AIデイリー｜OpenAIが研究自動化レポートと警鐘論文を同時公開、Thinking Machines Labの超大型調達、GPT-6 Astra訓練規模とAGI論争
モデルリリース・アップデート
NeoMME (260M / 800M) — H Company
- ひとことで言うと：独立したビジョンタワーと因果デコーダを排し、単一の双方向Transformerでテキストと画像パッチを統合処理する軽量マルチモーダルエンコーダが登場しました。
- 主なポイント：
- 単一タワー（Single-Tower）アーキテクチャの採用：多言語テキストと32×32の画像パッチを同一のエンコーダ内で直接処理し、モデル構造を極限までシンプル化。
- 離散マスク拡散（Discrete Masked Diffusion）による事前学習：従来の自己回帰型因果デコーダを用いず、双方向コンテキストを効率的に学習。
- 技術仕様：260Mパラメータ / 800Mパラメータ / 双方向Transformer / オープンウェイト
- リンク：MarkTechPost 報道
Viggle-Animate — Viggle
- ひとことで言うと：複雑なポーズ推定やマスク処理を介さず、単一画像からわずか3ステップで動画内のキャラクターを差し替えられるローカル動作ツールがオープン公開されました。
- 主なポイント：
- シンプルなワンフレーム生成：Pose、Mask、Face、Depthなどの煩雑なComfyUIワークフローを必要とせず、ローカルPC環境で高速にキャラクター置換を実行。
- 高精度な一貫性保持：元動画のモーションやカメラワークを維持したまま、ターゲットキャラクターの自然なアニメーションを再現。
- 技術仕様：ローカル実行対応 / 単一フレーム入力 / Hugging Face Spaces & モデル公開
- リンク：Hugging Face モデルページ ｜
Thanks @cocktailpeanut, glad that Viggle-Animate held up better than expected.
— ViggleAI (@ViggleAI) September 6, 2026
We're looking forward to more feedback from the community! Try here: https://t.co/nBkf9n9el1 https://t.co/AGfeS5m9qL
Claude Fable 5.1 (Max) — Anthropic / LMSYS Agent Arena
- ひとことで言うと：実世界のエージェントタスク評価ベンチマーク「Agent Arena」において、Claude Fable 5.1 (Max)が純改善率+15.8%を記録し、総合首位に立ちました。
- 主なポイント：
- 圧倒的なユーザー満足度と信頼性：6,700回以上の実セッション評価において、「称賛 vs 苦情」比率が他モデル比2倍以上（+42.5%）、確証成功率+22.4%を達成。
- ツールのハルシネーションゼロ：Bashコマンド復帰率+13.1%を記録し、エージェント実行時のツール誤呼び出し（Tool Hallucination）を完全に抑止。
- 技術仕様：タスクあたり中央値コスト 4.14ドル / Web・ファイルシステム・ターミナル複合エージェント評価
- リンク：
Claude Fable 5.1 (Max) by @AnthropicAI has landed in the Agent Arena at #1 with +15.8% net improvement across 6.7k+ real-world agentic sessions! It also redraws the price-performance frontier: #1 on the leaderboard at a median cost of $4.14/task.
— Arena.ai (@arena) September 6, 2026
By signal, Claude Fable 5.1 sees… https://t.co/T8waTdXG0A pic.twitter.com/mOr39lC65J
プロダクトリリース・アップデート
GitHub Canvases (エージェントワークフロー管理サーフェス) — GitHub
- アップデート内容：自律コーディングエージェントの長大なチャットログを延々とスクロールする負担を解消するため、実行履歴、コード変更差分、要レビュー項目を1枚の永続的かつ共有可能なサーフェスに整理・可視化する新UI機能「Canvases」が提供開始されました。
- 対象ユーザー：[ソフトウェアエンジニア / AIエージェントヘビーユーザー / 開発チームリード]
- 利用方法：｜ GitHub Blog
Stop scrolling...
— GitHub (@github) September 6, 2026
...through those agent chats.
Canvases give your workflow a durable, shared surface to track what ran, changed, and needs review.
How it works 👇https://t.co/pMwe9YhsuS
YoLive & H3 Superfast — Yoroll
- アップデート内容：4秒で10秒の高解像度動画を生成可能な超高速モデル「H3 Superfast」（MiniMax H3派生）をバックエンドに採用し、視聴者全員がリアルタイムにプロンプトを投稿・投票して物語の分岐をリアルタイム決定する参加型AIライブ映画プラットフォーム「YoLive」が公開されました。
- 対象ユーザー：[クリエイター / コミュニティ運営者 / 一般エンタメユーザー]
- 利用方法：YoLive 公式サイト ｜
当AI视频生成速度超过Prompt输入速度，永不停息的AI直播诞生了。
— 向阳乔木 (@vista8) September 6, 2026
MiniMax H3开源后，涌现出一批高速视频生成模型。Yoroll自己也发了一个H3 Superfast模型，4s耗时可以生成10s视频。
还上线了一个新产品——YoLive，支持每个人都能输入提示词，但用得票最多的提示词生成故事走向。… https://t.co/tt04UrmOe1
業界動向
Mira Murati氏率いる「Thinking Machines Lab」、評価額400億ドル超で最大60億ドル調達へ（NVIDIAが25億ドル出資協議）
- 概要：米The Informationの報道によると、元OpenAI CTOのミラ・ムラティ氏が創業した「Thinking Machines Lab」が、プレバリュエーション400億ドル以上で50億〜60億ドル規模の資金調達を進めており、NVIDIAが約25億ドルを出資する方向で協議中であることが判明しました。Accelがリード投資家として参画する見通しです。
- 影響分析：同社は7月にオープンウェイトモデル「Inkling」を発表し、企業の専有データに基づくカスタムモデル構築支援ですでに数億ドルの年化収益を上げています。フロンティアモデル開発における巨大資本と計算資源の垂直統合が一段と加速しています。
- ニュースリンク：
Crazy Nvidia is reportedly discussing a $2.5 billion investment in Mira Murati’s Thinking Machines Lab as it backs open-weight alternatives to OpenAI and Anthropic at an at least $40 billion valuation.
— Chubby♨️ (@kimmonismus) September 6, 2026
TML is seeking $5 billion to $6 billion at a pre-money valuation of at least… https://t.co/KnSz1GFF55 pic.twitter.com/4K1znVKeS7
GPT-6 Astraの訓練基盤（10万基超のGrace Blackwell）公開とジェンスン・ファンCEOの「AGI到達宣言」を巡る論争
- 概要：NVIDIAのジェンスン・ファンCEOは、OpenAIの最新モデル「GPT-6 Astra」が約10万基以上の「NVIDIA Grace Blackwell NVLink72」クラスターで学習されたことを明らかにし、「AGI（汎用人工知能）の時代が到来した」と祝辞を述べました。さらに次期インフラとして40万基のGPUが稼働予定であると表明。これに対し、Gary Marcus氏やFrançois Chollet氏らは「明確な定義や客観的証拠なしにAGI到達を宣言することは議論を混乱させる」と疑問を呈し、大きな議論を呼んでいます。
- 影響分析：ハードウェアサプライヤーの立場からの積極的なAGI到達アピールに対し、研究コミュニティ側はベンチマーク（ARC 3等）の限界や自律適応能力の未成熟さを指摘しており、AGIの定義と検証基準の標準化が急務となっています。
- ニュースリンク：｜ Gary Marcus Substack
we're now moving into the AGI era (whether you view it as this model, the last one, or the next one), and could not do it without close partners https://t.co/DBPF7QRqyJ
— Greg Brockman (@gdb) September 6, 2026
米地方紙Seattle TimesとNewsday、OpenAIおよびMicrosoftを著作権侵害で提訴
- 概要：米国の有力地方紙であるSeattle TimesとNewsdayは、自社の報道記事が許諾なくモデルの事前学習データとして使用され、CopilotやChatGPTを通じて記事の抜粋・再現が行われているとして、OpenAIとMicrosoftを相手取った著作権侵害訴訟を提起しました。
- 影響分析：The New York Timesや約400紙の地方紙連合に続く新たな提訴であり、検索連動型AIエージェントや要約機能における一次報道コンテンツの利用許諾・対価還元を巡る法的プレッシャーが一段と高まっています。
- ニュースリンク：The Verge 報道
Anthropicの15億ドル著作権和解金、著者と出版社・代理人間での配分権を巡り対立激化
- 概要：Anthropicが海賊版データセット利用を巡る集団訴訟で合意した15億ドルの和解金（1作品あたり約3,000ドルの補償）について、すでに版権が著者に返還されている作品に対して出版社が補償金を請求したり、著作権を持たない文学代理人が権利主張を行う事例が多発し、作家コミュニティから強い反発の声が上がっています。
- 影響分析：AI学習データの過去の補償スキームが具体化する一方で、複雑な出版契約や権利帰属の確認プロセスがボトルネックとなっており、クリエイターへの直接的な利益還元の難しさが浮き彫りになっています。
- ニュースリンク：TechCrunch 報道
研究論文
AI Research Preference Models (RPMs)：ML実験のGPU浪費を未然に防ぐ優先度順位付け手法 — Meta FAIR / Oxford / UCL
- 研究の背景：自動化されたAI研究エージェントが大量の仮説実験を生成する際、膨大なGPU計算資源を浪費してしまう課題を解決すること。
- 主な革新点：コードを実行してGPU時間を消費する前に、未実行の実験候補（アーキテクチャ設計やハイパーパラメータ構成）を先行評価・ランキングし、最も勝率の高い実験のみを選別して実行する選好モデル（RPMs）を構築。
- 研究成果：無駄な計算リソースの消費を大幅に削減しつつ、上位MLベンチマークにおけるモデル探索効率を数倍に引き上げることに成功しました。
- 論文リンク：MarkTechPost 解説
テスト時推論の高コスト探索をMarkdownスキルとして蒸留・永続化する手法 — Microsoft Research / Cornell University
- 研究の背景：高精度な推論モデル（Reasoning Models）のテスト時計算コスト（長い思考トークン生成）を削減し、軽量モデルへ効率的に能力を転移させること。
- 主な革新点：推論モデルが実行した35〜50件の試行錯誤ログからコーディングエージェントが反復的な失敗パターンを抽出。構造化されたMarkdown形式の「スキル（手順・規則）」としてコンパイルし、軽量モデル（GPT-5.4-mini等）のシステムプロンプトに注入。
- 研究成果：軽量モデルがわずかな入力トークン増のみで、高コスト推論モデルの55%〜100%以上の性能利得を再現可能であることを実証しました。
- 論文リンク：
What if you could pay the reasoning cost once, then reuse what the model learned across future tasks?
— Rohan Paul (@rohanpaul_ai) September 6, 2026
New Microsoft paper finds that some expensive test-time reasoning can be replaced with a small set of rules learned from previous agent runs.
The paper tests a cheaper… pic.twitter.com/dMYAlCDPLs
STAIR：ドキュメントの目次構造をアドレス空間とする高精度生成型リトリーバー — IBM Research
- 研究の背景：長文ドキュメントを一定文字数で機械的にチャンク分割すると、文書本来の階層構造や文脈関係が失われ、検索精度低下やハルシネーションの原因になる課題。
- 主な革新点：文書の「目次（Table of Contents）」を生成型リトリーバーのアドレス空間として利用し、モデル自身のパラメータとコーパス全体の階層構造を直接マッピング。
- 研究成果：SearchTomeベンチマークにおいてRecall@1で82.6%（従来のDSI: 76.9%、BM25: 59.5%、DPR: 68.7%）を記録し、生成検索の弱点とされてきたハルシネーション率を0.05%未満に抑制しました。
- 論文リンク：
Great RAG paper from IBM.
— elvis (@omarsar0) September 6, 2026
There are some really good ideas on how to solve common RAG issues.
It's well known that retrievers chunk long documents by length, which discards the hierarchy the document already has.
So they propose using a table of contents.
A table of contents… pic.twitter.com/AewQkTWEA6
1Password研究：AI自律コードパッチの修正成功率は26%にとどまり、新脆弱性混入のリスクを警告 — 1Password Research
- 研究の背景：セキュリティ脆弱性の自動修正におけるLLMパッチ生成の実効性と安全性を検証すること。
- 主な革新点：ClaudeやChatGPTを用いて生成された6,000件以上の自動セキュリティパッチを、実際の脆弱性リポジトリに対して網羅的にテスト。
- 研究成果：パッチが脆弱性を正しく修正できた割合は26%にとどまり、約半数は修正に失敗、さらに4.5%で全く新しい脆弱性を混入させることが判明。「人間によるレビューのない完全自律パッチ適用は現時点で純マイナスの期待値を持つ」と結論づけています。
- 論文リンク：
“The expected value of a fully LLM-generated, non-human-reviewed patch is a net-negative by a considerable margin.” https://t.co/mY4mgUgUJN
— Gary Marcus (@GaryMarcus) September 6, 2026
その他の話題
OpenAI、内部研究加速レポートを公開：「自動化研究インターン」を達成、2028年の完全自動AI研究者へ
- 内容紹介：OpenAIは自社研究開発におけるAIエージェントの活用実態データを公開しました。人間が数日要する明確なタスクを人間の監督下で自律実行する「自動化研究インターン」のマイルストーンを達成。研究組織内におけるエージェントの稼働時間は人間の実労働時間の3.1倍に達し、研究者1人あたりの実験速度は2025年比で1.6倍に加速しています。同社は2028年3月までに「完全自動化AI研究者」の実現を目指すとしています。
- リンク：OpenAI Research Acceleration ｜ Simon Willison 分析
OpenAI チーフサイエンティスト Jakub Pachocki氏が警告論文『An Alien Mind』を発表：CoT監視の限界とスケーリング自発的減速の必要性
- 内容紹介：OpenAIのチーフサイエンティストであるJakub Pachocki氏がエッセイ『An Alien Mind』を公開しました。モデルの能力向上に伴い「思考の連鎖（Chain of Thought）」を通じたアライメント監視能力が相対的に減退している現状を告白。「現在、安全性を担保しながら最高速度でスケーリングを継続できる研究所は存在しない」と述べ、共通の安全基準が確立されるまでの自発的なスケーリング減速や、必要に応じた一方的な開発停止の可能性、国際協調の重要性を強く呼びかけています。
- リンク：OpenAI: An Alien Mind ｜
An important post from Jakub: https://t.co/YEntsN2fss
— Sam Altman (@sama) September 6, 2026
