Mistral Large 4が重みを公開 GDPxは最高12%

前回からの変化

前回(2026-11-02、前日)との比較である。前回は評価指数のv5刷新、Claude Code拡張のバックドア、Googleの研究Sleepが中心だった。今回は、大規模なオープンウェイトの公開と、新しいエージェント評価、複数のエージェントを走らせる設計の話題が加わった。

変わったこと(変化・新規)

• 前回の評価の話題は、指数の刷新で閉じたモデルとオープンウェイトの差が広がった、というものだった。今回は、Mistral Large 4の重み公開で、大型のオープンウェイトが新たに加わった(Mistral AI)
• 前回の「評価の物差しが変わった」話に続き、SemiAnalysisが実務領域のエージェント能力を測るGDPxを公開した(SemiAnalysis)
• 前回、開発ツールの供給網の安全性が話題になった流れで、今回はAnthropicが利用規約の更新(12日施行)を発表した(Anthropic)

昨日と同じこと(継続)

• Google の Gemini 4 Carbon(10月28日公開)は、GDPxでも10.9%で2位に入り、話題の中心にあり続ける。性能は自社発表と第三者の評価が混在する段階である
• Claude Code拡張のバックドアは、1日のHacker Newsの上位に残った話題で、新しい事実は今回確認できなかった

要因の連続性

• 継続要因: 評価の物差しとモデルの序列への関心。前回のArtificial Analysis v5に続き、新しい評価が出た
• 新規要因: 大型のオープンウェイトが公開され、閉じたモデルとの差が縮まるかが問われる。複数のエージェントを並列に走らせる設計が公開された
• 解消した要因: なし

本日のハイライト

Mistral Large 4の重み公開

Mistral AIは、「Mistral Large 4」の重みを公開した。1日のHacker Newsで話題になった。総パラメータは約1兆、トークンごとに使われる有効パラメータは約520億のMoE(専門家混合。入力ごとに一部の専門家だけを動かして計算量を抑える構造)である。128の専門家から4つを選び、共有の専門家が1つ付く。文脈長は100万トークン、テキストと画像を入力でき、160以上の言語に対応する。推論の強さを「low」「medium」「high」の3段階で選べる(Hugging Face)。

入手と環境: Hugging Faceの mistralai/Mistral-Large-4-1T-A52B から入手でき、推論はvLLMまたはSGLangを使う。推奨のサンプリングは温度1.0、top_p 0.95である。投機的デコード(小さな予測器で先読みして高速化する手法)の予測ヘッド「DSpark」が含まれ、最大1.9倍のスループットとされる。メモリを抑えるNVFP4の量子化版もある。必要なGPUの規模は、確認できた範囲では記載がなかった。

ライセンスは「Mistral Ecosystem Open-Weight License」で、MITライセンスを一部変えたものである。商用利用・改変・再学習は自由だが、モデルをサービスとして提供する事業(MaaS)には別途の商用ライセンスが要る。APIの料金は、入力100万トークンあたり0.70ドル、キャッシュ入力0.07ドル、出力2.10ドルである。

性能値はいずれも自社発表である。FrontierCode 2.0で19.7%、BrowseCompで84.5%、金融のFinWorkBenchで73.3%、Artificial AnalysisのCoding Agent Indexで48%(同等のオープンモデルより47%少ないトークンで達成)とされる。第三者の検証は、今回確認できなかった(Mistral AI)。

DeepSeekのGitHub向け自律エージェント(試作版)

DeepSeekは、GitHubのリポジトリで動く先回り型のコーディングエージェント「dsh-superagent-prototype」を公開した。DeepSeek Harness(エージェントを動かす土台)の上に作られた。「Router」と「Workers」の構成で、Routerが常駐し、GitHub(と任意でFeishu)を監視する。許可された利用者が頼むと、作業の単位を作り、独立したセッションとディレクトリで並列に処理させる。結果はプルリクエストか会話の返信で返し、保留中の作業はWebパネルに表示される(GitHub)。

試せる環境: TypeScript/Node.jsとpnpmで動き、MITライセンスで、手順は8つの番号付き文書にまとまっている。セットアップはエージェントが案内する。READMEは、人間の注意をできるだけ使わず、依頼や、チームの決めたルールがあるときだけ動く思想だと説明している。ただし「参考のための研究試作であり、公式製品ではない」と明記され、開発の一部はコーディングエージェントが担ったため不整合がありうる。星は1万2800超である(同上)。

数字: 報道まとめによると、単一セッションの基準に比べ、最も遅い5%のタスクの所要時間が29.5分から15.7分に縮んだという。この数字はリポジトリ本文では確認できておらず、まとめ記事(Rio Rundown)のみの確認である(Rio Rundown)。

主要企業のリリース

OpenAI: ChatGPTとCodexの利用上限が12月から共通になる。負荷の大きいChatGPTの作業とCodexの作業が同じトークン枠から差し引かれ、通常の会話は対象外である。Plus、Pro、Businessの利用者は、設定画面で残りの量を見られる(The Neuron)。

Google: Gemma 4を、プロトタイプの衛星に載せたデータセンター級のTPUで動かし、軌道上で俳句を生成した。放射線、熱、通信の課題は残る初期の実験である(同上)。

そのほかの主要企業の新しい公式発表は、確認できた範囲では見当たらない。

新興AI・注目の新顔

新顔として、上のDeepSeekの試作エージェントを除き、技術的に新しい個人・新興発のモデルは今回見つからなかった。なお、コーディングエージェント向けに、ローカルで動くメモリサーバーを試す実験リポジトリ「adaptive-agent-memory-research」が話題に挙がったが、中身は直接確認できておらず、まとめ記事の紹介のみである(The Neuron)。

AI開発手法

複数のコーディングエージェントの衝突を避ける「agentmash」: Claude Code、Cursor、GitHub Copilot、Codex、Gemini CLIなど、各自のアカウントで動くエージェントが同じコードを編集するとき、他の人の並行する編集を即座に通知して、競合する書き込みの前に調整させる。デスクトップ版(macOS・Windows)を入れ、設定用のプロンプトをエージェントに貼って使う。コードはローカルのままで、共有されるのはファイルパス、ブランチ名、変更行、プロンプトの要約である。無料枠は2人・1つの非公開リポジトリまで、チーム向けは1人月16ドルからである。

自社サイトは、重なる編集を44%多く事前に検出、マージ競合で終わるタスクが73%減、1タスクあたりの人間の時間が37%減、コストが33%減としている。これらは自社の数字で、第三者の検証は確認できなかった(agentmash)。上のDeepSeekの試作と同様に、並列に走るエージェントの衝突をどう避けるかが共通の課題になっている。

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

GDPx(SemiAnalysis、2日公開): 11の領域(チップ設計、サイバーセキュリティ、生物学、金融、法務、クオンツ取引、再帰的自己改善、ハードウェア設計、材料科学、アライメント、ソフトウェア工学)の206タスクで、13のモデルのエージェント能力を測る。総合ではClaude Opus 5.5が12.0%で首位、未公開のGemini 4 Carbonが10.9%(1タスクあたりの費用はOpus 5.5の約3分の1)、GPT-6 Astraが9.6%だった。金融と法務は、13モデルすべてが0%だった(AI Weekly、SemiAnalysis)。

領域別では、GPT-6 Astraが再帰的自己改善と材料科学、Gemini 4 Carbonが生物学とソフトウェア工学で首位だったと伝えられている(Rio Rundown)。SemiAnalysisは、Opus 5.5とGPT-6 Astraは自らの安全分類器(危険な依頼を拒否する仕組み)のせいで、サイバーセキュリティ、生物学、アライメントの得点が下がったと述べている。つまり、この順位は、安全機構を含めたこの条件での結果であり、素の能力の序列ではない。タスクの詳細や採点方法は、今回確認した範囲では十分に確認できなかった。

研究・技術

JEPAによる表現の一致(Randall BalestrieroとYann LeCun): 別々の様式(画像と文章など)で学んだJEPA(入力の一部から、別の部分の「埋め込み」を予測する方式)が、同じ場面の対応する観測で学ぶと、回転を除いて同じ表現を学ぶことを定理として示した。「良い見方(view)」を使うと、次トークン予測と同じ水準の一致に必要な学習サンプルが42分の1で済み、1億900万パラメータの文章JEPAが、評価した720億パラメータまでのどの言語モデルよりも、DINOv2やCLIPの画像エンコーダと一致したという。14万5千の画像説明から9億4千万枚のウェブ画像までで検証した。コードの公開は、arXivの要旨では確認できなかった。道具として使えるのは、まだ先と見立てる(arXiv)。

ロボットソフトの脆弱性: セキュリティ会社VicOneが、AIを使った調査で2日間にロボットソフトウェアのゼロデイ脆弱性を28件見つけたと伝えられた。対象にはGoogle、NVIDIA、Metaのプロジェクトが含まれる。まとめ記事のみの確認で、一次の資料は確認できていない(Rio Rundown)。

規制・政策

Anthropicの利用規約更新(2026年11月12日施行): 欺瞞行為の規定の統合、選挙関連を「民主的プロセスを損なわない」に改めて範囲を絞ったこと、兵器にソフトウェアや自律の武装システムを含めると明確にしたこと、監視の規定の厳格化、健康・法務・金融での人間の監督とAI開示の明確化、提供地域の制限の執行などを含む。モデルへの「持続的で不必要な虐待・残酷な行為」を禁じる項目も加わった。ただし、一般的な不満や反論、暗い創作、モデルの試験は対象外とする。主な対応は、Claude.aiとClaude Codeで、執拗な虐待を続ける利用者との会話をClaudeが終了することである(Anthropic)。

OpenAIのrobots.txt提案: ウェブサイトがAI学習への可否を、複数の事業者向けに共通の信号で示せるようにする提案で、実装は数か月以内を目指す。事業者ごとに別々のクローラー規則を書く必要がなくなる(The Neuron)。