前回からの変化

前回(2026-11-09、前日)との比較である。前回は主要企業の新規リリースが確認できず、評価の信頼性や記憶設計の話題が中心だった。今回は主要企業から新モデルが出た。

変わったこと(変化・新規)

昨日と同じこと(継続)

  • Hugging Faceのトレンド首位は、前回に続き写真から3Dを作るIdol(speridlabs)である。NousResearchのArete-27Bも11位から7位へ順位を上げて残っている(Hugging Face: トレンド一覧)
  • 前回紹介した動画生成のLTX-2.5も、今回は5位に残っている(同上)

要因の連続性

  • 継続要因: 第三者の評価や検証への関心。前回のMaxxBenchに続き、今回も新モデルの数値は自社評価が中心で、条件の確認が要る
  • 新規要因: 主要企業の新モデル公開と、オープンウェイトの大型モデルの登場
  • 解消した要因: 「主要企業の新規リリースが無い」状態は解消した

本日のハイライト

Anthropic: Claude Fable 5.2を公開

Anthropicは11月9日、Claude Fable 5.2とClaude Mythos 5.2を公開した。両者は同じ基盤モデルで、Fableは安全対策を強めて全ユーザーが使える版、Mythosは審査を通った組織だけが使える版である。コーディング、推論、視覚が改善し、前世代の5.1より出力が最大30%速いとされる(Anthropic: Claude Fable 5.2 and Claude Mythos 5.2)。

利用条件は次のとおりである。

  • Fable 5.2のAPIモデルIDはclaude-fable-5-2で、AWS、Google Cloud、Microsoft Azureでも使える。価格は入力100万トークンあたり8ドル、出力40ドル。最大2.5倍速のfastモードは入力16ドル、出力80ドルである
  • Mythos 5.2は、サイバーと生命科学の検証プログラムの参加者と、Claude Securityを使う企業顧客に限られる
  • Anthropicは、日常の標準にはOpus 5.5を勧め、特に難しい長い作業にFableやMythosを使うとしている。コンテキスト長はページに記載がなかった

性能はAnthropic自身の測定である(第三者の追試は確認できていない)。FrontierCode 2.0では、最高の推論労力(Xhigh)で49.1%となり、Opus 5.5の45.5%を上回った。高い労力(High)では45.3%で、Opus 5.5の最良値と並び、1課題あたりの費用は約半分とされる。FrontierSWE v2は69.9%(Opus 5.5は62.3%)、Humanity's Last Examはツールあり74.2%(同67.7%)である。同社は、一部の比較で安全対策や労力の設定が異なるとして、方法はシステムカードで確認するよう注記している。

安全面では、Fableの分類器が止める質問が5.1より約55%減り、ブロック時はOpus 4.8やOpus 5に切り替わる。試すなら、まずは既存のコーディングエージェントで、モデルIDを差し替えて同じ課題を解かせて比べるとよい。

主要企業のリリース

上のFable 5.2とMythos 5.2が本日の主な発表である。そのほか、Hugging Faceのトレンド3位には、Moonshot AIのKimi-K3.1-Proが入っている。パラメータは約2.8兆で、更新は5日前と表示される(前回のレポートでは公開済みとして扱った。Hugging Face: トレンド一覧)。

新興AI・注目の新顔

Ripple-65B-Preview(Ricursive Intelligence): 密な65Bのコーディング向けモデル

何が新しいか: 混合専門家(MoE。入力ごとに一部の部品だけを使う方式)ではなく、全パラメータを毎回使う密(dense)なトランスフォーマーで、総数と有効数がともに65Bである。80層で幅は5120の「細くて深い」構成とされ、12兆トークンを一から事前学習した。コンテキスト長は最大1,048,576トークンで、エージェント型のコーディングと推論を狙う。

誰が作ったか・公開形態: Ricursive Intelligenceが、Apache-2.0でHugging Faceに公開した。BF16版のほか、ローカル実行向けのNVFP4版がある。作者はNVIDIA DGX Sparkのような個人向け機材に載ると述べている。試すにはこの種のGPUと、BF16なら大きな容量が要る。

評価: 作者の報告では、TerminalBench 2.1で80.5となり、Reflection Beam 501B(80.1)、Meta Muse Spark Open 816B(76.4)を上回った。ただし知識や数学の評価では他のモデルが上回る項目もあり、評価の枠組みも一部で異なる。Preview版で後続の調整は軽く、公開日はカードに明記がない。第三者の検証はまだ出ていない(Hugging Face: ricursiveAI/Ripple-65B-Preview)。

Flide(OmniJev): Jev型の判断モデルを速く動かす

何が新しいか: JevはTypeSafe AIが出した、文章でなく型付きの判断と確率を直接返す「判断モデル」である(過去のレポートで紹介済み)。Flideはその種のモデル向けの推論エンジンで、状態を正確に複製(フォーク)することで、複数の質問を同じ状態から単独で聞いた場合と同じ答えにそろえながら処理する。続報にあたる。

公開形態: GitHubでApache-2.0。Python 3.12環境でuv pip install flide torchvisionを入れ、flide serve --model OmniJev/OneJev1.6-0.8Bのように起動し、/v1/systemoneへ状態と質問を送る。FP8量子化はAda、Hopper、Blackwell世代のGPUで使える。0.1.0は10月24日、0.1.10は11月9日に出た。

評価: 見出しでは「vLLMやSGLangより最大9.5倍速い」とするが、表にはそれを超える28.1倍の項目があり、説明がない。H200 1枚での中央値の遅延で、数値は自社計測であり、第三者の検証は確認できていない(GitHub: OmniJev/Flide)。

AI開発手法

新しい開発手法の話題なし。

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。なお、Hacker Newsでは「Opus 5.5は11月3日から思考の傾向が変わった」とする投稿が602ポイントを集めた。出典は個人のX投稿で、条件が示された検証ではなく、エビデンスとしては扱わない(Hacker News: フロントページ)。

LLM性能比較・得意分野

新しい第三者の比較情報はなし。Fable 5.2の数値は、上のとおりAnthropic自身の測定である(Anthropic: Claude Fable 5.2 and Claude Mythos 5.2)。

研究・技術

Next-Concept Modeling(NCM): 文章を粗い順に並列で作る

Hermann Kumbongら(Christopher Réらを含む)が10月9日にarXivへ投稿した論文である。拡散型の言語モデルは並列に生成できるが、手順を減らすと品質が落ちる。NCMは、文章を階層的な離散コードに変換し、粗い層から細かい層へ、層ごとにまとめて並列に生成する。著者の報告では、LM1Bで拡散型の最良の基準より良い生成困難度(perplexity)を保ちつつ21倍速く、XSumでは同等のROUGE-Lで31倍速い。数値は要旨に基づき、コードへのリンクは確認できなかった。道具として使えるようになるかは、実装の公開待ちである(arXiv: Next-Concept Modeling)。