AI ニュースを検索

「高スコアを取る」ことと「納品できる」ことは別である：AIランキングは信用の再評価の局面を迎えている

旧ランキングのスコアは満点に迫るも、新ランキングの実戦評価では軒並み不合格。大規模モデルの評価自体がビジネス化するなか、企業の選定基準はランキングを見る時代から、コスト計算へと移りつつある。

大規模モデルの時代、誰がその「iPhone」のように替えたくない存在になるのか？

AIランキングの首位は入れ替わりますが、ユーザーが毎日利用する製品は必ずしも変わりません。大規模モデルにおける次の競争は、単にどのモデルがより強いかというだけでなく、一度の利用を習慣へと変えることにあるのです。

KimiがK3.1 Proを発表、容量増加と価格引き下げでOpus 5.5に挑む

著者｜宇航猿 編集｜靖宇 10月23日午前、Kimi公式はXとビデオ番号で24秒の動画を公開した。映像にはレトロな雰囲気の古いパソコンが映り、画面にはKimi Codeが起動し、端末にはThree.jsのコードが一行ずつ表示され、複雑な3Dシーンが生成されていく様子が映っていた。目ざといネットユーザーはすぐに左上隅のモデル欄で答えを見つけた――「Model: Kimi K3.1」だ。 Kimi公式が公開したK3.1の事前告知動画｜画像出典：X @Kimi_Moonshot 古い時代の機械で、今日最先端の3Dコードを実行する――このギャップこそが、月之暗面が伝えたいメッセージそのものだった。 それから十数時間後、10月24日零時を過ぎた直後、プログラマーの日に合わせてKimi K3.1 Proが正式にリリースされ、同時に速度が2〜3倍速いHighspeed版も同時に登場した。公式は、完全なモデルの重み付けデータを11月4日までに公開すると約束している。 前世代のK3が発表されてから、すでに3か月以上が経過していた。この3か月間、月之暗面が経験したことは、多くの企業が1年で経験する以上のものだった。 01 「量は増やしても価格は変えない」の0.1 まず、K3.1 Proとは何かを明確にしておこう。これはまったく新しいモデルではない。月之暗面は明確に、K3.1 ProはK3の後学習版であり、基盤は変わっていないと述べている――依然として総パラメータ2.8兆、活性化パラメータ1,040億の混合エキスパートアーキテクチャ、文脈ウィンドウは100万トークン、画像および動画入力にもネイティブに対応している。 変わったのは後学習の部分だ。公式によれば、「大幅に増強された後学習用の計算能力」を投入し、数百の下流分野で大規模な共同強化学習を実施したという。そのため、強化学習フレームワーク、サンドボックスインフラ、長文脈推論といった基盤技術を一から再構築したのだ。つまり、同じ脳が、仕事のやり方を改めて“教え直された”ということになる。 その効果はランキングで明らかだ。プログラミングAIを評価するTerminal-Bench 4.0において、K3.1 Proは65.7％を獲得し、GPT-6 Astraの58.2％やClaude Opusの66.4％をわずか1ポイント弱下回る結果となった。前世代のK3は

研究により、メタデータを増やしても大規模モデルによる博物館の説明の正確性が必ずしも向上しないことが明らかになった：フィールドタイプと画像の影響の方がより重要である

本研究は2026年10月24日付でarXivプラットフォームに掲載され（論文番号：arXiv:2610.31193v1）、二段階の実証フレームワークを用いて、メタデータの構成が大規模言語モデルによる文物記述の生成に与える影響を分析した。その結果、メタデータの数だけでは生成行動の差異を説明できないこと、フィールドの種類によってモデルが正確に情報を固定するか、無視するか、あるいは虚構の情報を生成するかが決まることが明らかになった。また、画像は視覚的な固定を助ける一方で、根拠のない推論を助長する可能性もあることが示された。

注目する理由：本研究は、「より多くのメタデータは必ず生成におけるグラウンディングを強化する」という一般的な仮説に異議を唱え、実際の博物館所蔵品のメタデータの異質性と地域間の不均衡性を踏まえた制御済み実験を設計し、全体的な入力カバレッジや参照類似度といった粗粒度の指標に依存するのではなく、フィールドレベルおよびクレームレベルの支持度評価に基づいて、メタデータ駆動型のデータ・ツー・テキストシステムを評価すべきであることを示した。

1Passwordが「AIエージェントログイン」機能を導入：AIがユーザーに代わってアカウントにログインしますが、パスワードには一切触れません

1Passwordは2026年10月22日に新プラットフォーム「1Password for Agents」をリリースし、ユーザーがClaude Duet、ChatGPT Work、Grok BotなどのAIエージェントに個人アカウントへのログインを代行させることが可能になりました。なお、エージェント自身は元のパスワードを取得・保存・閲覧することはできません。このプロセス全体は、デジタル認証、ユーザーによるリアルタイムの確認、およびパスワードマネージャー側での自動入力に依存しています。

AnthropicがClaude Duetアプリをリリース：専門的なシーンに特化したAIエージェント製品

Anthropicは、プロフェッショナルと小規模企業向けのAIエージェントアプリ「Claude Duet」を正式にリリースしました。これはClaude Opus 5.5モデルをベースとしており、6,000を超えるコネクタに対応し、日次レポートの自動生成、ダッシュボードの構築、操作の提案、バックグラウンドタスクの実行が可能です。現在はProおよびMaxのサブスクリプションユーザーのみが、待機リストでの試用にアクセスできます。

RecursiveがFlintをリリース：AI主導で開発され、ローカルで動作する軽量なプログラミングモデル

AIスタートアップ企業Recursiveは、オープンソースのコーディングモデル「Flint」を発表し、その開発プロセスは主に自社開発のAI研究システム「Eureka Machine」によって行われたと述べています。このモデルはパラメータ数がわずか400億で、実測では25億の活性化を有しており、M4 Pro MacBookなどの一般的なノートPCでもオフラインで動作し、推論速度は131トークン/秒に達します。また、SWE-Benchなどのベンチマークにおいて、同規模の多くのモデルを上回る性能を示しています。

ウォルマートがAIエージェント型ショッピングゲートウェイを導入し、自律的な購入手続きに対応するとともにユーザーの制御を強化しました

ウォルマートは、正式にAgent Gateway（AIエージェントゲートウェイ）およびそれに付随するAgent Profiles機能を導入し、ChatGPT、Gemini、Meta Museなど、認可されたAIエージェントがユーザーに代わってウォルマートおよびSam’s Clubのプラットフォームで検索や注文を行えるようにしました。また、独立したアカウント設定、取引承認、支出上限などの仕組みにより、ユーザーがエージェントの行動を全行程にわたり完全に管理できるようになっています。この取り組みは、最近AmazonがAIエージェントによる買い物を禁止した動きとは対照的です。