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。

MiniMax M3.1Flashのリリースが「背題」疑惑を引き起こす：旧問題で高得点、新問題では機能不全、幻覚率はなんと92.8％

MiniMaxは2026年10月19日、低価格の大規模モデルM3.1Flashを発表し、総合評価スコアは42点、コストは前世代比で70％削減されたと公表したが、直後に「出題内容の丸暗記」疑惑に直面した――AA公開の旧問題では満点に近い得点を獲得しつつ、問題文を改変しても依然として元の解答を出力するという事例が指摘された。また、猫老板やBinkgらの評価者からは、新旧問題に対する性能の乖離、トークン消費の異常、知識テストにおける幻覚率が92.8％に達するといった問題点が指摘されている。10月23日、MiniMaxはモデルの重み付けをオープンソース化し、独立した再検証を可能としたが、問題認識メカニズムや中国語・英語間での応答差異の原因については依然として明確になっていない。

注目する理由：同報道は、複数の実測（Binkgによる改題実験、著者による再現、AAとPlotly-Milaによる二重評価比較）、検証可能なデータ（トークン数、価格、正答率／幻覚率）およびモデル挙動の矛盾点（英語では誤り・中国語では正しい、古い問題では安定・新しい問題では崩れる）に基づき、現在の大規模モデル評価における信頼性危機の核心的な症候を体系的に示している。すなわち、高得点が必ずしも強力な汎化能力を意味するわけではなく、低価格という優位性と能力の真偽との間に緊張関係が生じている。情報源は钛媒体が許諾して公開した詳細な調査で、原始的なテスト手順、スクリーンショットによる裏付け、タイムスタンプを含み、時事性と細部の密度の両面で高い水準を備えている。

NVIDIAが多分野にわたるオープンソースモデルのセットを発表し、欧州における産業主権に基づくスマートな発展を促進

NVIDIAは、言語、ロボティクス、バイオ計算、量子計算などの分野を網羅するオープンソースモデルファミリーの拡充を発表し、Nemotron 3.5シリーズ、Kumo構造化データモデル、Cosmos世界モデル、Alpamayo 2 Edge自動運転モデル、BioNeMo RFD4-Proteinaタンパク質設計モデル、およびIsing量子計算モデルを新たに提供しました。これらすべては開発者と企業向けに重み付けやツールを公開しており、ローカルなカスタマイズや独自の展開をサポートしています。