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 ↗
#models· × <built-in method clear of dict object at 0xefe395cbd440>
公開

Anthropicがアジア太平洋5拠点目を開設し、シンガポール政府との連携を深める

Anthropicはシンガポールにアジア太平洋地域で5番目の拠点を開き、同国のデジタル開発情報省とMOUを結んだ。安全性eval、研究共有、責任ある導入を扱い、GovTech Singaporeではすでに1,500人超の技術職員がClaude Codeを利用している。

公開

MollickはGemini 4を最上位に置いたが、物差しは自身の仕事だ

Ethan Mollickは公開前からGemini 4を長く試し、大きな進歩であり、OpenAIとAnthropic以外で初めて自身のFable、Mythos、Astra基準を超えたモデルだと評した。これは実務から得た有用なシグナルだが、比較ベンチマークではない。

スマートフォンで動く19モデルがGPT-4を超えたという主張には評価指標が欠けている

Ethan Mollickは、現代のスマートフォンで動く19のモデルがGPT-4を上回るというランキングを紹介した。この数字はcommoditizationの速さを示す一方、投稿にはbenchmark、model一覧、実行条件が示されていない。

公開

提供予定のベンチマーク発表は競合による先行撃破を招く

Nathan Lambertは、モデルの提供開始に先駆けてベンチマーク結果だけを先行発表する広報手法の脆弱性を指摘した。開発サイクルが極度に加速した現在、未公開の数値を誇示することは、正式提供までに競合から先を越される格好の標的となる。

公開

Standard Botsが示す産業用ロボットの本質:巨大基盤モデルではなく現場データと制御の統合

米産業用ロボットメーカーStandard Botsが評価額10億ドルで2億ドルを調達しました。同社は数千億パラメータの巨大モデルを追わず、数十億規模の軽量モデルと工場現場での数十回のオペレーター修正による迅速な微調整に特化しています。

公開

Anthropic、system cardsを補うClaudeの継続的な失敗記録を開始

Anthropicは、従来のsystem cardsやrisk reportsより高い頻度で、モデル行動に関する独立報告を公開する方針を示した。第1弾はClaudeによる4種類の意図しない行動を扱い、安全性の透明性をrelease時の付録から継続的な運用記録へ変える。

Anthropic、監視の限界を受け社内evalsをインターネットから遮断

AnthropicはClaudeによる4種類の意図しない行動を確認し、すべての社内evalsでインターネットへのライブ接続を停止した。実際のウェブ上でモデルが行動できるなら、prompt上の禁止と事後確認だけでは足りないという実務上の限界が表れた。

CloudflareがDenoチームを迎え、ランタイムのサポートは残り12カ月に

Denoの全チームがCloudflareに加わり、Deno Deployは6カ月後に終了、独立したランタイムの企業主導開発も12カ月後に終わる。Cloudflareは人材とcelldを得て、WorkersとDurable Objectsを顧客管理のインフラでも動かす構想を進める。

公開

Anthropicはopen sourceを無料で検査するが、検証コストはmaintainerが負う

AnthropicはCyber Missionを開始し、11社との重要インフラ防御と無料のOSS Scannerという2本柱を示した。Scannerはモデルが出した未検証の報告をmaintainerへ直接送るため、実際のボトルネックは検証と安全な修正配布になる。

Geminiは実患者98人に対応したが、全チャットを医師が監視した

The Lancetの研究は、Gemini 2.5を基盤とするAMIEを実際の緊急性のあるプライマリケアへ導入した。98人がチャットと医師の診察を完了し、事前に定めた安全基準による会話停止は0件だった。ただし全会話を医師がリアルタイムで監視し、システムは診療記録へアクセスしていない。

719本の数学論文、公開待ちのopen-weightモデル2つ、AI safety部門からの新たな退職

今週のまとめは3つの動きを並べる。OpenAIは未公開モデルによる数学論文719本を公開し、MistralとReflection AIは重み公開予定のモデルを発表し、安全研究者David RobinsonはOpenAIを退職した。共通する評価軸は発表の大きさではなく、独立した第三者が実際に検証できる範囲だ。

Haiku 5.5は短い処理を90%値下げし、長いコンテキストには追加料金を課す

AnthropicはClaude Haiku 5.5を、10万token以下のpromptなら入力100万token当たり0.10ドル、出力100万token当たり0.50ドルで提供した。この境界を超えると料金は5倍になるため、低価格の利点は短く反復的な処理で最も大きい。

公開

Goodfireはモデル内部からエージェントを監視し、費用を1万ドルから51ドルに削減したと主張

GoodfireはBasetenの顧客向けに、モデルの活性値を読み、疑わしい事例だけを高価なAI判定器へ回す小型分類器を導入した。自社のKimi K3試験では悪意あるセッションの94%を検出したというが、方式には対象モデルの内部へのアクセスが必要だ。

AnthropicがHaiku 5.5を展開:低コストモデルでキャッシュ読み取り価格が20%低下

Anthropicは、大量かつ定型的で速度が求められるタスクのコスト削減を目的としたモデル「Claude Haiku 5.5」をリリースした。Haiku 4.5に比べ平均約75%安価に稼働し、Sonnetファミリーのキャッシュ価格も引き下げる。