2026-10-23

OpenAI、Decisions APIを公開

开发生态

OpenAI は、gpt-6-luna のみに対応する Decisions API を正式公開した。テキスト、画像、JSON を処理でき、1 リクエスト当たりの質問数上限は 200 件から 400 件に増え、出力 token は無料となる。

OpenAI は Decisions API を正式公開し、開発者は専用 API 経由で呼び出すか、OpenAI プラットフォームの Playground で試用できるようになった。現在対応するモデルは gpt-6-luna のみで、テキスト、画像、JSON を評価し、条件が成立する確率、事前設定された選択肢、またはスコアを返す。用途はコンテンツ分類、リクエストの振り分け、後続アクションの決定となる。1 リクエスト当たりの質問数上限は公開テスト期間中の 200 件から 400 件に増え、GPT-Live のネイティブ統合とプロンプトキャッシュも追加された。公式説明によると、意思決定の速度は Responses API 経由で GPT-6 Luna を呼び出す場合の最大 10 倍となる。未キャッシュ入力は 100 万 token 当たり 0.10 米ドル、キャッシュ済み入力は 100 万 token 当たり 0.01 米ドルで、キャッシュ書き込みは別途課金され、出力 token は無料となる。

原文を読む →

Codex責任者：17日目に利用上限のリセットが完了

开发生态

OpenAI の Codex 責任者 Tibo は、継続改善計画の第 17 日目に利用枠のリセットが完了したと述べた。今回はリセットの約束を履行したもので、同氏は 28 日間、毎日改善を提供するか利用枠を完全にリセットすると約束していた。

OpenAI の Codex 責任者 Tibo は、継続改善計画の第 17 日目に利用枠のリセットを完了したと発表した。今回の更新は、計画に含まれるリセットの実施に当たる。同氏が以前示した約束によると、計画の期間は 28 日間で、毎日の提供内容は、多数の Codex および Work ユーザーに実用的な価値をもたらす明確な改善を一つ公開するか、利用枠を一度完全にリセットするかのいずれかとなる。今回発表されたのは後者であり、新機能の改善ではない。この毎日二者択一の仕組みは、チームの提供ペースについて同氏が掲げた約束に当たる。

原文を読む →

Anthropic、Agent Skills標準を寄贈

开发生态

Anthropic は、オープン標準 Agent Skills を Agentic AI Foundation に寄贈すると発表した。同標準は70を超える Agent プラットフォームに統合され、公開済みの skills は100万件、インストール数は約2億8,000万回に達している。

Anthropic は発表の中で、Agent Skills 標準とその名称、ロゴ、GitHub organization、agentskills.io ドメインを、Linux Foundation 傘下の Agentic AI Foundation（AAIF）に寄贈すると明らかにした。同標準は2025年12月にオープン化され、ChatGPT、Cursor、GitHub Copilot、VS Code を含む70を超える Agent プラットフォームに統合されている。公開済みの skills は100万件、インストール数は約2億8,000万回となっている。各 skill は SKILL.md を含むフォルダーで、scripts や参考資料を添付でき、特定のタスクや分野に関する手順の知識を Agent に提供する。公式の説明によると、同標準の利用や貢献に AAIF への加入は不要で、Anthropic、Google、OpenAI などの企業のエンジニアが個人の立場でプロジェクトを保守する。Anthropic が提案した初期ロードマップには、バージョン付きリリース、正式な提案プロセス、skills の作成者とインストールする利用者向けのセキュリティ指針が含まれる。

原文を読む →

Google Cloud、Anthropicホスト版Claudeを追加

开发生态

Anthropic 管理版 Claude が Google Cloud で一般提供され、既存の IAM と一括請求に対応した。公式説明では、Opus 5.5 の Fast Mode は出力速度が最大 2.5 倍で、100 万 tokens 当たり入力 8 米ドル、出力 40 米ドルとなる。

Anthropic は Google Cloud で自社管理版 Claude の一般提供を開始したが、原文には具体的な開始日の記載がない。Anthropic がサービスを運営し、データ処理者を務め、現在は US と Global endpoints を提供している。公式説明によると、Claude Platform の全機能を利用でき、新機能と beta はネイティブプラットフォームと同日に、新モデルも公開時に提供される。現在利用できるモデルは Claude Fable 5.1、Opus 5.5、Sonnet 5.5、Haiku 5.5。既存の Google Cloud IAM 認証情報を使って接続でき、料金は Google Cloud の単一請求書にまとめられ、利用分は既存の Google Cloud 利用確約額の消化対象となる。

この管理版では Claude Console も利用でき、prompts の作成、Agent の設定、ホスト環境での実行、利用量とコストの監視、workspace ごとのアクセス権限とセキュリティの管理に対応する。Opus 5.5 の Fast Mode も一般提供されている。公式説明では、出力 token の生成速度は最大 2.5 倍で、100 万入力 tokens 当たり 8 米ドル、100 万出力 tokens 当たり 40 米ドルとなる。Google 管理版も引き続き提供され、Google がデータ処理者を務め、Model Armor や Agent Engine などのネイティブ連携を提供する。また公式は、既存の割引がある顧客には、Anthropic 管理版の利用開始前に担当者へ適用状況を確認するよう説明しており、発生済みの利用分に割引を遡及適用することはできない。

原文を読む →

Gemini API CLI、実験的プレビューを公開

开发生态

Google は Gemini API CLI の実験的プレビューを公開した。現在のバージョンは v0.4.x で、開発者と shell アクセス権を持つ Agent が Gemini API を直接呼び出し、メディアファイルを生成して shell パイプラインに組み込める。

Google は、開発者と shell アクセス権を持つ Agent 向けに、Gemini API CLI（gemini-api）の実験的プレビュー版を公開しており、現在の提供バージョンは v0.4.x となっている。このツールは画像、動画、音声、音楽の生成に加え、メディア分析、音声の文字起こし、Managed Agents の管理に対応する。同社の説明によると、メディア生成コマンドはファイルをディスクに直接保存し、標準出力にはファイルパスのみを返すことで、shell パイプラインへの組み込みに対応する。プログラムはステートレスで依存関係のないバイナリとして提供され、macOS、Linux、Windows に対応し、利用前に Gemini API key の設定が必要となる。

原文を読む →

Qoder国際版、コミュニティ応援キャンペーンを開始、第1弾の報酬が解放

开发生态

Qoder は Community Boost を発表した。対象の個人ユーザーは 1,024 SOTA Credits を受け取り、毎日の参加で3段階の報酬を共同で解放できる。期間は2026年10月22日から2026年10月30日までで、報酬は Sonus に利用できる。

Qoder は2026年10月22日から2026年10月30日23:59まで Community Boost を開催し、対象の個人ユーザーに Welcome Pack とコミュニティの累計ブーストに応じた報酬を提供する。公式の説明によると、Welcome Pack には 1,024 SOTA Credits が含まれ、累計が20,000、50,000、100,000ポイントに達すると、それぞれ 2,048、3,072、4,096 SOTA Credits が解放される。参加者は1日1回ブーストでき、有効なブースト1回につき1ポイントが加算される。毎日の枠は00:00にリセットされ、繰り越されない。各段階の目標達成後、報酬は12時間以内に配布され、累計ポイントはリセットされず次の段階に引き継がれる。これらの Credits は Sonus に利用できる。

個人向け Pro 以上の契約者は自動参加となり、期間中に契約またはアップグレードしたユーザーも対象となる。Free ユーザーは申請して承認を受ける必要があり、申請は各アカウント1回限りで、提出後の修正や再提出はできない。Lite は現在 Sonus に対応しておらず、受け取りには Pro 以上へのアップグレードが必要となる。資格は受け取り時のアカウント状態で判定され、各パックは各アカウント1回限り、対応クライアントで手動で受け取る。当日のブーストは不要となる。Welcome Pack の受け取り期限は2026年10月30日23:59、有効期限は2026年10月31日23:59となる。各段階のパックは配布後3日以内かつイベント終了までに受け取る必要があり、受け取りから24時間有効となる。未使用の Credits は期限切れで失効し、オフピーク割引とは併用できない。

原文を読む →

智谱、サブスクリプション利用者向けモデルの回答品質低下を謝罪し補償

开发生态

智谱は、一部の GLM Coding Plan ユーザーが経験した回答品質の低下を謝罪し、すべての Coding Plan 有料ユーザーに、2026 年 12 月 22 日まで有効なリセットカード 3 枚を補償として付与しました。新モデル公開後にも追加でリセットカードを付与します。

智谱は、一部の GLM Coding Plan ユーザーのモデル回答品質が低下したことを謝罪し、2026 年 10 月 22 日夜、すべての Coding Plan 有料ユーザーに補償としてリセットカード 3 枚を配布しました。有効期限は 2026 年 12 月 22 日です。補償対象は問題を経験したユーザーに限定されず、新モデル公開後にも追加でリセットカードを付与します。同社の説明によると、調査で少数の推論ノードにハードウェア異常が見つかり、これらのノードを経由した会話の出力品質に影響が出ていました。同社は、異常のあるノードをすべて停止し、関連トラフィックを正常なノードに切り替えたとしており、今後も監視を続け、サービスの安定運用に向けた対応を強化すると説明しています。

原文を読む →

科大讯飞、クラウドとデバイスを統合する大規模モデル「星火 X2.6」を発表

模型发布

科大訊飛は端末・クラウド一体型大規模モデル「星火 X2.6」を発表し、4B パラメータの端末向けモデルをオープンソース化した。シリーズは試用可能で、公式発表の期間限定料金は100万 tokens 当たり入力0.9元、キャッシュヒット0.08元、出力3.6元となる。

科大訊飛はグローバル1024開発者フェスティバルで、端末・クラウド一体型大規模モデル「星火 X2.6」を公開するとともに、端末向けモデル X2.6-4B をオープンソース化した。シリーズは現在、訊飛星火の公式サイトで試用できる。公式の説明によると、X2.6 は中国国産の計算資源で学習し、293B-A30B MoE アーキテクチャを採用している。1M のコンテキストに対応し、コードと Agent の能力を強化したほか、タスクの場面に応じて安全ポリシーをカスタマイズできる。期間限定の推論料金は100万 tokens 当たり、入力0.9元、キャッシュヒット0.08元、出力3.6元となる。一方、端末向けの X2.6-4B は4B パラメータの Dense アーキテクチャを採用し、200を超える言語と1M の推論コンテキストに対応する。3段階の推論モードを新たに備え、推論サービスは期間限定で無料となる。

原文を読む →

上海人工智能实验室、Sage-A1.5を公開

模型发布

上海人工智能実験室は書生-A1.5（Sage-A1.5）を公開し、モデルの重みを開放した。総パラメータ数は35B、アクティブパラメータ数は3Bで、同実験室によると、エージェントのオーケストレーション、自律的な検証、オープンエンドな科学探索の能力向上に重点を置いている。

上海人工智能実験室は書生-A1.5（Sage-A1.5）を公開し、Hugging Faceと魔搭でモデルの重みを提供している。vLLM、SGLangなどのフレームワークによるローカル展開に対応し、無料で試用できる窓口も用意されている。モデルはMoEアーキテクチャを採用し、総パラメータ数は35B、アクティブパラメータ数は3Bとなる。256Kのコンテキストをネイティブにサポートし、YaRNによって512Kまで拡張できる。公式説明によると、相互に独立したコンテキストを持つサブエージェントにタスクを割り当てて並列実行できるほか、推論中に証拠を確認して戦略を調整できる。能力向上の重点には、エージェントのオーケストレーション、自律的な検証、オープンエンドな科学探索が含まれる。オーケストレーションと検証の両モードはデフォルトでは無効で、必要に応じて有効にする。

原文を読む →

Canva、初の自社開発画像モデルCraftを発表

模型发布

Canva は初の自社開発画像モデル Craft を公開し、世界中のユーザーと API 開発者への提供を開始した。最大 2K の出力に対応し、公式発表によると、DesignArena への初登場で第 4 位、2 つの部門で第 1 位となった。

Canva は、社内 AI 研究所 Canva Research がゼロから学習させた初の基盤モデル Craft を発表し、発表時点で世界中の Canva ユーザーに提供するとともに、Public API と Canva MCP Server 経由のアクセスも用意した。ユーザーは Dream Lab で利用でき、開発者はマーケティングプラットフォーム、EC サイト、広告制作ツール、印刷サービスに組み込める。公式説明によると、Craft は DesignArena の画像生成モデルランキングに初登場で第 4 位となった。People & Portraits では 87 モデル中、Landscapes & Nature では 85 モデル中でそれぞれ第 1 位となり、Abstract & Patterns では第 2 位、Products では第 4 位となった。

公式説明によると、Craft は構図の計画と画像のレンダリングを 2 段階に分け、要素、空間関係、比率、視覚的階層、文字を先に決めてから、最大 2K、30 種類を超えるアスペクト比に対応する画像を生成する。この構造は個別要素の修正に対応し、Magic Layers と組み合わせて生成画像を編集可能なデザイン要素に変換できる。学習データには Canva のコンテンツライブラリにある数百万点の人手で制作されたテンプレートが含まれ、その後、supervised fine-tuning と reinforcement learning を通じてプロのデザイナーのフィードバックを取り入れた。同社はまた、モデル蒸留と専用の推論エンジンにより、Craft は最初の社内版よりも 1 桁高速になったと説明している。Craft-fast と Craft-ultrafast の 2 つの派生モデルは今後提供される予定となっている。

原文を読む →

Ideogram、ベクトルモデルIdeogram Vectorを発表

模型发布

Ideogram は矢量モデル Ideogram Vector を公開し、テキストによる説明や既存画像から編集可能な SVG を生成できるようにした。公式によると、ロゴ、印刷デザイン、イラストに利用でき、矢量エディターで色や個々の形状を変更できる。

Ideogram は Ideogram Vector を公開し、テキストによる説明から SVG を生成する方法と、既存画像を編集可能な矢量画像に変換する方法の2つを提供している。原文には公開日の記載がない。テキストで説明を入力する場合は、参照画像を任意で追加できる。既存画像を直接アップロードして変換する場合は、テキストによる説明は不要となる。公式の説明によると、生成結果はロゴ、印刷デザイン、イラストに利用でき、小さなラベルから大きなポスターまで拡大しても輪郭の鮮明さを保てる。ユーザーは矢量エディターで SVG の色を変更し、個々の図形要素を選択して細部を修正することで、デザインを調整できる。

原文を読む →

Hugging Face、オープンソースDNAモデルCarbon-Xを公開

模型发布

Hugging Face は、1T tokens、約 6T DNA 塩基対で学習したゲノムモデル群 Carbon を公開した。7 件の zero-shot DNA 評価コードとタスク別の微調整手順を提供し、事前学習データの原核生物の割合は 10% となっている。

Hugging Face は、ゲノム向け causal language models のモデル群 Carbon と、評価・微調整用コードを GitHub で公開した。原文には公開日の記載がない。このプロジェクトは、Hugging Face、中関村学院、TIGEM／ナポリ・フェデリコ2世大学の研究チームによる共同研究である。プロジェクトの説明によると、モデルは Carbon Pretraining Corpus の DNA と RNA 配列を用い、1T tokens、約 6T DNA 塩基対で学習した。データ構成は真核生物を対象としており、原核生物の割合は 10% である。hybrid tokenizer は英語に BPE、DNA に 6-mer を使い、配列内の <dna> タグで切り替える。

開発者は、同じ backend flag を使い、リポジトリが提供する 7 件の zero-shot DNA 評価を Carbon、GENERator、Evo2 で実行できる。プロジェクトの説明では、この仕組みによってモデル群をまたいだ結果の直接比較が可能になるとしている。zero-shot variant scoring では、配列全体を入力して log-likelihood を読み取る。微調整コードには、Transformers Trainer と AutoModelForSequenceClassification による promoter detection の例と、独自の FNSTrainer を使う自己回帰型 DNA モデリングの手順が含まれる。後者は Factorized Nucleotide Supervision（FNS）を採用し、DNA k-mer tokens に対して塩基対単位の loss を計算する。また、AutoModelForCausalLM でモデルを読み込み、<dna> タグ付き配列と next-token loss を使って継続事前学習を行う構成にも対応している。

原文を読む →

蚂蚁数科、LingDT-Decision-1.0を公開

模型发布

蚂蚁数科はソフトウェア開発の意思決定向けモデル LingDT-Decision-1.0 を発表した。4B と 27B を用意し、API は DTMaaS のみで提供、10 月 30 日まで期間限定で無料とするが、原文に年の記載はない。

蚂蚁数科は、ソフトウェア開発の意思決定タスクを対象とする LingDT-Decision-1.0 をリリースしたが、公開日は明らかにされていない。無料期間は 10 月 30 日までで、原文に年の記載はない。モデルは複数選択と DAG による意思決定をネイティブにサポートし、4B と 27B のバージョンを用意する。API は DTMaaS のみで提供される。1 リクエストのコンテキスト上限は 16K、質問数は最大 32、選択肢数は最大 255。同社の評価によると、27B 版の総合正確性は Microsoft Decision-1 と Jev 1.13.0 を上回る。同社はまた、汎用 LLM で同じタスクを処理する場合と比べ、token 消費量は 90% 少なく、応答速度は 10 倍速いとしている。

原文を読む →

米哈游など、GameScalingモデルをオープンソース化

模型发布

GameScaling の結果では、データの増加は訓練コーパス内のゲーム性能を改善し、データの多様性は近い世界への転移を助ける一方、遠い世界での効果は限定的だった。大きなモデルは学習が速いものの、単一世界での訓練では遠い世界への汎化が悪化した。

GameScaling は、データ量、データの多様性、モデル規模がゲーム性能と世界をまたぐ汎化にそれぞれ異なる影響を与えると報告した。その結果によると、モデル規模の拡大は学習を速めるが、単一の世界だけで訓練した場合、大きなモデルほど遠い世界での汎化性能が低くなる。データについては、量を増やすことで改善するのは訓練コーパス内のゲーム性能であり、多様性を高めると関連する世界への転移が促される。ただし、転移先が遠い世界の場合、その効果は限定的だった。

原文を読む →

蚂蚁百灵、研究ワークフロー向けの医療強化モデルをオープンソース化

模型发布

蚂蚁百灵は、医療研究とワークフロー向けの Ling-3.0-flash-Sante をオープンソース化した。総パラメータ数は1240億、token ごとの有効パラメータ数は51億で、重みは Hugging Face と ModelScope で入手できるが、単独での診療判断には使用できない。

蚂蚁百灵は、医療機能を強化した MoE モデル Ling-3.0-flash-Sante のオープンソース化を発表し、Hugging Face と ModelScope でモデルの重みを公開した。同モデルは医療機器ではなく研究モデルと位置づけられており、単独で診断、処方、トリアージ、治療判断を行うことは認められていない。総パラメータ数は1240億で、token ごとに51億パラメータが有効になり、学習時のコンテキストは256K token に拡張されている。公式説明によると、医療研究とワークフローを対象とし、専門的な医療タスク、複雑な医学的推論、深掘り調査、複数 Agent の連携、ツール呼び出しの能力を強化している。

原文を読む →

百灵、Ling-3.1-flash-1019を公開

模型发布

蚂蚁百灵が Ling-3.1-flash-1019 を公開した。公式発表によると、Intelligence Index のスコアは 41 から 44 に上がり、Agent 関連の評価2項目も改善したが、API アクセスとオープンウェイトの提供は今後となる。

蚂蚁百灵は Ling-3.1-flash-1019 を公開し、Ling-3.1-flash との評価比較を発表した。API アクセスとオープンウェイトはまもなく提供される予定となっている。公式の説明によると、Agent タスクの評価2項目では、AA-Briefcase Elo が約 1400 から 1524 に、AutomationBench-AA のスコアが 62% から 68% に上がった。また、公式発表では、新モデルの Artificial Analysis Intelligence Index のスコアは 41 から 44 に上がったとしている。

原文を読む →

Claude、来週から3つのサブスクリプションプランで自動モードをデフォルトで有効化

产品应用

Anthropic は、発表でいう翌週から、Pro、Max、Team の契約者が開始する Claude の新規会話で自動モードを標準設定にすると発表した。対象は Web、デスクトップ、モバイルの各 App で、ユーザーはいつでも手動モードに戻せる。

Anthropic は、発表でいう翌週から Claude の会話の標準モードを変更すると発表した。対象は、Pro、Max、Team の3つのプランの契約者が Web、デスクトップ、モバイルの各 App で開始する新規会話となる。同社の説明によると、自動モードでは操作ごとにユーザーの承認を求めず、自動チェックによって安全な操作を許可し、リスクのある操作を遮断して、Claude に別の経路を探させる。この標準設定によってユーザーによるモード選択が制限されることはなく、いつでも手動モードに戻せる。

原文を読む →

Gemini App、インタラクティブアプリのGoogle Sitesへのエクスポートに対応

产品应用

Google は、Gemini App のインタラクティブなアプリを Google Sites に直接エクスポートする機能を、ウェブ版、Android、iOS の3つのプラットフォームで提供開始した。コードのコピーやアプリの再構築なしで、操作機能を保持した非公開サイトの下書きを作成できる。

Google は、Gemini App のインタラクティブなアプリを Google Sites にエクスポートする機能を、ウェブ版、Android、iOS で提供開始した。対象は、Gemini App にアクセスできる Google Workspace の顧客、Workspace Individual の契約者、個人の Google アカウントユーザーで、Google Sites が有効になっており、サイトの作成と編集の権限を持つ必要がある。Google の説明によると、エクスポートすると新しい非公開サイトの下書きが作成され、アプリの操作機能は保持されるため、コードのコピーやアプリの再構築は不要となる。下書きにはコンテンツを追加してカスタマイズでき、その後に公開、共有できる。

原文を読む →

Grok Bot、スマートフォンアプリの操作機能を順次提供開始

产品应用

Grok Bot チームは、カレンダー、リマインダー、連絡先などのスマートフォンアプリを操作する機能を iOS と Android に段階的に提供すると発表した。公開した画面には6種類の権限が並び、メッセージの読み書き、予定の追加、家庭内機器の操作などの用途を示している。

Grok Bot チームは、スマートフォンアプリの操作機能を iOS と Android に段階的に提供中で、Grok Bot がカレンダー、リマインダー、連絡先などのアプリを利用できると発表した。チームが公開した画面には、メッセージ、位置情報、カレンダー、ホーム、リマインダー、連絡先の6種類の権限が表示されている。チームの説明によると、メッセージの読み書き、近くの場所の検索、予定の追加、家庭内機器の操作に利用できる。別の情報源である Tech Dev Notes は、Grok Bot が現在 Apple Calendar、Alarms、Reminders、Location、Home、Contacts にアクセスできるとしている。

原文を読む →

1Password、Agent向け認可ログインプラットフォームを発表

产品应用

1Password は 2026 年 10 月 22 日、個人向け AI Agent のログイン承認プラットフォームを発表した。公式説明によると、ユーザーの承認後、対象サイトに認証情報を直接入力し、パスワードやワンタイムコードを Agent に開示せずにタスクを継続させる。

1Password は 2026 年 10 月 22 日、個人向け AI Agent にユーザー承認型のログイン機構を提供する 1Password for Agents を発表した。公式説明によると、Agent がログインページに到達すると、ユーザーの vault 内の認証情報の使用をリクエストできる。ユーザーが 1Password で内容を確認して承認すると、1Password が対象サイトに直接自動入力し、Agent にはパスワードやワンタイムコードを見せない。ユーザーは使用を許可するログイン情報を選択でき、連携はいつでも解除できる。連携の提供時期は製品ごとに異なり、Meta の Muse と SpaceXSI Grok Bot は発表後の数日間で全プラットフォームに順次展開される。Anthropic の Claude Duet、OpenAI ChatGPT Work と dots の連携は今後提供予定で、Town Townie の web および iOS 連携もまだ提供されていない。同社は個人向け Agent の開発者にも、ログイン承認フローを組み込むためのプラットフォームとして提供している。

原文を読む →

Claude、数週間で123のオープンソースライブラリの安全性証明を作成

技术与洞察

Anthropic は Theorem と協力し、Claude を使って数週間で 123 のオープンソースライブラリの安全性に関する形式的証明を生成した。公式説明では、証明は特定条件下の実行時の安全性を対象とし、あらゆる種類の脆弱性が存在しないことを示すものではない。

Anthropic は、Theorem との共同プロジェクトで Claude を使用し、数週間で 123 のオープンソースライブラリについて RISC-V assembly code レベルの安全性に関する証明を完成させたと公表した。同社の説明によると、対象プログラムは Linux OS を使用する RISC-V CPU 上で、固定メモリ予算の単一スレッドの static binary として実行される。この前提の下で、64 MB 未満のすべての入力と、モデルが扱うすべての Linux OS の応答およびメモリ配置に対し、プログラムはメモリ安全性エラーや assertion の失敗を起こさず正常終了する。これは、考えられるすべての脆弱性を排除することを意味しない。プロジェクトでは、既存のコンパイル可能な test suites を specification に自動変換し、テストが常に成功することを規則とした。公式説明では、Claude は証明の作成中に、数兆回のテストでも検出されなかった脆弱性も発見した。Anthropic は外部での検証と再利用に向け、証明の一部と RISC-V および OS semantics を公開している。Theorem も他のオープンソースプロジェクト向けに同じ処理フローを提供し、開発者によるコード検証を支援する Claude skill を公開している。

原文を読む →

評価でOpenAIの過去の内部監視の脆弱性が明らかに

技术与洞察

METR は、同団体と Redwood Research の職員が3週間のテストで OpenAI の内部監視システムに複数の脆弱性を発見し、61ページの報告書にまとめたと公表した。OpenAI は本番環境の防護に影響する問題を修正済みとしているが、評価側は検証していない。

METR は2026年10月22日、同団体と Redwood Research の職員が、広範なアクセス権を用いた3週間のテストで、当時の OpenAI の内部ミスアラインメント監視システムに未発見の脆弱性を複数見つけたと公表した。テストでは、Agent の推論のうち監視対象となる割合の推定と、Agent が原理上、監視を停止または妨害できるかの確認に重点を置いた。対象はテスト開始時およびそれ以前のシステムで、当時進行中だった変更は含まず、拡張後のシステムの現在のカバレッジも確認していない。OpenAI は、本番環境の防護に影響する特定済みの脆弱性をすべて修正し、その後、想定する監視範囲も変更したと説明しているが、評価側はこれらを検証していない。

テストに参加した職員2人は、内部コードベース、監視用 prompts、設定、文書を閲覧し、研究者やエンジニア約12人に聞き取りを行った。使用した OpenAI の端末は施設外への持ち出しが禁止され、施設内では付き添いがあった。61ページの内部報告書は OpenAI の研究・セキュリティ担当者に共有され、OpenAI が編集・削除を施した38ページ版は METR と Redwood の幹部に共有された。この試行は、外部研究者に内部インフラへのアクセスを認める方法を探る目的で実施され、3者は事前に短い概要のみを公開すると合意していた。OpenAI は機密またはセンシティブと判断した情報を削除する権利を持ち、評価側にはその削除内容を一方的に開示する権利はなかった。

原文を読む →

Google CEO、3.5 Proが登場しなかった理由を説明

技术与洞察

Google と Alphabet の CEO、Sundar Pichai は、Gemini 4 Argon が最初の72時間で約25兆 tokens を処理し、Gemini 3 の同期間の約3倍に達したと説明した。Google は計算資源の制約に直面し、利用範囲を広げるため、より効率的なバージョンを開発している。

Google と Alphabet の CEO、Sundar Pichai は、Gemini 4 Argon の提供拡大後に Sources のインタビューに応じ、計算資源の制約に対応して利用範囲を広げるため、Google がより効率的なモデルのバージョンを開発していると述べた。同氏によると、Argon は最初の72時間で約25兆 tokens を処理し、Gemini 3 が前年の同じ時間枠で処理した量の約3倍となった。同氏は、Google が今年リリースのペースを上げる必要があったと認め、Gemini 4 でもそのペースが続くとの見通しを示した。消費者向け Agent については、企業向け Agent を支える機能を Gemini に導入していると説明した。これには24時間体制でタスクを実行する機能が含まれ、会話、定時タスク、バックグラウンド作業を同じ入口で扱い、今後数か月で利用範囲を拡大するという。また、Agent が Google の製品間でユーザーのコンテキストを引き継ぐことで、ある製品で始めたタスクを別の製品で継続できると述べた。

原文を読む →

Microsoft、AIによる救急診断の研究を公表

技术与洞察

Microsoft AIは逐次診断の研究結果を公表した。MAI-DxOとOpenAI o3の組み合わせは、NEJMの304症例で構成するベンチマークで正診率85.5%を記録し、比較対象の医師21人の完了症例における平均正診率は20%だった。

Microsoft AIは、診断オーケストレーションシステムMAI-DxOとSequential Diagnosis Benchmark（SD Bench）の評価結果を公表し、MAI-DxOがすべての評価対象モデルの診断性能を向上させたと説明した。SD BenchはNEJMの304症例を段階的な診断タスクに再構成したもので、参加者は順次質問や検査の依頼を行い、新たな情報に基づいて判断を修正し、最終的にNEJM掲載の診断結果と照合する。各検査には仮想的な費用も計上され、正診率とリソース支出を併せて測定する。評価対象の基盤モデルにはGPT、Llama、Claude、Gemini、Grok、DeepSeekが含まれる。同社の説明によると、MAI-DxOは複数の医師による協働を模し、次の行動を決める前に費用を確認して推論を検証する。OpenAI o3との組み合わせが最も高い正診率85.5%を記録した。比較対象は米国と英国の臨床経験5–20年の現役医師21人で、完了症例における平均正診率は20%だった。

原文を読む →

StartLux、意思決定モデル向け推論エンジンPrismを発表

技术与洞察

原文を読む →

Artificial Analysis、Coding Agent Index v2.0を公開

技术与洞察

原文を読む →

OpenAI、ICBAと提携し地域銀行のAIサイバー防御を支援

行业动态

原文を読む →

彭博社：DeepSeek、約1,000億元を調達

前瞻与传闻

原文を読む →