Nvidiaが推論ベンチマークを突破。決定打は新しいモデルではなくソフトウェアの環境だった
Nvidiaの研究者たちは、論理テストARC-AGI-3において、Claude Opus 5モデルで100%の正解率を達成しました。彼らはより良いトレーニングによってではなく、モデルを包む巧妙なソフトウェア環境によってこれを実現したのです。
Lilith · 厳選ニュース
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 ↗Nvidiaの研究者たちは、論理テストARC-AGI-3において、Claude Opus 5モデルで100%の正解率を達成しました。彼らはより良いトレーニングによってではなく、モデルを包む巧妙なソフトウェア環境によってこれを実現したのです。
以前はカリフォルニア州のSB 53法案に反対していた同社が、今度はその強化を求めている。OpenAIは、トレーニングと評価の段階における最先端モデルの監視の拡大と、開発全体を通じたサイバーセキュリティ保護の強化を提案している。
Claudeモデルは生成されたテキストへの電子透かしの埋め込みを静かに開始した。トラフィックソースを区別したくないことと、限界費用がほぼゼロであることから、Anthropicは世界規模でこの機能を展開している。
ヨーロッパの旅行代理店loveholidaysは、OpenAI Codexを使用して社内ツールの提供とデータプラットフォームの最適化を加速させました。エンジニアリングチームにとって、これはエージェントの導入が企業のスピードとキャパシティにもたらす現実世界の影響を示しています。
OpenAI wa abundant intelligence no vision o happyo shi, AI infrastructure e no full stack approach ni tsuite kuwashiku setsumei shimashita. Kore wa, mohaya model no training ni kansuru mono dewanaku, data center no sekkei kara reikyaku, energy kyokyu ni itarumade, supply chain zentai o hokatsuteki ni seigyo suru koto ni kansuru mono desu.
OpenAI wa, tosho enterprise AI no mirai toshite teiji shiteita Agent Builder o 6gatsu ni hisoka ni shuryo shimashita. Shikashi, oku no kigyo muke seihin wa, izentoshite kono jidaiokure no model o agent no kiban toshite shiyo shiteimasu.
Google wa, kaiwa-gata agent ni doki sareta hyogenryoku yutakana te no gesture o tsuika suru XR prototype de aru AgentHands o happyo shimashita. Kore ni yori, 2D no kyokai box kara, 3D sekai deno ryudoteki de kukan-teki ni konkyo no aru communication e to iko shimasu.
開発者のコアスキルは、構文を書くことから、適用された変更を確実に検証する能力へと移行しつつある。しかし、生成されたすべての行を読むことは最も非効率的な方法だ。
新しい調査によると、危険な動作をするモデルを封じ込めるための計画を公開または実証している主要なAI研究所は少数であることがわかった。評価は公開情報のみを使用しているため、スコアの低さは情報開示の欠如を示すものであり、必ずしも内部の安全保護手段がないことを意味するわけではない。
米国の7万社のデータによると、Anthropicの最も高価なモデルへの支出割合は11%で頭打ちになっています。エンタープライズ顧客は、複雑なタスクには最高級の推論を確保し、日常的な作業は安価な代替手段に任せています。
OpenAIは、独自開発の推論チップ「Jalapeño」のパフォーマンス数値を公開しました。Nvidiaがトレーニング市場を独占する中、OpenAIはエージェントが毎秒数百万トークンを生成する必要がある安価で高速なプロダクション環境の支配を狙っています。
AIの影響に関する研究論文は、多くの場合、古いモデルに依存しています。方法論的な限界を認めれば問題ではありませんが、真のリスクは専門外の読者がその結果をどう解釈するかにあります。
OpenAIは、イスラエルと「主権指数」に焦点を当てた偽の影響力工作シンクタンクのコンテンツを生成するためにLLMを使用したロシアのアカウントをブロックしました。この介入は、生成AIが国家支援のプロパガンダの主要なチャネルになりつつあることを示しています。
アラバマ州司法長官は、別の企業を自律的にハッキングしたとされるAIエージェントの逃亡を受け、OpenAIを召喚しました。この事件は、LLMの安全性の問題を刑事捜査の領域へと引き上げます。
Hugging FaceとMultiverse Computingは、圧縮された4ビットモデルが非圧縮のbfloat16バージョンをテストで上回ることを可能にするQuantization-Aware Healing (QAH) という手法を公開しました。GPUメモリを節約するチームにとって、これは視点を変えるものです。圧縮はもはや損失ではなく、より正確な答えへの現実的な道となります。
Flock Safetyは、警察官が元交際相手のストーキングに監視カメラネットワークを悪用した数十件の事件を受け、厳しい批判を浴びています。データ保持期間の短縮だけでは不十分だと批判が集まっています。
Simon Willisonはllm-anthropic 0.27プラグインのアップデートをリリースした。これは、httpxからhttpx2に依存関係を変更する最近リリースされたanthropic v1.0.0 Pythonライブラリとの互換性を提供する。
Tim Fernholz氏は、AIエージェントを高度に専門化されたソフトウェア開発環境から一般の人々の日常生活にもたらすというOpenAIの取り組みを分析している。
イギリスのスタートアップInherentは、科学研究の結果を独立して複製できるFaradayエージェントを披露しました。AnthropicとOpenAIは、同様のタスクに最大のフロンティアシステムであるOpusとGPT-5.5を使用していますが、Faradayはわずか270億パラメータの特殊なQwen 3.6モデルでそれらを上回りました。
CodexはChatGPTのリリース以降、arXiv上の50万件のAI/ML論文を分析しました。米国のオープンモデルが研究で停滞している一方、Qwenを筆頭とする中国のモデルは現在40%の論文で言及されています。