AnthropicがClaude 3 Haiku提供開始：毎秒30ページ処理、コストも半減
Anthropicが同社最速・最安のAIモデル「Claude 3 Haiku」を公開した。32K未満のプロンプトを毎秒2.1万トークン（約30ページ）で処理し、同等性能モデルと比べ3倍高速。1ドルで400件の判例や2500枚の画像を解析可能で、APIやClaude Pro、Amazon Bedrockで即日利用できる。
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が「GPT-4.5 Turbo」を誤公開か、検索エンジンに一時インデックス
OpenAIのWebチームが「GPT-4.5 Turbo」の製品ページを誤って公開し、検索エンジンに一時インデックスされた。検索結果のスニペットによると、コンテキスト長はGPT-4 Turboの2倍となる25.6万トークンで、ナレッジカットオフは2024年6月と記載されている。リンク先は現在404エラーとなっている。
InflectionがInflection-2.5発表、GPT-4級の性能を40%の計算量で実現
報道によると、Inflection AIは新モデル「Inflection-2.5」を発表した。GPT-4に迫る性能を持ちながら、学習用計算量は40%で済んだと主張している。Claude 3やGemini 1.5に続き、GPT-4独走の壁が急速に崩れつつある。
Anthropicが「Claude 3」発表、最上位Opusが主要ベンチマークで首位に
Anthropicは新世代モデル「Claude 3」ファミリー（Haiku、Sonnet、Opus）を発表した。最上位のOpusは推論や知識ベンチマークで他社製品を上回り、画像認識や20万トークンの文脈長にも対応する。OpusとSonnetは既に提供開始され、Haikuも近日登場予定だ。
Google、Geminiの人物画像生成を数週間以内に再開へ 歴史的誤描写修正へ
DeepMind創業者のデミス・ハサビス氏は、Geminiの人物画像生成機能を数週間以内に再開させたい意向を示しました。歴史上の人物の多様性描写が過剰で不自然だった問題を受け、多様性を目指す仕組みを一律に適用しすぎたと説明し、修正を進めています。
Microsoftが仏Mistral AIと提携、新旗艦「Mistral Large」をAzureで提供
Microsoftは仏Mistral AIとの長期提携を発表し、最新の旗艦LLM「Mistral Large」をAzure AIで先行提供開始した。Azureのスパコン基盤で開発を支援し、MaaS形式で企業に提供する。OpenAI以外の有力な選択肢をAzureエコシステムに取り込んだ形だ。
元OpenAIのカルパシー氏、GPTトークナイザーの作り方を解説する2時間講義を公開
OpenAIを離れたアンドレイ・カルパシー氏が、GPTのトークナイザーを自作する2時間の詳細な解説動画を公開しました。文字列反転や計算ミスといったLLMの弱点の根本原因を紐解き、データを渡す際にJSONよりYAMLのほうがトークンを節約できる理由にも触れています。
GoogleがGemini 1.5発表：最大100万トークン対応、1.0 Ultra級の性能を軽量実現
Googleが次世代AIモデル「Gemini 1.5」を発表しました。第1弾のGemini 1.5 ProはMoEアーキテクチャを採用し、計算資源を抑えつつ最上位の1.0 Ultraと同等の性能を発揮します。最大100万トークンの長文・1時間の動画を一括処理可能で、開発者や企業向けに限定プレビューが開始されています。
GoogleがBardを「Gemini」に改称、最上位Ultra 1.0搭載のAdvancedを提供開始
Googleは対話型AI「Bard」の名称を「Gemini」に改称し、最上位モデルUltra 1.0を搭載したGemini Advancedの提供を開始した。高度な推論やコーディングに対応し、Google One AI Premium加入で利用できるほか、Android向け単体アプリも登場した。
Google、Bardを「Gemini」に改称か：有料版Ultraや専用アプリが浮上
流出した更新履歴によると、GoogleはAIチャット「Bard」を「Gemini」に改称し、最上位のGemini Ultraを搭載した有料版「Gemini Advanced」の投入を計画しています。高度なマルチモーダル処理やコード支援に対応し、専用スマートフォンアプリも準備されている模様です。
Metaが「Code Llama 70B」を公開、10万トークンの文脈に対応し商用利用も可能
Metaはコード生成向け大規模言語モデル「Code Llama 70B」を公開した。5000億トークンのコードデータで訓練され、10万トークンのコンテキストに対応する。Python特化版や指示チューニング版も用意され、商用利用可能なオープンライセンスで提供される。
OpenAI、新埋め込みモデル発表 GPT-3.5 Turbo値下げとGPT-4改善も
OpenAIは新埋め込みモデル「text-embedding-3-small」および「large」を発表した。検索性能が向上したほか、次元数を削減して保存コストを抑える機能に対応した。あわせてGPT-3.5 Turboの入力価格を50%引き下げ、コード生成の手抜きを抑えた新GPT-4 Turboプレビューも提供する。
Meta、次世代LLM「Llama 3」を学習中と発表 年内にH100を34万基超確保へ
Metaのマーク・ザッカーバーグCEOは次世代大規模言語モデル「Llama 3」の事前学習を開始したと明らかにしました。AGIの実現に向けて推論やコーディング能力を大幅に強化する方針で、2024年末までにNVIDIA H100を34万基以上確保し、強力な計算基盤を構築する計画です。
ChatGPTが「GPT-4.5で動作中」と回答？ OpenAI幹部やAltman氏が「幻覚」と否定
12月、一部のユーザーに対しChatGPTが未発表の「gpt-4.5-turbo」で動作していると自答し、密かなアップデート疑惑が浮上した。しかしOpenAIの従業員やサム・アルトマンCEOは即座に否定し、奇妙で一貫性のあるハルシネーション（幻覚）にすぎないと説明した。
Googleが「Gemini Pro」APIを一般公開、毎分60リクエストまで無料提供
Googleは開発者や企業向けに「Gemini Pro」およびマルチモーダル対応の「Gemini Pro Vision」APIの提供を開始した。32Kのコンテキスト長や関数呼び出しに対応。Google AI Studio経由で毎分最大60リクエストまで無料で利用できる。
マイクロソフトが27億引数の「Phi-2」公開、25倍サイズのモデルを凌駕
Microsoftは27億パラメータの言語モデル「Phi-2」を公開した。教科書品質の厳選データと知識転移により、コード生成や数学推论で25倍大きいLlama-2-70Bを上回る。小規模モデルでも訓練データの質次第で高度な創発的能力を発揮できることを示した。
Meta、音声生成基盤モデル「Audiobox」の体験デモを公開
Metaは音声生成の基盤研究モデル「Audiobox」の体験デモを公開した。ゼロショット音声合成（TTS）やテキストからの効果音生成、音声のインフィリング（補完・修復）機能を備えており、ブラウザ上で直接各機能を試すことができる。
GPT-4Vで再現：YouTuberがGoogle「Gemini」の演出動画を実機で実証
YouTuberのGreg Technology氏がGPT-4Vを使い、編集による演出疑惑が持たれていたGoogle Geminiのプロモ動画を再現した。リアルタイムの動画入力で手ぶりやイラストを判別させ、動作するコードをGitHubに公開している。
xAIの「Grok」、質問拒否時に「OpenAIの規約違反」と誤答して波紋
セキュリティテスターがxAIのGrokにプロンプトを入力した際、「OpenAIの利用規約に違反する」と回答を拒否された事例を公開しました。xAI側はWebデータの誤収集と釈明したものの、専門家からはOpenAIの出力で微調整された可能性が指摘されています。
xAIのAIチャットボット「Grok」、XのPremium+会員向けに提供開始
Elon Musk氏はxAIが開発したAIチャット「Grok」をXのPremium+会員向けに正式提供すると発表した。Grok-1を基盤とし、皮肉やユーモアを交えた回答が特徴だ。広告依存からの脱却と「スーパーアプリ」化に向けた課金誘導の目玉となる。