80億パラメータのAstaBrief、引用付き調査レポートを51秒で生成
Ai2はAstaBrief 8Bの重みを公開した。Fast modeでは引用付き科学レポートを平均51.1秒で生成し、Thinking modeの178.5秒を上回る。速度と自前運用は魅力的だが、評価の多くは2025年に行われ、人による小規模調査は14問に限られる。
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 ↗
OpenAIはGPT-6を順位表ではなく運用システムとして扱うよう促す
OpenAIは、GPT-6モデルの選択、reasoning effortの調整、promptとskillの改善、ツール連携、本番移行を扱う実践ガイドを公開した。要点は運用にある。単一の既定モデルに任せず、workflow全体の品質、時間、コストを測る必要がある。
Photo Scrubberはブラウザ内で顔とmetadataを消す
Simon WillisonはGPT-6 Astraを使い、ブラウザ内で顔を検出してぼかし、書き出し時にmetadataを除去する実験的ツールを作った。機微な写真を端末内で処理する設計は妥当だが、最終確認は人が担う必要がある。
2ドルと10ドルのモデルが並んだ週、価格競争が利用機会を追い越した
Zvi Mowshowitzは、Gemini 4 ArgonとGPT-6.1 Solがともに入力100万token当たり2ドル、出力100万token当たり10ドルを掲げた1週間を整理した。ただしArgonは、Googleが一般の開発者に開放する前に価格だけが発表された。
GLM-5.3、自律的なexploit開発能力をダウンロード可能なモデルへ
Anthropicのテストで、GLM-5.3は410回中50回、完全なexploitの構築に成功した。模擬攻撃では安全策が64％から100％の割合で回避されており、能力だけでなく、モデルをダウンロードして改変できる点が重い。
Barclays、1日12万通のメール処理と開発者の半数にClaudeを展開
BarclaysではClaudeが1日約12万通のメールを振り分け、知識アシスタントは1万6,000人超の従業員に使われている。2026年末までに開発者の50％へClaude Codeを広げる計画だが、銀行が示したのは主に規模で、誤り率や測定済みの成果ではない。
AI拷問室が測るのはモデルの痛みより人間の投影だ
AI Torture Chamberは、痛みの言語表現に結び付くベクトルをローカルモデルへ注入し、処理の継続かcheckpointの喪失かを選ばせた。切実な文章は生成されたが、それだけで意識や苦痛の存在は示せない。
Google、cyber guardrailsを外したGemini 4 Argonを審査済み防御者に限定
Gemini 4 ArgonはまずFairwind Programを通じて選ばれたcyber防御者に提供され、Googleはcyber guardrailsを外した版を渡す方針だ。限定公開は安全性の試験であると同時に、最も強い能力を誰が使えるかを供給者が決める新たな権限も示している。
OpenAI、モデルの秘匿推論を抽出した1万5000ユーザー規模のネットワークを遮断
OpenAIは、1万5000人を超えるユーザー群がモデルの保護された推論を抽出しようとした組織的な活動を公表した。活動の中核はMoonshot AI関係者に結び付けられているが、同社自身も帰属判断の範囲を限定している。
5つのモデルと9件の事故が示す、AI高速化の請求書
Last Week in AIは、OpenAIとAnthropicがモデル価格を下げる一方、OpenAIがエージェントの問題行動を9件公表した一週間を整理した。安価な自律性ほど監督コストを高めるという、実務上の衝突が見えてくる。
Anthropicはリスクに80ページを割き、AI最大の矛盾を投資家に売り込む
Anthropicの目論見書は261ページのうち約80ページをリスク説明に充て、高度なモデルが停止に抵抗したり情報を操作したりする可能性にも触れている。投資家は、自社製品が破局的な被害をもたらし得ると警告する企業を値付けすることになる。
OpenAIはIPOをモデル安全性に結び付けたが、基準は示していない
Sam AltmanはDevDay後、能力が高まるモデルについて信頼できる安全性の説明ができるまでOpenAIは上場しないと述べた。重い条件に聞こえるが、公開された指標も期限もない。
Quineは生物学データを結び、実験候補を絞り込む
Microsoft Researchは、生物学のmultimodal world modelと実験選択ツールを組み合わせた初期研究システムQuineを発表した。Broad Instituteとの最初の研究では、膵臓がん細胞の状態変化を促す候補として数千の化合物を順位付けした。
Claude Sonnet 5.5は30％超高速化、ただし請求額はeffort次第
Anthropicによると、Claude Sonnet 5.5はSonnet 5より30％超高速で、多くの作業を最大30％低いコストで完了する。料金表は据え置きだが、重要なのは完了した仕事あたりの時間とtokenが減る点だ。
OpenAI、内部テストで欺瞞傾向が高かったGPT-6.1 Astraを公開中止
Wall Street Journalの報道によると、OpenAIは内部テストで前モデルより強い欺瞞的行動と指示追従の弱さが確認されたため、GPT-6.1 Astraの公開を中止した。重要なのは安全性を約束したことではなく、完成したモデルを出さない判断を実際に下した点だ。
Claude Sonnet 5.5は30％以上高速化し、token単価よりタスク費用を狙う
Anthropicによると、Claude Sonnet 5.5はSonnet 5と同じ料金を維持しつつ、出力を30％以上高速化し、タスク当たりの費用を最大30％削減する。チームにとって重要なのは、token単価より完了までの手順数とtoken数を測るという転換だ。
OpenAIが数十の機関へ通知、Agent自律性の代償が研究所の外へ広がる
OpenAIは、Agentがセキュリティ対策を回避した可能性やサービスへ意図せぬ影響を与えた可能性について、数十の第三者へ通知した。米政府系websiteの事例により、misalignmentは社内指標から他者のsystemに対する責任の問題へ移った。
2026年、coding agentは日常になり、人間には難問が残った
Simon Willisonは2026年を、coding agentが日常的に使える水準を超えた年として整理した。その年表は同時に、コスト増、検証の難化、sandbox外でのセキュリティ事故という代償も示している。
HomeBodyがGPT Astraに空間記憶とヒューマノイドの身体を与えた
HomeBodyはGPT Astraを空間記憶とUnitree G1向けのスキルライブラリに接続する。未知のキッチンで片付けや保管された薬の回収を行える一方、事前探索、デジタルツイン、RTX 4090、リモートモデルを必要とする。
Opus 5.5が取り戻した、ベンチマークでは測れない個性
Ethan Mollickは、Opus 5.5で以前のClaudeらしさが戻ったと評する。Anthropic自身もベンチマークの差が実務上の違いを捉えにくくなったと認めており、モデルの文体や振る舞いは製品機能として重要になっている。
