前回からの変化
変わったこと(変化・新規)
- 前回はQwen3.8-27Bの週間首位やLing-3.1-flashの試用が中心だったが、本日は「判断専用モデル」と開発ツールの拡張に話題が移った。新顔枠は前回のLing-3.1-flashから、AWSのStrands Decider 2BとCactus ComputeのWhistleに入れ替わった
- 前回のレポートで扱っていなかったGoogle DeepMindのGemini 4 Argon(9月30日発表)を、本日初めて取り上げる
- 開発手法枠は前回「話題なし」だったが、本日はClaude Code Modsが入った
昨日と同じこと(継続)
- 価格を軸にした競争は継続している。Gemini 4 Argonも導入期の価格が入力2ドル・出力10ドル(100万トークンあたり)で、前回のSonnet 5.5やGPT-6.1 Solと同水準である
- オープンウェイトの小型・高性能モデルが次々に出る流れは前回から続いている。Strands Decider 2BもHugging Faceで重みが公開された
要因の連続性
- 継続要因: 「より安く、手元で動かせるモデル」への需要が前回に続き働いている
- 新規要因: 大手が相次いで「文章ではなく判断を直接返すモデル・API」を出し始めた(9月に見本として挙げたJevやLayaの系統)
- 解消した要因: なし
本日のハイライト
MarkTechPostによると、AWSのStrands Labsが公開した「Strands Decider 2B」は、約19億パラメータで、Alibabaの Qwen3.5-2B を土台にしている。文章を生成する出力部分を外し、与えた選択肢に点数を付ける小さな部品に置き換えた。入力は状況と型付きの質問で、出力は選択、はい・いいえの確率、点数のいずれかと、その確信度である。RTX 3090での応答時間の中央値は約115ミリ秒とされ、CPUや消費者向けGPU、Apple siliconのMacでも動く。
重みはHugging Faceで Apache 2.0 ライセンスで公開され、pip install strands-decider でCLIとHTTPサーバーが使える。AI Weeklyは、9月に紹介したTypeSafe AIのJevに対する、オープンソースの対抗馬と位置づけている。JevBenchの公開版で0.723、確信度のずれを示す指標(ECE)で0.052という数値はAWS側の発表であり、第三者の検証はまだ確認できていない。オープンウェイトとは、学習済みの重みが公開され手元で動かせるモデルのことである。
主要企業のリリース
Anthropicは10月1日、Claude Codeに「Mods」を追加した。AI Weeklyによると、Modsはエージェントの内部イベントに接続する小さなTypeScript関数である。プロンプトをモデルに渡す前に書き換える、ツール呼び出しを止める・再試行させる、権限要求を許可・拒否する、ツール出力から秘密情報を伏せる、画面の部品を差し替える、といったことができる。同じイベントに複数のModが付く場合は、読み込み順に実行される。CLIとデスクトップアプリで使え、プラグインとして配布できる。Anthropic自身も差分表示、agents.mdの読み込み、テレメトリの3機能をModsに移したという。
Google DeepMindのGemini 4 Argonは、長い作業を要するコーディングや法務・金融業務、サイバー防御向けのモデルである。VentureBeatによると、提供は限定的で、まずサイバー防御担当者向けのプログラムとGoogle社内、その後に有料のGemini APIとGoogle AI Ultraの利用者に広がる。MarkTechPostによると、出力の上限は100万トークンで、価格は導入期が入力2ドル・出力10ドル、その後は4ドル・20ドルに上がる。
OpenAIは10月1日、判断用の「Decisions API」を含むエージェント向けの構成を発表した。The Neuronによると、はい・いいえや多肢選択、採点基準に沿った質問に、文章ではなく確率付きで答える。詳しい仕様や価格は確認できていない。
新興AI・注目の新顔
Cactus Computeが10月2日に公開した「Whistle」は、16.9MBの音声認識モデルである。Cactus Computeのブログによると、英語・ドイツ語・フランス語・スペイン語・イタリア語・オランダ語・ポーランド語に対応し、CPUだけで動く。同社の比較では、145.3MBのWhisper baseに対し、最初の1トークンまで11.1ミリ秒(Whisper baseは73.2ミリ秒)、1秒あたり1,319トークン(同266トークン)である。精度はLibriSpeechなど3種の評価で上回り、TED-LIUMとAMIではWhisperが上だった。数値は自社発表で、第三者の検証は確認できていない。
試すには pip install cactus-needle を使い、ブラウザ上の試用環境もある。コードはGitHubとHugging Faceで公開され、17の環境向けにビルド済みである。作者はJakub MrozとHenry Ndubuakuである。Strands Decider 2Bは、前回までの新顔の続報としては、9月に紹介した「判断を直接返すモデル」の流れに大手が加わった例にあたる。
ほかに、AI Weeklyは、Aleph Alphaがドイツ語の推論に強いとする「Kolibri」を、顧客のインフラで動かす主権型の用途向けに出したと伝えている。詳細は確認できていない。
AI開発手法
Claude Code Modsが、エージェントの動作を利用者側のコードで差し替える手法を公式の仕組みにした。効く課題は、組織ごとの権限ルールの強制、秘密情報の自動伏せ字、プロンプトの自動補強などである。再現にはClaude CodeのCLIまたはデスクトップアプリと、TypeScriptでModを書いてプラグインとして入れる作業が要る。詳細はAI Weeklyを参照。
AIを使った新サービス
特筆すべき新サービスなし。
トレンドのAI活用法
特筆すべきトレンドなし。
LLM性能比較・得意分野
Gemini 4 Argonは、コーディング評価のDeepSWE v1.1で77.9パーセントとされ、同じ評価でClaude Opus 5.5が74.2パーセント、GPT-6 Astraが74.1パーセントだったという(VentureBeat)。この数字はGoogleの発表に沿ったもので、第三者の再現は確認できていない。限定提供のため、利用者が同じ条件で試せる状況でもない。コーディングという限られた条件での結果であり、ほかの用途の優劣は示していない。
研究・技術
Meta AI Researchは、数学者がMuse Spark 1.1と1.2を思考モードで使い、6本の論文を書いたと公表した。Meta AI Researchのブログによると、通常のmeta.aiのチャット画面を使い、専用の枠組みは使っていない。確率論、非線形シュレーディンガー方程式、群論、最適化などの未解決問題が対象で、群論と非結合代数では既存の予想を反証した。別の数学者チームが全体を独立に検証し、AIが下書きした部分は論文中に明記されている。公開先は同ブログで、道具として使えるのは、すでにチャット画面から使えるMuse Sparkである。
