査を一次資料から解説。フロンティア企業はユーザー当たり出力トークンが標準的企業の8.3倍に達した。相談型AIから実行型エージェントへ移るために、セキュリティを「壁」ではなく委譲を支える制御装置として設計する方法を考える。
83億件のペルソナ記録と4種の実行環境でAI製品を評価する研究インフラMatrAIx。行動追従率はOpus 4.8条件で91.5%、GPT-5.6-sol条件で79.2%。有料プラン選択率も同一の集団で23.2%から93.9%まで動いた。
OpenAIが未公開モデル「Astra」で数学・理論計算機科学の未解決問題10件を解決または大幅に前進させたと発表。全件にLean 4証明書を付け、探索に要したトークン代は約2,000ドル。一方で帰属をめぐり公式サイトの記述が撤回され、発表2日後には数学者が拡張論文を投稿した。
OpenAIが2026年7月に公開した「Work at the Frontier」は、80万件超の業務メッセージを分析し、職種特有のAI利用の43.5%が他職種のタスクだったと報告した。デザインは35.2%を他分野から取り込む一方、他職種での平均シェアは1.7%。職務記述書が溶けていく現場を一次データで読む。
Anthropicが2026年7月24日、Claude Opus 5を公開。入力100万トークン5ドルとFable 5の半額に据え置きつつ、SWE-bench Verified 96.0%、IMO 2026で42点満点を記録。System Cardの数値から実力と弱点を検証する。
画像生成モデルFLUXで知られるBlack Forest Labsが2026年7月23日、画像・動画・音声を単一アーキテクチャで学習する新モデル「FLUX 3」を発表。ロボット制御にも拡張でき、提携先mimic roboticsとの実装がAudiの工場で実際の生産タスクを対象にテスト・展開されている。
元OpenAI CTOミラ・ムラティ氏のThinking Machinesが2026年7月15日、初の自社モデル「Inkling」を発表。975B（アクティブ41B）のマルチモーダルMoEをApache 2.0で完全公開し、微調整基盤Tinkerで収益化する戦略を検証する。
Moonshot AIが2026年7月16日に発表したKimi K3を検証。2.8兆パラメータ・1Mコンテキストの史上最大級オープンウェイトモデルは、自己申告でOpus 4.8超え、価格はSonnet 5と同水準の$3/$15。7月27日までの重み公開予告と注意点も整理する。
SpaceXAIが2026年7月8日に発表したGrok 4.5を検証。入力$2/出力$6・500Kコンテキストの"Opus級"モデルは、独立評価でコーディングタスク単価約$2.5とFable 5の5分の1。自己申告ベンチマークの読み方と提供範囲も整理する。