Poetiqが「Meta-System」発表、ファインチューニングなしでGPT-5.5がコーディング93.9%のSOTA達成

フロンティアモデルのコーディング能力を高める手段といえば、膨大な計算資源を注ぎ込んだ事後学習やファインチューニングが常識でした。しかし、モデルの重みには一切手を触れず、外側に置いた足場を自律的に賢くするだけで、業界最高峰のスコアを叩き出す手法が登場しました。

AIスタートアップのPoetiqは、独自開発の「Meta-System」を用いた検証結果を発表しました。汚染耐性が高く競技プログラミング級の難問が揃う「LiveCodeBench Pro（25Q2）」において、GPT-5.5に同システムを適用したところ、ファインチューニングなしで93.9%のSOTAを記録しました。

内部の活性化パラメータへの特別なアクセスも不要で、日常的に使われている標準APIの呼び出しだけでこの性能を引き出しています。

AIが自らの実行環境を再帰的に改善する

Poetiqが用いたアプローチは「再帰的自己改善」です。人間がプロンプトやワークフローを手作業で組むのではなく、Meta-System自身が実行時のメモリ制約や制限時間を考慮しながら、最適なハーネス（検証・制御の枠組み）を一から自動構築します。

興味深いのは、このハーネスがもともとGoogleのGemini 3.1 Pro向けにのみ最適化されたものだった点です。Gemini 3.1 Proの正答率は78.6%から12.3ポイント向上して90.9%に達し、API非公開であるGoogleのフラッグシップ「Gemini 3 Deep Think」の88.8%をも上回りました。

さらに、そのハーネスを一切調整せずにそのままGPT-5.5に適用したところ、ベースモデル単体の89.6%から93.9%へとスコアを伸ばしました。難関カテゴリであるHard問題の解決率に至っては、50.0%から75.0%へと跳ね上がっています。

汎用性の高さは他のモデルでも実証されています。Gemini 3 Flashは72.3%から82.3%へと10ポイント向上し、単体で動作するClaude Opus 4.7（80.5%）やGPT 5.2 Highを逆転しました。オープンウェイトのKimi K2.6は30%の伸びを見せ、Nemotronも12.8%向上しています。

突きつけられる「実体のない製品」という批判

驚異的なベンチマーク結果の一方で、開発者コミュニティからの視線は冷ややかです。

PoetiqはGoogleやDeepMind出身のベテランが集まり、2025年11月にステルスを解除した注目のチームです。過去にもARC-AGIやHLEで同様の成果を発表してきましたが、一般に広く利用可能なツールはいまだ提供されていません。

海外掲示板のRedditなどでは、ウェイティングリストに登録しても宣伝メールが届くだけで実際のプロダクトが触れないことから、「典型的なベイパーウェア（実体のない製品）ではないか」と疑問視する声が上がっています。Poetiq側は一部の初期顧客と検証中であるとしていますが、外部の独立した検証は行われていません。

なぜ重要か

製品化の不透明さはあるものの、モデルの外部に置くオーケストレーションの自律設計がここまで機能することを示した意義は極めて大きいと言えます。

これまで開発企業は、コーディング精度を数パーセント上げるために巨額の費用をかけてモデルの微調整を行ってきました。しかし、標準API経由で外付けするだけのハーネスがモデルを問わずに機能するなら、特定モデルへの依存を減らし、より安価な小型モデルを主力級の戦力に変えられる可能性が開けます。Poetiq適用下のGPT-5.5と単体のClaude Opus 4.7の間にある13ポイントの差は、誤差として片付けられない規模です。

ただし、手放しで実用性を信じるのは禁物です。このシステムがSOTAを達成するまでに、どれだけのAPI呼び出し回数やレイテンシ、トークンコストを消費したのかは公開されていません。競技プログラミングの正答率が高くても、実務のIDEで数分待たされるようでは使い物にならないからです。独立した検証と一般公開が行われるまでは、実用的なツールというよりも、興味深い技術デモとして冷静に見守るのが賢明でしょう。