前回からの変化
変わったこと(変化・新規)
- 前回は「詳細を一次情報で確認できない」として見送ったReflectionのBeamについて、仕様と自社報告の性能値、重み公開の予定が確認できた。前回の「新顔なし」から、本日は新顔として扱う(Let's Data Science)
- 前回の主役だったOpenAIのDecisions APIや判断専用モデルの話題は、本日は新しい続報が見当たらない
- 前回の「特筆すべき新サービスなし」から一転して、Claude Dashboards、Claude Motion、GoogleのWorkspace向けGeminiエージェントが出た
昨日と同じこと(継続)
- 前回に続き、Mistral Large 4の重みが未公開のまま「月末」待ちという状態は変わらず、新しい日付は確認できなかった
- 前回扱った「Claude Haiku 5.5」は、本日も価格や使用トークン量の比較で話題に上っている(AI SDG)
要因の連続性
- 継続要因: 重みを公開する大型モデルが月末に集中する流れが、前回のMistral Large 4に続きReflection Beamでも続いている
- 新規要因: 米国発のオープンウェイトで最上位級の性能を狙うモデルが加わり、中国勢のオープンモデルとの比較が焦点になった
- 解消した要因: 前回の判断専用API(確率で答える出力形式)をめぐる話題は、本日は後退した
本日のハイライト
Reflection AIのBeam(オープンウェイト推論モデル)
Reflection AIは10月5日にBeamを発表した。総パラメータ501B(5010億)のうち、1回の推論で動くのは23Bの疎なMixture-of-Experts(必要な専門家だけを動かす構成)で、テキストのみを扱い、コンテキスト長は100万トークン、学習に使ったデータは23.8兆トークンとされる(Let's Data Science)。
自社報告のベンチマークは、SWE Bench Verifiedが80.9、SWE Bench Pro v2-Hardが77.2、Terminal Bench v2.1が80.1である。いずれも会社側の数値で、独立した検証はまだ出ていない。会社は、西側の他のオープンモデルより推論計算量が3〜4分の1だと主張する。報道では、Z.aiのGLM-5.2と同等の水準で、Kimi K3には及ばないとされている(Axios)。
いま試せるのは登録制の早期アクセスのみで、重み、技術レポート、開発者向け資料は10月中に、Apache 2.0ライセンスで公開される予定である。価格は公表されていない。オープンウェイト(重みを公開し自分の環境で動かせる形)で使えるようになれば、社内にコーディングエージェントの基盤を持ちたい個人や小規模チームにとって選択肢になる。
主要企業のリリース
Anthropicは、ClaudeにDashboardsとMotionを加えたと伝えられた。Dashboardsはデータウェアハウスや業務アプリにつなぎ、平易な質問から図表を作り、各図表の横に生成したクエリを表示する。既定では非公開である。Motionは報告書やデータを、対象読者と長さを指定してアニメーション付きの解説に変える。アニメーションはコードとして作られるため、図を作り直さずに編集できる。人物や実写風の映像は作れない。どちらも有料プランの利用枠を消費する(AI SDG)。同じ集計では、Claudeの連携がGoogleドキュメント、スプレッドシート、スライドにも広がったとされる。
OpenAIはGPT-6で、チャットの中に計算機、図表、フォームを平易な依頼から作る機能を出した。数値の正確さは保証されないと注記されている。画像と音声の真偽を調べる「OpenAI Verify」も無料で始まった(同上)。
新興AI・注目の新顔
前回は詳細を確認できず見送ったReflection AIのBeamを、上のハイライトで続報として扱った。それ以外に、一次情報で確認できた新顔の新しいモデルは見つからなかった。直近のモデル一覧でも、10月6日のMistral Large 4以降に新しい登録はない(Price Per Token)。
AI開発手法
OSSのエージェント基盤が2つ報じられた。AgentRの「Webcmd」は、ブラウザを操作するエージェントがあるサイトのやり方を一度学べば、次回以降も再利用できるようにするインフラである。「AgentPlane」は、Claude Code、Codex、Cursorなど35以上のコーディングエージェントを手元で同時に動かし、安全面の制御も備える無料の管理ハブである(AI Agents Directory)。いずれも要約記事のみの確認で、リポジトリの一次情報は今回確認できていない。複数のエージェントを並列運用する場面で効く可能性がある(推測)。
AIを使った新サービス
GoogleはWorkspace全体にGeminiのエージェントを投入した。Gmail、カレンダー、ドライブにアクセスして複数手順の作業とサブエージェントを調整し、Claudeを含む複数のモデルを選べる。長時間の作業のための永続的な保存領域も持つ(AI Agents Directory)。提供地域やプランの条件は確認できなかった。
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
評価条件が確認できる新しい第三者の比較は見つからなかった。Beamの数値は上記のとおり自社報告である。なお、Claude Haiku 5.5は同種のOpenAIモデルより、1つの作業あたり約3倍のトークンを使うという試験結果が伝えられたが、条件の詳細は確認できていない(AI SDG)。新しい比較情報なし。
研究・技術
新しい論文や公開コードで、一次情報まで確認できた注目の研究は今回見つからなかった。技術面では、Beamが採る疎なMixture-of-Expertsによる推論コストの圧縮が、重みの公開後に第三者の検証を受ける見通しである。
