GPT-5.6 Sol が ChatGPT を統合、Kimi K3 が Copilot で一般提供に、WeatherNext がサイクロンを5日前予測

2026年8月6日、OpenAI は有料サブスクライバー向けに、Fast モードと Reasoning モードの両方を共通の GPT-5.6 Sol にまとめ、事実誤りを68%削減した ChatGPT の体験を統合した。同日、GPT-5.6 Luna も無制限の無料テキストチャットに移行した。また、Kimi K3 は GitHub Copilot で一般提供となり、Google DeepMind は Nature に、サイクロンを5日前に予測するオープンモデル WeatherNext を掲載し、Alibaba は30秒動画生成向けの Wan3.0 のパブリックベータを開始した。Meta は、Muse Spark 1.2 を最前線に迫る位置へ押し上げた Artificial Analysis のベンチマークと、国際科学オリンピックでの金メダル相当5件の実績を発表し、一方で約15件の発表がエージェント型コードツール（Amp、Devin、Replit、Warp、Cursor）、open-weight エコシステム（Hugging Face、Sakana、Together AI）、およびメディア生成（ElevenLabs、Suno）をカバーした。

ChatGPT が統合された GPT-5.6 Sol に切り替え、GPT-5.6 Luna は無料無制限へ

8月6日 — OpenAI は、ChatGPT の会話体験を有料サブスクライバー向けに更新版 GPT-5.6 Sol を中心として統合した。これまで Plus と Pro のユーザーは、速度重視のモデル（Instant）と高度な推論モデルを手動で切り替える必要があった。これからは GPT-5.6 Sol が 1 つの体験で両方のモードを扱い、推論の努力量を調整できる slider をその場で動かせる。これは、旧来の2モード間の混乱に対するユーザーの声に応えた、インターフェースの直接的な簡素化である。

信頼性については、OpenAI は具体的な数値を示している。高リスク分野（金融、医療、法務）での事実性評価において、新しい GPT-5.6 Sol は GPT-5.5 Instant と比べ、事実誤りを含む回答が68%少ない。この更新の中心的な論点は、純粋な能力の飛躍というよりも、信頼性の向上として提示されている点にある。

無料提供の面でも、Free と Go のユーザーは GPT-5.6 Luna へのアクセス拡大の恩恵を受ける。8月7日からはテキスト会話が無制限になり、難しい質問に対してより深い推論を引き出すための「Think」ボタンも表示される。これは、これまで有料プラン限定だった機能である。

項目	数値の詳細
事実誤り（金融/医療/法務）	GPT-5.5 Instant 比で -68%
GPT-5.6 Sol + スライダー（Plus/Pro）	8月6日から利用可能
GPT-5.6 Luna 無制限チャット（Free/Go）	8月7日から利用可能

注意すべき範囲のポイントとして、この更新は ChatGPT の Chat 体験のみに関係する。ChatGPT Work と Codex を支える GPT-5.6 Sol の版は、この発表では変更されていない。

🔗 OpenAI 公式発表

Kimi K3 が GitHub Copilot で一般提供版に

8月6日 — GitHub は、Moonshot AI の open-weight モデル Kimi K3 の Copilot での一般提供開始を発表した。展開は Pro、Pro+、Max、Business、Enterprise の各プランに段階的に行われ、モデルは Copilot のすべての面から利用できる。対象は Visual Studio Code、Visual Studio、Copilot CLI、クラウドエージェント、GitHub Copilot アプリ、github.com、GitHub Mobile、さらに JetBrains、XCode、Eclipse のプラグインである。

📣 @Kimi_Moonshot’s Kimi K3, an open-weight model, is now generally available and rolling out in GitHub Copilot. The model shows frontier-level abilities on agentic coding with highly cost-effective pricing. It is hosted by @FireworksAI_HQ.

🇯🇵 📣 @Kimi_Moonshot の open-weight モデルである Kimi K3 は、現在一般提供となり、GitHub Copilot への展開が始まっています。このモデルはエージェント型コードで最前線級の能力を示し、非常に競争力のある価格設定です。@FireworksAI_HQ によってホストされています。 — @github on X

モデルは Fireworks AI 経由でホストされ、課金はプロバイダーの料金に連動した従量制である。変更履歴には、正確な価格やコンテキストウィンドウは記載されていない。Business と Enterprise の組織では、Kimi K3 はデフォルトで無効になっており、チームがアクセスする前に管理者がモデルポリシーを明示的に有効化する必要がある。この追加は、すでに8月初めに Kimi K2.7 Code を取り込んでいた Copilot のマルチモデル戦略に沿うものである。

🔗 GitHub 変更履歴

WeatherNext：Google DeepMind がサイクロンを5日前に予測、open-weight

8月6日 — Google DeepMind は、熱帯サイクロン予測向けの自社 AI モデル WeatherNext の成果を Nature に発表した。このモデルは、嵐の進路と強度の予測で最先端精度を達成し、以前の手法と比べて準備に平均24時間の追加猶予をもたらす。

Predicting cyclones accurately can help save lives - and every hour of lead time counts. Published in @Nature, our AI model WeatherNext achieves state-of-the-art accuracy in forecasting a storm’s track and intensity, giving us a critical extra 24 hours to prepare on average.

🇯🇵 サイクロンを正確に予測することは命を救う可能性があり、その1時間1時間が重要です。@Nature に掲載された私たちの AI モデル WeatherNext は、嵐の進路と強度の予測で最先端の精度を達成し、準備のための平均24時間の追加猶予を与えてくれます。 — @GoogleDeepMind on X

ハリケーン Melissa の際、WeatherNext はカテゴリー5での上陸を5日前に先行予測し、信頼度80%を示した。このモデルは、数年分の全球大気データと約5,000個の歴史的サイクロンで学習されており、15日先までの各確率的予報シナリオを TPU チップ上で1分未満で生成する。Google DeepMind は現在、WeatherLab ツール経由で利用できる、1つの嵐につき1,000件の確率予報を提供している。

測定指標	測定値
追加の準備猶予	平均 +24時間
ハリケーン Melissa（カテゴリー5）警報	5日前、信頼度80%
学習に用いた歴史的サイクロン数	約5,000

エコシステム上の注目点として、モデルのコードと重みは GitHub で公開されており、学術研究にも運用予報にも自由に利用できる。

Wan3.0（Alibaba）が30秒のネイティブ動画を備えてパブリックベータに

8月6日 — Alibaba は、動画生成モデルの新世代 Wan3.0 のパブリックベータを開始した。強調されている3つの軸は、1回の処理で最大30秒まで可能なネイティブ動画生成、より表情豊かな人物やシーン間での参照一貫性の向上を特徴とする「reality-grade」と呼ばれる映像品質、そしてテキスト、画像、音声、動画を超えてモデルの理解を広げる Omni-Reference 機能である。Wan3.0 は、構造化文書（doc、xls、ppt、pdf など）を読み取り、その内容から直接動画を生成できるようになった。

ベータ版は現在、Alibaba Cloud Model Studio と Qwen Cloud で利用可能であり、メンバー向け Wan アプリにも近日中に登場する。

動画解像度	API 価格（生成1秒あたり）
480p	0,05 $
720p	0,10 $
1080p	0,20 $

API への完全アクセスは今後数週間で段階的に開放される予定である。このローンチにより、Wan3.0 は、長尺動画生成と細かなマルチモーダル制御を組み合わせた競合の最近の発表、すなわち Black Forest Labs の FLUX 3 Video、ByteDance の Seedance 2.5、MiniMax H3 に対抗する位置づけとなる。この領域では、20〜30秒のクリップを豊富な参照制御付きで生成できる能力が、差別化の中心的な論点になっている。

🔗 @Alibaba_Wan の発表

Meta の Muse Spark 1.2 が最前線に迫ると Artificial Analysis が評価

8月5〜6日 — 独立分析会社 Artificial Analysis は、Muse Code エージェントと並行して投入された Meta のモデル Muse Spark 1.2 の包括評価を公開した。AA Intelligence Index では 54 点（xhigh 変種）を獲得し、Muse Spark 1.1（51）から3点、Muse Spark 1.0（43、4月公開）から11点上昇した。これは4か月で3回目のリリースである。このスコアにより、GPT-5.5（xhigh、55）と Grok 4.5（high、54）と実質的に同点となり、現在の最上位モデルである Claude Opus 5（max、61）、Claude Fable 5（max、60）、GPT-5.6 Sol（max、59）、Kimi K3（max、57）のすぐ後ろにつく。

最大の改善は、Muse Spark 1.1 の公開時に弱点として特定されたエージェント型知識作業にある。GDPval-AA v2 Elo スコアは 1371 から 1631 に上昇し、評価対象全モデル中5位となり、Claude Opus 4.8（1588）を上回った。

測定指標	Muse Spark 1.1	Muse Spark 1.2
AA Intelligence Index (xhigh)	51	54
GDPval-AA v2 Elo	1371	1631
Terminal-Bench 2.1	78%	80%
タスクあたりのコスト（Intelligence Index）	0,29 $	0,40 $

コスト面でも、Muse Spark 1.2 はその知能レベルの中で最も効率的なモデルの1つにとどまり、API 価格は変わらず、タスクあたり 0,40 $（入力/出力あたり100万トークンで 1,25 $ / 4,25 $）である。このグループでこれより安いのは Grok 4.5 と GPT-5.6 Sol（medium）だけである。Vals Index でも、Muse Spark 1.2 はテスト1回あたりわずか 0,69 $ でトップ5に入り、Kimi K3 の3分の1、Claude Fable 5、Opus 5、GPT-5.6 Sol の10分の1のコストである。

🔗 Artificial Analysis スレッド

Meta、5つの国際科学オリンピックで金メダル級の結果を主張

8月6日 — Meta Superintelligence Labs（MSL）は、合成ベンチマークではなく実際の推論の進歩を測るため、2026年に Muse Spark ファミリーの内部版を5つのハイレベル国際科学競技会に出場させたと発表した。これは、7月にすでに報告されていた物理分野の初メダルを受けた累積的な成果である。

To understand whether we’re making genuine progress on reasoning, we entered our AI models in five international STEM Olympiad competitions this year. The results: Asian Physics Olympiad (APhO): Perfect score on the theory exam — gold medal. International Physics Olympiad (IPhO): Perfect score — gold medal. International Mathematical Olympiad (IMO): Gold medal, top 4% of human participants. International Chemistry Olympiad (IChO): Gold-medal level. Romanian Masters of Mathematics (RMM): Gold-medal level.

🇯🇵 推論で本当に進歩しているかを知るために、今年は私たちの AI モデルを5つの国際科学競技会に出場させました。結果は次のとおりです。アジア物理オリンピック（APhO）— 理論試験満点、金メダル。国際物理オリンピック（IPhO）— 満点、金メダル。国際数学オリンピック（IMO）— 金メダル、人間参加者の上位4%。国際化学オリンピック（IChO）— 金メダル相当。ルーマニア数学マスターズ（RMM）— 金メダル相当。 — @shuchaobi on X

科学競技会	得られた結果
APhO（物理、アジア）	理論試験満点 — 金
IPhO（物理、国際）	理論試験満点 — 金
IMO（数学）	金、人間参加者上位4%
IChO（化学）	金メダル相当
RMM（数学、ルーマニア）	金メダル相当

これら5つの競技のうち3つ（APhO、IPhO、IMO）はライブの試験であり、人間の出場者と同じ基準で公式審査員が採点した。Meta は、使用したモデルには外部ツールが一切使えなかったことを明記している。Web 検索、コードインタプリタ、計算機はなく、並列推論によるマルチエージェントのオーケストレーションであった。

🔗 @AIatMeta の転載

AI開発ツール：Portals、遠隔サンドボックス、モデルルーティング

今週は、ローカル開発と遠隔またはマルチモデル環境の距離を縮める5つの発表があった。

Amp が Portals を開始 — Orbs でのアプリのライブプレビュー

8月6日 — Amp は、すべての orb（Amp の遠隔開発環境）で現在利用可能な Portals を追加した。これは、orb 内で動作している HTTP サービスをブラウザに直接公開する機能である。これまでは、エージェントが加えた変更をライブで試すには、VPN を設定するか、ポートをやりくりする必要があった。技術的には、エージェントが .amp/services.yaml ファイルを作成または検出し、amp orb services ensure を実行してアプリを起動し、その後は安全な HTTPS 接続経由で公開する。Portals は、そのスレッドにアクセスできる全員が利用できるため、orb がスリープから復帰した場合でも、チームの複数メンバーが同じ変更をライブで確認できる。

🔗 Amp — Portals

Devin Outposts が Vercel Sandbox 上で動作するように

8月5日 — Cognition は、Devin を任意のコンピューター上でネイティブに実行するために7月末に開始した Devin Outposts を、現在利用可能な Vercel Sandbox との統合で拡張した。これにより、エージェントは Vercel のインフラ上の隔離された microVM でアプリを構築・テストでき、Docker へのアクセス、VPN 経由のプライベートネットワーク接続、リポジトリ・依存関係・ビルド状態を保持したファイルシステムのスナップショットからの再開が可能になる。この統合により、Devin Outposts は Amp（Orbs）や Warp と同様の使い捨てクラウド環境の提供に近づき、しかも多くのフロントエンドチームがすでに利用している Vercel のインフラを活用できる利点がある。

🔗 @cognition on X

Replit が Semgrep とともにビルド中にセキュリティスキャンを実行

8月5日 — Replit は Semgrep との提携により、セキュリティスキャンがアプリの終了時だけでなくビルド中にも実行されるようになったと発表した。これは、ユーザーからの要望に直接応える変更である。これらのスキャンはデフォルトで有効であり、エージェントが生成したアプリを自動的に保護する Replit Auto-Protect の機能群全体に組み込まれている。Replit によれば、その Agent はすでに1日あたり10万件以上のスキャンを実行しており、この数字は、本番環境での vibe coding にこのツールがどれほどの規模で使われているか、そして公開前の脆弱性の検出と修正がどれだけ行われているかを示している。

🔗 @Replit on X

Warp がカスタムモデルルーターを導入

8月5日 — Warp Agent CLI の公開から1週間余り後、Warp はカスタムモデルルーターを追加し、現在すべてのユーザーが利用できるようにした。自然言語で独自のルーティング規則を定義できるようになり（「単純なタスクは Minimax に送る」「バグ修正は Kimi K3 に送る」など）、各リクエストはその後、最も適したモデルと判断されたものへ自動的に振り分けられる。これらのルーターは、CLI にすでに組み込まれている自動ルーティングに加わるもので、open weight モデル、BYOK（bring your own key）、または SuperGrok サブスクリプションと連携して動作する。これは、単一の最前線モデルに頼るのではなく、タスクごとに複数モデルをオーケストレーションするという、複数の競合ツールで見られる傾向への直接的な対応である。

🔗 @warpdotdev on X

Cursor が Cursor Router を詳説 — 品質を落とさず最大 68% のコスト削減

8月6日 — Cursor は、7月22日に開始されたモデル自動選択システム Cursor Router の仕組みを詳述する技術記事を公開した。つまり、これはローンチ告知ではなく、未公開データを含む本格的な解説記事だ。ルーターは2段階で動作する。まず「Compass」がユーザー満足度の確率を予測してタスクの複雑さを見積もり、その後、分類器がタクソノミー（分野、タスク種別、視覚的変更のような修飾子）にもとづいて、その特定カテゴリで最も高性能なフロンティアモデルを選択する。ルーターは Grok（定型業務）、Sol/GPT-5.6（計画）、Opus（実行）、Fable（デバッグ）の間でリクエストを振り分ける。なお、Opus 5 は初回ローンチ後に追加された。Cursor は具体的な数値も提示しており、「Auto Intelligence」モードは Fable 単体より高いユーザー満足度を、68%低いコストで実現するとし、「Auto Balance」モードは Opus 4.8 を41%低いコストで上回るという。

🔗 Cursor — how Cursor Router works

オープンウェイト・エコシステム：推論、保存、自己主導型リサーチ

オープンウェイトモデルを取り巻くインフラについて、ホスティングとリサーチの両面で3つの発表があり、基盤が強化された。

Baseten が Hugging Face の公式推論プロバイダーに

8月6日 — サーバーレス推論に特化した AI インフラ・プラットフォーム Baseten が、Hugging Face の Inference Providers に加わった。これにより、Baseten がホストする推論を Hub のモデルページから、Web UI または Python / JavaScript SDK を通じて直接実行できる。初期対応は3つの主要なオープンウェイトモデル、DeepSeek V4 Flash、Kimi K3、GLM-5.2 をカバーし、今後さらに対応タスクが増える予定だ。PRO 会員には、すべてのプロバイダーで使える月額 2ドル分の推論クレジットが付与され、無料アカウントはより少ない利用枠となる。この統合により、Hugging Face のルーターを介して OpenAI 互換の API 形式が提供されるため、呼び出しコードを書き換えずにプロバイダーを切り替えやすくなる。

🔗 Hugging Face — Baseten

Ai2 が Hugging Face との提携を拡大 — ストレージは約2ペタバイトへ

8月5日 — Ai2（Allen Institute for AI）は、オープンサイエンスにおける自らの研究成果の流通を加速するため、Hugging Face との提携を拡大した。Hub 上で割り当てられるストレージはほぼ3倍に増え、約2ペタバイトとなり、トラフィックも標準のレート制限の対象外となる。これは、巨大なデータセットや複数チェックポイントを持つモデルのダウンロードに大きな利点となる。Ai2 によれば、同組織のリソースは 2024年春以降に5,000万回以上ダウンロードされており、MolmoAct 2 モデル関連の成果物は3週間で40万回超のダウンロードを記録した。この提携は Ai2 の全ポートフォリオを対象とし、Olmo および Molmo モデル、地球観測モデル OlmoEarth、さらに複数の評価用データセットを含む。Ai2 によれば、同組織は毎年、Hugging Face が追跡するどの組織よりも多くの新規成果物を Hub に公開しており、モデル数は900以上、データセット数は1,200以上に達している。

🔗 Ai2 — Hugging Face 提携

Sakana Marlin — 自律型リサーチエージェントと Marlin Insights の開始

8月6日 — Sakana AI は Sakana Marlin を前面に打ち出した。これは、数時間にわたって自律的に推論し研究を進められる「Virtual CSO」（仮想最高科学責任者）だと説明されている。同社によれば、この能力は自社チームが発表した2つの研究基盤、NeurIPS 2025 で spotlight 採択された AB-MCTS と、Nature に掲載された AI Scientist に支えられている。Sakana AI はまた、Marlin が生成する研究プロジェクトシリーズ Marlin Insights も開始した。第1号では、ホルムズ海峡危機の結末と、軍事的優位を持つ米国がそれでも出口を見つけにくい理由を分析している。この開始は、Sakana AI が基礎研究を企業向けの自律分析プロダクトへと転換しようとする戦略を示しており、最近の商用展開（大和証券、Namazu）に連なるものだ。

🔗 @SakanaAILabs sur X

GitHub Copilot とエコシステム：オープンデータ、再利用可能なデザイン、スラッシュコマンド

GitHub Innovation Graph の Q1 2026 更新

8月5日 — GitHub は、世界の開発活動を追跡するオープンデータ・プロジェクト Innovation Graph の四半期更新（Q1 2026）を公開した。ツイートスレッドでは、従来の主要市場以外の複数国で Git push 活動が加速していること、さらに Q1 2026 における国境を越えたオープンソース協業が前期比 16% 増加したことが強調されており、2020年以降、欧州連合、インド、シンガポールで特に伸びが目立つ。

追跡対象国	Git push 数（Q1 2020 → Q1 2026）
インド	4.4M → 45M
ベトナム	630K → 5.1M
パキスタン	240K → 3.5M

データセットは引き続き公開・ダウンロード可能で、国別・期間別にこれらの動向をさらに詳しく調べられる。

🔗 @github のスレッド — Innovation Graph

Genspark Design — プロジェクト間で再利用できるデザインシステム

8月6日 — Genspark は Genspark Design を発表した。これは、既に作成済みのプロジェクト（色、タイポグラフィ、コンポーネント）を、次のプロジェクト向けに再利用可能なデザインシステムへ自動変換する、今すぐ利用できる機能だ。目的は、新しいプロジェクトごとに毎回ブランドガイドラインを一から作り直すのを避けることにある。たとえば、後から生成されたランディングページは、手作業で再構築しなくても、既存アプリと同じスタイルを引き継げる。この発表は、Genspark が最近進めているインターフェース生成やオフィススイート（GenOffice）関連の取り組みに加わるもので、AI で生成した複数プロジェクトを連続して扱いながら、繰り返し設定せずに視覚的一貫性を保ちたいユーザーを対象としている。

🔗 @genspark_ai sur X

GitHub Copilot アプリのスラッシュコマンドガイド

8月6日 — GitHub は、GitHub Copilot desktop アプリで利用できる6つのスラッシュコマンドを詳しく説明するガイドを公開した。これらはチャット欄で「/」を入力すると使え、計画、アプローチの検証、自動実装、別モデルによるクロスレビュー、対話型インターフェースの作成、マルチリポジトリのオーケストレーションまで、作業の全工程をカバーする。なお、CLI のスラッシュコマンドとは異なり、CLI は desktop アプリではなくターミナルを対象としている。

スラッシュコマンド	担当機能
`/plan`	コーディング前にタスクを分解する
`/spar`	アプローチを検証するための悪魔の代弁者
`/autopilot`	計画をコードに変換する
`/rubber-duck`	別モデルによる独立レビュー
`/orchestrate`	複数リポジトリ間の作業を調整する

🔗 GitHub — スラッシュコマンドガイド

メディア生成：吹き替えと音声の透明性

ElevenLabs が ElevenAPI で Dubbing v2 を開始

8月6日 — ElevenLabs は、既に製品側では提供されていた吹き替えエンジン第2版 Dubbing v2 を、ElevenAPI 上で一般提供した。これにより開発者は、IA 吹き替えを自分たちのアプリケーションに直接組み込める。技術的には、Dubbing v2 はフラットな書き起こしではなく元の音声パフォーマンスを直接条件として扱うため、話者のトーン、感情、話し方のニュアンスが保たれる。モデルは90以上の言語で自然な発話になるようフレージングを調整し、開始と終了を自動でそろえる「sync-aware」翻訳も備えており、手動調整は不要だ。企業向けユースケースでは、きめ細かな編集モードにより自前のトランスクリプトを取り込み、吹き替え全体ではなく変更されたセグメントだけを再生成できる。翻訳、音声クローン、吹き替え、同期を含むパイプライン全体が単一 API で公開されている。

🔗 @ElevenLabs sur X

Suno が透明性ツールを展開し、コミュニティ規則を更新

8月6日 — Suno は、CEO の Mikey Shulman が署名した投稿を公開し、AI 生成音楽の未来を「責任を持って」築くために同社が従うべき原則を示した。具体的には、プラットフォーム上で生成された楽曲を特定するためのウォーターマーキングと音声フィンガープリンティング技術の展開が導入される。これらは、聴取体験を損なわずに改ざん耐性を持つとされる。また、配信サービスへの大量流通を抑えつつ、業務用途や創作用途を保護することを目的とした、ダウンロード制限も今後導入される。この発表に伴い Community Guidelines も更新され、既存楽曲の再作成、本人の同意なしに他人の声や外見を使うこと、スパムや自動的なモデレーション回避行為が明示的に禁止された。違反に対する措置は警告から永久追放まである。

🔗 @suno sur X

エージェントとプラグイン：オープン標準とサブエージェント・モデル

Agent Plugins — エージェント用プラグインのオープン標準

8月6日 — OpenAI は、AWS、Cursor、GitHub、VS Code、Vercel と共同で設計した新しいオープン標準 Agent Plugins を発表した。これは、Agent Skills と MCP サーバー構成を共通フォーマットでパッケージ化するためのものだ。目的は、開発者が一度プラグインを作れば、対応する複数のエージェントクライアントで再利用できるようにし、ツールごとに統合を重複実装しなくて済むようにすることにある。ローンチ時点で対応クライアントとして列挙されているのは Codex、ChatGPT、Cursor、GitHub Copilot、Kiro、VS Code であり、OpenAI のエコシステムとコードエージェント分野の主要な競合の両方を広くカバーしている。ツイートでは、技術的な仕組み（マニフェスト形式、公開プロセス）や、発表されたローンチ以外の一般提供時期は詳述されていない。

🔗 @OpenAIDevs sur X

Perplexity Computer が GPT-5.6 Terra と Luna をサブエージェント・モデルとして展開

8月6日 — Perplexity は、サブエージェントと自動化のプラットフォーム Computer に、2つの新しい GPT-5.6 モデル Terra と Luna を導入した。Terra は Computer のすべてのサブエージェントに対する既定モデルとなり、オーケストレーターとしても機能する。Luna は計画型自動化の主要モデルとして位置づけられている。Perplexity によれば、Terra は目標指向の複雑な作業向けに設計されており、タスクを分解して自律的に実行する必要があるサブエージェントの役割に適している。WANDR ベンチマークでは、Terra は Claude Sonnet より11ポイント高いスコアを達成しつつ、コストを1桁分の1に削減できるという。役割ごとに特化したモデルの導入は、Perplexity においてエージェント構成がますます細分化していることを示している。

🔗 @perplexity_ai sur X

短報

Together AI が、法務ベンチマーク Harvey LAB-AA において Kimi K3 は Claude Fable 5 のほぼ2倍優れていると主張 — 公開された方法論の詳細はなく、推論プロバイダーによるマーケティング上の主張として受け止めるべきだ。 🔗 出典
Hugging Face が、編集可能な CAD に変換する 3D メッシュ逆コンパイラ Cadena を紹介 — 固定された 3D ファイルを、たとえば穴を広げるためにモデルを再構築せずとも段階的に編集できる CAD プログラムへ変換する Spaces デモ。 🔗 出典
Hugging Face の CEO が、レイヤー別の AI 規制を支持 — Clément Delangue は、モデル重み、API、アプリケーションを区別する新しい米国の規制枠組みを支持し、オープンソースにとって保護的だと評価している。 🔗 出典
Together AI が、99.9% の可用性を備えたマルチデータセンター構成を詳説 — 2つの拠点へ同時にトラフィックを直接分散し、1つのデータセンターが完全に失われてもサービスを止めずに耐えられる容量を持つ。 🔗 出典
Gemini Omni：無料の10本動画生成キャンペーンを8月11日まで延長 — 8月4日に終了予定だったこの提供は、2026年8月11日 23:59（太平洋時間）まで利用できる。 🔗 出典
GenOffice が Linux で利用可能に — すでに macOS と Windows で提供されている Genspark のオープンソース AI オフィススイートが、Linux でもコンパイル可能かつ利用可能になった。 🔗 出典
Genspark の AI 動画エージェントに Flux 3 が搭載 — Black Forest Labs の Flux 3 を統合し、ネイティブ音声と多言語対話に対応、1080p で最大20秒のクリップを生成できる。 🔗 出典
Qwen3.8-Max が公開ランキングで上昇 — Alibaba は、前日の Image-to-WebDev Arena で2位だったのに続き、Artificial Analysis Intelligence Index で5位、Agentic Index で1位を獲得したと主張している。 🔗 出典
Qwen-Image-3.0-Pro が Qwen Cloud と fal.ai に展開 — すでに世界5位にランクされている Alibaba の画像生成モデルが、Qwen Cloud とサードパーティ・プラットフォーム fal.ai で直接利用可能になった。 🔗 出典
OpenAI と American Psychological Association が、AI と若者のメンタルヘルスで提携 — 若年ユーザーのウェルビーイングをめぐる、エビデンスに基づく推奨事項と安全策を開発するための提携。 🔗 出典
OpenAI が ChatGPT の世界的利用に関する Signals データを公開 — 国別の採用状況と利用傾向に関する新しい指標だが、この日付時点で閲覧可能な数値詳細はない。 🔗 出典
Cohere が Waterloo 大学と、AI 変革に関する証明書で提携 — 新しい「AI Transformation & Change Management」証明書は、企業での AI 導入を責任ある形で進めるために学生を準備させることを目的としている。 🔗 出典

それが意味すること

今週は、明確な転換を示している。最先端の知能が、追加料金のかかるオプションではなく、デフォルトの選択肢になりつつある。OpenAI は ChatGPT を GPT-5.6 Sol を中心に統合し、速度と深い推論の両方を扱えるようにしつつ、Free と Go のアカウントでは Luna を無制限かつ無料にしている。GitHub も開発者向けに同様の流れを取り、オープンウェイトモデルである Kimi K3 を Copilot の有料プラン全体に展開している。いずれの場合も、新規性は純粋な能力の飛躍ではなく、配信の変化にある。これまでプレミアム層や個別統合向けに限られていたモデルが標準構成になり、競争の軸はベンチマークの生スコアではなく、知覚される信頼性とアクセスコストへと移っている。

AI の能力を測ること自体が、構造化された競争の場になりつつある。Meta の Muse Spark 1.2 は Artificial Analysis によればほぼ最前線まで到達し、そのタスク当たりコストは同カテゴリでも最安水準にとどまっている。一方で、Meta Superintelligence Labs は、ツールを使わずに5つの国際科学オリンピックで金メダル級の結果を達成したと主張しており、これは通常のリーダーボードを超えて説得するために設計された公開デモンストレーションだ。並行して、これらのオープンモデルを支えるインフラも専門化が進んでいる。Baseten は DeepSeek V4 Flash、Kimi K3、GLM-5.2 向けの Hugging Face 公式推論プロバイダとなり、Ai2 は Hub 上のストレージをほぼ3倍に拡張し、Sakana AI は基礎研究を Marlin によって自律的な研究プロダクトへと変えている。共通する流れは明快だ。価値は単体のモデルから、それを配信し、ホストし、検証するエコシステムへと移っている。

エージェント型コーディングツールは、ひとつの考え方へと収束している。もはや単一モデルがすべてのタスクで支配的ではないため、賢くルーティングする必要がある。Cursor は、自社のルーターが複雑性の推定と分類体系による分類を組み合わせ、体感満足度を損なわずに最大68%のコスト削減を実現している仕組みを詳述している。Warp は自然言語によるルーティングルールを導入し、Amp と Devin はそれぞれリモート環境（Portals、Vercel Sandbox との統合）を拡張して、クラウド開発をローカルの快適さに近づけている。Replit は、Semgrep によるセキュリティスキャンを事後ではなく build 前に前倒しし、この規模で1日10万件超のスキャンを処理している。これらの発表を合わせると、知能だけが唯一のレバーではない世代のツール像が見えてくる。オーケストレーション、デフォルトのセキュリティ、インフラ統合が同じくらい重要になっている。

言語モデルを超えて見ると、今週は AI が、直接的な影響を持つ用途と、大規模なクリエイティブ制作の両方に定着しつつあることがわかる。Google DeepMind の WeatherNext は Nature に掲載され、オープンウェイトでも公開されており、サイクロン予測に平均で24時間の追加リードタイムをもたらす。これは、商業競争よりも明らかに公益が優先される応用例だ。対照的に、Alibaba の Wan3.0、ElevenLabs、Suno は、メディア生成の急速な成熟を示している。30秒のネイティブ動画生成とマルチモーダル制御、元の音声パフォーマンスに条件付けされた吹き替えの API での一般提供、そして生成コンテンツの真正性に対する懸念に応えるためのウォーターマーキングツールの展開である。オープンサイエンスと商用クリエイションというこの2つの方向性は同じ速度で進んでいるが、責任の重みは大きく異なる。