GoogleがフロンティアモデルGemini 4 Carbonを発表。Artificial Analysis Intelligence Index v5.0で59点の首位、SEC-bench Pro 88.2%などの数値と価格、段階提供の内容を解説します。
香港科技大学などがコーディングAIの挙動を調査。あいまいな指示では確認せず推測実行し、行動時の55.8〜67.8%に誤操作が含まれると判明。ベンチマークUnderspecBenchの結果と対策を解説します。
Google DeepMindが森林タイプ世界地図ForTyを公開。AlphaEarth埋め込みを入力に10m解像度で6分類、精度90%を達成した仕組みとEUDR対応での使い方を解説します。
AnthropicがClaudeでOSSの攻撃対象領域を縮小する研究を公開。25プロジェクト500万行から493件の問題を特定し、OpenSSHの認証前到達コードを約5分の1削減した成果を解説します。
OpenAIがGoogle CloudのModel GardenでGPT-6 Astraなど3モデルとCodex接続を提供開始。請求が既存のGoogle Cloud契約に統合される仕組みと、調達面への影響を解説します。
Alibaba Qwenチームと香港科技大学がAIに365日間ネットショップを経営させるベンチマーク「E-Commerce Bench」を発表。GPT-5.6 Solが資産14.3倍で首位となった18モデルの比較結果を解説します。
Hugging FaceがTransformersとDiffusersのTorchTPU対応を公開。device_map="tpu"など数行でTPU実行でき、MoEデコードは最大21.5倍高速です。実測値と制約を解説します。
ワシントン大学がChatGPT AtlasやClaude for ChromeなどAIブラウザ7種を実測し、4種で同一オリジンポリシーの回避経路を確認。実証された攻撃手口と業務利用時の注意点を解説します。
Goodfireの研究者Nick Cammarataが2.6万語の投稿で、ニューラルネットの重ね合わせ解釈は誤読だったと主張。V字検出器の実例と、DeepMindらの反論を整理して解説します。
DeepSeekがDeepSeek-V4.1-Flash-1017をMITライセンスで公開。DeepSWE v1.1で成功率77%を示しGPT-6 Astra超えを主張する性能と料金、検証状況を解説します。
対話AIのCharacter.AIがChapter 11を申請し、Disneyが資産2000万ドルと従業員60名超を引き受けます。破綻要因となった高コスト構造と未成年保護訴訟の影響を解説します。
ReplitのCEOがDisruptで、Replit AgentのデフォルトモデルをAnthropicのClaudeからOpenAIへ切り替えたと明言しました。コスト・性能の判断理由とAnthropic側の反論、事業構成の変化を解説します。
AI-Papers
