Skip to content

AIニュース Nov 6, 2026

言語: DE / EN / ZH / FR / ES / PT / JA / KO

AI生成:要約はリンク先の情報源をもとにAIが作成しています。 AIの利用について

主なポイント

  • 非営利団体のMETRは、Anthropicの内部研究データを11週間にわたって監査し、モデル開発のペースが約2倍になったと結論付けました。この速度向上の約80パーセントはAI支援研究によるものです。Anthropicは最も情報的な証拠を伏せているため、一般市民は理想的な状況よりも「はるかに」METRの判断に頼らざるを得ず、同社内部には懐疑的な声もあります。
  • AI物理学スタートアップのPSIは、非公開のAnthropicモデルを実行したシステムが、2008年から未解決だった量子計算の問題であるAaronson-Ambainis予想を証明したと述べています。この主張が検証されれば、AIシステムが形式的な数学的結果に貢献する顕著な事例となります。
  • Ricursive Intelligenceは、Apache 2.0ライセンスの下で650億パラメータのオープンウェイトモデル「Ripple-65B Preview」をリリースしました。同社は、このモデルがTerminalBench 2.1コーディングベンチマークにおいてオープンソースの米国モデルを上回ると述べており、総R&Dコストは3,200万ドルです。他…
  • OpenAI: $11B (Unknown)
  • Palo Alto Networks → Clutch ($500M)
  • エージェントワークフローでは、エージェントが無制限にコンテキストを蓄積させるのではなく、どのコンテキストを保存し、どこに配置し、いつ再利用するかを明示的に決定する。

今日の注目点

  • METR Anthropic auditMETR's eleven-week audit of Anthropic's internal data concluded model development pace has roughly doubled, with about 80 percent of the speedup driven by AI-assisted research. Anthropic redacted the most informative evidence, leaving the public reliant on METR's judgment.
  • Open-weight model raceTwo open-weight releases land the same day: Ricursive's 65-billion-parameter Ripple-65B under Apache 2.0, built at $32 million R&D cost, and Thinking Machines' Inkling 2 Small, a 594-billion-parameter mixture-of-experts model the company calls the strongest western open-weight model.
  • AI fundingThinking Machines is reportedly raising $5 billion led by Accel at a $40 billion pre-money valuation, while OpenAI has reportedly raised an additional $11 billion in an unclosed round valuing it at $1.25 trillion. Both figures remain unconfirmed until the rounds close.
  • Data center politicsAfter voters backed data center restrictions on 40 of 41 midterm ballot measures, OpenAI announced host-community commitments including no NDAs with public officials. The pledge addresses scrutiny of how data center projects use NDAs to conceal discussions.
  • AI mathematicsPSI says a non-public Anthropic model proved the Aaronson-Ambainis conjecture, open since 2008; if verified, it would mark a notable formal math result by an AI system. The claim is PSI's and awaits independent verification.

AI 生成分析

最も重要なAIの進展は?

このNov 6, 2026は、技術・研究・製品開発にわたる10件のAIニュースを厳選しています。 非営利団体のMETRは、Anthropicの内部研究データを11週間にわたって監査し、モデル開発のペースが約2倍になったと結論付けました。この速度向上の約80パーセントはAI支援研究によるものです。Anthropicは最も情報的な証拠を伏せ...

非営利団体のMETRは、Anthropicの内部研究データを11週間にわたって監査し、モデル開発のペースが約2倍になったと結論付けました。この速度向上の約80パーセントはAI支援研究によるものです。A…

非営利団体のMETRは、Anthropicの内部研究データを11週間にわたって監査し、モデル開発のペースが約2倍になったと結論付けました。この速度向上の約80パーセントはAI支援研究によるものです。Anthropicは最も情報的な証拠を伏せているため、一般市民は理想的な状況よりも「はるかに」METRの判断に頼らざるを得ず、同社内部には懐疑的な声もあります。

カテゴリ: 研究と政策|影響度:critical|出典: The Decoder|ブリーフを読む
研究と政策METRAnthropicAI R&D

AI物理学スタートアップのPSIは、非公開のAnthropicモデルを実行したシステムが、2008年から未解決だった量子計算の問題であるAaronson-Ambainis予想を証明したと述べています。…

AI物理学スタートアップのPSIは、非公開のAnthropicモデルを実行したシステムが、2008年から未解決だった量子計算の問題であるAaronson-Ambainis予想を証明したと述べています。この主張が検証されれば、AIシステムが形式的な数学的結果に貢献する顕著な事例となります。

カテゴリ: 研究|影響度:high|出典: Techmeme|ブリーフを読む
研究PSIAnthropic数学

Ricursive Intelligenceは、Apache 2.0ライセンスの下で650億パラメータのオープンウェイトモデル「Ripple-65B Preview」をリリースしました。同社は、このモ…

Ricursive Intelligenceは、Apache 2.0ライセンスの下で650億パラメータのオープンウェイトモデル「Ripple-65B Preview」をリリースしました。同社は、このモデルがTerminalBench 2.1コーディングベンチマークにおいてオープンソースの米国モデルを上回ると述べており、総R&Dコストは3,200万ドルです。他のベンチマークでは、Thinking Machinesが新たにリリースしたInkling 2 Smallに劣ります。

カテゴリ: モデル|影響度:high|出典: The Decoder|ブリーフを読む

元OpenAI CTOのMira Muratiによるスタートアップ、Thinking Machinesは、5,940億パラメータを持つ混合Experts(MoE)モデル「Inkling 2 Small…

元OpenAI CTOのMira Muratiによるスタートアップ、Thinking Machinesは、5,940億パラメータを持つ混合Experts(MoE)モデル「Inkling 2 Small」をリリースしています。同社はこれが最強の西洋圏オープンウェイトモデルであると主張していますが、より優れたエージェント性能はトークン使用量が sharply に増加することと引き換えになります。

カテゴリ: モデル|影響度:high|出典: The Decoder|ブリーフを読む

Ant Groupは、テキスト、画像、ビデオを受け入れるネイティブマルチモーダルモデル「Ling-3.2-flash」をリリースしました。これは合計5,600億パラメータを持ち、推論ステップごとに25…

Ant Groupは、テキスト、画像、ビデオを受け入れるネイティブマルチモーダルモデル「Ling-3.2-flash」をリリースしました。これは合計5,600億パラメータを持ち、推論ステップごとに250億パラメータがアクティブで、100万トークンのコンテキストウィンドウを持っています。Antは、複雑な視覚的理解、多段階エージェントタスク、3D理解、医療アプリケーションを対象としていると述べています。

カテゴリ: モデル|影響度:medium|出典: TechNode|ブリーフを読む
モデルLing-3.2-flashAnt Groupマルチモーダル

Baiduは、ERNIE-5.5-Flash-Baseをオープンソース化しました。これは合計2,800億パラメータ、140億アクティブパラメータ、128Kトレーニングコンテキスト、1Mトークンサポート…

Baiduは、ERNIE-5.5-Flash-Baseをオープンソース化しました。これは合計2,800億パラメータ、140億アクティブパラメータ、128Kトレーニングコンテキスト、1Mトークンサポートを持つ生の前訓練チェックポイントであり、さらなるトレーニングを意図しています。AlibabaのTaobao MNNチームは別途、MNN-Pocket-0.3Bをオープンソース化しました。これは173MBのINT4オンデバイスモデルで、iPhone 18 Pro上でオフライン時に秒間約350トークンをデコードすると述べています。

カテゴリ: モデル|影響度:medium|出典: Pandaily|ブリーフを読む

GoogleはGemini Omni 1.2 Flashを展開し、ネイティブの15秒動画作成、参照遵守の改善、およびマルチターン会話編集を追加しました。Googleは、このアップデートによりコストが3…

GoogleはGemini Omni 1.2 Flashを展開し、ネイティブの15秒動画作成、参照遵守の改善、およびマルチターン会話編集を追加しました。Googleは、このアップデートによりコストが30%削減され、プロフェッショナルプロジェクトの一貫性が向上すると述べています。

カテゴリ: モデル|影響度:medium|出典: Hacker News|ブリーフを読む

有権者の41件の投票措置のうち40件でデータセンター制限を支持した中間選挙の後、OpenAIはコミュニティホストへのコミットメントを発表しました。これには、公職者と秘密保持契約(NDA)を結ばないこと…

有権者の41件の投票措置のうち40件でデータセンター制限を支持した中間選挙の後、OpenAIはコミュニティホストへのコミットメントを発表しました。これには、公職者と秘密保持契約(NDA)を結ばないことが含まれます。この動きは、データセンタープロジェクトがNDAを使用して議論を隠していることに対する scrutiny の下で行われています。

カテゴリ: 政策|影響度:high|出典: The Verge AI|ブリーフを読む
政策OpenAIデータセンターNDA

Perplexityは、「Teammates」という常時稼働型エージェントをローンチしています。これらのエージェントは独自の仮想マシン上で継続的なプロジェクトを処理します。この機能には月額200ドルの…

Perplexityは、「Teammates」という常時稼働型エージェントをローンチしています。これらのエージェントは独自の仮想マシン上で継続的なプロジェクトを処理します。この機能には月額200ドルのMaxプランが必要であり、これはOpenAIやAnthropicの類似オファリングをはるかに上回る価格です。常時稼働型エージェント市場はますます過密化しています。

カテゴリ: 製品|影響度:medium|出典: The Decoder|ブリーフを読む

OpenAIはBioBasicsBenchを導入しました。これは100タスクのベンチマークで、AIエージェントが生実験データをどのように解釈し、日常の実験室科学を扱うかを測定します。このベンチマークは…

OpenAIはBioBasicsBenchを導入しました。これは100タスクのベンチマークで、AIエージェントが生実験データをどのように解釈し、日常の実験室科学を扱うかを測定します。このベンチマークは、教科書スタイルの質問ではなく実践的な実験室作業におけるエージェントの評価におけるギャップを対象としています。

カテゴリ: 研究|影響度:medium|出典: OpenAI News|ブリーフを読む
研究OpenAIBioBasicsBenchベンチマーク

今週のトップAI動画

AI最新動向に関する厳選YouTube動画2本。

トランスクリプト抜粋に基づく:Fireshipは指数時間仮説(ETH)を解説し、匿名のOpenAIモデルが指数時間より高速に3-SAT問題を解くアルゴリズムを書いたと報じており、800以上の公開論文が…

トランスクリプト抜粋に基づく:Fireshipは指数時間仮説(ETH)を解説し、匿名のOpenAIモデルが指数時間より高速に3-SAT問題を解くアルゴリズムを書いたと報じており、800以上の公開論文が…

トランスクリプト抜粋に基づく:Fireshipは指数時間仮説(ETH)を解説し、匿名のOpenAIモデルが指数時間より高速に3-SAT問題を解くアルゴリズムを書いたと報じており、800以上の公開論文が依存する27年前の仮説が破綻する可能性がある。動画では、3-SATおよびETHの意味、そのモデルが人間が思いつかなかった手法を用いてこれをどのように破ったか、そしてなぜこれらの論文が現在問題を抱えているかが扱われている。

ブリーフを読む

トランスクリプト抜粋に基づく:Wes Rothは、AI研究の自動化に関するMETRによるAnthropicの独立監査について議論しており、AnthropicがMETRが最も情報的だと見なした証拠の多く…

トランスクリプト抜粋に基づく:Wes Rothは、AI研究の自動化に関するMETRによるAnthropicの独立監査について議論しており、AnthropicがMETRが最も情報的だと見なした証拠の多く…

トランスクリプト抜粋に基づく:Wes Rothは、AI研究の自動化に関するMETRによるAnthropicの独立監査について議論しており、AnthropicがMETRが最も情報的だと見なした証拠の多くを削除していること、および内部モデルがAnthropicの全内部ベンチマークを破ったと報告されていることに言及している。動画では、この削除がAI R&Dにおける加速について何を意味し得るか、および再帰的自己改善に関するAnthropicの更新されたS1提出書類が検討されている。

ブリーフを読む

最新のAI投資シグナルは?

最新AI投資シグナル:資金調達5件、市場アップデート4件、M&A取引1件。

プライマリーマーケット – 資金調達

企業金額ラウンド投資家
OpenAI$11BUnknown
Thinking Machines Lab$5BUnknownAccel
Sand.ai$200MSeries A+Cornerstone Capital, Wangsu Science & Technology
Physicl$10MUnknown
Kalepa$75MSeries BUpdata

セカンダリーマーケット – 市場動向

ティッカー
QCOM
NVDA
TSM
MSFT

M&A – 合併・買収

買収者ターゲット取引額取引種別
Palo Alto NetworksClutch$500MAcquisition

今週の実用的なAIヒントは?

Redditコミュニティと専門家ブログから厳選した実用AIヒント4件。 NVIDIAのAIエージェント向けのメモリ戦略は、どのコンテキストを保存し、どこに配置し、いつ再利用するかを決定することに焦点を当てており、これはエージェントが読み取り、推論、ツールの使用に伴ってコン...

生産性

NVIDIAのAIエージェント向けのメモリ戦略は、どのコンテキストを保存し、どこに配置し、いつ再利用するかを決定することに焦点を当てており、これはエージェントが読み取り、推論、ツールの使用に伴ってコンテキストを蓄積するためである。

エージェントワークフローでは、エージェントが無制限にコンテキストを蓄積させるのではなく、どのコンテキストを保存し、どこに配置し、いつ再利用するかを明示的に決定する。

ブリーフを読む

生産性

OpenAIのアプリケーション担当CTOであるVijaye Raji氏は、コーディングが安価になったことで、より多くのコードが廃棄されるようになったと述べた。この記事では、チームが何を維持し何を捨てるかを決める方法、および制約条件を特定する方法について解説している。

コーディングが安価な場合、より多くのコードを廃棄することを計画せよ:チームが何を維持し何を捨てるかを意図的に決定し、自身の作業における制約条件を特定する。

ブリーフを読む

生産性

ClaudeはPlaidを通じて銀行取引を分析できる。Anthropicは読み取り専用アクセスとAIトレーニングへの制限を保証しているが、銀行アカウントの接続を解除しても、以前のチャットに含まれていた金融情報が消去されるわけではない。

金融アカウントをAIアシスタントに接続する場合、アカウントの接続を解除しても、以前のチャットにすでに存在する金融情報は消去されないことに注意すること。

ブリーフを読む

生産性

OpenAIのGPT-6 Cyberは動作するエクスプロイトを開発可能であり、認可されたテストの境界に従う点で大幅な改善が見られると報告されている。ただし、ベンチマークによって安全性の結果がばらつき、実際のデプロイメントにおいてトレーニング、アクセス制限、外部制御がどのように連携しているかについて疑問を投げかけている。

セキュリティテスト用にモデルをデプロイする際は、アクセス制限や外部制御をモデルのトレーニングと組み合わせる必要がある。なぜなら、安全性の結果はベンチマークによってばらつくと報告されているからである。

ブリーフを読む