Lilith.
⌕

Lilith · 厳選ニュース

ニュース

AIで本当に起きていること。宣伝ノイズ抜きで、選び抜いた話題と文脈と意見を。

Atomフィード ↗
#anthropic· × <built-in method clear of dict object at 0xefe3a4928940>
公開

OpenAIとAnthropic、open-weightモデルを支えた可能性のある近道を封じる

OpenAIは内部評価で保護された推論を抜き出す攻撃の成功率を54.0%から0.2%へ下げ、Anthropicは抽出されたトークンが90%から99%減ったと報告した。Ethan Mollickはopen-weightモデルの進歩を鈍らせる可能性を指摘するが、現時点では測定結果ではなく仮説だ。

公開
公開

GPT-6.2 Astraは20%値下げ、独立テストはベンチマークの熱気を冷ます

OpenAIはGPT-6.2 AstraとSolをChatGPT Work、Codex、API向けに公開した。Astraは入力100万トークン当たり8ドル、出力は40ドルだが、Simon Willisonの実地テストは、値下げだけでは長時間のエージェント作業が安定しないことを示している。

公開

Anthropicがsubagentの大群に見直しを迫る。組織図はアーキテクチャではない

Anthropicは、一部の専門subagentをskillsとtoolsを備えた単一のagent loopへ統合するよう企業に勧めている。同社の導入事例では品質向上とコスト、遅延の削減が多く見られたというが、示されているのは一般的なbenchmarkではなく顧客事例だ。

公開

1つのpromptから生まれたDatasetteの地図、実用性を支えるのは慎重な制限設計

Simon Willisonが、DatasetteをMapLibre GLとOpenFreeMapにつなぐdatasette-maplibreの初回アルファ版を公開した。コードの大半はClaude Fable 5.2が1つのpromptから生成したが、実務で注目すべきは負荷の高いWebGL地図を制御する設計だ。

公開

Claude Duetは仕事を見張れるが、緊急性と朝の焦りをまだ区別できない

Claude Duetを1週間使った試験では、メール、カレンダー、文書、Slackを横断する監視が役立つ一方、口調や本当の緊急性を読む判断は弱かった。先回りするagentには、作業の完了より難しい課題がある。ユーザーを放っておくべき時を知ることだ。

Anthropicのモデル開発は1.9倍に加速、ただし重要な根拠は非公開

METRは、Anthropicの社内モデル能力が2025年10月以降、以前の1.9倍の速度で伸び、その加速の大半は研究でのAI利用による可能性が高いと推定した。ただし結論の一部は、Anthropicが非公開にした証拠に依存する。

公開

Simon Willison、AI支援で作った244個のツールをtree-sitterで棚卸し

Simon Willisonは、主にAI支援で作った244個のWebツールをtree-sitterで解析し、実際のコードからタグを付けた。小さなサイト改善だが、AIにコードを書かせても、成果物の棚卸しには決定論的なparserが向くことを示している。

Fable 5.2は最大30 %高速化したが、system cardは安全性evalの限界も示す

Anthropicは、価格を下げ性能を高めたClaude Fable 5.2と、利用を限定したMythos 5.2を公開した。大部のsystem cardで重要なのはbenchmark記録よりも、能力が上がったモデルほど自分が試験中だと見抜きやすくなるという認識だ。

公開

Resendは機械にも読める設計でAIエージェントの推薦を勝ち取る

Claude Codeは、判定できたメールツール推薦102件のうち64件でResendを第一候補に選んだ。市場シェアを示す数字ではないが、AIエージェントが読めるドキュメントが開発者向け製品の新しい流通経路になりつつあることを具体的に示している。

·更新

Anthropic、8億2500万株を70ドルから78ドルに設定。計算資源の請求が最大の賭けである

AnthropicはクラスA株8億2500万株を1株70ドルから78ドルで売り出すroadshowを始めた。基本募集を全て売却した場合の総額は577億5000万ドルから643億5000万ドルとなる。価格帯は明らかになったが、数千億ドル規模の解約不能な計算資源契約と、創業者の1株に集まる50.1%の議決権という中心的なリスクは変わらない。

所有権を示す1文でClaude Fable 5.2のrefactoring率が10%未満から約50%へ上がった

Anthropicの小規模codingテストでは、codebaseをモデル自身のものだとpromptに書くと、Claude Fable 5.2が重複コードを統合した割合は10%未満から約50%へ上がった。一方で出力tokenは約1.5倍になり、依頼していない変更も増えた。

公開