[AI ニュース] ソネット 5 が本日リリース、ファブル 5 は明日公開へ

別々の発表において、Sonnet 5 は本日リリースされ、Fable/Mythos 5 は政府との協議を経て再度リリース承認が下りました。Sonnet 5 の効率性に関する主要な議論は、トークナイザーの変更とベンチマークにおけるターン数が 3〜6 倍増加したことに起因し、興奮を冷ます要因となりました。 当社の最新スタッフライターが AIE から現地レポートを送っており、本日ストリームで swyx や他の基調講演者の様子をお見逃しなく。 2026 年 6 月 29 日〜30 日の AI ニュース。12 のサブレッドと 544 件の Twitter、さらに Discord は確認されませんでした。AINews のウェブサイトでは過去のすべての号を検索できます。念のため、AINews は現在 Latent Space の一部となっています。メール配信頻度のオプトイン・オプトアウトが可能です！ AI Twitter リキャップ Anthropic は Claude Sonnet 5 を新たなデフォルトのミッドティア・フロンティアモデルとして発表し、Claude、Claude Code、API、およびエコシステムパートナー全体で即時展開を開始しました。 Anthropic は公式に Claude Sonnet 5 を「これまでの Sonnet 系列の中で最もエージェント性が高いモデル」として発表し、計画立案、ブラウザ/ターミナルツールの使用、そして以前は「より大規模で高価なモデルを必要としていた」自律的な実行能力を強調しました (@claudeai)。 Anthropic の開発者アカウントによると、Sonnet 5 は Sonnet の価格帯でトップクラスのコーディングおよびツール使用パフォーマンスを提供し、1M トークンのコンテキストウィンドウを持ち、Pro ユーザー向けの Claude Code における新デフォルトモデルとなっています。また、Claude Platform（API およびマネージドエージェントを含む）でも利用可能です (@ClaudeDevs)。 Anthropic は標準のリスト価格を入力トークンあたり 3 ドル、出力トークンあたり 15 ドルに据え置きましたが、8 月 31 日/9 月 1 日まで（投稿先による）入力 2 ドル、出力 10 ドルのプロモーション価格を導入しました (@kimmonismus, @ClaudeDevs, @ArtificialAnlys)。 Sonnet 5 はまずリークやクライアント側の目撃情報を通じて姿を現しました。リーカーたちは、知識の更新期限が 2026 年 1 月であること、$2/$10 のプロモーション価格、およびローンチ前の 1M コンテキストバリアントがあることを主張しました (@kimmonismus)。その後、ユーザーからモデルセレクターへの表示、Claude Code 2.1.197、Anthropic GitHub での確認、そしてドイツを含むアカウントでの本番運用開始が報告されました (@kimmonismus, @scaling01, @scaling01, @kimmonismus)。 Anthropic は同時にローンチに合わせてプラットフォームサポートも拡大しました。Claude Desktop が Linux (Ubuntu/Debian ベータ版) で利用可能になり、有料プランでは Claude Code、Cowork、チャットが利用できますが、Computer Use は今回の Linux リリースには含まれていません (@ClaudeDevs, @ClaudeDevs)。 Anthropic はまた Managed Agents のアップデートも提供しました。ストリーミングセッションの差分、セッションごとのオーバーライド、Webhook イベント、逆順ページネーション、認証情報注入のスコーピング、トークン/ツールメトリクスを備えた観測性タブなどです。これにより、今回のリリースは純粋なモデルの話というよりも、プラットフォームや統合に関するストーリーとしての側面が強調されました (@ClaudeDevs, @ClaudeDevs)。 ローンチのタイムラインと事前発表の背景 このローンチに先立ち、Sonnet 5 と Fable 5 を中心とした大規模な噂サイクルが発生していました。 以前のアプリ文字列の調査では、Anthropic が「Fable 5」を既存プランとは別に使用クレジット制で課金するシステム behind に置く準備をしている可能性が示唆されており、その近くには本人確認に関する文言も現れていました。これにより、アクセスが制限され、既存プランよりも規制が厳しくなるのではないかという憶測が広がりました (@kimmonismus)。 この動きは、Sonnet 5 がより強力だが制限の多い Fable 5 の対照的な存在として、広く利用可能ではあるものの性能は劣る companion モデルとして登場する可能性、あるいは地域によるアクセス制限、特に欧州での問題が生じるのではないかという懸念を招きました (@kimmonismus)。 追加的な噂投稿では、Sonnet 5 のリリースが Fable 5 の再リリースと直接結びついているとするものがあり、一部のユーザーは Sonnet 5 が「少なくとも」Fable に関するニュースと共に発表されるものと想定していました (@kimmonismus, @kimmonismus)。 リリース後、こうした期待は叶いませんでした。複数の反応では、Fable 5 の不在こそが真の話題であると捉えられ、「代わりに得られたのは Sonnet 5 だった」(@kimmonismus) や「Fable 5 が禁止されてからすでに 18 日が経過している」(@theo) といった声が聞かれました。 公式な位置づけと独立した解釈 公式/ベンダーによる枠組み Anthropic とその下流のパートナーは、Sonnet 5 をエージェント機能 (agentic capability)、コーディング、ツール利用、コストパフォーマンスを中心に位置づけました。 公式の見解では、Sonnet 5 は「これまでで最もエージェント的な Sonnet」であり、計画を立てたりブラウザやターミナルを使用したり、以前にはより大規模なモデルが必要だったレベルで自律的に動作できるとされています (@claudeai)。 Anthropic の開発者アカウントは、Sonnet の価格帯でフロンティア品質のコーディングとツール使用が可能であることを位置づけ、1M コンテキストと広範なプラットフォーム利用可能性を明確に強調しました (@ClaudeDevs) Anthropic 関連の要約投稿では、Sonnet 5 は全体的に Sonnet 4.6 よりも安全であり、ハルシネーション（幻覚）や同調性が低く、サイバーセキュリティ対策がデフォルトで有効になっていると強調しつつも、本格的なサイバー作業においては Opus の方が依然として優れていることを認めています (@kimmonismus) Anthropic はまた、移行ツールおよびドキュメントを提供し、claude-api スキルが Sonnet 5 向けのプロンプト調整、努力レベルの推奨、そしてアドバイザーモードの設定に役立つと説明しました (@ClaudeDevs) 独立系・第三者による評価の枠組み 第三者は概ね、Sonnet 5 が Sonnet 4.6 よりも実質的な改善であると同意しましたが、「5.0」という名称ステップに値するかどうかや、Opus や競合他社に対する実効的な価格対性能については異論を唱えています。 Cursor は、Sonnet 5 が CursorBench で Sonnet 4.6 の 49% に対し 57% と、意味のある向上であると述べています (@cursor_ai) Cognition は、Sonnet 5 が FrontierCode Extended で Opus 4.8 を上回り、スコアは 53.8%、パス率は 57.6% を記録したと発表しましたが、今後の調整によりベンチマークのランキングがわずかに変動する可能性があることに言及しています (@cognition, @cognition) Cline は、Sonnet 5 がターミナルベンチにおいて Opus 4.8 レベルのパフォーマンスを発揮しつつ、コストは半分未満で済むこと、また「--yolo coders」向けのプロンプトインジェクションによる乗っ取りに対する耐性が向上したことを強調しています (@cline) FactoryAI、Perplexity、Cursor、Devin、Droid、Agent Arena、そして VS Code がすべて素早くサポートまたは利用開始の発表を追加し、ユーザーの熱意が混在している場合でも、エコシステムがこのモデルを関連するデフォルトモデルとして捉えていることを示しています (@FactoryAI, @perplexity_ai, @AravSrinivas, @code, @arena, @cognition) 技術詳細 コア製品仕様と価格設定 コンテキストウィンドウ：100 万トークン (@ClaudeDevs, @ArtificialAnlys) 標準価格：入力 3 ドル/百万トークン、出力 15 ドル/百万トークン (@ClaudeDevs, @ArtificialAnlys) プロモーション価格：2024 年 8 月 31 日または 9 月 1 日まで（投稿の文言による）、入力 2 ドル/百万トークン、出力 10 ドル/百万トークン (@kimmonismus, @ArtificialAnlys) キャッシュ価格：キャッシュ書き込みは 25% のプレミアム（3.75 ドル/百万トークン）、キャッシュヒットは 90% オフ（0.3 ドル/百万トークン）、TTL は 5 分 (@ArtificialAnlys) エフォート設定：Sonnet 5 では xhigh が追加され、Opus 4.8 と同じく最大、xhigh、high、medium、low の全 5 レベルの努力レベルが用意されました (@ArtificialAnlys) 知識のカットオフ（発売前の噂）：2026 年 1 月 (@kimmonismus) ベンチマークと測定された差分 議論の重要な部分は、Sonnet 5 が 4.6 を大幅に上回ったが、広範な知能集計においては通常 Opus 4.8 を超えなかったという点でした。 CursorBench：Sonnet 5 で 57%、Sonnet 4.6 で 49% (@cursor_ai) Artificial Analysis Intelligence Index：Sonnet 5 はスコア 53 を記録し、Sonnet 4.6 より +6 の向上で全体 5 位にランクイン。GPT-5.5 high reasoning とほぼ同率だが、Opus 4.7/4.8 にはまだ及ばない (@ArtificialAnlys) Artificial Analysis のトークン使用量：Sonnet 5 はタスクあたり平均して約 69k の出力トークンを消費し、Sonnet 4.6 よりも約 40% 多い出力トーク数となりました (@ArtificialAnlys) Artificial Analysis のタスクコスト：標準価格設定では、Sonnet 5 はインテリジェンスインデックスタスクあたり 2.29 ドルかかり、これは Sonnet 4.6 の約 2 倍、Opus 4.8 よりも約 15% 高い金額です。トークン単価は低下しているにもかかわらず、トークン使用量の増加が原因でこのコスト差が生じています (@ArtificialAnlys) エージェントターン数：Sonnet 5 は AA-Briefcase および GDPval-AA において Sonnet 4.6 の約 3 倍のエージェントターン数を消費し、GDPval-AA では最大努力モードが低努力モードの約 6 倍のターン数を使用しました (@ArtificialAnlys) CritPt フロンティア物理学ベンチマーク：Sonnet 5 は 17% のスコアを記録し、前作より 14 ポイント向上しましたが、GLM-5.2、Claude Opus、Fable、GPT-5.5 バリアントには依然として及びませんでした (@ArtificialAnlys) Artificial Analysis はまた、Terminal-Bench v2.1 (+9)、Humanity's Last Exam (+10)、SciCode (+7) において Sonnet 4.6 に対する顕著な改善も報告しました (@ArtificialAnlys) Cognition の FrontierCode Extended 結果：スコアは 53.8%、パス率は 57.6% で、現在の評価では Opus 4.8 を上回っています (@cognition) Max Bittker は、Runescape ベンチマークのスコアが Sonnet 4.6 より大幅に改善したと指摘しましたが、GLM 5.2 や Gemini 3.5 Flash のような近隣のパレート競合他社には依然として及ばなかったと述べています (@maxbittker) トークナイゼーションと有効コストの特性 あまり注目されていない技術的な詳細に、トークナイザーおよび有効な課金動作があります。 Simon Willison は、新しいトークナイザーにより、Sonnet 5 の英語利用コストは約 1.4 倍、スペイン語では約 1.33 倍になり、簡体字中国語ではほぼ同等になると指摘しました (@simonw) これは多くのユーザーが単にリスト価格のみを比較していたのに対し、評価者やパワーユーザーはトークンあたりのコストではなく、タスク解決あたりのコストに焦点を当てていたため、重要な意味を持ちます。 事実と意見 公式またはベンチマーク投稿で裏付けられた事実に基づく主張 Sonnet 5 は正式にリリースされ、Claude、Claude Code、API、Managed Agents、および多くのパートナー製品で利用可能になりました (@claudeai, @ClaudeDevs) 100 万トークンのコンテキストウィンドウ (@ClaudeDevs) を備えています。 標準料金は入力/出力トークン 100 万あたり 3 ドル/15 ドルですが、一時的なプロモーションとして 2 ドル/10 ドルとなっています (@ClaudeDevs, @ArtificialAnlys) 第三者による結果では、CursorBench、FrontierCode Extended、Artificial Analysis などのコーディングおよびエージェントベンチマークにおいて、Sonnet 4.6 を上回る有意な改善が示されています (@cursor_ai, @cognition, @ArtificialAnlys) Artificial Analysis によると、Sonnet 5 はターンあたりのトークン使用量が増えるため、Opus 4.8 よりもタスクあたりのコストが高くなる可能性があります (@ArtificialAnlys) 噂・未検証の主張 Fable 5 の課金変更、本人確認、規制との連携に関する情報は、アプリ文字列の解釈やユーザーの推測に基づくものであり、公式なリリースノートからのものではありません (@kimmonismus) 2026 年 1 月の知識カットオフ日および一部のリリース・価格詳細は、正式に確認される前にリークされていました (@kimmonismus) Sonnet 5 が意図的に性能を下げられた、Opus よりも下回る程度に自己蒸留された、あるいは先端的な機能に対するソフトな禁止令によってリリースされたとする主張は、公式資料には裏付けられていない意見や推測です (@scaling01, @z4y5f3, @kimmonismus) 解釈的な見解 肯定的な解釈: Sonnet 5 は、並列ワークフロー、長時間稼働するエージェント、およびプロダクション向けコーディングシステムにおいて最も重要な、より小型で安価なモデルの改善の一種です (@The_Whole_Daisy, @omarsar0, @skirano) 否定的な解釈: Sonnet 5 は期待外れであり、実用上は割高で、「5」というラベルが不適切に付けられています。その総合的な能力は、大きな世代間飛躍というよりはむしろ 4.8/4.9 に近いからです (@kimmonismus, @scaling01, @DeryaTR_) 中立的・工学的解釈: これは hype を目的としたリリースというより、プロダクション向けに最適化されたリリースです。コーディングやエージェント機能では優れており、広く展開可能ですが、フラッグシップモデルの定義を根本から変えるような飛躍ではありません (@dejavucoder, @OpenAIDevs) 異なる意見 支持する見解 プロダクションユーザーが最も恩恵を受けます。複数の投稿者が、Sonnet 5 がすべての静的ベンチマークで勝利しないとしても、長時間稼働するエージェント、コーディングループ、ツール使用の信頼性においてチームが求めるまさにその種のモデルであると論じました (@omarsar0, @skirano) 小型モデルのリリースは重要です。パワーユーザーは、より安価なデフォルトティアのモデルを強化することから生まれる価値を過小評価しがちです。なぜなら、それがワークフローにおける並列エージェントや冗長性を可能にするからです (@The_Whole_Daisy) コーディングベンチマークは強力です。Cursor と Cognition は、実用的なコーディング・評価ハッチにおいてどちらも大幅な成果を報告しました (@cursor_ai, @cognition) セキュリティの観点も改善されました。Cline は、自律的なターミナル/ブラウザ利用に関連するプロンプトインジェクションや乗っ取り試行に対する耐性の向上を強調しました (@cline) 批判的見解 最も強い批判は命名法、Fable 5 の不在、そしてタスクレベルでのコスト効率の低さに集中しました。 命名法への批判：ユーザーらは「Sonnet 5」という名称がメジャーバージョンの飛躍を暗示している一方で、評価結果は Sonnet 4.8/4.9 に近いものであると主張しました (@kimmonismus, @teortaxesTex) ベンチマークへの批判：複数のユーザーは、Sonnet 5 が「あらゆる評価」や広範な知能測定において Opus 4.8 にまだ劣っていると強調しました (@kimmonismus, @theo) タスクあたりのコストへの批判：これが最も技術的に根拠のある否定的なテーマとなりました。Theo、Yuchen Jin、Scaling01、Kimmonismus の全員が、Sonnet 5 は冗長性やターン数により、実際に評価されたタスクでは Opus 4.8 や Fable よりも高価になり得ると指摘しました (@theo, @theo, @Yuchenj_UW, @kimmonismus, @scaling01) Fable 5 の発表への失望：批判者らは、Sonnet 5 を慰めとしてのリリースと見なし、真のフロンティアモデルは依然として引き留められているか制限されていると考えました (@kimmonismus, @theo, @scaling01) 中立的・混合的な見解 「プロダクション担当者は満足するでしょうが、個人的な驚き要素は低いです。」この一言は、繰り返される混合された反応を簡潔に捉えています (@dejavucoder) 良いリリース、悪い期待管理。一部のユーザーはモデル自体よりも、「5.0」というラベルや噂のサイクルによって人々がより劇的なフロンティアへの飛躍を予期させられたという含意に対して不満を抱いていたようだ。 エージェントとしての質は過小評価されている可能性がある。従来のベンチマーク比較では、ある投稿者が「長期タスクにおけるモデルの『作業中の思考』」と呼んだものの改善度を過小評価しているとの見方もある（@skirano）。 エコシステムへの展開 Sonnet 5 はコーディング・エージェントのエコシステム全体で異例の速さで採用され、これは市場が価値を見出している場所を示す証拠となっている。 Cursor が Sonnet 5 を追加し、CursorBench の差分を公開した（@cursor_ai） Devin Desktop / CLI でも対応し、Opus 4.8 に対する FrontierCode Extended の性能向上に加え、8月31日までの期間中、Sonnet 4.6 よりも約30%少ないクォータ使用量を達成したと主張した（@cognition, @cognition） Cline がサポートを追加し、Terminal-Bench やサイバー・ハイジャックに対する堅牢性を強調した（@cline） FactoryAI Droid は8月31日までの期間中、価格を1/3オフで Sonnet 5 を追加した（@FactoryAI） Perplexity が Pro/Max およびコンピューター・オーケストレーターモデルとして Sonnet 5 を追加した（@perplexity_ai, @AravSrinivas） VS Code / @code が展開を行った（@code） Arena が Agent Arena やその他のアリーナに Sonnet 5 を追加した（@arena） この展開パターンは、Sonnet 5 がチャットボットのヘッドラインとしてではなく、エージェント型ソフトウェアスタックのデフォルトとなる主力モデルとして扱われていることを裏付けている。 文脈 Sonnet は歴史的に Anthropic の価格対性能の主力モデルであり、コーディングアシスタント、管理エージェント、エンタープライズ自動化などの製品でスケールして使用される可能性が最も高いモデルです。この文脈は、なぜ議論が分かれたのかを理解する上で重要です。 フロンティアウォッチャー（最先端動向を注視する層）は「5.x」という見出し付きのイベントを期待していました。 ビルダーたちは、より信頼性の高いデフォルトモデルを望んでいました。 パワーユーザーはトークン数ではなく、解決されたタスクごとにベンチマークを行いました。 政策意識の高い観察者は、Fable 5 の欠如や、以前噂されていた ID 認証/クレジットに関する情報を、ガバナンスの強化または段階的なアクセス導入の兆候として解釈しました。 今回の発表は、モデル間の差別化がますます以下の点にかかっている市場でなされました： 長期にわたるツール使用 エージェントの信頼性 トークン効率 完了したタスクあたりの実効コスト 純粋なチャットデモではなく、業務環境への統合 これが反応が「明確なアップグレード」から「Anthropic 史上最悪の発表」まで多岐にわたった理由です。両方の反応は、実際には異なる軸に対する応答なのです。 絶対的な能力において Sonnet 4.6 と比較すると、明らかに優れた点が見られます。 見出しレベルでのフロンティア進歩という観点では Opus や Fable への期待に対して多くの人が失望しました。 リスト価格で見ると手頃な価格に思えます。 タスクレベルのコストで見ると、驚くほど高額に見えることもあります。 エコシステムにおける実用性については、すぐに受け入れられました。 中国製モデル、インフラストラクチャ、そしてオープンウェイト（重み公開）モデルによる競争 Meituan の発表は Sonnet 以外でも最も注目を集めました。中国の大手配送企業から公開重みを持つ 1.6T パラメータモデルがリリースされ、議論の中心は目立たない中国の既存企業がどのようにして本格的な最前線規模の研究開発に資金を投入できるかという点にありました (@JosephJacks_, @natolambert, @teortaxesTex)。 技術的な検証はハードウェアとスケールの詳細に集中しました。Meituan が CloudMatrix 384 ポッドを「910B モード」で使用したとの主張があり、これは約 25K のチップを使用していることを意味し、50K の GPU に相当するものではないとしています。一方、批判派はこれを将来の Huawei 950DT SuperPod と比較しました。同製品には 8192 チップが搭載され、全体のセットアップを上回る性能を発揮する可能性があります (@teortaxesTex, @teortaxesTex)。 DSpark/DeepSeek のインフラストラクチャも主要なサブテーマとなりました。投稿者たちは TPOT（トークンあたりの処理時間）が 2.9〜5.2 ミリ秒であることを強調し、中国のサービスプロバイダー間でスループットが最大 50%向上するか、対話性が 60%改善される可能性を示唆しました。また、DeepSeek のインフラストラクチャのオープンソース化が広範な経済的波及効果を生んでいるという見解も示されました (@teortaxesTex, @teortaxesTex, @Xianbao_QIAN)。 Huawei/Pangu およびより広範な国内スタックの動向についても言及がありました。7 月に Pangu 92B / 6B のアクティブ MoE（Mixture of Experts）がオープンソース化されたことが指摘され、中国の研究機関は現在、ソフトウェアとアーキテクチャの成熟度を備え、国内ハードウェアで最前線に近いモデルを訓練できるという主張が繰り返されました (@teortaxesTex, @teortaxesTex)。 推論、チップ、システム Etched の隠密活動からの撤退がハードウェアニュースを支配しました。同社は調達額 8 億ドル、顧客契約額 10 億ドル超、A0 タイプアウトの成功、顧客テストにおける初期の SOTA（State of the Art）スループット・レイテンシ・電力効率、そして今夏からの最初のラック出荷を発表しました (@Etched) フォローアップの解説では、2 つの注目すべきハードウェアのアイデアが紹介されました。1 つ目は、持続的な負荷下でのサーマルスロットリングを回避するための低電圧推論です。2 つ目は、より大きなプール型メモリを用いて長文コンテキストや巨大モデルの推論に対応しつつ、SRAM 並みのアクセス速度を実現するクラスター規模のメモリです (@LiorOnAI)。 OpenAI もまた、推論コストを半減させる以上の効果を持つ推論最適化手法を見つけたと報じられています。これにより、ログアウト状態の ChatGPT のトラフィックは、ある時点で「数百台程度」の GPU で賄えるようになりました。複数の投稿では、この未知の具体的なトリックそのものよりも、利益率や API 価格設定における戦略的含意が注目されています (@steph_palazzolo, @kimmonismus)。 強力な技術解説記事は、NVIDIA のプログラミング進化を Volta から Blackwell まで追跡しました。同期型のスレッド中心の CUDA から、Tensor Cores、メモリエンジン、バリア、TMA/TMEM を跨ぐ非同期データフローへと至る変遷です。V100、A100、H100、B100 の詳細な計算量と帯域幅の比率に加え、FlashAttention-3 や FlashMLA からの具体例も紹介されています (@ZhihuFrontier)。 エージェント、ループ、評価、そしてメモリ AI エンジニア世界フェアでの議論は、エージェント型ソフトウェアにおける新たな実践的な枠組みとして「ループ」あるいは「ループエンジニアリング」に強く収束しました。Andrew Ng は、エージェントによるコーディング、開発者フィードバック、外部フィードバックのループを、AI ネイティブな製品開発の運用モデルとして説明しました (@AndrewYNg)。 同じテーマは会議での雑談やツールに関する投稿にも見られました。「キーノートで「ループクラフト」という言葉が使われたこと」や、「OpenAI や Microsoft のスピーカー、そして Peter Steinberger によってこの用語が頻繁に使用されたこと」が指摘されています (@latentspacepod, @swyx)。 エージェント評価インフラストラクチャも進展しました：LangChain は Harbor を Deep Agents、LangSmith Sandboxes、および Observability と統合し、再現可能な環境ベースの評価が長期実行型/状態保持型エージェントの標準となるよう位置づけました (@LangChain, @hwchase17) メモリはもう一つの recurring トピックでした：Harrison Chase 氏らは wiki スタイルのメモリを最も有望なエージェント・メモリー・パターンの一つとして強調し、DeepWiki、AutoWiki、LLM Wiki の例を示しつつ、難所はストレージバックエンドではなく凝縮/検索プロセスであると繰り返し指摘しました (@hwchase17, @BraceSproul) モデル、ベンチマーク、メディアリリース Google は 2 つのメディア・モデルを発売しました：画像用の Nano Banana 2 Lite と、動画生成/編集用の Gemini Omni Flash です。報告された仕様には、画像生成が<4 秒、1,000 枚あたり$0.034、Omni Flash の動画は 1 秒あたり$0.10 が含まれ、初期の Arena での評価も良好でした (@GoogleDeepMind, @OfficialLoganK, @arena) オープンウェイト・モデルに関する議論は活発に続きました：GLM-5.2 は一部の知能/エンタープライズ・ベンチマークで最も強力なオープン・モデルとして繰り返し言及されましたが、冗長性と出力トークンの使用量が多い点で批判も受けました (@ArtificialAnlys, @RajeswarSai) Microsoft は reportedly 4B の GUI エージェントをリリースしたと報じられており、あるサマリー投稿によるとタスク成功率が 39.8% から 82.9% に跳ね上がったとのことです。ただし、ツイート自体にはソースの詳細は記載されていません (@HuggingPapers) OpenAI は、生物学の QA ではなく現実的な計算生物学エージェント作業のためのベンチマークである GeneBench-Pro を導入しました。また、OpenAI Devs も、1 年間にわたるインフラ障害調査に関する詳細なデバッグ記事を発表しました (@OpenAI, @OpenAIDevs) オープンソース/ローカル AI およびツールリング Hugging Face はモデル発見機能にハードウェアフィルターを追加し、GPU/CPU/Apple Silicon の互換性でフィルタリングできるようにしました。これは、大規模なローカル/オープンモデルの利便性を高めるものとして位置づけられています (@victormustar, @mervenoyann, @ClementDelangue) いくつかの投稿では、ローカルモデルがプロプライエタリシステムにおけるプラットフォーム制限や本人確認への懸念に対するレジリエンス（耐性）と明確に結びつけられました (@kimmonismus, @JayAlammar) 新たに公開されたベンチマークおよびツールには、出力の有効性/スキーマ遵守のための IFStruct (@maximelabonne)、60 万件以上の自己視点データを含む CS2-10k などがあります

[AI ニュース] ソネット 5 が本日リリース、ファブル 5 は明日公開へ

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト

背景や根拠まで確認しますか？

関連記事

ニュースの次に確認する

調べる

選ぶ

サイト