ARC-AGI-3を巡るOpenAIとAnthropicのベンチマーク論争

OpenAIは、自社モデル「GPT-5.6 Sol」が難易度の高い推論ベンチマーク「ARC-AGI-3」でAnthropicの「Opus 5」を上回ったと主張しています。The Decoderの報じるところによると、GPT-5.6 Solは38.3%のスコアを記録し、Opus 5の30.2%を上回りました。

ただし重要な注記があります。OpenAIの好スコアは、推論プロセスを保持したままコンテキストを圧縮する仕組みを備えた独自のAPI環境でのみ達成された点です。同じモデルを公式のテスト環境に置くと、スコアは7.8%にまで落ち込みます。一方、Opus 5の30.2%はそうした補助なしで出た数字とされています。

つまり測定条件をそろえた単純比較ではないため、「GPT-5.6 Solのほうが優れている」とはただちに言えない構造です。ベンチマークをどの環境・設定で動かすかが結果を大きく左右するという、AI評価で繰り返し議論されてきた問題が再び表面化しました。現時点では各社の測定条件を慎重に確認したうえで判断する必要があります。

opencode.aiが複数のネットワークでブロックされる事態

開発者向けツールのドメイン「opencode.ai」が、複数の経路でアクセス遮断される事象が報告されています。Hacker Newsの議論によると、Cloudflare経由で同ドメインを解決するとマルウェアとして分類され、DNSが「0.0.0.0」を返す状態になっているとの指摘がありました。さらにフランスのインターネットプロバイダSFRでも、ユーザー保護を理由に同ドメインへのアクセスがブロックされていると報告されています。

正規の開発ツールが誤って有害と判定されるケースは、セキュリティの自動判定がもたらす副作用として開発者コミュニティの関心を集めています。現時点では分類の理由は明らかではなく、今後の修正状況を注視する必要があります。

KADOKAWAとはてながAI小説執筆支援エディタ「RIKU」

国内では、KADOKAWAとはてながAIで小説の執筆を支援するエディタ「RIKU」を発表しました。ITmedia AI+の報道によると、現在テスターを募集している段階です。創作支援にAIを組み合わせる取り組みで、日本のコンテンツ制作現場での実用化が一歩前進した形です。

AI投資の冷え込みの中で決算を迎えるApple

市場面では、AI関連の過熱感に対する投資家の慎重姿勢が強まる中、Appleが相対的に人気を集めています。Bloombergの報道によると、Apple株は7月に17%上昇し、2026年通期ではマグニフィセント・セブンの中で最も高い上昇率（24%）を記録。時価総額は一時5兆ドルの大台に乗せ、NVIDIAと並ぶ水準に達しました。AI支出の過剰さを嫌う向きがAppleを「AIセーフティ銘柄」として評価している側面があるとされます。ただし木曜の決算発表でそうした期待が試される見通しです。

ゲームの内部状態を予測する世界モデル「StatePlay」

研究分野からは、ゲーム世界モデルに関する論文「StatePlay」がHugging FaceのDaily Papersに掲載されました。従来のピクセル単位の視覚生成に加え、HP・スキルメーター・タイマーといったゲーム内部の状態を明示的に予測し、それをフレーム生成の制約として使うアプローチです。論文によると、状態予測の正規化誤差を0.06未満に抑え、内部状態を扱わないモデルと比べてメカニクスの忠実度を18.6%向上させたとされています。ゲームAIの挙動整合性を高める方向性として注目されます。