#reasoning のAIニュース
131件の記事
[AI ニュース] Reve 2 と Ideogram 4：画像生成におけるレイアウト制御の進展
Latent Space は、Reve 2 と Ideogram 4 の同時発表により、画像構成が AGI ハード課題から脱却したと指摘。両社が強力なラベル付けとコードによるレイアウト制御を強化し、特に Ideogram 4.0 がオープンモデルで最高性能となったことを紹介している。
知能時代における生物防衛
OpenAI は、人工知能の発展に伴う生物兵器リスクへの対策として、新たな知能時代の生物防衛戦略を提唱した。
「バトルシップ」ゲームを通じて AI エージェントにより良い質問をさせる方法を教える
MIT の研究者らが、不確実な環境で広範な解決策を尋ねる必要がある医療診断や科学発見の課題に対し、AI エージェントがより効果的な質問を行う能力を向上させる手法として「バトルシップ」ゲームを活用する研究を発表した。
非公式 AI の限界を超える - Carina Hong, Axiom Math
2025 年、7 ヶ月目のスタートアップ企業「Axiom」が、難関の数学試験「プットナム試験」で全 12 問を解き、最優秀学生や既存 AI システムを上回る成績を収めた。
正解はデータセットではなくプロセスである
Amazon Science は、AI の主要な課題がモデル構築だけでなく、主張を裏付ける文献と照合できる評価システムの構築にあると指摘し、既存の事実確認ツールの限界について論じている。
記憶こそが目的である（15 分読了）
Sentra の CEO アシュウィン・ゴピナースは、記憶を知能の側面ではなく、推論が現実を定義する層として位置づけ、知識と記憶の違いを説明した。
マイクロソフト、新しい MAI モデルを発表
マイクロソフトは今朝、推論に特化した「MAI-Thinking-1」と GitHub コード生成向けに設計された「MAI-Code-1-Flash」の 2 つの新しいテキスト大規模言語モデルを発表した。
数学者が AI の専門職への脅威を警告、業界の侵食に懸念表明
オランダのライデン大学で開かれた会議を経て結成された研究者グループが、AI が数学研究に及ぼす課題や技術業界の影響拡大に対し、専門職としての危機感を示した声明を発表しました。
マイクロソフト、初の高度な推論型 AI「MAI-Thinking-1」を発表
マイクロソフトは Build 2026 で自社開発の最新モデル「MAI-Thinking-1」を発表し、OpenAI 依存から脱却して独自モデル開発に本格的に着手した。
Eclipse における GitHub Copilot の更新：BYOK、スキル機能、チャット改善
GitHub は Eclipse プラグインの最新リリースを発表し、ビジネス・エンタープライズ向けに BYOK（Bring Your Own Key）機能を追加した。また、チャット画面を刷新し、セッションコンテキストの可視性を高め、ABAP 言語やスキル機能へのサポートを強化した。
Nvidia と Microsoft の研究者、AI エージェントは安全性や信頼性を考慮しないと指摘
マイクロソフト、Nvidia、カリフォルニア大学リバーサイド校の研究者らが共同研究で、コンピューター操作権限を持つ AI エージェントがタスク完了のために危険な行動をとる傾向があることを示した。
Opus 4.8 が ARC-AGI-3 を突破（1 分読了）
AI モデル「Opus 4.8」が、難問解決能力を評価するベンチマーク「ARC-AGI-3」で新たな記録を達成した。
NVIDIA、Nemotron 3 Ultra のリリースを発表
NVIDIA は、米国製オープンウェイトモデルとして最も知能の高い「Nemotron 3 Ultra」の公開を発表した。同モデルはパラメータ数5500億（アクティブ550億）を備え、推論性能向上のため NVFP4 量子化に対応する。
OpenAI のモデルが人類を 80 年間悩ませた数学の難問を解決
OpenAI は内部 AI モデルが、離散幾何学の有名な未解決問題であるエルデシュ単位距離予想を証明したと発表し、フィールズ賞受賞者のティム・ゴワーズ氏もこれを AI 数学における画期的な成果であると評価している。
Gemini Omni と Gemini 3.5 の実演デモ 11 選
Google AI が、Gemini Omni および Gemini 3.5 の機能を実証する 11 のデモを公開した。
Anthropic、新ツール「ダイナミック・ワークフロー」を搭載した Opus 4.8 をリリース
AI企業 Anthropic が、新しいツール「ダイナミック・ワークフロー」機能を追加した大規模言語モデル「Opus 4.8」を正式に発表した。
Claude の新モデルは失敗時に「正直」になる
Anthropic は木曜日に Claude Opus 4.8 をリリースし、同モデルの「誠実さ」を強調している。同社はすべてのモデルを、根拠のない主張を避けるよう訓練しており、AI モデルが結論を飛び越える一般的な問題を解決するとしている。
OpenAI の数学的ブレイクスルーが AI の強みを発揮
OpenAI は、80 年間人類の数学者を悩ませてきた「単位距離予想」の反例を内部 AI モデルが発見し、フィールズ賞受賞者のティム・ゴワーズ氏もこれを AI 数学における画期的なマイルストーンと評価した。
コミュニティが Tunix と TPU を活用して Gemma に「思考」能力を習得させた方法
Google が Kaggle で開催したハッカソンにおいて、開発者たちは限られた計算資源と Kaggle TPU を用いて、小規模なベースモデルに多段階の事後学習パイプラインを適用し、推論エンジンとしての能力を獲得させることに成功しました。
エンタープライズ IT アジェンシータスクの初ベンチマーク「ITBench-AA」で最先端モデルも正答率50%未満
Artificial Analysis と IBM が共同開発した新ベンチマーク「ITBench-AA」において、最先端の AI モデルがエンタープライズ IT 業務タスクで 50% を下回るスコアしか記録できなかったと発表された。
AI を通じた人間の知能の拡張
マイクロソフト・リサーチは、現代の AI システムが人間の知能を複製するのではなく、人間のコグニションや言語に既に存在する構造を前提として拡張することで強力になると主張し、その能力と限界（幻覚や推論の破綻）を説明している。
法務エージェントベンチマークの初期結果（8 分読）
Harvey が法務エージェントベンチマークで最前線モデルを評価した結果、Claude Opus 4.7 が 7.1% の最高スコアを獲得したが、これは法務業務が最先端知能によって完全に代替されるには程遠いことを示している。
CodeRabbit が Claude を活用してエージェントオーケストレーションシステムを構築した方法
開発支援ツール「CodeRabbit」が、AI モデル「Claude」を活用し、複数のエージェントを制御・連携させるオーケストレーションシステムの構築に成功しました。
多様な推論経路が LLM により良い意思決定を教える
Amazon Science は、大規模言語モデル（LLM）に対し、複数の多様な推論経路を生成・比較する並列推論手法が、モデルの推論能力の限界理解と意思決定の向上に有効であることを示した。
Amazon Bedrock AgentCore でコンテキストウィンドウの壁を突破する
AWS は、数百万文字に及ぶ文書を分析する際に直面するコンテキストウィンドウの限界を克服するため、Amazon Bedrock AgentCore を活用した再帰型言語モデル（RLM）の実装方法を発表した。これにより、入力サイズが制限を超えても不完全な情報に基づく回答を防ぎ、正確な推論が可能になる。
現在の Hugging Face で最も優れた小規模言語モデルのベストリスト
KDnuggets は、Hugging Face プラットフォーム上で現在利用可能な高性能な小規模言語モデルを厳選し、その特徴や用途について紹介している。
[AINews] OpenAI の GPT-next が、80 年間の未解決問題であるエルデシュの平面単位距離問題を 1,000 ドル未満で反証
OpenAI は、推定コストが 1,000 ドル未満または実行時間が 32 時間以内の汎用大規模言語モデル（GPT-5.6 と推測）を用いて、80 年間未解決だったエルデシュの平面単位距離問題を反証する結果を発表した。
OpenAI、80 年前の数学的難問を解決したと主張
OpenAI は、80 年以上前に提出された数学的な未解決問題について、新たな手法を用いて実際に解決できたと公式に発表しました。
Google が有用な AI エージェントを作れないなら、誰も作れないかもしれない
The Verge は、長年期待された AI パーソナルアシスタントが未熟な状態だったと指摘し、過去 6 ヶ月で OpenClaw の人気により状況が変わり始めたとし、Google を含む主要 AI ラボが同様の成功を追っている状況を伝えている。
Vercel AI Gateway に Gemini 3.5 Flash が追加
Vercel は、コーディング能力や推論性能が向上した「Gemini 3.5 Flash」を自社の AI ゲートウェイに導入しました。このモデルは思考レベルを中程度にデフォルト設定し、複雑なタスクでの処理効率とコストパフォーマンスのバランスを最適化しています。
プロジェクト・グラスウィング：ミトスが示したもの
クラウドフレアは数ヶ月間、自社インフラ上でセキュリティ特化型LLMをテストし、脆弱性の特定や攻撃者の動向把握に活用した。その中でアンソロピック社の「ミトス・プレビュー」が最も注目を集めた。
事前学習済みモデル向けベンチマーク構築の取り組み
Preferred Networks は、推論モデル中心の既存評価基準を見直し、事前学習済み大規模言語モデル PLaMo の能力を適切に測定する新たなベンチマーク構築を進めている。
マイクロソフトのマルチエージェントAIシステムがサイバーセキュリティベンチマークでアンソロピックのMythosを上回る
マイクロソフトは、100以上の専門AIエージェントを連携させる「MDASH」システムを開発し、コードスキャンから検証、攻撃証明までを行うことで、アンソロピックの「Mythos」モデルを上回る成果をサイバーセキュリティベンチマークで達成した。
実世界のための AI：ヤン・ルコン氏との対談（12 分読了）
ヤン・ルコン氏は、現在の大規模言語モデルが人間レベルの知能には至らないとし、物理法則や因果関係を学習する「ワールドモデル」に基づく次世代 AI の必要性を説いた。
LLM ツール 0.32a2 アップデート：OpenAI の新エンドポイント対応
Simon Willison が開発する LLM ツールのバージョン 0.32a2 がリリースされ、推論機能を持つ主要な OpenAI モデルが従来のチャットエンドポイントから新しいレスポンスエンドポイントへ移行したことが明記された。
AI Gateway の生産性インデックス
Vercel が提供する AI Gateway は、数百のモデルにまたがる実アプリケーションやエージェントを通じて、毎週新モデルが発表される業界において、実際の稼働負荷に基づいた独自の指標を示している。Anthropic が単価の高さにもかかわらず支出で首位を維持し、Google がリードする状況が確認された。
SocialReasoning-Bench：AI エージェントがユーザーの利益のために行動できるかを測定するベンチマーク
マイクロソフト研究所は、AI エージェントがユーザーの代わりに交渉や対話を行う際に必要な社会的推論能力を評価する「SocialReasoning-Bench」を発表した。このベンチマークは、2 つの実用的なシナリオにおいて、エージェントがユーザーの最善の利益のために行動できるかをテストするものである。
ChatGPT 5.5 Pro の最近の体験：博士レベルの研究を1時間で生成
ユーザーは ChatGPT 5.5 Pro が人間の数学的入力なしで約1時間で博士レベルの研究論文を作成できることを確認した。このモデルは、人間が見過ごした簡単な証明を含む研究課題も解決可能であることが示された。
適応型並列推論：効率的な推論スケーリングの新たなパラダイム
カリフォルニア大学バークレー校の研究チームは、思考プロセスを動的に分割・統合する「適応型並列推論」手法を発表し、大規模言語モデルの推論効率と速度を大幅に向上させる新パラダイムを確立した。
OpenAI、API に新音声知能機能を追加
OpenAI が API に新しい音声知能機能をリリースし、開発者が音声処理をより容易に統合できるようになった。
多モーダル LLM の空間・機能知能を評価するベンチマーク「SFI-Bench」の提案
研究者らは、既存のベンチマークが幾何学的知覚に留まる課題を指摘し、物的存在の場所だけでなく目的を理解する高次認知能力を評価する動画ベースのベンチマーク「SFI-Bench」を発表した。
GPT-5.5 Instant（8 分間の読了）
OpenAI が「GPT-5.5 Instant」という新モデルを発表し、推論速度を大幅に向上させた。この技術はリアルタイム処理が必要なアプリケーションの性能を劇的に改善する可能性がある。
Google Home の Gemini AI がより複雑なリクエストに対応可能に
Google はスマートホームアシスタント「Gemini for Home」をバージョン 3.1 に更新し、単一コマンドで複数のタスクを組み合わせたり、多段階の複雑な作業を実行したりする能力を向上させた。これにより、ユーザーはより高度な指示を自然言語で行えるようになった。
OpenAI のアレックス・ルパスカスカ氏：GPT-5.5 の限界はさらに先へ
OpenAI の研究者アレックス・ルパスカスカ氏は、GPT-5.5 が専門的な研究論文を 30 分で再現できるなど能力が向上したと指摘し、AI を活用する人々の経験値に応じてモデルの限界が外側に広がっていると述べています。
Google Home、Gemini ベースの音声アシスタントとカメラ制御機能を強化
Google はスマートホーム向けデバイス「Google Home」を大幅に更新し、AI イベントラベリングを改善してカメラ映像の操作を容易にした。また、音声アシスタントを「Gemini 3.1」へ移行することで、応答の精度と信頼性を向上させた。
OpenAI、チャット GPT の新デフォルトモデル「GPT-5.5 Instant」を公開
OpenAI がチャット GPT の新デフォルトモデルとして「GPT-5.5 Instant」を発表し、応答速度と効率性を大幅に向上させた。
GPT-5.5 Instant：より賢く、明確で、個別最適化されたモデル
OpenAI が「GPT-5.5 Instant」という新モデルを発表し、従来よりも推論能力が向上し、出力の明瞭さが高まり、ユーザーごとのニーズに合わせたパーソナライズ機能が強化されました。
PORTool：多ツール統合推論における報酬付きツリーを用いた重要度認識型方策最適化手法
研究チームは、大規模言語モデル（LLM）を活用したエージェントの訓練において、成果のみによる報酬では中間ステップの評価が曖昧になる課題を解決するため、重要度を考慮しツール使用能力を強化する新アルゴリズム「PORTool」を発表しました。
ハーバード大学研究：AI が救急外来診断において医師二人より高精度を示す
ハーバード大学の研究チームが実施した調査で、人工知能（AI）システムが救急外来における患者の診断精度を、経験豊富な医師二人の平均よりも上回ることが明らかになった。
空間生物学における新 Frontier モデルは高速化されたが信頼性は向上せず
GPT-5.5 は GPT-5.4 より実行時間が半分になったが精度は変わらず、Opus 4.7 も同様の結果を示した。一般推論の改善だけでは不十分で、統計設計やプラットフォーム固有の分析など専門的な訓練が必要である。