はじめに

2026年7月29日に収集された海外AIニュースから、注目すべき6本をピックアップしてお届けします。本日はOpenAIの利用制限再開、ソフトウェア産業の構造変化、モデル蒸留の新手法、エッジAIの進展、セキュリティツールへのLLM応用、そしてベンチマークの信頼性問題と話題が豊富です。

1. ChatGPT WorkとCodexの5時間制限が「明日から再開」― GPT-5.6 Solのトークン消費問題を改善

OpenAIのティボ・ソティオ氏は7月29日、デスクトップPC向けAIサービス「ChatGPT Work」とAIコーディングツール「Codex」について、5時間ごとの利用制限枠を翌日から再開すると発表しました。

GPT-5.6 Solのリリースに伴い、トークン消費量が想定を大きく上回り、一時的に制限が緩和されていました。今回の再開は、消費量の最適化がある程度進んだことを示唆しています。GPT-5.6 Solの推論能力の高さが、ユーザーの利用パターンを変化させている可能性があり、継続的な監視が必要です。

実用面では、コーディング作業で制限に抵触するユーザーは、プロンプトの効率化やタスクの分割を検討するタイミングに入ったと言えそうです。

2. AIが「顧客が買うもの」を変える―ソフトウェア企業の存在論的危機

Bizjournalsの報道によると、ソフトウェア企業がAIの進展によるビジネスモデルの変化に直面しています。顧客が「ツール」ではなく「成果」を求めるようになり、従来のライセンス売りモデルが揺らいでいます。

これは単なる売上減少の問題ではなく、ソフトウェア企業が「何を提供する企業なのか」を根本から問い直す状況を生んでいます。AIエージェントが自律的にタスクを完了できるようになる中で、ユーザーが個別のSaaSツールを組み合わせる必要性が低下しつつあることが背景にあります。

業界団体やアナリストの間でも、この構造変化がどの程度の速度で進むかについて意見が分かれていますが、少なくとも製品戦略の見直しを先送りできる企業は限られるでしょう。

3. Relay-OPD: オンポリシー蒸留で推論モデルの「プレフィックス失敗」を修正

Hugging Face Daily Papersに掲載された論文で、浙江大学などの研究チームが「Relay-OPD」という新しい知識蒸留手法を提案しました。

従来のオンポリシー蒸留（OPD）では、小型モデル（生徒）が推論の初期段階で誤った方向に進むと、その後の展開全体が間違った前提の上に構築される問題がありました。Relay-OPDは、教師モデルと生徒モデルの出力が乖離する瞬間をオンラインで検出し、その地点で教師が一時的に引き継いだ後、生徒にバトンを戻すというアプローチをとります。

Qwen3-4Bを教師として0.6B/1.7Bの生徒モデルを訓練した結果、8つの数学推論ベンチマークで標準OPD比+5.73%、従来最強のFastOPD比+1.49%を達成しつつ、訓練軌跡長を50%以上削減しました。追加の検証器や報酬モデルが不要という実用性の高さも特筆されます。

4. BetterGPT-150M: 150Mパラメータの小型モデルがGPT-2 Smallを超える

RedditのLocalLLaMAコミュニティで、BetterGPT-150Mという約1億5200万パラメータの言語モデルが公開されました。15Bトークンで事前訓練されており、FineWeb-Edu、fine maths、cosmopedia、starcode-pythonなどの厳選データセットを使用しています。

ベンチマーク評価では、GPT-2 Smallを上回る性能を示しつつ、同等のトークン予算で訓練されたモデルに匹敵する結果を達成しています。命令チューニングは施されていないベースモデルですが、CPUで即座に推論可能という低い参入障壁は、エッジデバイスでの実験や教育的用途で価値がありそうです。

オープンソースとしてHugging Faceで重みとデモが公開されており、コミュニティからのフィードバックを募っています。

5. CodeCrucible: BlockがLLM駆動のセキュリティ静的解析の設計図を公開

Block（旧Square）のエンジニアリングチームが、LLMを活用した静的アプリケーションセキュリティテスト（SAST）の設計思想を「CodeCrucible」として公開しました。

従来のSASTツールは誤検知が多く、ルールベースの限界が顕在化していました。LLMを活用することで、コンテキストを理解した上で脆弱性の判定が可能になり、誤検知の削減と検出精度の向上が期待されます。Blockは実運用での知見を体系化し、他社の参考になる設計パターンとして共有しています。

セキュリティ分野へのLLM応用は実用段階に入りつつあり、ExploitGymのようなベンチマークも登場するなど、エコシステム全体が成熟しつつあります。

6. マルチモーダルファクトチェックのベンチマーク汚染―「新規クレーム」の17〜29%が実は既知

ACM MM 2026に採択された論文で、マルチモーダル自動ファクトチェック（MAFC）のベンチマークにおけるデータ汚染問題が指摘されました。

研究チームは「Contamination Detection Pipeline」を開発し、LLM/VLMが事前学習データの記憶を通じてベンチマークで不正に高得点を得ている実態を定量化しました。驚くべきことに、「動的」ベンチマーク（カットオフ後の新規クレームを含む）でも、17〜29%のクレームが事前知識で検証可能でした。

データ汚染はMacro-F1を最大11.34ポイント押し上げ、モデル間のランキングまで歪めることが示されています。これは「リーダーボードの高スコア＝実力」という前提そのものに疑問を投げかける重要な指摘です。