前回からの変化
前回(2026-10-19、前日)との比較である。
変わったこと(変化・新規)
- 前回の主役はエージェントを長時間動かす研究(Gemini 4 ArgonのマインクラフトとTaste-Bench)だった。今回は、実務で使うモデルの価格と、エージェントを運用するための道具が中心である
- MiniMaxのM3.1 Flashが登場した。前回までは、中国勢ではDeepSeekのV4.1 Flash 1017が話題だった。今回、競合のMiniMaxが低価格で並んだ(MiniMax)
- 前回のSphinxの話題に続き、AI生成コードを理解しないまま出荷する問題をHacker Newsが取り上げた。エージェントの実行記録を検査するLaminarも新顔として加わった
昨日と同じこと(継続)
- DeepSeek V4.1 Flash 1017は、Hugging Faceのトレンド1位を保っている。第三者の検証が出そろっていない状況は前回と同じである(Hugging Face)
- 性能値が各社の自社発表に偏る構図が続いている。今回のMiniMaxも同様である
要因の連続性
- 継続要因: 自社の評価値が先行し、独立した検証が遅れる構図。エージェントの運用で「人が理解し、誤りを見つける」ことが課題になる流れ
- 新規要因: 中国勢のモデルが価格を下げ合う競争。Laminarのように、エージェントの誤りを専用の小型モデルで検出する仕組みの登場
- 解消した要因: なし
本日のハイライト
MiniMax M3.1 Flash: エージェント向けの低価格モデルがAPIで先行公開
MiniMaxは10月19日にM3.1 Flashを公開した。エージェントによる作業、コーディング、パソコン操作、サイバーセキュリティを得意とするとされる。価格は100万トークンあたり入力0.15ドル、出力0.60ドル、キャッシュ済み入力0.015ドルで、前世代より、エージェント用途で約70パーセント安いと同社は説明している。
利用はMiniMaxのAPI、M Planという定額プラン、MiniMax Codeから可能である。重み(モデルの学習済みパラメータ)は後日公開するとされ、現時点ではオープンウェイトではない。自社の発表値は、DeepSWE v1.1で73.7パーセント、OSWorld V2で61.7点、CyberGymで82パーセントなどである。評価条件の詳細は確認できておらず、第三者の検証はまだ出ていない。
The Decoderによると、Artificial Analysis Intelligence Indexで42点と、前世代より13点高い。コーディング系のベンチマークで、1タスクあたり0.30ドル未満でDeepSeek V4.1 Flashに並んだとされる(同記事の記述)。
Timestral: 言語ではなく時系列を予測する小型モデル
Mistral AIは10月15日、初の時系列基盤モデルTimestralを公開した。センサーやシステム監視の数値のような、時間とともに並ぶデータの将来を予測するモデルで、文章を生成しない点がLLMと異なる。5M、28M、123M、209Mパラメータの4種類があり、CPUだけで動く。不確実さを含む確率的な予測と、複数の系列の同時予測に対応する。
最大の209Mは、公開ベンチマークのGIFT-Eval、TIME、fev-benchの3つで、学習済みのゼロショットモデルの中で1位だとMistralは主張している(自社発表。第三者の検証は未確認)。ライセンスはModified MITで、GitHubのリポジトリでローカルに動かせる。Hacker Newsでは485ポイントを集めた(Hacker News)。
主要企業のリリース
- MiniMax: M3.1 Flashを公開した(上の本日のハイライトを参照)
- Mistral: Timestralを公開した(同上)。あわせて、CERNと科学向けAIの戦略的提携に向けた意向書に署名したが、技術のリリースではないため詳細は省く(Hacker News)
- OpenAI、Anthropic、Googleのモデルやツールの新しいリリースは、本日は確認できなかった
新興AI・注目の新顔
Laminar: エージェントの実行記録から隠れた誤りを見つける
Hacker NewsのLaunch HNによると、Laminar(Y Combinator S24)は、AIエージェントの運用を監視する基盤で、強化学習で訓練した専用モデルflow-1が、実行記録(トレース)から誤りを検出する。新しい点は、すべての操作が成功していても結果が間違っている、たとえば誤ったボタンを押した、誤った文書を引用した、といった静かな失敗を探すことである。
flow-1はオープンソースのモデルを土台に、ソフトウェア、法務、顧客対応の合成ワークフローを使って、強化学習で追加訓練した。トレースをコードのリポジトリのように扱い、grepのような道具で必要な部分を探してから、結果をJSONで返す。同社は、GPT-4oの23倍安く、検出品質は同等だと主張しているが、自社発表で第三者の検証はまだ出ていない。
ライセンスはApache 2.0で、GitHubから自分の環境で動かせる。商用としてはマネージドのクラウド版も提供される。投稿はHacker Newsで37ポイントだった。
AI開発手法
AI生成コードを理解しないまま出荷するときの対処
Ask HNで、Metaのエンジニアが、理解していないAI生成コードを出荷することへの不安を投稿し、112ポイントを集めた。前回のSphinxと同じ問題意識である。コメントで支持の多い対処は次のとおりである。
- 先に設計を固め、抽象化の階層を人が作ってから、細部をAIに実装させる
- コードレビューよりも、単体・結合・エンドツーエンドのテストやファジングを厚くする
- 設計判断やコンポーネントの関係を、更新し続ける文書として残す
- エージェントの作業を見守り、判断の理由をAIに説明させる
効果を測った調査ではなく、個人の経験談である点に注意が必要である。設計・テスト・文書化の時間が確保されない組織では、品質への懸念が正当だという指摘もあった。
AIを使った新サービス
動画生成のKling AIがバージョン4.0を公開した。The Decoderによると、30秒の動画、8,000トークンのプロンプト、ステレオ音声、多言語のリップシンクに対応し、軽量のFlash版も加わった。同記事は、他社との比較では「並ぶが抜きん出ない」と評している。新規のサービスではなく既存サービスの更新である。
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
新しい第三者比較は確認できなかった。MiniMax M3.1 FlashについてThe DecoderがArtificial Analysis Intelligence Indexの42点を伝えているが、これは単一の総合指標であり、用途別の得意不得意までは分からない。同社のDeepSWEなどの数値は自社発表である。
研究・技術
Timestral: 時系列予測の小型基盤モデル
上のハイライトで触れたとおり、209Mパラメータで3つの公開ベンチマークの首位を主張している。CPUで動き、実装はGitHubで公開されているため、監視データの異常予測や需要予測といった用途で、近いうちに道具として試せるとみられる(見立て)。
規制・政策
The Decoderによると、ドイツの2つの裁判所が、GoogleのAI Overviewsの内容の正確性についてGoogleに法的責任があるとの判断を示した。AI検索機能の提供や表示のしかたに影響し得るが、判決の詳細は本稿では確認していない。
