AnthropicがClaude Fable 5.2とMythos 5.2を発表、MetaはMuse Emberを披露、GoogleはTPU 8txと8i Maxを追加

AnthropicはClaude Fable 5.2とClaude Mythos 5.2を発表しました。同一モデルの2つのバージョンで、料金は100万トークン当たり10ドルと50ドルから8ドルと40ドルに下がり、5.1世代より最大30 %高速になっています。同日夜にはCursor、Devin、Perplexity、v0がユーザー向けに提供を開始し、最初の3社は独自の測定結果も公開しました。一方、Anthropicはモデルがすでに生み出した成果として、3つの電子機器、1 000体のエージェントによるフェルマーの定理の証明の再構築、MIPLIBにおける既知の最良解72件の更新を示しています。Metaは最小モデルのMuse Emberでコスト面から応じ、Googleは8txと8i Maxのシステムで第8世代TPUのラインアップを拡充し、NVIDIAはCoRLでロボティクス向けに現実世界での行動を扱うオープンモデル、GR00T 2を発表しました。

Claude Fable 5.2とClaude Mythos 5.2：同一モデルを低価格化、最大30 %高速に

11月9日 — Anthropicは、同一モデルの2つのバージョンであるClaude Fable 5.2とClaude Mythos 5.2を発表しました。Fable 5.2はサイバーセキュリティと生物学分野の安全対策を強化し、すべてのユーザーに開放されます。Mythos 5.2はCyber Verification ProgramまたはLife Sciences Verification Programに認められた組織のみが利用できます。Anthropicによると、両モデルはコーディング、推論、視覚認識で向上し、Fable 5.1とMythos 5.1より最大30 %速く回答を生成します。料金は20 %下がります。

Introducing Claude Fable 5.2 and Claude Mythos 5.2, designed to tackle the most daunting technical challenges. They’re capable collaborators on ambitious projects in many fields, and show improvements in areas like coding, reasoning, and vision.

🇯🇵 最も困難な技術的課題に取り組むために設計された、Claude Fable 5.2とClaude Mythos 5.2をご紹介します。多くの分野の野心的なプロジェクトで有能な協力者となり、特にコーディング、推論、視覚認識で進歩しています。 — @claudeaiのX投稿

料金種別（100万トークン当たり）	Fable 5.2とMythos 5.2	Fable 5.1とMythos 5.1
入力	8ドル	10ドル
出力	40ドル	50ドル
高速モード、最大2,5倍高速（入力 / 出力）	16 / 80ドル	記載なし
キャッシュ読み取り（Claude Codeのリリースノートによる）	0,20ドル	記載なし

APIでは、claude-fable-5-2とclaude-mythos-5-2が100万トークンのコンテキスト、最大128 000トークンの出力、常時有効な適応型思考に対応します。思考の保持（preserved thinking）はすべてのアカウントに適用されます。Fable 5.2の思考ブロックを再送する前に、システムプロンプト、ツール、または過去のメッセージを変更すると400エラーになり、コンピューター操作はcomputer_toolset_20260801経由でのみ利用できます。既定の推論強度はClaude Platformではhigh、ClaudeアプリとClaude Codeではmediumです。このモデルはClaude API、Amazon Bedrock、Google Cloud、Microsoft Foundry、およびすべての有料プランで利用できます。Claude Codeも同日、既定のFableモデルをこれに切り替えました（コーディングエージェントの節を参照）。Anthropicは引き続き、まずClaude Opus 5.5を使い、最も野心的な作業に限ってFableへ移行することを勧めています。この使い分けは、claude.devで公開されたアディ・オスマニのガイドで詳しく説明されています（短報を参照）。

エージェント型コーディングでは、主な利点はコスト面にあります。FrontierCode 2.0では、推論強度HighのFable 5.2が45,3 %を達成し、タスク当たりのコストは約半分でありながら、Opus 5.5の最高スコア（推論強度Maxで45,5 %）に並んでいます。xhighでは49,1 %に達し、Anthropicによると、テストした公開済みモデルの中で最高のスコアです。ただし、すべてで首位というわけではなく、AutomationBenchではGemini 4 Carbonが上回っています。以下はAnthropicによるスコアで、特記がない限り、安全対策を有効にし、利用可能な最高の推論強度で測定されています。

ベンチマーク（分野）	Fable 5.2	Fable 5.1	Opus 5.5	GPT-6 Astra	Gemini 4 Carbon
FrontierCode 2.0（エージェント型コーディング）	49,1 % (xhigh)	32,4 % (xhigh)	45,5 %	42,8 %	41,1 % (medium)
FrontierSWE v2（エージェント型コーディング）	69,9 %	56,3 %	62,3 %	65,5 %	61,2 %
AutomationBench（業務フロー）	51,4 %	31,4 %	42,5 %	41,4 %	53,9 %
OSWorld 2.1（コンピューター操作）	89,3 %	83,5 %	87,2 %	79,5 %	81,5 %
Humanity’s Last Exam（ツール使用）	74,2 %	65,6 %	67,7 %	57,2 %	比較なし
RoboDojo Sim（ロボティクス）	64,9 %	27,6 %	39,4 %	29,8 %	比較なし
CVE Rediscovery（サイバーセキュリティ、Mythos 5.2/5.1）	89,6 %	78,3 %	81,3 %（安全対策なし）	比較なし	比較なし

Anthropicによると、現在、主要コードにマージされる変更の90 %超が、人間の監督の下でClaudeによって書かれています。また、空のフォルダーから1 000体超のサブエージェントが8日間で書き上げた、オペレーティングシステムの試作も紹介しています。科学分野では、モデルがブラックホール物理学の未解決問題を2つ解決し、プレプリントが公開されました。また、Mythos 5.2は遺伝子治療に使われるアデノ随伴ウイルスのカプシド構造を予測し、34例中28例で誤差が3 Å未満となりました。

Mythos 5.2は、サイバーセキュリティ分野でAnthropicの最も高性能なモデルとされています。CVE Rediscovery（1 829件のCVE）では、Opus 5.5より10,2 %多くの脆弱性を発見しています。ただし、Anthropicは独自の評価において、脆弱性の特定能力をOpus 5.5とほぼ同等と位置づけています。サンドボックスからの脱出試行は、Mythos 5.1の21 %から3,1 %に減少しましたが、両モデルとも評価を受けていると疑う頻度は高まっています。初期テストによると、Fable 5.2の分類器によるブロックはFable 5.1より約55 %少なくなるとされ、ブロックされたリクエストはOpus 4.8（サイバーセキュリティ）またはOpus 5（生物学）に切り替えられます。さらに、データを一切保持しない運用に対応した監視機能Enterprise Frontier Safeguardsが、Bridgewater、Salesforce、Stripeとともに非公開ベータに移行します。

🔗 Claude Fable 5.2とClaude Mythos 5.2（Anthropic） · Claude Platformのリリースノート · @ClaudeDevsのスレッド

発売記念特典：Fableの利用枠を最大3回リセット、Proには1週間のFable利用を追加

11月9日 — 発売記事からリンクされたヘルプページによると、Anthropicは発売に合わせ、有料プランの加入者にFableの利用上限のリセットを提供しています。リセットすると、その週に消費したFableの利用枠が戻り、ほかのモデルも含めて5時間の利用枠が全回復します。上限自体が増えるわけではなく、設定の「使用状況」から「無料でリセット」ボタンで実行します。特典はFable 5.2、Fable 5.1、Fable 5に適用されます。

対象プランまたはシート	特典内容	有効期限（太平洋時間）
Pro、Teamの標準シート	週間利用上限の50 %までFableをプランに含め、さらに1回のリセットを提供	2026年11月16日、23時59分
Max、Ultra、Teamのプレミアムシート、旧Enterpriseのシート単位プラン	1回のリセット（加入6か月未満）、2回（6〜12か月）、または3回（12か月超）	2027年3月8日、23時59分

11月9日10時（PT）より前に、有料の請求が設定されている必要があります。Freeプラン、セルフサービス型・従量課金型・HIPAA-readyのEnterpriseプラン、および旧Enterpriseのシート単位プランの標準シートは対象外です。ProとTeamの標準シートでは、1週間が過ぎるとFableの利用は再び利用クレジットから差し引かれます。

🔗 Claude Fable 5.2の発売記念特典（Claudeヘルプセンター）

Fable 5.2がすでに生み出した成果：Diodeとの3つの機器、1 000体のエージェントによるフェルマーの証明の再構築、化学、MIPLIB

同日に公開された3つの記事が、5.2世代の実際の作業を示しています。一部ではモデルの初期版が使われています。

Diode：3つの電子機器を全工程にわたって設計、修正なしで動作

11月9日 — Anthropicはプリント基板メーカーのDiode Computersとともに、Claude Fable 5.2が短いプロンプトから3つの機器を設計する様子を披露しました。Bluetooth対応のUSB-C会議用スピーカー、家庭用音声アシスタントのハブ、ポケットサイズのバーチャルペットです。モデルは仕様を作成し、回路図を描き、4層基板の配線を行い、3Dプリント可能な筐体を設計し、ファームウェアを書きました。3つの試作品はいずれも回路の修正なしで動作しています。KiCadのルーターは一度に1本の配線しか引けなかったため、Claudeは約30分で独自のルーターを書き上げました。

進歩の中心にあるのは幾何学的推論です。Diodeの社内ベンチマークPCB Gymでは、Fable 5の25 %に対して69 %を達成し、BenchCAD 2.1ではFable 5.1のほぼ2倍に当たる83,5 %を記録しました。AnthropicはDiodeと取引関係にあることを明示し、これらの試作品は電気的な検証、熱試験、認証のいずれも受けていないとしています。

🔗 Claudeは電子機器の試作品を最初から最後まで設計できる（Anthropic）

フェルマー：1 000体のエージェントが専用プラットフォームなしで28,7時間で形式化を再実行

11月9日 — Anthropicは9月、フェルマーの最終定理の初めての完全な形式化を公開していました。Prove2Meプラットフォーム上で、研究者の指導を受けた数十体のエージェントが11日間かけて取り組んだものです。バリー・チャン、ティエンイー・ポン、エル・ナイト、ケラー・ショール、ランス・マーティンによるclaude.devの記事は、Fable 5.2の初期版を使った1 000体のエージェント、すなわちリーダー1体と補助999体が、このプラットフォームも人間の指揮も使わずに同じ作業をやり直した経緯を紹介しています。所要時間は同記事によると28,7時間（発売記事では30時間に丸めて記載）で、出力トークン数は3分の1、証明の長さは7分の1になりました。発売記事によると、同じ構成でOpus 5.5が18時間で完了できたのは26 %にとどまりました。

各エージェントには、ネットワークに接続されていない仮想マシンが与えられ、Lean、Mathlib、各自のGitブランチ、共有Postgresデータベースを利用できました。リーダーは10分で連携用のテーブルを作成しました。最も重い結果であるラングランズ–タネルには、最大約750体の補助エージェントが取り組み、作業は2 418のタスクに分割されました。分類器がすべてのコマンドとファイル変更を検査しましたが、100万回を超えるツール呼び出しのうち、ブロックされたものはありませんでした。

🔗 Claude Fable 5.2によるマルチエージェントチームの安全な拡大（claude.dev）

有機化学とMIPLIB：実演スレッドで記事未掲載の2つの成果を追加

11月9日 — 発売から2時間後、@claudeaiのアカウントが実演スレッドを公開しました。有機化学では、ノア・バーンズ（スタンフォード大学）、ティモシー・ニューハウス（イェール大学）、サラ・ライスマン（カリフォルニア工科大学）の研究室の未発表研究に由来する4つの分子について、Claudeがそれぞれ約30分で完全な合成経路を作成しました。入力は画像1枚だけで、インターネットは使わず、ツールはコードのみです。投稿の図では、これらの経路はMythos 5.2によるものとされています。協力した化学者たちは、博士課程初期の学生に相当する仕事だと評価していますが、実験室で検証された経路はありません。

Of 203 open problems, Claude beat the listed mathematical solution in 72 cases, and in 45 cases proved that a solution was optimal.

🇯🇵 203件の未解決問題のうち、Claudeは72件で記録されていた数学的な解を上回り、45件で解が最適であることを証明しました。 — @claudeaiのX投稿

MIPLIBには、乗務員の配置計画や配送ルートなどの最適化問題が集められています。投稿の画像によると、最大300体のエージェントからなるチームが、Fable 5.2の以前のバージョンでこれらに取り組みました。ピーク時の電力消費を抑えるために設計された42本の列車のダイヤでは、エージェントが2時間足らずで既知の最良のダイヤを2,6 %上回り、さらにそれ以上のものが存在しないことを証明しました。解はMIPLIBに提出されています。

🔗 @claudeaiの実演スレッド

Cursor、Devin、Perplexity、v0が初日からFable 5.2を提供、それぞれ独自のベンチマークで測定

発売日の夜、3つのツールが、それぞれ独自のベンチマークで測定したFable 5.2の結果を公開しました。Vercelのアプリ作成ツールv0も、数値は示さずにモデルの提供を開始しています（短報を参照）。

Fable 5.2を提供するツール	開発元のベンチマーク	Fable 5.2のスコア	記載された最も近い競合
Cursor	CursorBench 4.0	推論強度Maxで60,0 %、32,79ドル	Opus 5.5 Max：57,8 %、13,43ドル
Devin (Cognition)	FrontierCode 2.0	49,1 %	Opus 5.5：45,5 %
Perplexity	WANDR	タスク当たり14,51ドルで0,851	Gemini 4 Argon：7,88ドルで0,802

Cursor：CursorBench 4.0で首位、推論強度の設定はFable 5.1から引き継がないよう推奨

11月9日 — CursorはFable 5.2を同日中に提供開始した。推論強度を最大にすると、同モデルはCursorBench 4.0で60,0 %を記録し、Claude Opus 5.5 Max（57,8 %）を上回って首位に立つ。デフォルトの推論強度（High）では56,9 %で、Fable 5.1の49,2 %を上回る。Cursorは、推論強度の各設定がFable 5.1と同じようには機能しなくなったと注意を促し、従来の設定を引き継ぐよりも、デフォルト設定から始めることを勧めている。同社のランキングページにも、その違いが表れている。

Fable 5.2の推論強度	CursorBench 4.0スコア	タスク当たりのコスト
Max	60,0 %	32,79 ドル
High（デフォルト）	56,9 %	9,70 ドル
Extra High	56,3 %	15,48 ドル
Medium	54,8 %	4,66 ドル
Low	53,2 %	3,94 ドル

Extra HighはHighよりコストが高いにもかかわらずスコアが低く、Lowでもすでに推論強度を最大にしたFable 5.1（17,28ドルで51,8 %）を上回る。Cursorは同モデルの料金を100万トークン当たり8ドルおよび40ドルと表示しているが、変更履歴や対象プランの詳細は示していない。

🔗 @cursor_aiの発表 · CursorBench 4.0ランキング

Devin：FrontierCode 2.0で49,1 %を記録して首位に、低い推論強度でもFable 5.1を上回る

11月9日 — CognitionはDevin DesktopとDevin CLIでFable 5.2を提供開始し、実際のエンジニアリング作業を品質とマージ可能性（mergeability）で採点する独自ベンチマークFrontierCode 2.0の首位に位置づけた。Fable 5.2は49,1 %を記録し、10月27日のベンチマーク公開以来首位だったClaude Opus 5.5（45,5 %）、GPT-6 Astra（42,8 %）、Sonnet 5.5（41,0 %）、Gemini 4 Carbon（40,0 %）を上回る。Fable 5.1は最高でも32,4 %だった。記事によると、Fable 5.2は推論強度が低い設定でも、タスク当たりのコストが3分の1未満でFable 5.1の最高結果を上回る。投稿ではコストが3分の1とされている。必須条件を満たさない解答は0点となり、コストはAPIの公開料金に基づく実行1回当たりの平均支出を表す。CognitionはDevinの料金を示していない。

🔗 Claude Fable 5.2がDevinで利用可能に（Cognition） · @cognitionの発表

Perplexity：WANDRで0,851、独自ベンチマークで最高記録と発表

11月9日 — Perplexityは、同社のエージェントであるComputerでProおよびMax加入者向けにFable 5.2を提供開始し、検索（Search）ではMax加入者のみに提供する。根拠に基づく調査を評価する独自ベンチマークWANDRで、同モデルはタスク当たり14,51ドルで0,851を記録した。これは、スコアとコストの両方でほかのモデルに上回られないモデル群が並ぶパレートフロンティア上の最高記録として紹介されている。これらの数値の唯一の出典であるPerplexity公開のグラフによると、Fable 5.2は、10月16日以来7,88ドルで0,802という最高記録を保持していたGemini 4 Argonを、タスク当たり約1,8倍のコストで上回る。再測定されたFable 5.1は13,16ドルで0,684を記録し、9月の登場時の0,601から上昇した。投稿では、推論強度もComputer内のクレジット換算のコストも明らかにされていない。このスコアは、11月5日に公開された、複数のエージェントを使う構成であるAgent APIのultraレベルの85,9 %とは比較できない。

🔗 @perplexity_aiの発表

Meta、最小モデルMuse Emberを公開、入力100万トークン当たり0,10ドル

11月9日 — Metaは、同社で最小かつ最も効率的なモデルとするMuse Emberを公開した。エージェントが一日中繰り返す作業を対象とし、連続したツール呼び出し、コーディングのサブタスク（ファイルの読み込み、テストの実行、対象を絞った修正）、ルーティング、長い文書からの情報抽出と分析に対応する。100万トークンのコンテキストを備え、最大512 000トークンを出力し、テキスト、画像、音声、動画をネイティブに理解する。Metaが10月のMuse Wonder公開時に予告していたとおり、Muse Wonder Fullを用いて学習された初のモデルとなる。この製品群では、Muse Wonderが最も難しい問題、Muse Sparkがコーディングとエージェントのワークフロー、Muse Emberが大規模に繰り返す作業を担う。

同モデルはMuse CodeとMeta Model APIでmuse-ember-1.0という名前で利用でき、Responses APIに対応する。料金は100万トークン当たり、入力が0,10ドル、キャッシュ済み入力が0,004ドル、出力が0,50ドル。重みの公開は発表されていない。

On the @ArtificialAnlys Intelligence Index, it achieves performance comparable to Claude Haiku 5.5 at roughly one-third of the cost per task, while scoring higher than GPT-6 Luna across all of Luna’s reasoning settings.

🇯🇵 Artificial AnalysisのIntelligence Indexでは、タスク当たり約3分の1のコストでClaude Haiku 5.5に匹敵する性能に達し、GPT-6 Lunaのどの推論設定よりも高いスコアを記録しています。 — Xの@AIatMeta

これがMetaの主張の中心であり、同社の記事ではMuse EmberがHaiku 5.5の最高スコアに並ぶとも述べている。両モデルの指数は36で、グラフの凡例には、Muse Emberのコストが提示料金に基づく推定値であると明記されている。

Metaが公開した比較	Muse Ember (max)	Muse Spark 1.3 (max)
Artificial Analysis Intelligence Index	36	37
指数測定のタスク当たりのコスト	0,14 ドル	2,39 ドル
100万トークン当たりの料金（入力 / 出力）	0,10 / 0,50 ドル	1,25 / 4,25 ドル

max設定でのベンチマーク（Metaによる）	Muse Ember	Claude Haiku 5.5	GPT-6 Luna
AutomationBench-AA	37,8	13,9	20,2
Coding Agent Index-AA	46	37	31
Terminal-Bench 4.0（最良のハーネス）	40,9	39,2	16,4
OSWorld 2.1（部分点あり、社内評価）	69,5	68,9	50,5
FrontierCode 2.0-AA	27,2	34,9	25,2
Artificial Analysis Intelligence Index	36	36	28

推論強度を最大にすると、Muse Emberは公開された10件のベンチマークのうち7件でClaude Haiku 5.5とGPT-6 Lunaを上回るが、FrontierCode 2.0-AAではHaiku 5.5が依然として上位に立つ。同社独自のPersonal Superintelligence Indexを含め、複数の数値はMetaの社内評価に基づいており、Terminal-Bench 4.0では各モデルを公開済みの最良のハーネスで比較している。独立したVals AIのランキングも同じ傾向を示す。Muse Emberはテスト当たり0,15ドルで最も安価なモデルとなり、総合で60,5 %を記録している。DeepSeek V4.1 Flashとの差は0,8ポイントで、コストはその約4分の1だ。

Metaは、Meta Superintelligence Scaling Frameworkに基づいてMuse Emberを評価し、高リスクのしきい値を下回ったと説明している。また、Box、Cline、Oracle、Cloudflare、You.comによるテストも実施したという。同社は、さらに効率の高いモデルを学習中だと発表している。

🔗 Muse Ember（Metaの研究ブログ） · Vals AIのランキング

Google、第8世代TPUにTPU 8txとTPU 8i Maxを追加、提供時期と料金は未公表

11月9日 — Googleはアミン・ヴァーダット名義の記事で、第8世代TPUにTPU 8txとTPU 8i Maxという2つの新システムを追加した。4月に発表したTPU 8t（学習向け）と8i（推論向け）に続くもので、Googleによると、同じ年に4種類のTPUシステムを投入するのは初めてだという。同社は、これらが新しいチップではなく、既存のチップを基にパッケージ、メモリ、ネットワーク、セキュリティを組み合わせた新システムであると強調する。この手法により、専用スーパーコンピューターを数年ではなく数か月で提供できるとしている。

TPUシステム	想定用途	Googleが発表した特徴
TPU 8t	大規模な学習	学習性能が前世代の最大2,7倍
TPU 8i	リアルタイム推論	推論の価格性能比が前世代より80 %向上
TPU 8tx	機密性を保った推論、小規模な学習	8tのシリコン、第5世代AMD EPYCホスト、レイテンシを8tの最大2分の1に短縮
TPU 8i Max	非常に長いコンテキスト、ラック当たりの集積度	1パッケージに8iチップを2個搭載：演算能力、SRAM、HBM帯域幅が8iの2倍

TPU 8txは、規制対象の企業や政府を対象とする。セキュリティをハードウェア層で確保し、計算中もデータとモデルの重みを保護・隔離する（confidential compute）。Googleによると、性能への影響はほぼゼロだという。同じマシンで、機密データを移動せずに、非公開データを使ったモデルの追加学習、大規模モデルの蒸留、強化学習によるエージェントの学習も行える。TPU 8i Maxは、数十のエージェントがコードベース全体や数時間分の動画を扱う際に生じる、メモリの壁（memory wall）に対処する。

ソフトウェア面でも対応が進む。プレビュー版のオープンソースTPUエージェント群は、Claude Code、Cursor、Google Antigravityと連携し、自然言語でTPUへの移行、ボトルネックの診断、カーネルの調整を行える。XLA Serving EngineはC++を使い、TPU、GPU、CPU上でモデルを提供する。TPU SyncはKVキャッシュの転送レイテンシと最初のトークンが生成されるまでの時間を90 %超短縮し、Agent Compute Engineは非アクティブなエージェントのセッションを自動的に一時停止する。Geminiを支えるGoogle DeepMindのランタイムであるCloud Pathwaysと、GKEの動的スライシング（GKE dynamic slicing：ジョブの起動が最大5倍高速、障害後の復旧が最大4,5倍高速）が一般提供に移行する。

Googleによると、TPUの顧客は約100社に上り、顧客は自社のデータセンターにもTPUを導入できるようになったという。一方、TPU 8txとTPU 8i Maxの提供時期も料金も示しておらず、InferenceXとAgentXのベンチマーク結果にも数値は添えられていない。

🔗 TPU 8i MaxとTPU 8tx（blog.google） · Google Cloudの記事 · TPU Syncの紹介（Google Cloud）

NVIDIA、CoRLでオープンなワールドアクションモデルGR00T 2を発表、ライセンスとダウンロードリンクは未提示

11月9日 — オースティンで開催されるConference on Robot Learning（CoRL）の開幕に合わせ、NVIDIAは、自社のCosmosプラットフォームを基盤とするGR00T 2を発表した。同社はこれを、最先端のオープンなワールドアクションモデル（open frontier world action model）と説明する。同モデルは、NVIDIAがオープンソースで公開した100 000時間分の人間の一人称視点動画を含む、ロボットと人間のデータで学習された。これにより、細かな操作動作を習得し、ロボットによる実演なしに、あるロボットの身体から別の身体へ動作を転用することを目指す。APIを通じて、エージェントが複数のスキルを順につなぎ、自らの誤りから立て直すことができる。

NVIDIAが発表した指標	発表値
GR00T 2、タスク固有の実演なしで成功したタスク	50件中40件、少なくとも1回
GR00T 2、タスク当たり1回の実演での平均成功率	50タスクで71 %
GR00T 2、タスク当たり5回の実演での平均成功率	95 %
Newtonを使うIsaac Lab 3.0と、PhysXを使うIsaac Lab 2.3の比較	学習スループットが最大2,5倍
AlphaNIST、単一ポリシーと個別ポリシーの比較	98 %超対 81 %、GPU時間は約39分の1
EgoHand、Hugging Faceでのダウンロード数	2週間で40 000件超

NVIDIAは、RoboCasa365、RoboLab、RoboDojo、MolmoSpacesのランキングでGR00T 2が上位3モデルに入り、複数で首位を獲得したと説明しているが、具体的なスコアは示していない。Nexuniは洗濯物の処理、Foxconnはサーバー製造、Siemensは評価のために同モデルをテストしている。MicroAGIは、強化学習による追加学習を施した同モデルを使い、ロボットアームでEthernetケーブルを差し替えている。

シミュレーション面では、10月21日から利用可能なIsaac Lab 3.0が、変形する物体（ケーブル、布）や多関節ハンドのために、オープンソースの物理エンジンNewtonをより積極的に活用している。AlphaNISTはその一例で、単一のポリシーが、成功か失敗かという単純な信号だけを使い、NIST Assembly Task Boardの組み立てタスク20種類を学習する。評価用として、NVIDIAはIsaac Lab-Arena 0.4の開発者向けプレビュー版と、2つのオープンなベンチマークを公開した。RLWRLDと共同開発したDexBench（商業施設から宿泊施設まで、4つのシーンで15のタスク）と、UC Berkeleyと共同開発したVABAR（6つの産業用タスク）だ。さらに、人間の動画をシミュレーション上のロボットの実演に変換するVideo to Dataワークフローと、手の3D再構成用のオープンモデルEgoHandも加わる。

記事ではGR00T 2をオープンと紹介しているが、ライセンス、ダウンロードリンク、提供時期はいずれも示されていない。

🔗 NVIDIAのCoRL向け記事

韓国でのNVIDIA：RebellionsとSK TelecomとのNVLink Fusion連携、Dynamoのレシピ、フィジカルAI

11月9日 — NVIDIAはNVIDIA AI Day Seoulに合わせ、韓国に関する一連の発表を行った。主な内容は、韓国の科学技術情報通信部の支援を受けた、チップ設計企業Rebellionsおよび通信事業者SK Telecomとの協業だ。Rebellionsは今後のニューラルプロセッサー（NPU）Rebel R200をNVLink Fusion経由でNVIDIAのプラットフォームに接続し、MGXラックアーキテクチャを基にシステムを構築する。SK Telecomはこれらを自社のAIデータセンターに導入し、A.X K2などの自社モデルや、政府のAI for Allプロジェクトの公共サービスに使う計画だ。推論は処理を分離する構成となる見込みで、NVIDIAのGPUがプロンプトを読み込み（prefill）、RebellionsのNPUがトークンを生成する。時期も規模も示されていない。

NVIDIAは、韓国の4つのオープンモデル（A.X K2、K-EXAONE 2.0、Solar Open 2、Motif-3）向けのDynamoレシピも公開した。B200 GPU向けに最適化され、NVIDIAによると、初期状態で最大2倍の性能が得られる。LG AI Researchは、Nemotron-Personas-Korea（700万のペルソナ）などのNemotronデータセットで学習したK-EXAONE-2.5へのAPIアクセスを提供開始し、Hyundai Motor GroupはNemoClawとOpenShellの活用を検討している。NVIDIAはさらに、Point2（無線周波数による相互接続）への投資と、Motif Technologies、RLWRLD、Upstageへの投資計画を発表したが、金額は示していない。同じ一連の発表で、Samsung、Kakao Mobility、LG ElectronicsもNVIDIAと進めるフィジカルAI計画の詳細を明らかにしている（短報を参照）。

🔗 NVIDIA、Rebellions、SK Telecomの共同発表 · 韓国モデル向けDynamoレシピ · 韓国での安全なエージェント · 韓国のスタートアップへの投資

コーディングエージェント：Claude Code 2.1.321、Vibe CLI 3.1.1、Qwen Code、Copilot CLI、Antigravity CLI、Amp、Delta

Claude CodeとVibe CLIは、この日最も変更内容の多い2つのバージョンを公開した。Qwen Code v0.27.1、安定版のCopilot CLI 1.0.108、Antigravity CLI 1.5.2、AmpのPortalsとWindowsアプリ、Deltaの書き直されたエディターについては、短報の「コーディングエージェントとツール」欄でまとめている。

Claude Code 2.1.321、Fable 5.2を既定のFableモデルにし、74件の問題を修正

11月9日 — Claude Code 2.1.321が新モデルの公開に合わせて登場した。Fable 5.2が既定のFableモデルになる（コンテキストは100万トークン、料金は100万トークンあたり8ドルと40ドル、キャッシュ読み取りは0.20ドル）。保存済みのFable 5.1の選択設定は、ProとMaxでは直ちに、TeamとEnterpriseでは組織が許可した後に、エイリアスfableへ切り替わる。/model claude-fable-5-1で元に戻せる。claude remote-control --settingsは、起動する各セッションに設定ファイルを適用する。

118件の変更項目のうち74件が修正で、複数の脆弱性も含まれる。MCPのOAuthトークンがリダイレクト後に別のホストへ送信される場合があり、読み取り専用のBashコマンドが確認なしでサンドボックス外で実行される場合もあった。また、フォルダーを対象とするcpやmvに拒否ルールが適用されていなかった。高速サービスの制限や障害が発生した場合、高速モードはまず同じモデルの標準速度に切り替わる。Claudeが作成したモッドは、autoモードとbypassモードでは確認なしで有効になり、拒否ルールは引き続き適用される。2.1.320は公開されておらず、npmの安定版チャンネルは2.1.311のままで、Agent SDKもTypeScript版0.3.321とPython版0.2.180で追随する。

🔗 Claude Code 2.1.321のリリースノート

Vibe CLI 3.1.1、フックイベント4種、Vimモード、ほかのエージェントの設定取り込みを追加

11月9日 — 3.1.0から5日後、MistralがVibe CLI 3.1.1を公開した。Xでの発表はない。修正版を示すバージョン番号ながら、変更項目は92件あり、追加17件、変更26件、修正44件、削除5件で構成される。フックには4つのイベントが加わった。モデルがメッセージを読む前に実行され、メッセージのブロック、書き換え、コンテキストの追加ができるpre_agent、Vibeが承認や回答を待っているときのnotification、そしてsession_startとsession_endだ。組み込みスキル/vibe:importは、ほかのコーディングエージェントの設定を探し出し、指示、スキル、サブエージェント、コマンド、フック、MCPサーバー、権限を取り込む。

入力欄にはVimモードが加わり、/prはセッション内のプルリクエストを一覧表示し、失敗している最初のCIチェックを開くか、PRの行き詰まりを解消するためのプロンプトを作成する。この追跡機能は既定で有効になる。このバージョンでは/teleport、--teleportオプション、/remote-projectが削除される。Mistral Large 4の思考レベルは、APIが現在受け付けるLow、Medium、Highに変更される。また、プラグインのスキル名にはプラグイン名が付くようになるため（my_plugin:reviewからmy-plugin:reviewへ）、カスタムエージェントの調整が必要になる。

🔗 Vibe CLI 3.1.1のリリースノート

ChatGPTのdotsが複数のローカルコンピューターに対応、タスクごとに使用端末を選択可能に

11月9日 — 9月末に登場したChatGPTの常駐エージェントであるdotsが、複数のローカルコンピューターを利用できるようになった。同じdotに複数の端末を接続し、タスクごとに使用する端末を選べる。OpenAI Developersは開発者向けの用途を紹介している。ノートパソコンでコードを書きながら専用マシンでアプリをビルドしてテストする、2台目のMacのXcodeで変更をテストしてスクリーンショットを受け取る、古いSDKを備えたマシンでバグを再現する、ユーザーの画面やカーソルを占有せずにインターフェースを操作させる、といった使い方だ。

ヘルプページによると、各コンピューターでは、その端末にインストールしたChatGPTアプリから、dotのプロフィールにある「Computers」欄で接続する。端末はオンラインで、アプリを開いた状態にしておく必要がある。独立したタスクを実行する場合は、コンピューターごとに別のスレッドを用意するようdotに依頼する。オフラインになってもアクセス権は取り消されず、明示的に解除する必要がある。この権限は、Codexへの接続やWork Syncとは別に管理される。OpenAIは対象プランも提供日程も明らかにしていない。

🔗 @OpenAIDevsの発表 · dotにコンピューターとアプリを接続する

OpenAI、ModRetro ChromaticのCodex版を再販、Game Boy Color向けゲーム制作プラグインも提供

11月9日 — OpenAI Developersが、OpenAIの公式ショップOpenAI Supply Co.で、ModRetro ChromaticのCodex版を再販する。Game Boy Colorのゲームを動かせる携帯ゲーム機で、プログラム可能なカートリッジとケースが付属し、価格は200ドル。当初はDevDay限定で販売されていたが、外観を刷新して再登場する。ショップは11月19日の再入荷を案内しており、配送先は米国、カナダ、オーストラリア、ニュージーランド、日本、英国、欧州連合に限られる。

このゲーム機は、ModRetroが提供するModRetro Chromaticプラグインの活用例にもなっている。プラグインは、ChatGPTデスクトップアプリ内のCodexのプラグインカタログからインストールする。GB Studioを基盤とし、スプライトとアニメーションのツール、背景の横に表示する衝突判定マップ、Codexの内蔵ブラウザーで開くエミュレーター、各段階で画面をキャプチャーしながらボタン操作のシーケンスを実行する機能を備える。経験豊富な開発者は、GBDK-2020でCのコードを書いたり、アセンブリ言語で独自のエンジンを構築したりすることもできる。USBケーブルで書き換え可能なカートリッジにインストールすると、既存のゲームは消去され、セーブデータも消去される可能性があり、バックアップは作成されない。

🔗 @OpenAIDevsの発表 · CodexとModRetro Chromaticでレトロな携帯ゲームを作る · OpenAI Supply Co.のChromatic Codex版

Google AI Studio、クレジットカード不要でプロンプトからGoogle Maps Platformのアプリを作成

11月9日 — Google AI Studioで、プロンプトから直接Google Maps Platformを使ったアプリを作成できるようになった。たとえばニューヨークのインタラクティブな3DツアーといったアイデアをGeminiに伝えると、AI Studioが別ページへの移動なしでGoogle Maps Platformの設定とAPIキーの管理を行い、プレビューに操作可能な地図を表示する。既存のGoogle Cloudプロジェクトとの連携も可能だ。Maps API（スタイルを適用した地図、フォトリアルな3D都市）、Places API（地域検索、場所の詳細情報）、Routes API（経由地を含む経路）、Environment API（大気質、花粉）を利用できる。ギャラリーには、リミックスできるサンプルとしてCity Immersive Tour、Pet Grooming Route Optimizer、Store Locator & Near Me Finderの3つが用意されている。

試用は無料で、クレジットカードも不要だ。サンドボックスの割り当てはAPIごとに1日100回の呼び出しで、24時間ごとにリセットされる。本番環境ではGoogle Cloudの請求先アカウントを連携する必要があり、Google Maps Platformの標準料金が適用される。

🔗 プロンプトからアプリへ：AI StudioでGoogle Mapsを使って開発する（Google Developers） · @GoogleAIStudioの発表

ElevenLabs、発信キャンペーンをElevenAgentsに任せるCampaign Managerを公開

11月9日 — ElevenLabsがElevenAgents Campaign Managerを公開した。音声エージェントに発信キャンペーン全体を任せる機能だ。連絡先リストと、見込み客の適格性確認や予約の確定といった目標を渡すと、エージェントが指定した時間帯に電話をかけ、通話をまたいで文脈を保持する。後でかけ直す、希望の時間枠を予約する、別の電話番号や同じ取引先の別の担当者に連絡するといった対応を行い、目標を達成するか相手が連絡の停止を求めると終了する。

このモジュールは、発信試行回数の上限（再架電には別の上限を設定）、相手が停止を求めた時点で更新される発信拒否リスト、エージェントの冒頭の説明に含める必須事項によって通話を管理する。連絡先ごとに判断の履歴が時系列で記録され、不確実なケースは対応待ちのキューに送られ、すべてをCSVで書き出せる。保険、銀行、電子商取引の分野でベータテストが行われ、The AA Irelandでは、1日に対応できる見込み客の割合が50〜60%から100%になったと、同社CTOのジェレミー・オサリバンは述べている。Campaign Managerは電話とWhatsAppで今すぐ利用でき、メールとSMSにも近く対応する予定だが、個別の料金は示されていない。

🔗 ElevenAgents Campaign Manager（ElevenLabs） · @ElevenLabsの発表

オープンデータと研究：NVIDIAの日本語合成データセットとAmazonのHOPEによるプルーニング

この日、Hugging Faceのブログで2つの記事が公開された。一方は学習データ、もう一方はエキスパートモデルのメモリー使用量を扱っている。

NVIDIAとElith、金融とデータ保護向けの日本語合成データセット2種を公開

11月9日 — NVIDIAが、組み合わせて使うことを想定した2つの日本語合成データセットをHugging Faceで公開した。Elithと共同で作成したNemotron-Personas-Finance-Japanは、Nemotron-Personas-Japanを金融分野に拡張したものだ。公的統計に基づく世帯構成、資産、金融行動を含む900万件の日本語ペルソナ（50項目からなる100万件のレコード）で構成され、約15億トークンをCC BY 4.0ライセンスで提供する。著者らによると、日本の公的統計と家計の金融データを組み合わせた、この規模の公開ペルソナデータセットは初めてだという。

Nemotron-PII-Japanは、医療、金融、行政、法律など8分野の日本語業務文書を合成した10万件のデータを提供する。マイナンバーを含む56種類の個人情報に注釈が付いており、これらの情報を検出してマスキングするモデルの学習に使える。NVIDIAは、このうち9万5,000件の文書でGLiNERモデルをファインチューニングしている。全体としては、最初のデータセットで顧客をシミュレーションし、次のデータセットで処理パイプラインが顧客のデータを保護できているかを検証する構想だ。

🔗 Nemotron-Personas-Finance-Japan（Hugging Faceブログ） · Nemotron-PII-Japan（Hugging Faceブログ）

Amazon、共に動作するエキスパートを考慮してMoEのエキスパートを削減するHOPEを発表

11月9日 — アレックス・エム・ツェンの署名記事で、AmazonのチームがHOPE（Higher-Order Pruning of Experts）を紹介した。混合エキスパートモデル（MoE）から有用性の低いエキスパートを、再学習なしで取り除く手法だ。MoEはトークンごとに少数のエキスパートしか使わない一方、すべてのエキスパートをメモリーに保持する。Qwen3.5-122Bでは、モデル全体の約250 GBのうち95%をエキスパートが占める。既存の手法は各エキスパートを個別に評価するが、HOPEは頻繁に同時に有効になるエキスパートのペア間の相互作用も測定する。

Qwen3.5-122B、Qwen3.5-35B、GLM-4.5-Airを対象に、エキスパートの10〜50%を削除し、REAP、MAN、EAN、Frequencyと比較した。Amazonによると、HOPEは平均順位で最高の成績（5手法中2.07位）を収め、削減率が高くなるほど優位性が広がった。50%削減時には、エージェント型のコーディング課題で競合の最良手法を最大+6.1%上回った。量子化と併用でき、追加の処理時間は1層あたり1〜2秒だ。

🔗 AmazonによるHOPEの紹介記事（Hugging Faceブログ）

短報

エージェントとコーディングツール

Qwen Code v0.27.1 — v0.27.0の2日後、11月9日に公開された安定版で、破壊的変更はない。更新項目は122件で、26件の機能追加と65件の修正を含む。Managed Agentには、Mem0を基盤とする任意の個人メモリに加え、アーカイブ機能とMCPサーバーのセルフサービスでのインストール機能が加わった。Desktop v0.27.1とTypeScript SDK v0.1.31も同日に公開された。🔗 出典
Copilot CLI 1.0.108が安定版に — 11月9日に安定版へ移行。11月7日に取り上げたプレビュー版1.0.108-0と1.0.108-1以降の追加機能はなく、/indexコマンド、既定で共有されるtgrepのインデックス作成、Windows向けのサンドボックス設定、72件の修正が含まれる。🔗 出典
Antigravity CLI 1.5.2 — 変更履歴では11月6日付のバージョン。--dangerously-skip-permissionsは、保護されたコマンドや、Gemini Enterpriseの管理者がレビューを必須にしている場合のワークスペース外へのアクセスを、自動承認しなくなった。危険な名前のプラグインは拒否され、クラウドプラグインのスキルが--remote-agentセッションで利用可能になった。🔗 出典
AmpのPortalsがランナーに対応 — これまでorbs専用だったPortalsが、ユーザーのマシンでも動作するようになった。エージェントが起動した開発サーバーをスレッドのPortalタブから開ける。ドキュメントによると、ブラウザーとiPhone、iPadアプリからアクセスできる。Allow Portalsまたはamp --no-tui --remote-control-portalsで有効化する。共有ランナーを除いてポータルは非公開で、ドキュメントによると一般公開されることはない。🔗 出典 · 🔗 ドキュメント
Windows向けAmp — 11月7日、AmpのCEOであるクイン・スラックが、自動更新するインストーラー付きの実験的なWindowsアプリを公開した。バグ報告にはクレジットで報酬を支払い、約3〜4日後には安定したバージョンを提供するとしている。ダウンロードページには、実験的なLinuxアプリも掲載されている。🔗 出典
Deltaのスレッドエディター — アグス・スビアガがDeltaのブログで、スレッドをチャットではなく共有・注釈可能な文書にするために書き直したエディターについて説明した。Zedのエディターのアーキテクチャを捨てたという。Zedによると、ゼロからの作り直しが6回必要だった。技術記事であり、新バージョンの公開ではない。🔗 出典 · 🔗 Zedの投稿
v0とFable 5.2 — Vercelのアプリ作成ツールが、発表当日の夜にClaude Fable 5.2を提供開始した。直接利用できる入口はv0.app/?fable52で、対応プランや料金の説明はない。🔗 出典

プラットフォーム、API、企業

Claudeモデルの選び方 — claude.devで公開したガイドで、アディ・オスマニは、まずOpus 5.5を推論の強度mediumで使い始め、範囲が明確な作業や大量処理ではSonnet 5.5またはHaiku 5.5に下げ、特に難しいプロジェクトではFable 5.2に上げることを勧めている。ただし、モデルを上げる前に推論の強度を1段階上げて試すとしている。SWE-bench Proでは、Opus 5.5をlowで実行し、失敗したタスクをhighで再実行すると、1タスク当たり0.17ドルで約97 %に達する。すべてhighで実行した場合は、0.29ドルで95.3 %となる。🔗 出典
Agents APIの非同期関数 — OpenAIのAgents APIチームに所属するマイケル・ルオが、非同期関数を紹介した。エージェントはツールを呼び出した後、結果を待たずに作業を続けられるため、時間のかかる検索を早めに始めたり、依頼のうち独立した部分を処理したりできる。10月20日に取り上げた12時間のプロンプトキャッシュにも改めて触れている。🔗 出典
OpenAIのSDK — openai-python 3.48.0は、エージェントセッションのストリーミングオプションを追加した。PythonとNode（7.54.0）のSDKは、ベータ版のResponsesでgpt-6-rosalindに対応した。Codex CLIは11月6日の0.167.0以降、安定版を公開しておらず、リリースノートのない0.169.0のプレビュー版のみを公開している。🔗 出典
AWS MarketplaceでChatGPT Enterpriseを提供 — ChatGPT Enterprise（ChatGPT、ChatGPT Work、Codex、dots）をAWS Marketplace経由で購入できるようになった。既存のAWS請求を利用でき、支出をAWSの利用契約のコミット額に充当できる。OpenAIによると機能は直接契約と同じで、料金の発表はない。10月のGoogle CloudとOracleに続く対応となる。🔗 出典
Kuken Industries — 日本の冷却塔メーカーが、スタートアップのRecursiveがOpenAIのAPIで構築したツールを使い、これまで1時間近くかかっていた交換部品の図面検索を4.5分で完了できるようになった。年間の検索作業時間を約90 %削減できると見込んでいる。🔗 出典
Perplexityのメモリガイド — PerplexityがAIアシスタントのメモリを解説し、自社の仕組みを詳しく説明した。すべてのモデルで利用でき、Projectごとに独立し、使用時には出典の一覧に表示され、削除もできる。一般向けアカウントでは、AI Data Retention設定を無効にしない限り、メモリの内容がモデルの改善に利用される可能性がある。Enterpriseアカウントでは利用されない。🔗 出典

セキュリティ

Actionsのログでシークレットスキャン — GitHubのシークレットスキャンが、GitHub Actionsのワークフローログを実行終了時に解析するようになった。Secret ProtectionまたはAdvanced Securityを利用するGitHub Enterprise Cloud向けのパブリックプレビューとして提供される。企業ポリシーは既定で無効になっており、プレビュー期間中は過去のログの解析や通知は行われない。🔗 出典
Fizzlのx402試験 — フリッツ・ズワガーが、x402 Agent Safety Benchを、Fizzlのサイトでどのエージェントでも受けられる公開試験にした。模擬販売者から購入する19のタスクで構成され、販売者のうち14者は不正を行う。支払いにはBase Sepolia上のテスト用USDCを使う。🔗 出典

オープンモデルとコミュニティ

ハーネスアダプター — 11月6日に紹介したharness-hubプロジェクトの続報。Liquid AIのLFM2.5-24BとLFM3、webAIのTwil-8Bについて、pi、hermes、opencodeの各ハーネス向けLoRAの学習が完了した。チームは、LFM3ではツール利用効率が最大43 %、正答率が最大15 %向上し、Twil-8Bでは効率が最大37 %向上したと発表している。🔗 出典
医療向けに重みを編集 — マジヤール・パナヒ（OpenMed）が、学習を行わずに重みを変更することで、小型Qwenモデルの医療試験での成績を改善した。Qwen3.5-2BはMedQAで52.0 %から70.5 %に向上し、数学では有意な変化がなかった。記事では、改善の一部は回答形式によるものだと説明している。🔗 出典
Mac StudioでQwen3.8-27Bをファインチューニング — ロマン・メルニクが、512 GBのMac Studio M3 Ultraだけを使い、Qwen3.8-27BをKafka、Strimzi、Kubernetes、Argo CD向けのアシスタントに仕上げた。4ビット版は約15 GBに収まり、本人はこの最初の結果を一長一短と評価している。🔗 出典
Together AIのStep 5 — 11月8日、Together AIは、エージェントを使って配信基盤を最適化し、StepFunのStep 5のスループットを3倍超にしたと発表した。最適化の対象はMoEルーティング、スケジューリング、カーネル、投機的デコーディング、疎なアテンションで、絶対値の公表はない。🔗 出典
Hubの3Dギャラリー — Hugging Faceが紹介したケイレブ・ファールグレンの説明によると、.glb、.ply、.stlファイルやスプラットを含むデータセットは、自動的に3Dギャラリーとして表示される。10月のOpenUSDビューアーに続く機能で、350を超える公開データセットが対応している。🔗 出典
ドーハでHugging FaceとQaiがハッカソン — アリトラ・ロイ・ゴスティパティとHugging Faceの4人の共著者が、11月5〜7日に開催されたハッカソンを振り返った。Hugging Faceにとって湾岸地域で初の開催とされ、500件超の応募、150人の参加者、40チーム、15組の最終候補、3組の受賞者が集まった。🔗 出典
Sakana AIのモバイルアプリ — Sakana AIが、初のモバイルアプリのベータテスターを11月15日まで募集している。仮称はSakana AI Appで、機能の説明はない。🔗 出典

ロボティクス、3D、動画

韓国のフィジカルAI — NVIDIAの韓国特集では、Samsungが半導体設計の計算を高速化し（PhysicsNeMoで約1 600倍、18時間から41秒へ）、Kakao MobilityがKia車両とNVIDIA Hyperionでレベル4の自動運転を目指し、Isaac GR00Tで制御するLGのロボットCLOiDが実際の工場で作業している。日程や規模は示されていない。🔗 出典
IKEAの家具を組み立てるヒューマノイド — 11月8日、ハープリート・サホタが、2026 Humanoid IKEA Assembly Challengeの一部をFiftyOne向けに変換した。35基のモーターと7台のカメラを備えたヒューマノイドによる6エピソード、30.7分のデータで、モーターのトルクを手首のカメラと同期させている。🔗 出典
MeshyのSAM3D-PartとBranchTokens — SAM3D-Partは、既存の3Dオブジェクトから完全な部品をワンクリックで抽出する。500個のオブジェクトでのChamfer距離はOmniPartより約72 %小さい（論文はSIGGRAPH Asia 2026に採択され、重みも公開済み）。Purdueと共同で進めるBranchTokensは、3D骨格生成の誤差をAuto-Connect比で16.9 %削減した。🔗 出典 · 🔗 BranchTokens
RunwayのSightline — App Studioの新アプリ。場所の360度パノラマを生成し、一貫した背景を保ちながらあらゆる角度でショットを構図に収め、環境として使える3D形式で書き出せる。Runwayのクレジットを消費するが、費用や使用モデルの説明はない。🔗 出典

これが意味すること

最先端モデルは今や、組み込む企業が独自の評価環境で、公開当日に性能を測るようになった。Cursor、Cognition、Perplexityは、Fable 5.2の発表から数時間以内に、それぞれ独自のベンチマークで測定結果を公表し、Claude Codeも即座に既定のFableモデルとして採用した。ただし、測定結果が示す傾向は一様ではない。CursorBenchでは、推論の強度をExtra HighにするとHighより性能が下がり、費用は増える。WANDRでは、最高記録の達成にGemini 4 Argonの約1.8倍のタスク単価がかかる。既定の設定から試し直すというCursorの助言は、同社のツール以外にも当てはまる。新しいモデルを使う際は、推論の強度を調整し直す必要がある。

タスク単価が比較の単位になりつつある。AnthropicはFableの価格を20 %引き下げ、Opus 5.5のスコアを約半額で達成できると強調する。Metaは自社の測定値に基づき、Muse EmberがClaude Haiku 5.5と同水準に、約3分の1のタスク単価で達するとしている。Cursor、Devin、Perplexityはいずれも、スコアと並べてタスク単価を表示する。モデルを支える基盤では、Googleが推論向けTPUシステムを増やし、AmazonがHOPEでMoEのメモリ負荷を軽減しようとしている。ただし、TPU 8txと8i Maxには提供日も料金も示されておらず、まだ比較できない。

実証の規模も変わってきた。Fermatでは1 000のエージェント、MIPLIBでは1チーム当たり最大300、オペレーティングシステムの試作では1 000を超えるサブエージェントが使われる。Anthropicはこれらの数字とともに、測定結果を伴う安全対策も示している。Fermatの実験では100万回を超えるツール呼び出しのすべてに分類器を適用し、サンドボックスからの脱出率を3.1 %に下げ、Mythos 5.2の提供先をサイバーセキュリティと生物学の検証プログラムに限定している。ただし、両モデルが評価中であると疑う頻度が増えているため、安全性に関するこれらの測定結果の解釈は難しくなっている。

ロボティクスでは、オープン性の確認がまだ必要だ。NVIDIAはGR00T 2をオープンモデルと呼び、DexBenchとVABARという2つのオープンなベンチマークを公開したが、記事にはライセンスもダウンロードリンクもない。韓国では、NVIDIAが独自のAI基盤を持つためのエコシステムを構築しており、NVLink Fusionを通じて同社のGPUとRebellionsのNPUが共存する。プラットフォームは他社設計のチップにも門戸を開きながら、推論の中心にとどまっている。