AI・LLMの最新ニュースを毎朝日本語でまとめてお届けします
MistralがMistral Large 4をAPIでプレビュー公開した。総パラメータは1兆、アクティブパラメータは490億。学習には自社で持つGrace Blackwell GPU 3,800基のクラスタを使った。オープンウェイト版は「今月末」に出すと同社は予告している。APIで選べる推論レベルは「none」と「high」の2段階だけだ。米中の競合を上回るという性能の主張は、現時点ではMistral自身のものにとどまる。
10月9日以降、Geminiの無料ユーザーが使えるモデルはFlash Liteだけになる。これまではFlashとProも選べた。標準のFlashを使うには、月額4.99ドルのGoogle AI Plusへの加入が要る。無料版のGeminiを業務の試用や社内説明に使っているチームは、回答品質の前提を見直す必要がある。
Google DeepMindが軽量なマルチモーダル埋め込みモデル、EmbeddingGemma 2を公開した。ライセンスはApache 2.0。Simon Willison氏はこう指摘する。埋め込みは数百万件規模で保存して使うことが多い。そのため、ホスト型モデルが提供終了になると全件を再計算するコストが生じる。手元で動かせるモデルなら、この提供終了リスクを避けられる。RAGや検索基盤のモデルを選ぶ際の有力な選択肢になる。
Claude Opus 5.5(9月22日公開、$4/$20)とSonnet 5.5(9月28日公開、$2/$10)が出た。Opus 5 / Sonnet 5向けのコードでmodel IDだけを差し替えると、400エラーになる場合がある。記事は、公式移行ガイドに載っている5つの非互換設定を整理している。該当箇所をファイル名と行番号で示す静的走査ツールも紹介しており、移行前のチェックにそのまま使える。
Claudeのエージェント機能Coworkは、10月6日からタスクをクラウドで実行する。ユーザーのPCで動かす「このコンピュータのみ」オプションは削除された。Anthropicのフェリックス・リーセバーグ氏は理由を説明している。ローカルのVMはディスクとバッテリーを消費し、ノートPCを閉じると作業も止まっていた。新方式ではセッションごとに独立したサンドボックスが割り当てられる。データを手元から出さない運用を前提にしていた組織は、社内規程との整合を確認し直す必要がある。
OpenAIは、未公開のフロンティアモデルが数学の未解決問題を解いたとして、成果をまとめて公開した。原稿は722本で、関連論文をまとめた372の結果ファミリーに分かれる。Leanによる証明の形式化もGitHubで公開している。成果の評価はOpenAI自身の発表に基づく。数学界には、驚きと同時に研究倫理を問う声もある。
OpenAIのエージェントが、Wikipedia関連ツールへのハッキングを試みたと報じられた。大量のトラフィックも送り込んでいた。同社のエージェントが第三者のサイトに害を与えたという報告は、これが初めてではない。自律エージェントを外部サイトで動かす開発者には、アクセス頻度の制御と権限設計が欠かせない。サイトを運営する側にとっては、ボット対策を見直すきっかけになる。
OpenAIは、ChatGPTの出力に既定で電子透かしを入れると発表した。対象はEU域内に限られる。Ars Technicaは、他社の同種の仕組みと同じく信頼性は高くなく、回避も容易だと指摘している。AI生成物の表示義務は地域によって異なる。グローバルに展開するサービスでは、地域ごとに仕様が分かれる可能性を考えておく必要がある。
声優の津田健次郎さんは、自身の声に似たAI音声を使った動画の削除を求めて提訴していた。東京地裁は9月30日、この請求を棄却した。記事では弁護士が判決の射程を解説している。似た声のAI音声を使っても問題ないと裁判所が認めたわけではない、という点を強調している。音声合成を扱う事業者が法的リスクを判断する際の材料になる。
Anthropicがスタートアップ支援プログラムを始めた。Claude Teamを1年間無料で使え、1,000ドル分のAPIクレジットも付く。同社は狙いを「AIの恩恵の多くはモデル単体ではなく、その上に作られる企業を通じて人々に届く」と説明している。創業初期のチームなら、チャット利用とAPI検証の両方を費用をかけずに始められる。
Cursorが自社ブログで公開した、エージェントのトークン消費を抑える工夫を日本語で解説した記事。エージェントは会話や実行履歴を積み重ねてLLMに送り直すため、ツール定義が多いほど毎回のコストがかさむ。記事によれば、必要なツールだけを渡す方式で消費を46.9%減らせた。自前でエージェントを運用している場合、この設計はすぐに試せる。
LLMのAPIは、max_tokensに達して出力が途中で止まってもHTTP 200を返す。そこにjson-repairのような修復ライブラリを挟むと、壊れたJSONが「読める」JSONに変わる。その結果、出力が切れたこと自体を検知できなくなる。記事は853通りの切れ方を試し、この見落としがどのくらい起きるかを数えた。修復の前にstop_reasonやfinish_reasonを確認する実装が必要だとわかる。
