GeminiGoogle、最強AIモデル「Gemini 4 Carbon」発表
Googleが新フロンティアモデル「Gemini 4 Carbon」を発表。サイバーセキュリティと長時間タスクへの対応力を強化し、ベンチマークで首位を獲得しました。
Topic
#ベンチマーク
性能比較・評価
記事
Articles
Gemini
その他のAIPFN「PLaMo Prime」、Web検索・Deep Research搭載
Preferred Networksが国産AI「PLaMo Prime」にDeep Research機能を追加。幻覚対策や処理速度も改善した新版「PLaMo 3.1 Prime」も発表しました。
GeminiGoogleのAIエージェント4体、マインクラフトのラスボスを27時間かけて撃破
Google DeepMindのAIエージェント4体が、指示なしで「マインクラフト」のラスボス討伐に挑戦。27時間・605回の死亡を経て目標を達成しました。
OpenAIOpenAI、COBOLなど希少言語のコーディング能力を強化 移行の正解率97.9%に
OpenAIはCOBOL・Fortranなど学習データが少ない言語でのコーディング・移行能力が向上したと発表。COBOLから他言語への移行では正解率が最大97.9%に達しました。
その他のAIMicrosoft、2.8兆パラメータの基盤モデル「MAI-Base-2」事前学習完了
Microsoftが新しい基盤モデル「MAI-Base-2」の事前学習完了を発表しました。DeepSeek-V4-Pro-Baseに匹敵する性能を、大幅に少ない計算量で達成したとしています。
ClaudeClaude Haiku 5.5公開、旧モデル比で平均75%安く
Anthropicが小型モデル「Claude Haiku 5.5」を公開。価格は旧Haiku 4.5より平均75%安く、初の「effort」調整機能でコストと性能を選べます。
その他のAIMistral、1兆パラメータの新モデル「Large 4」公開
欧州発の新しい大規模言語モデルです。コーディングとサイバーセキュリティ関連の評価で高成績を収め、料金は従来より抑えめです。
関連する AI クリップ
AI Clips
MIT研究、LLMの重み書き換えでQwenの数学力6倍に
重みを直接編集する「Weight-Space Programming」でQwen3.5-0.8Bの数学性能を改善した研究と、手法への批判を紹介。
旧PCの現代AI将棋ソフト、最新PCの旧ソフトに78勝
30年前のPentium Proで動く現代版Stockfish 17が、現代PCの1996年版Craftyに100局で圧勝、進歩の要因を分析。
OpenAI「LifeVal」発表、日常判断力を測るベンチマーク
育児施設選びや引っ越し先検討など日常の意思決定力をAIで測る新ベンチマーク。GPT-6 Astraが80.6%とスコア最高。
オープンモデルでロボット操作AIを統合するハーネス公開
非公開の最先端モデルに頼らず、オープンウェイトモデルでロボット操作エージェントを競争力ある水準に仕上げる研究。実機テストでもファインチューニング済みモデルに匹敵したとされています。
Rime、本音を話す前に内容を確認できる音声AI「Prism」を発表
声のトーンや笑い声も理解して自然に会話する音声AIで、発言前にテキストで内容を事前確認できる仕組みを備え、コールセンターなど正確さが必要な業務での誤りを防げます。
AIベンチマーク最新版、Gemini 4 Carbonが総合首位に
Artificial Analysisが総合性能指標「Intelligence Index v5」を発表し、新ベンチマーク2種を追加した結果、Gemini 4 CarbonがClaude Opus 5.5を抜いて総合1位になりました。
「PLaMo 3.1 Prime」、幻覚15%改善・処理速度1.7倍に
国産AIの新版を詳しく解説。知らないことは認める姿勢を強化し、無料API枠も用意。安全性評価は比較対象中で最高水準とのことです。
Microsoft、画像編集AI「MAI Image 2.7」公開 編集性能で上位
Microsoft純正の画像編集モデルの新版で、シーンの再スタイリングや文字修正など複数の編集タスクでベンチマーク上位に入ったと発表しています(テキストからの生成は今後提供予定)。