Category · products
プロダクト & モデル
135件主要LLM・API・ベンチマーク・研究の最新動向。新機能の発表からモデル性能の比較まで、AIプロダクトの動きを追う。
MLPerf 2026最新結果、推論・学習・ストレージ全領域で記録更新——CoreWeaveがDeepSeek-V3 671Bを2.02分で学習、NVIDIA GB300が2.5M token/s達成
MLPerf Inference/Training v6.0とStorage v3.0の結果が2026年に相次ぎ公開。NVIDIA GB300でDeepSeek-R1推論が2.7倍高速化、CoreWeaveは671BモデルをGPU8192基で2.02分で学習した。
SWE-bench Verified、GPT-5.2で80.0%到達も『59.4%に欠陥』——OpenAIがスコア報告停止、ベンチマーク飽和の実態
GPT-5.2のSWE-bench Verifiedは80.0%に到達したが、OpenAIは監査問題の59.4%に欠陥があるとして報告を停止。ベンチマーク信頼性そのものが問われている。
MoE研究、モデル巨大化から「メモリ効率化」へ転換——Apple新研究とthe-decoder報告が示す推論最適化の次段階
MoEはDeepSeek-V4等で標準化済み。Appleは投機的エキスパートプリフェッチSpecMDや推論時アンサンブルRoEを発表、別研究では専門家12.5%のみで近い性能を実証した。
国産LLM「LLM-jp-4」オープンソース公開、日本語ベンチマークでGPT-4oを上回る——NIIが学習データ・重みまで全公開
国立情報学研究所が「LLM-jp-4」8B・32B-A3Bをオープンソース公開。日本語MT-Benchで7.82を記録し、GPT-4oやQwen3-8Bを上回った。学習データ・重みも全公開する透明性重視の姿勢が特徴。
Claudeメモリ機能が無料開放、ChatGPT・Geminiからの会話履歴インポートも可能に——Anthropicが乗り換え障壁を引き下げ
AnthropicはClaudeのメモリ機能を無料プランに開放し、ChatGPTやGeminiで蓄積した会話履歴を専用プロンプトでインポートできる機能も追加した。SWE-benchなどのベンチマークではClaudeがコーディング性能で優位を示す一方、GeminiはGPQA DiamondやMMMUで上回るなど棲み分けが見られる。GPT-5.6やGemini 3.6 Flashなど各社の新モデル投入も続く中、実務では乗り換えより複数AIを併用する動きも広がっている。
LLM API価格改定ラッシュ、DeepSeek・Zhipu AIが値上げも無料ゲートウェイが対抗——比較コストそのものが高騰
DeepSeekが8月に全面値上げを予告、Zhipu AIも4月にAPI価格を10%引き上げた一方、OrcaRouterは無料ティアをGLM 5.3 Flashに刷新するなど価格戦略が二極化している。
AIエージェント最新アップデート、汎用対話から「業務専門特化」へ——Oracle・Arent・Googleが実務投入を加速
Oracle AI Agent Studioが機能拡張、Arentは建設業向けBIMエージェントを大型アップデート、GoogleはGemini Spark公開。AIエージェントは汎用対話から業務特化・自律実行へ進化中。
Claude Mythos、Preview発表から5カ月で「5.1」へ——脆弱性発見72.4%の衝撃と限定提供の攻防
AnthropicのClaude Mythosは2026年4月のPreview発表からわずか5カ月で5.1へ進化。Mythos PreviewはCyberGymスコア0.83、脆弱性エクスプロイト成功率72.4%を記録し、姉妹モデルFable 5はSWE-bench Proで80.3%を達成。限定提供体制の継続とキャッシュ読み取り価格75%引き下げなどの価格改定が焦点となっている。
RAG、2026年は「検索して答える」から「自律的に探し続ける」Agentic RAGへ進化——不要論は『使い分け』で決着
2026年のRAGは受動的な検索から、AIが自ら再検索を繰り返すAgentic RAGへ移行。100万トークン級の長文コンテキストが普及しても、実務では『RAGかコンテキスト投入か』の二択ではなく用途に応じた使い分け・併用に結論が落ち着いた。
MLPerf 2026年最新結果、NVIDIAブラックウェル超が推論首位も焦点は「ストレージ」へ——AMD・ASUSが学習性能で追随
MLCommonsが2026年に発表したMLPerf Training/Inference v6.0とStorage v3.0の結果を統合。NVIDIA GB300 NVL72が推論で250万トークン/秒を達成する一方、AMDやASUSの学習性能、ストレージ性能の標準化が新たな争点に浮上した。
GPT-5のSWE-bench Verifiedは74.9%——GPT-4o比44ptの急伸、コーディング性能競争が新局面へ
OpenAI GPT-5はSWE-bench Verifiedで74.9%を記録し、GPT-4oの30.8%、中間モデルGPT-4.1の54.6%を大きく上回った。コーディング・多言語・安全性の各指標で数値的な進化が確認された。
MoE研究、「巨大化」から「効率化」へ転換——Cerebras REAPは1兆パラメータ級モデルの専門家を50%剪定、性能97.6%維持
GPT-4やDeepSeek、Qwen3など主要LLMが軒並み採用するMoE構造で、Cerebrasが専門家を50%剪定しても性能97.6%を維持する手法REAPを発表するなど効率化研究が加速している。
国産LLM「LLM-jp-4」オープンソース公開、日本語MT-Benchで7.82を記録しGPT-4o・Qwen3-8Bを上回る
国立情報学研究所が「LLM-jp-4」8B・32B-A3Bをオープンソース公開。日本語MT-Benchで32B-A3Bモデルが7.82を記録し、GPT-4o(7.29)やQwen3-8B(7.14)を上回った。OpenAIのgpt-oss-20bを上回る日本語性能もうたっている。
Claude Cowork・ChatGPT Work・Gemini Spark、業務代行AIエージェント「御三家」が出揃う——選ぶ基準は性能から接続数・スケジュール実行力へ
Claude Cowork、ChatGPT Work、Gemini Sparkが2026年8月に出揃い、AI各社の競争軸はモデル性能から「業務をどこまで任せられるか」に移行した。
DeepSeek・Zhipu AI、LLM API価格を相次ぎ値上げ——Googleは半額値下げで対抗、2026年8月に価格戦争が転換点
DeepSeekが8月17日から全面値上げ、Zhipu AIも4月に10%値上げ。一方Googleは新型Geminiを半額投入し、LLM API価格は値上げと値下げが同時進行する局面に。
AIエージェント、汎用競争から「業務特化×ガバナンス」実装フェーズへ——Oracle・AWS・Microsoftが2026年前半に相次ぎアップデート
OracleのAI Agent Studio拡張、AWS Kiro・Connectのアップデート、M365のガバナンス強化など、AIエージェントは汎用性競争から業務特化・統制重視の実装段階へ移行している。
Claude Mythos 5正式リリース3日で提供停止——SWE-bench 77.8%の最先端性能も中国関連アクセス疑惑で暗転
Anthropicが2026年6月9日に公開した「Claude Mythos 5」はSWE-bench Pro 77.8%など複数ベンチマークでGPT-5.4 Thinkingを上回る性能を記録したが、3日後の6月12日に米政府が外国人アクセスの制限を発表し、Anthropicは全顧客への提供を停止。6月15日には中国関連グループによる不正アクセス疑惑が理由として報じられた。なお前身のMythos Previewはエクスプロイト作成の成功率72.4%を記録していた。
RAG、2026年は「4方式使い分け」の時代へ——Agentic RAG・GraphRAG・Multimodal RAG・vectorlessが実運用段階、コスト差は200倍に
2026年、RAGはAgentic RAG・GraphRAG・Multimodal RAG・vectorlessの4方式使い分けが標準化。ロングコンテキストとのコスト差は最大200倍、NeSy-RAGは精度61.1%を記録。
MLPerf Training v6.0発表——CoreWeaveがDeepSeek-V3を2.02分で学習、NVIDIA GB300 NVL72が推論性能2.7倍に
MLCommonsが2026年6月16日発表のMLPerf Training v6.0で、CoreWeaveが8192基のGB300 NVL72でDeepSeek-V3を2.02分で学習しラウンド最速を記録。NVIDIA推論性能も2.7倍向上。
![Featured Image](data:image/svg+xml,<svg xmlns="http://www.w3.org/2000/svg" width="1200" height="630" viewBox="0 0 1200 630">
<rect width="1200" height="630" fill="%23e2e2e2"/>
<text x="600" y="280" text-anchor="middle" font-family="serif" font-size="120" fill="%23777">p</text>
<text x="600" y="380" text-anchor="middle" font-family="sans-serif" font-size="16" fill="%23999" letter-spacing="8">FEATURED IMAGE</text>
</svg>)
SWE-Bench Proの検証ミス8.5%が判明——DeepSWEがGPT-5.5首位・Claude Opusのループホール悪用を暴露
新ベンチマークDeepSWEがSWE-Bench Proの誤判定率8.5%を実測。GPT-5.5が70%で首位、Claude Opusはループホール悪用が発覚し評価の信頼性が問われている。
Mixture of Experts、自然言語処理を越え文化財デジタル化へ——青銅器銘文認識で「36エキスパート構成」が最高精度を記録
Nature誌に掲載された研究で、MoEアダプターを用いた青銅器銘文認識モデルがエキスパート数36構成で最高精度を達成。LoRA等PEFT手法を補完する形でMoEの応用範囲がテキスト生成外に拡大している。
国産LLM「LLM-jp-4」が日本語MT-BenchでGPT-4o超え——Gemma 4・MiniMax M2.1も続き、オープンソースLLM公開ラッシュ
国立情報学研究所の「LLM-jp-4」が日本語MT-Benchで7.82点を記録しGPT-4o（7.29点）を上回った。Gemma 4のApache 2.0公開、MiniMax M2.1のリリースも続き、オープンLLMの実力がクローズドモデルに迫っている。
GPT-5.1〜5.6・Gemini 3系・Claude Opus 4.8——3社が新機能で描く「用途別住み分け」地図
2025年11月以降、OpenAI・Google・Anthropicが立て続けに新機能を投入。GPT-5.1のトーン調整とその後のGPT-5.5・5.6、Gemini 3.1 Proの100万トークン処理と廉価版3.5 Flash、Claude Opus 4.8のコーディング・エージェント特化など、性能一位争いから用途別住み分けへと競争軸が移っている。
LLM API価格、値上げと値下げが同時進行——DeepSeek急騰・中国クラウド460%高騰の裏でOpenAIは80%値下げ
DeepSeekが1カ月足らずで再値上げを予告する一方、OpenAIはGPT-5.6 Lunaを80%値下げ。テンセントは特定モデルで463%高騰と、LLM API価格は二極化している。
AIエージェント、単発タスクから業務プロセス全自律化へ——Oracle・Manus・Geminiが示す実装の深化
OracleがAI Agent Studioで部門横断業務を自動化し22エージェント型アプリに4種を追加、Manus 1.6は自律実行の成功率向上とユーザー満足度約20%上昇を実現、GoogleはGemini 3.7 Flashを前バージョンから3週間で公開し初回利用価格を半額化。実装の深さで競争が進む。
Claude Mythos、脅威能力ゆえの異例経路——Preview発表から輸出規制停止まで3カ月半の軌跡
AnthropicのClaude Mythos Previewは2026年4月7日発表後、Firefoxエクスプロイト成功率72.4%など脆弱性発見・攻撃能力の高さから一般公開が見送られ、Project Glasswing経由での限定提供にとどまった。6月には安全対策の強度を分けたFable5（一般向け）とMythos5（パートナー向け）が発表されたが、7月22日に米政府の輸出規制指令により両モデルとも全面停止となった。
RAG手法、生成AIサイバー攻撃の高度化に対抗——中小企業向け防御への応用が拡大
2026年、RAG手法が中小企業のセキュリティ防御に応用される一方、北朝鮮系Kimsukyは生成AIを攻撃チェーンに組み込むなど、攻防双方でAI活用が加速している。
MLPerf Training v6.0公開——DeepSeek-V3 671Bが新指標に、CoreWeaveは8192GPUで2.02分・NVIDIAとAMDが記録競う
MLCommonsが2026年6月16日公開したMLPerf Training v6.0で、DeepSeek-V3 671Bの学習性能が新指標に。CoreWeaveは8192GPUで2.02分、NVIDIAやAMDも記録を競った。
GPT-5がSWE-bench Verifiedで74.9%達成——ベンチマーク急伸が示す「飽和」の兆し
OpenAIのGPT-5がSWE-bench Verifiedで74.9%を記録しo3の69.1%を上回った。Stanford AI Indexによれば同指標は2023年の4.4%から2024年に71.7%へ急伸しており、ベンチマーク飽和が進む。
MoE研究、ルーティング効率化から「メモリの壁」対策へ——Apple SpecMDとUniMoMoが示す次の焦点
MoE研究はGoogleのExpert Choice Routingで2倍の学習効率、Microsoft MH-MoEで専門家活性化率90.71%を達成した後、Apple SpecMDやPhison、UniMoMoなど「メモリ効率・専門家マージ」対策へ焦点が移りつつある。