CONTACT →
Daily AI Briefing
毎日のようにAI関連のニュースが届きますが、その多くは一次情報ではなく、ノイズも少なくありません。研究機関・開発企業・第一線の専門家による発信の中から、本当に押さえておきたい情報だけを厳選してお届けします。
Anthropic が Claude Opus 5 を発表した。思慮深く先回りして動くモデルで、最上位の Fable 5 のフロンティア級の知能に迫る性能を、半分の価格で提供するとしている。全有料プランと Claude API で同日から利用可能。
「Fable 5 に迫る性能を半額で」という位置づけが明確。日常のコーディングやエージェント用途の実質的なデフォルトが置き換わる可能性があり、まず試す価値がある。
エージェント型のターミナルコーディングを測る Frontier-Bench v0.1 で、Opus 5 が 43.3% を記録し新たな最高スコアとなった。Fable 5 の 33.7% を上回り、Opus 4.8 の2倍以上。FrontierCode v1.1 では Fable 5 と同等のスコアを半分の価格で達成している。
コーディング系ベンチマークで下位クラスのモデルが上位の Fable 5 を逆転しているのが目を引く。用途がコーディング中心なら、モデル選定の前提を見直すきっかけになる数字。
Claude Platform 上の Opus 5 では、会話の途中でツールを追加・削除してもプロンプトキャッシュが無効化されなくなった。あわせて、分類器にブロックされたリクエストを内容に応じて推奨モデルへ振り分けるフォールバックルーティングも追加された。
ツール構成を動的に変えるエージェントでは、キャッシュ無効化がコストとレイテンシの地味な足かせだった。API 設計に直接効く、実務者向けの改善。
研究者の Nathan Lambert 氏は Opus 5 のスコアを「異常な数字」と評し、その要因を高速なイテレーションとスケールした強化学習に求めた。Fable はまだ大きすぎて同等のRLができていない、とも指摘。セーフガードについては、分類器の介入が Fable 5 より約85%少なくなる見込みという Anthropic の記述を引いている。
「最大のモデルほどRLを回しにくい」という視点は、中型モデルが最上位を逆転する現象の説明として腑に落ちる。公式発表を外部研究者がどう読んだかの参考に。
Anthropic が「zoom tool」のクックブックを更新した。大きな画像は縮小処理で重要なディテールが失われることがあるが、zoom tool を使うと Claude が画像の特定領域を指定し、フル解像度の元画像からその部分の切り出しを受け取れる。同スレッドによれば、実世界の高密度なチャートを扱う Chartography ベンチマーク（100問）で、Fable 5 の正答率は 29% から 73% に、Sonnet 5 は 13% から 44% に向上した。
ツールを1つ足すだけで視覚タスクの精度が2倍以上になるという実例。チャートや帳票を読ませるアプリを作っているなら、すぐ真似できるパターン。
ChatGPT Work のエージェントが、サインインを要求するウェブサイトを使えるようになった。ユーザーがクラウドブラウザを引き継いでログインし、その後の作業をエージェントに任せる流れ。ログイン状態はセッションをまたいで保持されるため、サインインは一度で済む。
「認証の壁」はブラウザエージェント最大の制約のひとつだった。人間がログインだけ肩代わりする設計は、社内SaaSを絡めた自動化の適用範囲を一気に広げる。
Ethan Mollick 氏が冗談半分で Codex に「AI がベンチマークを作る能力のベンチマーク『BenchBench』を作って実行し、さらに BenchBenchBench が何かを考えて実行し、arXiv 論文としてまとめよ」と指示したところ、実際に PDF が出力された。しかも「論文の中身が案外面白い」と本人が評している。
雑な一文の指示から、ベンチマーク設計・実行・論文執筆まで一気通貫で走る時代になった。エージェントに任せられる粒度の感覚を更新させられるエピソード。
PyTorch Foundation が、PyTorch に加えて vLLM、DeepSpeed、Ray、Helion、Safetensors を単一のベンダー中立な傘下にまとめると発表した。コミュニティが統治するインフラとして、AI のライフサイクル全体をカバーする体制を目指すという。
学習から推論・サービングまで、OSS スタックの主要ピースが同じガバナンスに揃う。特定ベンダーに依存しない基盤を組みたいチームには追い風になる動き。
ChatGPT ウェブ版で、自作のカスタムペットの共有リンクを作成し、友人に送って引き取ってもらえるようになった。パーソナライズ設定からリンクをコピーして共有する仕組みで、スプライトシートのダウンロードにも対応する。
機能自体は遊びだが、チャットAIに「共有できる愛着対象」を持ち込む実験として興味深い。コンシューマー向けAIの定着施策がどこへ向かうかを見る材料。
Towards Data Science が、長すぎるコンテキストのリスクを避けるために構築されたプロンプト枝刈りレイヤーの記事を紹介。トークン削減率はワークロードに依存し、通常のチャットで2〜4%、RAG アシスタントで27〜32%、ツールを多用するエージェントでは33〜34%だったという。
「コンテキスト圧縮がどこで効くか」を具体的な数字で切り分けている点が有用。ツール定義が肥大しがちなエージェントほど効くという結果は、体感とも一致する。
こうした動きを、自社の業務にどう活かせばいいか ―
迷ったときに相談できる窓口があります。