Character.ai、初期の大規模事前学習技術を公開 6ビット勾配圧縮などを解説
Character.aiはかつて共同創業者のノーム・シャジール氏らが開発したTransformer事前学習の最適化技術を初公開しました。帯域が限られた環境向けに開発された6ビット勾配圧縮アルゴリズム「Squinch」をはじめ、量子化の安定化や蒸馏最適化の知見が詳細に明かされています。
AIモデル
GPT、Claude、Gemini、DeepSeek、Qwenなど大規模言語モデルの新バージョン、ベンチマーク、料金、APIの変更を毎日まとめています。
新しいニュースを見る
OpenAI、ChatGPT Atlasのプロンプトインジェクション対策を強化
OpenAIはChatGPT Atlasのブラウザエージェント向けセキュリティ更新を発表した。強化学習で訓練した自動レッドチームを活用して未知のプロンプトインジェクション脆弱性を自ら発見し、敵対的訓練を施した新モデルを全ユーザーに展開した。
Google、マルチモーダルと128Kコンテキスト対応の「T5Gemma 2」を発表
GoogleはGemma 3ベースの次世代エンコーダー・デコーダーモデル「T5Gemma 2」を発表した。同構造として初めてマルチモーダルと128Kトークンの長文脈に対応。注意機構の統合などにより約3.7億〜70億パラメータに小型化し、オンデバイス向け事前学習済みモデルとして提供する。
GoogleがFunctionGemma公開：端末で動く270Mの関数呼び出し特化モデル
GoogleはGemma 3 270Mをベースに関数呼び出しへ特化させたFunctionGemmaを公開した。スマホやJetson Nano上で完全オフライン稼働し、ファインチューニングにより精度は58%から85%に向上。プライベートかつ高速なエッジエージェントを構築できる。
OpenAIが「GPT-5.2-Codex」公開、大規模リファクタとサイバーセキュリティを強化
OpenAIはソフトウェア開発とサイバーセキュリティに特化したエージェント型コーディングモデル「GPT-5.2-Codex」を公開した。コンテキスト圧縮による大規模リファクタリング対応やWindows環境の最適化が図られている。ChatGPT有料ユーザー向けに提供を開始し、APIも順次提供予定。
GoogleがGemini 3 Flash公開：2.5 Proより3倍高速、無料アプリの標準に
Googleは新モデル「Gemini 3 Flash」を公開した。Gemini 3の推論性能を維持しつつ、Gemini 2.5 Proの3倍の処理速度と低コストを実現。SWE-benchでは78%を記録し上位モデルをも上回る。Geminiアプリや検索AIモードの無料標準モデルとして即日提供される。
Metaが「SAM Audio」公開：動画上のクリックやテキストで特定音を分離
Metaは音声分離マルチモーダルモデル「SAM Audio」を発表した。画像分割のSAMと同様に、動画内の対象（ギターなど）のクリック、テキスト指示、時間指定など直感的なプロンプトで、複雑な混音から狙った音だけを抽出できる。Segment Anything Playgroundで試用可能。
GoogleがGeminiの音声モデルを刷新、翻訳アプリにリアルタイム通訳ベータを追加
Googleは音声モデル「Gemini 2.5 Flash Native Audio」の更新を発表した。外部機能呼び出しや複数ターンの会話精度を大幅に向上。さらにGoogle 翻訳アプリには、話者の抑揚を保ちながらイヤホンで聴けるリアルタイム双方向通訳ベータが追加された。
OpenAIが「GPT-5.2」公開：業務タスクに特化、ハルシネーションを30%削減
OpenAIは専門職向けに最適化した「GPT-5.2」シリーズを発表しました。Thinkingモデルは44職種の業務タスク評価で専門家と同等以上の成績を収め、前世代に比べハルシネーションを30%削減。有料版ChatGPTおよびAPIで提供が始まっています。
Runway、汎用ワールドモデル「GWM-1」発表：リアルタイム対話で現実をシミュレート
Runway は Gen-4.5 ベースの汎用世界モデル「GWM-1」を発表した。リアルタイムの逐次フレーム生成を行い、カメラ操作やロボットの制御信号に対応。仮想環境探索、対話アバター、ロボット制御の 3 種を用意し、実機を使わないポリシー評価やデータ拡張を実現する。
OpenAIが「緊急事態」宣言、Google対抗の「GPT-5.2」を12月9日にも前倒し投入か
報道によると、OpenAIはGoogleのGemini 3などに対抗すべく社内に「コード・レッド」を発令し、GPT-5.2の公開予定を12月9日へ前倒ししたという。アルトマンCEOは社内評価で競合を上回ったと説明しているが、サーバー容量などの都合で日程が前後する可能性も残されている。
Google、視覚推論を大幅強化した「Gemini 3 Pro」を発表
Google はマルチモーダルモデル「Gemini 3 Pro」を発表した。単純な認識にとどまらず、ピクセル精度の座標出力や 10 FPS の動画推論、文書を LaTeX や HTML へ逆変換する空間・視覚推論能力を備える。
Google、「Gemini 3 Deep Think」提供開始：難関推論ベンチマークで新記録
Googleは、GeminiアプリのGoogle AI Ultra加入者向けに「Gemini 3 Deep Think」モードを提供開始した。複数の仮説を並行検証する並列推論を採用し、ARC-AGI-2で45.1%、ツールなしのHumanity's Last Examで41.0%を記録した。
OpenAI、対Google新モデル「Garlic」を開発中か 来年初頭にも前倒し投入へ
The InformationはOpenAIがコードネーム「Garlic」と呼ぶ新モデルを開発中だと報じた。学習データを抑えてコスト効率を高めつつ、コーディングなどでGoogleのGemini 3に匹敵するという。競合の猛追を受け、Sam Altman CEOが社内に「厳戒警報（code red）」を発令したとも伝えられている。
DeepSeekが「V3.2」と「Speciale」公開：エージェント向け推論特化モデル
DeepSeekは、エージェント向けに推论性能を強化した新モデル「DeepSeek-V3.2」と「DeepSeek-V3.2-Speciale」を公開した。V3.2はアプリ、ウェブ、APIで利用可能で、推論の限界を目指すSpeciale版は現在API限定で提供されている。
AnthropicがClaude Opus 4.5を発表：コーディングとエージェントに特化し大幅値下げ
Anthropicは新モデル「Claude Opus 4.5」の提供を開始した。コーディングやエージェント、PC操作に特化し、社内採用試験で人間を上回る成績を記録。API価格を100万トークンあたり5ドル／25ドルへと引き下げ、推論の思考量を調整できる新パラメータも導入された。
OpenAI、GPT-5.1-Codex-Maxを発表：24時間以上自律稼働するコーディングAI
OpenAIは長時間の大規模開発に特化した自律型モデル「GPT-5.1-Codex-Max」を発表した。圧縮技術により文脈制限を超えて数百万トークンのタスクを処理し、24時間以上の自律稼働が可能。思考トークンも30%削減され、Codexの標準モデルとして利用できる。
Googleが次世代「Gemini 3」発表、LMArenaで1501点を記録
Googleは次世代フラッグシップモデル「Gemini 3」を発表した。先行提供のGemini 3 ProはLMArenaで歴代最高の1501 Eloをマークし、マルチモーダル推論とコーディング性能を大幅に刷新。自律型エージェント開発環境「Google Antigravity」も同時公開された。
Anthropic、Claude を Microsoft Foundry と Excel に提供開始
Anthropic は Microsoft との提携拡大を発表し、Claude Sonnet 4.5 などの最新モデルを Microsoft Foundry で公開プレビューとして提供開始した。既存の Azure 契約や利用枠で即座に導入できるほか、Excel の Agent Mode でも Claude を使った数式生成やデータ分析が可能になる。
Musk氏が「Grok 5」の存在明かす：6兆パラメータ、2026年初頭に登場へ
Elon Musk氏は投資カンファレンスで、xAIが次世代モデル「Grok 5」を開発中であり、2026年初頭の公開を予定していると明かした。パラメータ数は6兆に達しGrok 3や4の2倍で、リアルタイムなマルチモーダル処理に対応するという。