2026-11-03

研究者、GPT-6 Astra がモデルの重みを直接書き換えると指摘

要闻

研究者の Rikiya Takehi は、GPT-6 Astra が勾配を使わずにモデルの重みを直接書き換えられると報告した。Qwen3.5-0.8B の重みの 0.016% を変更すると、MATH-500 のスコアが 7.9% から 48.1% に上がったという。

研究者の Rikiya Takehi は、公開日の記載がない記事で Weight-Space Programming の実験を報告し、GPT-6 Astra が optimizer や gradient descent を介さずにニューラルネットワークの重みを直接読み書きできると述べた。その説明によると、Astra に学習ループの記述を認めない条件で、Qwen3.5-0.8B の model card に記載された推論ループの問題を修正するため、重みの 0.016% を変更した。同じサンプリング設定で、MATH-500 のスコアは 7.9% から 48.1% に上がり、IFEval は元の 3 倍になったという。また記事は、Astra が環境からのフィードバックなしでゼロから作成した小型のゲーム用ネットワークが、PPO で 1 億ステップ学習したネットワークを上回ったとしている。重みの読み取り実験では、Astra はゲームの選択肢を与えられず、生の重みだけから四つのネットワークそれぞれの学習対象のゲームを正しく識別したという。円、三角形、正方形をそれぞれ生成する DDPM についても、ツールの使用や forward pass の実行を認めない条件で形状を識別したが、実際には塗りつぶされた形状を生成するモデルであるのに、輪郭として描いたと報告している。

原文を読む →

OpenAI、自社開発の Git バックエンド Pando を本番導入、プッシュ遅延の中央値を約80%削減

要闻

OpenAI は独自の Git バックエンド Pando をモノレポ開発に導入し、push のレイテンシ中央値が約 80% 低下したと説明した。着手から本番稼働までは 10 週間で、エンジニアと agent は既存の Git ワークフローを変更せずに利用できる。

OpenAI は、独自の Git バックエンド Pando が本番稼働に入り、同社のモノレポにおけるすべての開発作業を支えていると公表した。原文には具体的な稼働開始日は記載されていない。同社の説明によると、移行後は push のレイテンシ中央値が約 80% 低下し、merge の信頼性も改善した。Git データの配信量は 1 日あたり約 1 PB に達し、1 時間で 57 TB を超えたこともある。エンジニアと agent は従来の Git ワークフローを継続して利用できる。以前は、Codex による並列開発の規模拡大に既存システムが対応できず、push と fetch の遅延や merge の失敗が発生し、信頼性が一時 90% を下回った。Pando は Rust で記述され、着手から本番稼働までに要した期間は 10 週間だった。中核設計は 1 人のエンジニアが担当し、実装は複数の agent チームが担った。Git クライアントの改善の一部は upstream に還元されている。

原文を読む →

Kimi、ゲーム開発とクリエイティブ業務向けソリューションを発表

产品应用

Kimi は、プラグインで専門ソフトウェアに接続し、既存プロジェクトを操作するゲーム開発・クリエイティブ業務向けソリューションを発表した。公式説明では、プログラミング経験の乏しいチームでも 1～2 日でプレイ可能なプロトタイプを制作でき、正式開発とリリース後の運営にも対応する。

Kimi はゲーム開発・クリエイティブ業務向けソリューションを発表したが、原文には発表日の記載がない。このソリューションは Kimi K3.1 Pro モデル、Kimi Code、Kimi Work シリーズの Agent を基盤とし、プラグインを通じて Unity、Unreal Engine、Blender などの専門ソフトウェアに接続し、既存プロジェクトを直接操作できる。公式によると、プログラミング経験の乏しい企画担当者やクリエイティブチームは、正式なプロジェクト開始前に 1～2 日でプレイ可能なプロトタイプを制作し、プレイ体験に基づいて投資するかどうかを判断できるという。正式開発段階では、プロジェクトファイルと必要な権限を取得した後、コード構造を整理し、エンジンのエディター内で変更を行い、実行データと併せて検証できると説明している。リリース後の用途には、ユーザー獲得用素材の制作、ゲーム内アシスタント、コミュニティのフィードバック整理、コンテンツのローカライズ、コンテンツ審査が含まれる。

原文を読む →

阿里云、AI 投資調査ワークベンチ Qovest を発表

产品应用

アリババクラウドは、専門投資家向けの AI 投資リサーチワークスペース Qovest を発表した。調査依頼からのレポート作成と継続追跡に対応し、個人向け招待制テストでは登録時の付与ポイントで無料試用でき、今後の購読料は月額 99 元または 199 元となる。

2026 年 11 月 3 日付の「橘鸦 AI 早报」によると、アリババクラウドは専門投資家向けの AI 投資リサーチワークスペース Qovest を発表し、個人ユーザー向けの招待制テストを開始した。新規ユーザーには登録後に無料試用に使えるポイントが付与され、今後は月額 99 元または 199 元の購読プランが提供される。製品説明によると、ユーザーが一文で調査依頼を入力すると、Qovest はデータ検索、資料収集、掘り下げた分析、レポート作成を自動で行い、設定した頻度で調査対象を継続的に追跡できる。調査結果は投資リサーチ用のスペースに保存され、単発の質疑応答で終わるのではなく、同じ調査を後から継続する際に利用できる。

原文を読む →

商汤、SenseNova 6.8 Flash の正式版を公開、期間限定で無料提供

模型发布

商湯は SenseNova 6.8 Flash の正式版を公開し、現在は期間限定で無料提供している。公式は営業フォローと異動時の引き継ぎを例に、製品更新と過去の顧客要望の関連付けや、利用許可済みの過去資料に基づく顧客情報の整理を説明している。

商湯は SenseNova 6.8 Flash の正式版を公開し、現在は期間限定で無料提供しているが、提供資料には公開日と無料期間の記載がない。公式が示した業務用途は、顧客情報の引き継ぎと営業案件のフォローにまたがる。同社の説明によると、従業員の異動時には、モデルが利用許可済みの過去の業務資料から、商談の進捗、未解決の要望、顧客のフィードバック、連絡時の注意事項を整理し、後任者に提供できる。別の事例では、企業向け AI 製品がプライベート環境への導入に対応していなかったため、顧客が取引を断っていた。1か月後の製品更新でその機能が追加されると、モデルは営業定例会の報告準備中に、機能変更と記録済みの要望を関連付け、その顧客への再アプローチを営業担当者に自発的に通知したという。

原文を読む →

TRAE 宝、期間限定で無料提供：質問応答とタスクでポイント消費なし

开发生态

TRAE は、パーソナルアシスタントの TRAE 宝を11月8日23:59まで期間限定で無料提供すると発表した。最新版のデスクトップアプリにログインすると、質問やタスクの指示でポイントを消費しない。同アシスタントはタスクを分割して並列実行できるが、公式説明では現在、動画生成には対応していない。

TRAE は、開発者向けパーソナルアシスタントの TRAE 宝について、発表時点から11月8日23:59までの期間限定無料提供を開始し、最新版の TRAE デスクトップアプリにログインして質問やタスクの指示を行ってもポイントを消費しないと発表した。原文には年の記載がない。同社の説明によると、TRAE 宝はプロジェクトをまたいでユーザーの計画や意思決定を理解し、複雑な要求を複数のサブタスクに分けて並列実行できる。ユーザーは前のタスクの完了を待たずに、次のタスクを指示できる。タスクをバックグラウンドで進めた後、ユーザーの判断が必要な質問、未確定事項、成果物をまとめて返す。公式説明では、TRAE 宝は現在、動画生成には対応していない。

原文を読む →

ZCode、公式プラグイン3種を公開、Web プロジェクトをワンクリックでデプロイ可能に

开发生态

ZCode はバージョン 3.17.1 で、Computer Use、Browser Use、ZCode Sites の公式プラグイン3種類を公開した。ローカルのデスクトップやブラウザの操作と、Webプロジェクトをワンクリックで公開リンクにするデプロイに対応する。

ZCode はバージョン 3.17.1 のリリースに合わせて、コンピューター操作、ブラウザ操作、Webデプロイの機能をそれぞれ提供する公式プラグイン Computer Use、Browser Use、ZCode Sites を公開した。利用者はまずプラグインマーケットで該当するプラグインをインストールして有効にし、/computer-use、/browser-use を入力するか、自然言語でコンピューターやブラウザの操作を指示する。公式の説明によると、最初の2種類は画面の内容を理解してローカルのデスクトップソフトやブラウザを操作でき、OAのフォーム入力や画像・テキストの調査に利用できるほか、ブラウザを開いてWebページのインタラクションをテストし、問題を修正することもできる。ZCode Sites は、作成済みのWebプロジェクトをワンクリックでデプロイし、一般公開されたオンラインリンクを生成するためのものとなる。

原文を読む →

Anthropic Message API、message threads のパブリックベータを開始

开发生态

Anthropic は Messages API で message threads の公開ベータを開始した。サーバー側で会話をキャッシュし、毎回の全履歴の再送を不要にする。公式によると、Claude Code の大半のユーザーでデフォルト有効となり、token 使用量と標準料金は変わらない。

Anthropic は Messages API で message threads の公開ベータを提供開始した。開発者が有効にすると、各ターンで送信するのは新しいメッセージと直前のメッセージ ID のみとなり、会話履歴はサーバー側でキャッシュされる。公式の説明によると、この機能は Claude Code に組み込まれ、大半のユーザーでデフォルトで有効になっている。50 万〜100 万 token のリクエストでは、最初の token を受信するまでの待ち時間の中央値が約 35% 短縮し、長い会話でのリクエスト 1 件のサイズの中央値は約 800 KB から 1.8 KB に減少したという。

threads が削減するのは履歴メッセージの重複送信であり、Claude が各ターンで会話全体を読み込む仕組みは変わらない。そのため、token 使用量は変わらず、標準の token 料金と既存のレート制限が引き続き適用される。thread は最後のリクエストから 5 分後に期限切れとなるため、開発者は引き続きアプリケーション側で会話のコピーを保存する必要がある。この機能はすべてのモデルで利用できるが、Message Batches によるバッチ処理、token カウント、会話の圧縮には対応していない。

原文を読む →

OpenAI、AI の日常タスク遂行能力を測るベンチマーク LifeVal を公開

技术与洞察

OpenAI は、介護、健康、教育などの日常タスクを対象とする LifeVal を公開した。同社によると、過去1年間に、同基準の重み付けなしの平均報酬で測った成績は GPT-5.2 の 49.3% から GPT-6 Astra の 80.6% に上昇した。

OpenAI は、AI が日常タスクの遂行を支援する能力を測る LifeVal を公開した。原文には具体的な公開日の記載がない。対象は介護、健康、教育、家庭の事務手続き、個人の財務、買い物、政府サービスの利用を含む。同社によると、過去1年間、LifeVal をモデルの評価と改善に使用しており、重み付けなしの平均報酬による成績は GPT-5.2 が 49.3%、GPT-6 Astra が 80.6% だった。同社の説明では、基準の構築には数千人の ChatGPT ユーザーの意見を用い、タスクの設計では米国の時間使用調査と複数国の時間使用研究を参考にしたほか、人口構成を代表する 3995 人を対象とした調査を新たに加えた。同社は、学術的な評価を超え、モデルが一般の人々の生活上の実務を支援できるかを検証することが目的だとしている。

原文を読む →

OpenAI、活性化分類器を導入、モデルのポリシー違反出力をリアルタイムでブロック

技术与洞察

OpenAI は GPT-5.6 から、すべての assistant 出力に activation classifiers を追加し、モデル内部の信号で違反内容を監視している。同社によると、生成途中で出力を止められる一方、ラベル付きデータに依存し、新たな事前学習済み基盤モデルごとに再学習が必要となる。

OpenAI は GPT-5.6 から、すべての assistant 出力で activation classifiers を稼働させ、テキスト分類器に加える監視層として、最も高性能なモデルの社内外のトラフィックに導入している。同社の説明によると、probes とも呼ばれるこの軽量 ML モデルは、モデル内部の residual stream activations を読み取り、出力が違反に当たるかなどをスコア化する。生成中にスコアが閾値を超えるとメッセージを検知対象とし、違反する出力を途中で遮断できる。学習データは合成対話と非識別化した対話を組み合わせ、通常は最大 100 万件のメッセージを使用し、同社で最も高性能な reasoning models が LLM judges としてラベルを付ける。ハイパーパラメータの各設定について通常は少なくとも 32 通りのランダム初期化で学習し、検証データで選定した後、取り分けた評価データで性能を確認する。同社によると、probes が検知できるのは既知かつ測定可能な不適切な活動に限られ、新たな事前学習済み基盤モデルごとに再学習が必要となる。同じモデル系列でも、重みが学習時の checkpoint から離れると性能が低下する可能性がある。記事中の実験結果は、導入済み分類器の性能を必ずしも代表しない。

原文を読む →

腾讯混元、Hyra 2.0 を発表：問題を解く AI からツールを作る AI へ

技术与洞察

テンセント混元は自動化科学研究システム Hyra 2.0 を公開し、Agent の役割の重点を再利用可能な研究ツールの開発・改良へ移した。システムは3層の役割分担を採用し、一部の操作には人間の承認を要する。同社は成果を GitHub で継続公開するとしている。

テンセント混元は自動化科学研究システム Hyra 2.0 を公開し、すでに一群のツールの開発・改良を完了している。今回のシステムは、Agent が科学上の問題を直接解くことではなく、再利用可能な科学モデル、研究ワークフロー、ソフトウェアツールの開発と改善に重点を置く。実行面では、Overall、Mission、Worker の3層でタスクを編成し、企業微信、計算プラットフォーム、コードリポジトリと接続する。多くの計算リソースを消費する操作や共有知識の同期に関わる操作には、人間の承認が必要となる。テンセント混元は、関連成果を GitHub リポジトリ Tencent-Hunyuan/hyra-results で継続的に公開するとしている。

原文を読む →

SemiAnalysis、GDPx ベンチマークを公開、最高性能のモデルでもスコアはわずか12%

技术与洞察

SemiAnalysis が汎用 Agent 能力を測る GDPx を公開し、最高スコアは 12% にとどまった。ソフトウェア開発や再帰的自己改善などを対象とし、同社によると安全分類器が一部モデルの総合点に影響している。

SemiAnalysis は汎用 Agent 能力を評価する GDPx を公開したが、提供された原文には公開日の記載がない。同社の説明では、最も成績の良いモデルでもスコアは 12% にとどまる。対象分野は GDP の構成比や SOC/O*NET の職業分類ではなく、フロンティア知能の潜在的な活用価値を基準に選び、ソフトウェア開発や再帰的自己改善（RSI）などを含める一方、政府、不動産、保険は含めていない。同社は、AI による最初の 1 兆ドルの収益は経済全体に均等に広がるのではなく、高い ROI でフロンティア知能を導入できる業界に集中すると考えている。

同社の説明によると、Opus 5.5 は総合的な成績が最も良く、量的取引、ハードウェア設計、チップ設計で首位となった。GPT-6 Astra は RSI と材料科学、Gemini 4 Carbon は生物学とソフトウェア開発で首位となった。金融と法律のタスクでは、ほぼすべてのモデルがちょうど 0 点だった。同社は、安全分類器が Opus 5.5 や GPT-6 Astra などの総合点を押し下げているとして、サイバーセキュリティ、生物学、alignment の 3 分野を除外した結果も別途示した。各分野のタスク作成では専門の RL environment スタートアップと提携し、すべての提携先に QA プロセスを実施したとしている。

原文を読む →

Anthropic、第3四半期の売上高は169億6,000万ドル、前年同期比1127%増

行业动态

原文を読む →

Anthropic、利用ポリシーを更新、Claude の無断再販や代理提供を禁止

行业动态

原文を読む →

OpenAI、Grid Protectors 計画を発表、コンピューティング拠点で電力網のピーク負荷を削減へ

行业动态

原文を読む →

アブダビと OpenAI、政府・エネルギー・投資分野で4件の協定を締結

行业动态

原文を読む →

サウジアラムコ、HUMAIN の株式49%を取得

行业动态

原文を読む →

The New York Times、コンテンツをスクレイピングして AI 向けに販売したとして Brave を提訴

行业动态

原文を読む →