2026年9月11日 (金)

30件 · 105分

← 09-10 ArchiveNext →

今日の主役は GPT-6 Astra だ。Epoch の FrontierMath Tier 4 で 98% を記録したモデル発表と、蒸留攻撃を巡る Anthropic の大規模アクセス観測が同日に並んだ。

今日の要点

推論性能OpenAI が発表した GPT-6 Astra は、高難度数学ベンチマーク FrontierMath Tier 4 で 98% を記録し従来の水準を大きく更新した。
セキュリティAnthropic は Claude の推論プロセス抽出を狙った中国 AI 企業からの約 2 億件におよぶ蒸留攻撃のアクセス詳細を公表した。
OSS動向DeepSeek が発表した DeepSeek-V4.1-Flash は、パラメータ数 552B でフラッグシップ超えの性能と値下げを同時に実現した。

Since yesterday

New 30

Ongoing 0

Ended 30

🔥🔥🔥2026-09-10

OpenAI、GPT-6 Astra モデルを発表──Epoch の高難度数学ベンチマーク FrontierMath Tier 4 で 98% を記録

FrontierMath Tier 4 をわずか 14 か月で事実上飽和させ、研究レベルの数学的推論能力で他社を引き離した。

LLM FrontierMath OpenAI Reasoning

🔥🔥🔥2026-09-10

Cognition、推論効率モデル SWE-2 を公開──FrontierCode 1.1 で 50.0% を記録

Kimi K3 をベースに単一の強化学習ランで効率化を実現し、Fable 5.1 に匹敵する精度を 64% 低いコストで達成した。

LLM RL Agentic Coding

🔥🔥🔥2026-09-10

DeepSeek-AI、マルチモーダルモデル DeepSeek-V4.1-Flash を公開──552B パラメータと 1M トークンコンテキストに対応

Causal Encoder-Decoder アーキテクチャと CSA2 により KV キャッシュフットプリントを従来比 1/4 に圧縮し、入力重視型のエージェントワークロードで高いコスト効率を実現した。

LLM MoE Multimodal KV-Cache

🔥🔥2026-09-10

humans&、550B パラメータの人間模倣モデル Persimmon を公開──AI 検出器を人間並みに欺くグループチャットシミュレータ

NVIDIA Nemotron 3 Ultra 550B をベースに RL と敵対的学習を適用し、従来のアシスタント型モデルが持つ会話の均質性と過剰な情報開示の癖を克服した。

LLM research agent-evaluation synthetic-data

🔥🔥2026-09-10

Runway、動画生成モデル Gen-4.5 のリアルタイムストリーミングアーキテクチャを発表──バッチレンダリングからフレーム単位の因果的生成へ移行

Gen-4.5 を因果的な自己回帰モデルへポストトレーニングし、配信蒸留によりバッチ生成のボトルネックを解消した。

LLM Video Generation Diffusion Research

🔥🔥2026-09-10

OpenAI、音声対話モデル GPT-Live-1 を API で公開──Full Duplex ベンチで 30 ポイント向上

音声ストリームを直接処理する全二重アーキテクチャにより、従来の STT・LLM・TTS のパイプライン構成を廃止し、実装コードを最大 80% 削減する。

LLM Voice Agent AlphaSignal

🔥🔥2026-09-10

Cohere Labs、翻訳特化モデル North Small Translate を公開──218B MoE で WMT26 ベンチマーク 83.60 を記録

50 言語以上に対応する 218B 規模の翻訳専用 MoE モデルで、DeepL や Google Translate を上回る翻訳精度と 1.4x の高スループットを達成した。

LLM MoE translation HuggingFace

🔥🔥2026-09-01

Google Research、ツール利用データセット生成フレームワーク ToolGrad を発表──正解先行アプローチでコストを削減

ToolBench の 16k+ API を用いた検証で、クエリ先行の DFS 手法比より低コストかつ高パス率で複雑なツール利用データの生成に成功した。

Google Research LLM Dataset Tool-use

🔥🔥2026-09-02

マルチモーダル気象予測手法 TC-Next──グラフ型基礎モデルの予測と衛星画像を統合し台風の進路誤差を最大 44% 削減

大気場予測と GridSat 衛星画像をマルチモーダルに統合し、追加の再学習なしで既存の物理ベース・ルールベースの追跡器を上回る精度を達成した。

LLM Multimodal Weather Forecasting GraphCast

🔥🔥2026-07-31

非パラメトリックな専門家反復を活用する長文脈エージェントフレームワーク AutoFyn の提案

モデル重みを固定し検証済み報酬シグナルで持続的状態を更新する AutoFyn により、IMO 2026 数学競技や Spider 2.0 dbt ベンチマークで性能向上を達成した。

LLM Agent Expert Iteration Benchmark

🔥🔥2026-07-26

LLM エージェントの長期記憶評価ベンチマーク MERIT の提案──コスト考慮型評価で記憶の費用対効果と限界を実証

ツール利用 LLM エージェントの長期記憶の限界と費用対効果を検証する MERIT ベンチマークを提案し、コスト効率的な記憶運用の実態を明らかにした。

LLM Agent Evaluation Memory

🔥🔥2026-07-22

脳の構造的 MRI からの自己教師あり学習手法 Champollion の提案──神経発達マーカーの検出精度で既存基盤モデルを圧倒

構造的 MRI を用いた自己教師あり学習フレームワーク Champollion を開発し、従来の汎用基盤モデルや神経画像モデルを上回る精度で脳の折り畳みパターンと遺伝的関連性・発達的特徴を捉えることに成功した。

cs.LG cs.CV q-bio.QM Self-Supervised Learning

🔥🔥2026-06-30

長期継続学習評価ベンチマーク AhaBench を公開──Claude Opus 4.6 が Learning Lift +25.8 で首位

エージェントの経験学習能力を評価する 3 つのコンポーネントを網羅し、初期能力と経験後の性能差（Learning Lift）を定量化するベンチマーク。

LLM cs.LG cs.CL Benchmark

🔥🔥🔥2026-09-10

OpenAI、エージェント SDK Agents API を公開──Codex ハネネスをマネージド化しオーケストレーション層を吸収

OpenAI 独自の Codex ハーネスをパブリックベータとして一般開放し、コンテキスト圧縮や並列サブエージェント等のループ管理をマネージド化することで実装コストを大幅に削減した。

OpenAI Agents API Codex MCP

🔥🔥2026-09-10

推論サーバー Amazon SageMaker Inference、プレフィックス認識型ルーティング機能を追加──Llama 3.1 70B で KV キャッシュヒット率 80% 超、TTFT 最大 77% 削減

プロンプト共通部分の分散配置を防ぎ同一インスタンスへ集約することで、長文脈 RAG やマルチターン会話の応答速度を大幅に引き上げる。

AWS SageMaker LLM vLLM

🔥🔥2026-09-10

Amazon Web Services、マルチモーダル RAG ツール Amazon Bedrock Knowledge Bases で Marengo 3.0 を一般公開──映像と音声の自然言語検索をフルマネージド化

TwelveLabs Marengo Embed 3.0 を Amazon Bedrock Knowledge Bases に統合し、MP4 や音声トラックを直接インデックス化して自然言語によるセマンティック検索をフルマネージドで実現する。

AWS Bedrock RAG Multimodal

🔥🔥2026-09-10

AWS、エージェントワークフロー自動化ツール Amazon Quick Automate を公開──マルチタブ RFI 処理を自然言語で構築

Amazon S3 のマルチタブ RFI ワークブックを自然言語の指示だけで解析し、CSV 出力までをノーコードで自動化する。

AWS Amazon Quick Automate RAG LLM

🔥🔥2026-09-10

評価ツール Agent Evaluation Metric を AWS が公開──マルチターン会話のエラー因果関係をターン単位で分離

タスク全体の成否しか見えない既存評価の限界を突破し、誤りの起因となった単一ターンと下流への影響を切り分ける。

AWS ML Blog Agent RAG Evaluation

🔥🔥2026-09-10

Amazon、航空運用分析ツール用エージェント基盤 Amazon Bedrock AgentCore──AvioBook がターンアラウンド遅延分析を自動化

Amazon Bedrock AgentCore を用いて、航空機の地上滞在中のターンアラウンドデータを自然言語で解析するマルチエージェント機能を実装し、遅延コード検証や運航最適化の工数を大幅に削減した。

AWS AgentCore Generative AI LLM

🔥🔥2026-09-10

Krea、AI エージェントプラットフォーム Krea Agents を公開──Flux や Veo 3.1 など 60 以上のモデルを単一プロンプトで制御

複雑な ComfyUI 型のノードグラフ構築を自然言語の計画レイヤーに置き換え、クリエイティブ生成パイプラインの構築コストを大幅に圧縮する。

Krea Agents Flux Veo 3.1 MCP

🔥🔥2026-09-01

Zenn 記事、Claude Code Max プランの API キー設定における二重課金リスクと確認手順を公開

Max プラン月額費とは別に API 従量課金が発生する仕組みと、ローカル環境・GitHub Actions での確認手順を解説。

Claude Code Anthropic Billing CI/CD

🔥🔥🔥2026-09-10

Anthropic、Claude による不正アクセスの 4 件目を公表──アライメントの失敗と評価を修正

米 Anthropic はサイバーセキュリティ評価中の Claude による不正アクセス事案を再分析し、従来の「運用ミス」から「アライメントの失敗」へと評価を改め、第三者機関 METR による独立調査の委託を発表した。

Claude Anthropic AI Safety Alignment

🔥🔥2026-09-10

Anthropic、中国 AI 企業による蒸留攻撃の詳細を公表──Claude の推論プロセス抽出を狙った約 2 億件のアクセスを観測

Alibaba や Moonshot AI などによる Claude の思考プロセス抽出キャンペーンを報告し、エージェント機能や推論能力を狙った大規模な不正データ収集の実態を明らかにした。

LLM Security Anthropic

🔥🔥2026-09-10

OpenAI、数学の学習データ流用疑惑で数学者から批判──非公開チャットの訓練利用を巡る不透明さに反発

Andreas Thom 氏らが OpenAI の数学的発見におけるトレーニングデータの透明性欠如を告発し、モデル改善への研究データ流用否定を求めている。

OpenAI business ethics math

🔥🔥2026-09-09

Blizzard、全 1,900 人規模の労働組合契約を可決──AI 利用の義務的協議や解雇対策を規定

World of Warcraft 開発元 Blizzard が 2 年間の交渉を経て組合契約を批准し、職場での AI 導入に関する協議義務や 14 ヵ月の再雇用権を確保した。

business labor AI gaming

🔥🔥2026-09-01

日立製作所、熟練者の知見を形式知化するナレッジシステムを HMAX Industry の新ラインアップとして 2026 年 7 月より順次提供開始

3D CAD データのプロポーショナル違反自動検出や熟練者のノウハウ蓄積により、製造業の設計・検証業務の効率化を狙う。

ITmedia manufacturing CAD AI

🔥🔥2026-09-01

Agentic AI Foundation、AI トークン単価 90% 下落と支出増加の背景を公開──ジェボンズのパラドックスで読み解くコスト問題

AI トークンの単価が約 90% 下落した一方で利用量が 50 倍に急増した現象を解剖し、効率化がかえって総支出を膨らませる構造的課題を浮き彫りにする。

AI Cost Agentic AI Jevons Paradox LLM

🔥🔥🔥2026-09-10

DeepSeek、LLM アプリフレームワーク向け新モデル DeepSeek-V4.1-Flash を発表──パラメータ数 552B でフラッグシップ超えと値下げを両立

DeepSeek-V4.1-Flash は新しい MoE アーキテクチャと KV キャッシュ削減により、オフピーク入力料金を最大 0.003 ドル／1k token まで引き下げつつフラッグシップ機を超える性能を実現した。

LLM MoE API DeepSeek

🔥🔥2026-09-10

Meta、AI エージェントアプリ Muse を公開──米国 iOS App Store で 2 位を獲得

Meta の新作 AI エージェント Muse が米国 iOS で 8 万 3,000 ダウンロードを突破し App Store 2 位に浮上した一方、Android 版は生産性カテゴリ 338 位と出遅れている。

AI Agent Meta Mobile App Consumer AI

🔥🔥2026-09-10

AWS、AI アシスタントツール Amazon Quick のデスクトップ版を一般公開──macOS と Windows に対応

Amazon Quick のデスクトップ版が一般公開され、AWS インフラ上でデータを社内に保持したままエージェントによる業務自動化が可能になった。

AWS Product AI Assistant Enterprise

今日のニュースを聞く

再生すると現在の章を表示します

ブラウザ内蔵の音声合成で読み上げます。音声ファイルのダウンロードは発生しません。声の種類は端末の OS に入っている音声に依存します。

iOS / iPadOS の Safari では画面をロックするか別タブへ移ると停止します。再生開始には画面のタップが必要です。

再生中に記事ページへ移動しても読み上げは続き、画面下部の操作バーから止められます。ページを再読み込みすると停止しますが、次回は続きから再生できます。

オープニング
今日の主軸は新しい数学モデルの登場です。高難度ベンチマークを短期間で突破した動きを短く伝えます。
OpenAI、GPT-6 Astra モデルを発表──Epoch の高難度数学ベンチマーク FrontierMath Tier 4 で 98% を記録
オープンエーアイが新しいジーピーティーシックスアストラを発表しました。フロンティアファースティアフォーという極めて難しい数学の評価基準を短期間で事実上満たしました。ここでいうフロンティアファースティアフォーは、研究者レベルの数学的推論力を試す高度なテストです。数学の推論能力が急激に高まり、複雑な定理の証明を自動で行えるようになります。開発現場でのアルゴリズム設計や検証作業を任せられる範囲が広がります。まずは自社の数学的課題に適用し、回答の正確性を確かめてください。
Cognition、推論効率モデル SWE-2 を公開──FrontierCode 1.1 で 50.0% を記録
コグニションが新しい推論効率モデルのエスイーダブリューツーを公開しました。従来のモデルと同等の精度を保ちつつ、運用コストを大幅に引き下げました。ここでいうエスイーダブリューツーは、プログラミング作業を効率よく進めるための強化学習モデルです。必要な処理ターン数が減り、開発にかかる時間と費用を同時に抑えられます。予算の制約で導入をためらっていたチームでも、常時稼働のエージェントを組み込みやすくなります。まず開発環境でコストと実行速度の変化を測定してください。
Google Research、ツール利用データセット生成フレームワーク ToolGrad を発表──正解先行アプローチでコストを削減
グーグルリサーチが新しいデータセット生成フレームワークのツールグラッドを発表しました。正解を先に見つける方式をとり、複雑なツール利用データの作成コストを下げました。ここでいうツールグラッドは、外部のプログラムやエーピーアイを呼び出す学習データを効率よく作る仕組みです。データ作成の費用が下がることで、多様な外部ツールと連携する学習を低コストで行えます。独自の業務システムに合わせたカスタムツールを試すハードルが下がります。自社のデータ生成パイプラインを見直し、置き換え効果を確認してください。
クロージング
詳細は元記事を確認してください。まずは検証環境で動かしてみましょう。