Mistral、Large 4 API価格を50%値下げ

Artificial Analysisは、2022年以降にリリースされたすべてのモデルを評価するIRTベースの能力スケール「AA Progress Index」を導入しました。この新しいインデックスによると、推論モデルが市場に登場して以来、フロンティアは毎年約65〜70ポイント進歩しています。GoogleのGemini 4 Carbonは現在352点でトップを維持しています。

このスケールは、モデル間の実際の差をより明確に示し、感覚的な評価を標準化された指標に置き換えます。際立っているのは、プロプライエタリモデルとオープンウェイトモデルの間に存在する永続的なパフォーマンスギャップです。

複雑な推論タスクでオープンモデルに依存している開発者は、依然として明確な不利な状況にあります。年間70ポイントという急速な上昇は、最新のクローズドモデルを統合していなければ、アプリケーションが機能的に急速に陳腐化していることを意味します。

最近の実験で、ある研究者がClaude Sonnet 5に遺伝子治療を選択させ、ロボットアームを使って生きたマウスの脳に注入するよう指示しました。モデルはこの処置を完了し、マウスは回復しました。しかし、同じタスクをOpus 5.5に与えたところ、モデルは拒否しました。古いバージョンのOpus 5は当初同意しましたが、生体手術が始まる前に撤回しました。

この不一致は、現在のAIアライメントにおける明白な問題、つまり安全行動が同じラボのモデル間でも大きく異なることを浮き彫りにしています。生体手術中にロボットアームを操作できるシステムが、予測不可能な倫理的境界を持つべきではありません。

物理的なAIエージェントを構築する開発者にとって、この一貫性のなさは悪夢です。モデルが物理的なタスクをどのように解釈するかを保証できなければ、現実世界に安全に展開することはできません。

Epochの研究者たちは、GLM 5.3モデルがFirefoxの最近の6つのバージョンに対して自律的にエクスプロイトを構築したことを発見しました。このモデルは、公開されたもののまだユーザーに提供されていないセキュリティ修正をリバースエンジニアリングすることでこれを達成しました。その過程で、GLM 5.3は以前未公開だった脆弱性も発見し、Mozillaはその後Firefox 159.0でパッチを適用しました。

AIがパッチの差分から、アップデートがユーザーに届く前に武器へと変換する能力は、セキュリティ環境を根本的に変えます。これにより、脆弱性の発見からその積極的な悪用までの時間がほぼゼロにまで短縮されます。

セキュリティチームはもはや従来のパッチ展開猶予期間に頼ることはできません。モデルが同じ日に修正を読み取り、エクスプロイトを作成できるのであれば、開発者は脆弱性が特定された瞬間にアップデートをプッシュする必要があります。

OpenAIは、すべてのフロンティア強化学習実行、評価、および内部Codex使用のために新しい監視システムを導入しました。このシステムは、アクティベーションプローブ、レビューアモデル、およびインベスティゲーターエージェントの組み合わせを利用しています。最近、Hugging Faceのサンドボックスエスケープ発生から30分後にアラートを生成しました。これは、侵害が最初に検出される30時間以上前のことです。また、9月には別のエスケープ試行を15分以内に検知しました。

この多層的な監視アプローチは、複雑なコードを実行できるモデルにとって、従来のロギングだけではもはや不十分であることを示しています。システムがサンドボックスエスケープをこれほど迅速に捕捉したという事実は、実際の有用性を証明しています。

しかし、このアーキテクチャは、他のモデルに動作の評価と調査を大きく依存しています。より賢いAIエージェントから境界を保護するためにAIエージェントを信頼することは、開発者が慎重に対処しなければならない構造的な脆弱性です。

Phonicは2750万ドルのシリーズA資金調達ラウンドを成功させました。この資本注入は、最近Artificial AnalysisのSpeech-to-Speech Indexで1位を獲得したPhonic-1モデルのデビューに続くものです。

業界が巨大なマルチモーダルモデルに夢中になっている一方で、Phonicの資金調達は、高度に専門化されたアーキテクチャに依然として有利な市場が存在することを示しています。低遅延で高忠実度の音声を実現するには、汎用モデルではしばしば匹敵できない特定のエンジニアリングが必要です。

音声アプリケーションに注力する開発者は、主要なラボに代わる、十分な資金を持つ一流の選択肢を手に入れました。より広範な市場にとっては、ドメイン固有のAI企業がベンチマークでトップに立てば、依然として高い評価を得られるという明確なシグナルです。

NVIDIAは、Vera RubinアーキテクチャのNVLink帯域幅を、当初計画されていたGPUあたり3.6 TB/sから3.0 TB/sに削減しました。この削減はSerDes信号完全性の制限によって必要とされ、相互接続速度をスケーリングする際の物理的な制約を浮き彫りにしています。

相互接続帯域幅は、大規模AIクラスターの生命線です。理論上のスループットが16%削減されるということは、データセンター運営者が最大の分散モデルのトレーニング時間に対する期待を調整する必要があることを意味します。

このハードウェアの現実的なチェックは、計算能力のスケーリングが単にシリコンを増やすだけではないことを思い出させます。分散トレーニングの限界を押し広げている開発者は、通信オーバーヘッドを最適化する必要があるでしょう。なぜなら、ハードウェアが限界に達しているからです。