Anthropicがフェルマー最終定理の機械検証済み証明を11日で完成

前回からの変化

変わったこと(変化・新規)

• Anthropic、Claudeでフェルマーの最終定理を形式的に証明(新規): Anthropicは9月4日、社内の汎用研究モデル(Claude Fable5.1相当)を用いた複数のClaudeエージェントが、数学の証明支援言語Leanでフェルマーの最終定理の完全な計算機検証済み証明を完成させたと発表した。数学者による形式化には数年かかると見られていたが、コロンビア大学の協働形式化プラットフォーム「Prove2Me」上で11日間、1,300万行のLeanコード・3万300個の定理(証明本体では2万9,500個を使用)を生成して達成したという(Anthropic公式)。数学者ケビン・バザード氏は「専門家の予想よりはるかに短い期間で成し遂げられた、驚くべき成果」と評価した(SiliconANGLE)。
• GPT-6 Astra、GitHub Copilotで一般提供開始(新規): OpenAIのGPT-6 Astraは9月4日、GitHub Copilotで一般提供(GA)となった。対象はCopilot Pro+・Business・Enterpriseプランで、管理者がモデルポリシーで既定を無効化しない限り自動的に有効化される仕組みだという(GitHub Changelog)。
• Artificial Analysisが評価指標を刷新、Fable5.1優位は変わらず(新規): 第三者ベンチマーク機関Artificial Analysisは9月5日、非公開テストセットの比率を従来の20パーセントから40パーセントに引き上げるなど評価をより難化・秘匿化した「Intelligence Index v4.2」を公表した。指標を刷新してもなお総合順位はClaude Fable5.1が1位、GPT-6 Astraは前世代GPT-5.6 Solから4ポイント上げたものの2位にとどまった。エージェント型の複数手順タスクはAnthropic系が引き続き強く、大量文書処理やトークンコスト重視の用途ではAstraが有力という用途別の傾向も前回と同様に確認された(Trending Topics)。
• Meta、非公開の新モデル「Muse Spark1.3」を先行投入(新規): Metaは9月2日、前回報告したオープンウェイト公開予定の「Muse Spark1.2」に先立ち、非公開のまま利用できる新モデル「Muse Spark1.3」をAPIとMuse Code CLI経由で提供開始した。上位版「xhigh」はArtificial Analysisの指標でGPT-5.6 Sol(max)やGrok4.6(high)と並ぶフロンティア級の性能を示したという(The Register、Artificial Analysis)。

昨日と同じこと(継続)

• 前回報告したコーディングエージェント脆弱性「GitSpawn」は、Qwen CodeとGrok Buildが9月1日時点の再検証でも修正されていないことが分かった。Claude Codeについても、当初報告されたcore.fsmonitor経路自体は既に修正済みだが、それとは別の第2の経路が9月1日の再テスト時点でなお影響を受けていたという(The Hacker News)。
• 米国防総省とAnthropicの対立構図は本日も変化なし。8月27日の連邦地裁判断(国防総省の「サプライチェーンリスク」指定は違法な報復)から1週間以上が経つが、Claudeは引き続きGenAI.mil(利用者300万人超)に加わっていない(Hoodline)。
• Metaの前回発表分「Muse Spark1.2」のオープンウェイト公開は本日時点でも未確定のまま。ザッカーバーグ氏は引き続き「近く」としか述べておらず、具体的な公開日は示されていない(The Register)。
• 日本の生成AI事業者向け知財ルール「プリンシプル・コード」(8月25日公表、法的拘束力なし)は、今秋をめどとする届出受付開始に向けて手続きが進んでいるとみられるが、本日新たな進展の確認はできなかった(ITmedia)。EU AI法第50条の透明性義務についても、本日新たな進展の確認はできなかった。

要因の連続性

• 継続要因: フロンティアモデル・AIエージェントの安全性を巡る懸念(GitSpawnの一部未修正が継続)。Anthropicと国防総省の対立(司法判断後も実務上はGenAI.milからClaudeが除外され続ける状況が継続)。OpenAIとAnthropicの性能競争という構図そのもの(評価指標を刷新しても順位が変わらない形で継続)。
• 新規要因: (1) Anthropicが数学の形式的証明という新領域でAIの実用性を示したことで、フロンティアモデルの評価軸が「ベンチマーク上の点数」だけでなく「実世界の難問を解く応用実績」にも広がるという新しい論点が加わった、(2) Metaが自社のオープンウェイト戦略と矛盾する形で非公開の新モデル(Spark1.3)を先行投入したことで、オープン化路線の一貫性そのものが新たな論点となった。
• 解消した要因: なし。

1. 本日のハイライト

• Anthropicは9月4日、社内の汎用研究モデル(Claude Fable5.1相当)を用いた複数のClaudeエージェントが、フェルマーの最終定理の完全な計算機検証済み証明を数学的証明支援言語Leanで完成させたと発表した。コロンビア大学の協働形式化プラットフォーム「Prove2Me」上で11日間かけ、1,300万行のLeanコードと3万300個の定理(うち2万9,500個を証明本体で使用)を生成する形で達成された。専門家は数年がかりの作業と見込んでいたといい、数学者ケビン・バザード氏は「専門家の予想よりはるかに短い期間で成し遂げられた成果で、数学全体が容易に検証可能な将来への大きな一歩」と評価した(Anthropic公式、SiliconANGLE)。
• 第三者ベンチマーク機関Artificial Analysisは9月5日、非公開テストセットの比率を従来の2割から4割へ引き上げるなど評価を難化・秘匿化した新版「Intelligence Index v4.2」を公表した。評価方法を刷新してもなお、Claude Fable5.1が総合首位を維持し、GPT-6 Astraは前世代から4ポイント伸ばしたものの2位にとどまった(Trending Topics)。

2. 企業・プロダクト動向

• GPT-6 Astraは9月4日、GitHub Copilotで一般提供(GA)となった。対象はCopilot Pro+・Business・Enterpriseプランで、管理者がモデルポリシー画面でグローバル既定を無効化するか特定モデルを明示的に無効化しない限り、新モデルは自動的に有効化される仕組みだという(GitHub Changelog)。
• Metaは9月2日、前回報告したオープンウェイト化予定の「Muse Spark1.2」に先立ち、非公開のまま使える新モデル「Muse Spark1.3」をAPIとMuse Code CLI経由で提供開始した。上位版「xhigh」はArtificial Analysisの評価でGPT-5.6 Sol(max)やGrok4.6(high)と並ぶフロンティア級の性能を記録したという。一方でMuse Spark1.2のオープンウェイト公開は本日時点でも「近く」としか説明されておらず、具体的な時期は示されていない(The Register、Artificial Analysis)。

3. トレンドのAI活用法

特筆すべきトレンドなし。本日は出典まで遡って確認できる、再現可能な「話題の使い方」の紹介記事は見当たらなかった。

4. LLM性能比較・得意分野

• Artificial Analysisは9月5日、評価をより難化・秘匿化した「Intelligence Index v4.2」を公表した。非公開テストセットの比率を従来の2割から4割に引き上げ、研究所側がベンチマークに直接最適化しにくい設計にしたという。この新指標でもClaude Fable5.1が総合首位を維持し、GPT-6 Astraは前世代GPT-5.6 Solから4ポイント伸ばしたが2位にとどまった。用途別では、複数手順にまたがるエージェント型のプロジェクト作業はAnthropic系のモデルが引き続き最も強い結果を示す一方、大量の文書処理やトークンコストを重視する用途ではGPT-6 Astraが有力な選択肢になるという使い分けが、前回に続いて確認されている(Trending Topics)。
• Metaの新モデル「Muse Spark1.3」は、上位設定「xhigh」がArtificial AnalysisのIntelligence Indexで、GPT-5.6 Sol(max)やGrok4.6(high)と並ぶスコアを記録し、フロンティア級の性能クラスタに入ったとされる。ただし現時点で幅広く使えるのは「xhigh」までで、最上位の「max」設定は限定提供にとどまっている(Artificial Analysis)。

5. 雇用・企業導入

雇用への影響

本日時点で、新たな大型人員削減の公式発表は確認できなかった。GPT-6 AstraのPC操作能力やAIコーディングエージェントの高度化を背景に、事務系・開発系業務の自動化範囲拡大への懸念は業界内の論評で引き続き語られているが、具体的な影響人数や生産性への数値を伴う新しい調査は本日確認できていない。

企業の導入状況

米国防総省のGenAI.mil(利用者300万人超)は本日も稼働を継続しており、公共部門における生成AI導入の広がりを示す事例として引き続き注目される一方、Claudeは同基盤に加わっていない(詳細は上記「昨日と同じこと」参照)(Hoodline)。GitHub CopilotへのGPT-6 Astra統合のように、既存の開発者向けツールにフロンティアモデルを組み込む動きが続いており、企業導入は個別モデルの契約よりも既存ワークフローへの組み込みへと重心が移っている(GitHub Changelog)。

6. 研究・技術

Anthropicは9月4日、社内の汎用研究モデルを用いた複数のClaudeエージェントが、フェルマーの最終定理の完全な計算機検証済み証明を数学的証明支援言語Leanで完成させたと発表した。コロンビア大学の協働形式化プラットフォーム「Prove2Me」を使い、11日間で1,300万行のLeanコードと3万300個の定理を生成、証明本体では2万9,500個を使用した。数学者による形式化には数年かかると見込まれていたといい、数学者ケビン・バザード氏は「専門家の予想よりはるかに短い期間で成し遂げられた成果」と評価し、現代数学の文献を自動的に形式化する道を開くものだと述べた(Anthropic公式、SiliconANGLE)。

コーディングエージェントの脆弱性「GitSpawn」については、Qwen CodeとGrok Buildが9月1日時点の再検証でも未修正のままだった。Claude Codeは当初報告されたcore.fsmonitor経路自体は既に修正済みだが、それとは別の第2の経路が9月1日の再テストでなお影響を受けていたとされ、脆弱性の全体像は依然として解消していない(The Hacker News)。

7. 規制・政策

米連邦地裁が8月27日、国防総省による2月のAnthropic「サプライチェーンリスク」指定を「違法な報復」と判断してから1週間以上が経過したが、Claudeは引き続きGenAI.milに加わっておらず、司法判断が出た後も実務上の対立構図に変化がない状況が続いている(詳細は上記「昨日と同じこと」参照)(Hoodline)。

日本では8月25日に内閣府知的財産戦略推進事務局が、生成AI事業者向けの知的財産保護・透明性に関する「プリンシプル・コード」を公表している。法的拘束力はなく「コンプライ・オア・エクスプレイン」方式で、届出受付は今秋をめどに始まる予定とされるが、本日新たな進展の確認はできなかった(ITmedia)。EU AI法第50条の透明性義務についても、本日新たな進展の確認はできなかった。