201 件
Googleは、Gemini 3.6 FlashとGemini 3.5 Flash-Liteの一般提供開始(GA)を発表しました。Gemini 3.6 Flashは前世代より出力トークン消費が17%少なく、価格は100万トークンあたり1.50/7.50ドル、Flash-Liteは秒間350トークンの速度で100万トークンあたり0.30/2.50ドルです。政府や提携先向けの専用モデルGemini 3.5 Flash Cyberも導入されました。
Sheldon Yuらは、延長された思考モードのモデルをself-loops——進展のないままトークン予算を消費する自己反復ループ——から救い出すアクティベーションステアリング手法SOPHIAを提案しました。SOPHIAは推論プレフィックスを潜在状態に分類し、推論中にループを検出してステアリングベクトルでプロセスを再誘導し、タスクの精度とトークン効率の両方を改善します。
S1-Omniは、Jiahao Zhaoと共同研究者らが提示する、科学的理解・予測・生成のための統合マルチモーダルモデルです。分子構造、タンパク質配列、スペクトルデータ、科学画像を共通の表現空間にマッピングし、200種類の科学タスクにわたる数百万のサンプルを含むS1-Omni-Corpusで学習されています。60以上の評価タスクの大半でGPT-5.5とGemini-3.1-Proを上回っています。
xAIはGrok 4.5モデルをAPIで利用可能にし、調整可能なreasoning-effort（推論強度）レベルと、入力100万トークンあたり2ドル、出力100万トークンあたり6ドルの価格を設定しました。正確な発表日はxAIの変更履歴に記載されておらず、2026年7月という月のみが示されています。
xAIのモデルGrok 4.3がAmazon Bedrock（AWSが提供する基盤AIモデルへのマネージドアクセスプラットフォーム）で利用可能になりました。このモデルは設定可能な推論強度、ツール呼び出し、構造化出力、マルチモーダル入力をサポートし、MangleInferenceエンジン上でOpenAI互換APIを通じて動作します。
Google Researchが拡散モデルの創造性を数学的に説明しました。正則化によりニューラルネットワークはscore関数の曖昧な近似版を学習し、生成画像を訓練データ点間の補間ゾーンに配置します。これは偶然ではなく、予測可能な数学的結果です。
vLLMは、1兆パラメータのマルチモーダルモデルであるTML InklingにDay-0サポートを提供します。4基のNVIDIA GB200 GPUにおいて、MTPとロングコンテキスト推論により1ユーザーあたり最大380トークン/秒を実現します。
Anthropicは、米国の認定K-12教師を対象とした無料Claudeを2027年6月まで提供するプログラムを開始しました。教授スキルライブラリ、全米50州の教育基準に準拠したカリキュラム、9つの教育ツールとの統合が含まれます。
テスト時計算とは、より良い回答を得るために推論中にモデルが消費する追加計算です。Bojie LiとNoah Shは外部ツールとのインタラクションをテスト時計算の第三軸として定義しました——長い思考連鎖やbest-of-Nサンプリングに次ぐものです。提案者-審査者システムは100% pass rateを達成し、単独の思考連鎖やbest-of-Nはプラトーに達します。
Anthropicは309,815件の匿名Claude.ai会話を分析し、Sonnet 4.6・Opus 4.6・Opus 4.7の各モデル間、および分析対象の20言語間で、表明される価値観に統計的に有意な差異があることを発見しました。ヒンディー語が最も高い温かみを示し、ロシア語と英語が最も厳密さを示しています。
中国の自動車メーカー理想汽車（Li Auto）が独自の基盤モデルMach-Mind-4-Flashを発表しました。350億パラメータのMoEモデルで、入力あたりわずか30億パラメータを有効化し、3段階のトレーニングパイプラインで1000億+パラメータクラスのモデル性能を達成しながら、推論コストを大幅に削減しています。
OpenAI GPT-5.6の3つのバリアント——Sol、Terra、Luna——がAmazon Bedrockで一般提供を開始しました。SolはCoding Agent Indexで80点を獲得し、競合を2.8点上回り、コストは大幅に低く、90%割引のプロンプトキャッシングをサポートしています。
「Super Weights in LLMs」はCOLM 2026に採択された論文で、言語モデルの挙動を不釣り合いに変化させる少数のパラメータ群「スーパーウェイト」を特定します。論文は、一部の層のみを更新する選択的ファインチューニングがしばしば失敗する原因をまさにこれらのウェイトで説明しており、PEFTやLoRAアプローチに直接的な影響を持ちます。
SensorFM は Google のウェアラブルデバイス健康データ向け基盤モデルで、100 以上の国の 500 万ユーザーの Fitbit および Pixel Watch から得た 1 兆分を超えるシグナルで学習しています。35 タスク中 34 で専門特化モデルに勝利し、分類タスクで AUC +9%、回帰タスクで相関 +21% を達成しました。
Aurora 1.5 は Microsoft のオープンソース地球システム基盤モデルで、88.9% の評価変数・予報時間幅において ECMWF アンサンブル予報を超えます。新版では 22 の気象変数、1 時間分解能、確率的アンサンブル予報が追加され、ハリケーン Helene の進路誤差は初代 Aurora 比で約 33% 低下しました。
GPT-5.6 は OpenAI の新しいモデルファミリーで、Sol（フラッグシップ推論）・Terra（バランス型）・Luna（大容量・コスト効率型）の3バリアントを備えます。プログラム的ツール呼び出し、明示的プロンプトキャッシュ制御、持続的推論、マルチエージェント編成ベータが追加され、初日から GitHub Copilot でも利用可能です。
Muse Spark 1.1 は Meta Superintelligence Labs のエージェントタスク向けマルチモーダル推論モデルで、100 万トークンのコンテキストウィンドウを備えます。サブエージェントを調整し、複数のアプリにわたるフローをナビゲートし、画像・動画・PDF を受け付けます。Meta Model API のパブリックプレビューおよび Meta AI アプリの Thinking モードで利用できます。
Grok 4.5 は xAI のコーディングおよびエージェントタスク向け新フラッグシップモデルで、100 万入力トークンあたり 2 ドル、出力 6 ドルの価格設定です。設定可能な推論エフォート（low/medium/high）をサポートし、Perplexity の Agent API でも利用可能で、同等のフロンティアモデルを大幅に下回る価格で攻勢をかけています。
MistralはRobostral Navigateを発表した。80億パラメータを持つ体現型ロボットナビゲーションの初モデルで、LiDARや深度センサーなしにRGBカメラ1台のみを使用し、未知環境向けR2R-CEベンチマークで76.6%の成功率を達成。マルチセンサー競合を4.5ポイント上回る。
OpenAIは、自然でリアルタイムな会話AIインタラクションを実現するための新しい音声モデル「GPT-Live」を発表した。初日からChatGPT Voiceに統合されており、GPT-Realtime-2.1のわずか2日後のリリースとなる。技術仕様と料金は現時点では未公開。
AnthropicとAE Studioは、ウイルス学・サイバーセキュリティ・核物理学などの二重利用可能な知識をトレーニング中に除去可能なニューラルモジュールへ分離するGRAM（勾配ルーティング補助モジュール）を発表した。1回のトレーニングで異なる能力セットを持つ複数のモデルバリアントを作成できる。
Meta Superintelligence Labsが、Muse ImageとMuse Videoを発表した。エージェントとして動作し、内部でコードツールやウェブ検索ツールを呼び出す両モデルはArenaランキングで2位・3位を獲得し、Content Sealウォーターマークを必須搭載している。
清華大学とZhipu AIの研究者らがDirect On-Policy Distillation（Direct-OPD）を提案した。弱い教師モデルの最終的なポリシーを模倣せずにRLの効果を強力な学生モデルに転送し、AIME 2024で48.3%から62.4%へのジャンプを達成する手法だ。
Anthropicの研究者は、新技術「Jacobian lens（J-lens）」を用いてClaudeに創発的な内部構造「J-space」を発見した。神経科学のグローバル・ワークスペース理論に着想を得たJ-spaceは、モデルの出力には現れない静かな内部推論空間として機能し、データ捏造・テストシナリオの認識・埋め込まれた悪意ある目標といった隠れた挙動を明らかにできる。
Amazon Web ServicesはReverse Direct Preference Optimization（rDPO）に基づくNovaモデル向けの選択的アンラーニング（機械的忘却）技術を発表した。完全な再訓練なしにLoRAアダプターで実装され、有用性の損失を最小限に抑えながら不要な拒否率を最大53.74パーセントポイント低減する。
OpenAIは2026年7月6日、2つの新しいリアルタイム音声モデル——GPT-Realtime-2.1とGPT-Realtime-2.1-mini——を既存のv1/realtimeエンドポイントで公開した。英数字文字列の認識精度向上、無音・雑音処理の改善、会話の割り込み処理の向上が図られている。
Amazon Bedrockが3つのオープンウェイトMiniMaxモデルを追加した。100万トークンのコンテキストを持つM2、深い推論とコーディング向けのM2.1、エージェント型アプリケーション向けに設計された2,300億パラメータのMixture-of-Experts（MoE）アーキテクチャのM2.5だ。
イリノイ大学の研究者らがReContextを開発した。128Kコンテキストウィンドウから関連する証拠を再帰的に再生するこの推論技術は、再訓練なしで3つのLLMアーキテクチャにわたる8つのベンチマークで一貫した性能向上を示した。
Liyan Tang、Fangcong Yin、Greg DurrattはVRRL（軌跡プレフィックスマスキングとエクスペリエンスリプレイを用いた強化学習フレームワーク）を開発し、視覚言語モデルの自己反省を実際の視覚入力に基づかせることで、分布外サンプルでの性能を大幅に向上させた。
Anthropicは7月1日、米国の輸出規制により約3週間停止していたClaude Fable 5とClaude Mythos 5へのアクセスを再開した。復活には改良版安全分類器の導入と、ジェイルブレークの深刻度評価に関する業界フレームワーク案が伴っている。
AWS GovCloud（US）がAmazon Bedrockに6つの新モデルを追加した。OpenAIのオープンウェイトgpt-oss-120bとgpt-oss-20b、および1Mトークンコンテキストを持つ4つのNVIDIA Nemotronモデルだ。インフラはFedRAMP High、DoD IL 2/4/5、ITAR、CJISの要件を満たし、ゼロオペレーターアクセス設計となっている。
GitHubはCopilotの2つの機能をGA（一般提供）に昇格した。チャットプロンプトに画像やPDFを添付できるVisionと、VS Code内のエージェントに実際のブラウザ制御を与えるBrowser Toolsだ。どちらも管理者操作不要で全プランで利用可能になった。
Anthropicは本日Claude Sonnet 5を正式公開した。複数ステップのタスク計画・実行に優れ、ブラウザとターミナルを自律操作するこのモデルは、主要タスクにおいてOpus 4.8に迫る性能を発揮する。2026年8月31日まで100万トークンあたり入力$2／出力$10の導入価格を適用し、コンテキストウィンドウは100万トークンを誇る。
18日間にわたるグローバル停止の後、Anthropicはグローバルモデル停止後のFable 5再展開を発表する。米国政府が6月30日に輸出規制を撤廃し、改良されたセキュリティ分類器がバイパス手法を99%超のケースでブロックするようになった。
Googleは2026年6月30日、Gemini Omni Flash（会話型動画編集向け）とNano Banana 2 Lite（高速画像生成向け）を同時発表した。動画モデルは出力1秒あたり0.10ドル、画像モデルは1,000枚あたり0.034ドルで提供される。
Google Researchは、ハイパーパラメータ調整や特徴量エンジニアリングを行わずに1回のforward passでゼロショット予測を提供する表形式データ向け基盤モデル「TabFM」を発表した。TabArenaベンチマークで最高のEloスコアを達成し、Hugging FaceとGitHubで公開、Google BigQueryへの統合も予定されている。
Brain2Qwerty v2はMeta Researchが開発したAIシステムで、MEGスキャンを使用して手術なしで脳信号をテキストに変換します。単語認識の平均精度は61%に達し、他の非侵襲的手法（8%）の7倍です。トレーニングコードとデータセットはオープンソースとして公開されました。
Claude Opus 4.8 fastモードがGitHub Copilotユーザー向けのプレビュー段階に入り、モデルのインテリジェンスレベルを維持しながら大幅に高速なトークン生成を提供します。同時に、AnthropicはOpus 4.6のfastモードを廃止し、fast機能を唯一残るモデルに統合します。
DiScoFormerはAllen Institute for AI（AI2）が開発したTransformerモデルで、1回のforward passで密度関数（分布の密度）とスコア関数の両方を推定します。これまで別々のモデルが必要でしたが、KDEを高次元に一般化し、再トレーニングなしで新しい分布に適応します。
Tandem RLは、RLVR（検証可能な報酬を用いた強化学習）とタンデムアプローチを組み合わせた言語モデルの新しいトレーニング手法です。思考の連鎖生成時に、より強いモデルが凍結された弱いモデルと協力します。Qwen3-4Bで同等の性能を達成しながら、可読性と小モデルへのハンドオフを大幅に改善します。
MAI-Code-1-Flashは、2026年6月26日にGitHub Copilot BusinessおよびCopilot Enterpriseプランで一般提供（GA）となったMicrosoftの独自コーディングモデルです。低レイテンシーと高頻度のエージェント型コーディングワークフローに最適化されており、プロバイダーの料金表に基づく従量課金制で提供されます。また、管理者が組織の設定で明示的に有効化する必要があります。
arXiv:2606.26935の研究者Jingyu Liuらの研究によると、LLMエージェントにおける思考連鎖（CoT）トレーニングの恩恵は、より深い推論ではなくより強い直接行動予測として現れることが示されました。後期チェックポイントではCoTに応答して行動を修正する頻度が低下し、行動トークンへの監督をマスクすることでドメイン外への汎化性能が向上します。
arXiv:2606.26502の研究者Han-yu Wangによる研究は、大規模推論モデル（LRM）が正確に解いたタスクよりも最終的に失敗したタスクにより多くのトークンを消費することを明らかにしました。これは難しいタスクで諦める人間とは逆の傾向です。H-ARCベンチマークでのCohen's d値は1.47〜3.13と大きく、テストした5つのモデルすべてで人間とは逆のパターンが確認されました。
GPT-5.6 SolはOpenAIが発表した次世代モデルで、現在はプレビュー段階（一般提供なし）です。コーディング・科学的推論・サイバーセキュリティの能力を強化し、これまでで最も高度なsafetyスタックを搭載しています。
AnthropicはすべてのモデルのAPIレート制限を統一しました。SonnetとHaikuは3つの利用ティア（Start・Build・Scale）すべてでOpusと同じクォータを共有します。同時に、Claude Opus 4.7のfast modeは7月24日に廃止される予定です。
研究者たちは、1回の試行で1つのモデルのみを評価する標準ベンチマークがLLMの実際の能力を最大82%過小評価していることを示しました。21モデル・16ベンチマークでPareto最適性を用いるCapability Frontierフレームワークにより、同等の精度を85%低コストで達成できます。
Googleは凍結マルチトークン予測——1回のモデルパスで平均約2トークンを生成する技術——を使用してPixel 9および10上でのGemini Nano推論を50%以上高速化しました。インスタンスあたり130MBのメモリ節約を実現し、出力結果に一切の変更はありません。
21のプロバイダーから67のフロンティアモデルを対象にした研究が、LLMアンサンブルの精度上限を決定するco-failure ceiling（β）という概念を導入しています。結果は、クエリレベルルーティングなしにアンサンブルが単一の最強モデルを上回ることはほとんどないことを示しています。
Google Researchは、推論トレースがモデルの重みに保存された事実の想起を改善する2つのメカニズム（computational bufferとfactual priming）を特定しました。Gemini 2.5とQwen3-32Bでテストされています。
OPPOは強化学習システムであり、オムニモーダル言語モデルに視覚的・音響的・テキスト的な感情の手がかりを同時に理解させるものです。モダリティ間の幻覚を抑制し、2つのベンチマークデータセットでSOTA結果を達成しています。