OpenAIが週次10億人超のユーザーを抱えるChatGPTの品質改善を数値で公開した。同じ日に安全・セキュリティ体制の強化も重なり、同社の「規模と信頼」を両輪に置く戦略が際立つ一日になった。モデル面ではClaude Fable 5.1とMeta Muse Spark 1.3が外部評価を更新、インフラ面ではEpoch AIの計算使用量推計と、7年のステルスを経て登場したKepler Computeが注目を集めた。

OpenAIがChatGPT品質改善の数値を公開——「scale utility for all」へ

OpenAIは詳細な製品ノートで、2026年3月以降に週次10億人超のユーザーが触れているデフォルト体験が大幅に改善したと主張した。数値として挙げられたのは、主要な事実誤謬が65%減、金融分野では72%の改善、極端な追従(sycophancy)が80%減、医療分野のハルシネーションフラグが83%減——という。

モデル面では、GPT-5.6 Sol(instant)とGPT-5.6 Luna(medium)が、high設定のo3をGPQA Diamondで上回りながら、最初のトークンまでの時間(TTLT)が30%以上速いとされる。さらに無料ユーザーにも無制限のテキストチャット、より高い推論、automations、そして「dreaming」と呼ばれる仕組みによるメモリ改善が提供されると報じられている。

品質数値はあくまで同社の自己申告であり、独立した検証は現時点では見当たらない。ただし無料層への機能開放を「すべてのユーザーへの効用」という形で進める方針は、競合各社への価格・品質両面での圧力になりそうだ。

Paul Christiano氏がOpenAIの安全体制に復帰、「Defense Factory」も公表

OpenAIは2つのガバナンス・セキュリティ上の動きも発表した。1つは、アライメント研究の中心人物であるPaul Christiano氏をOpenAI Foundationの取締役会とSafety and Security Committeeに加えたこと。PBC(公益会社)の取締役会では議決権のないオブザーバー役となる。Sam Altman氏自身もこの人事を拡散しており、重みのある配置と受け止められている。

もう1つは「Defense Factory」の公開だ。250人超の内部組織が、数百のシステムにわたってモデルを使い脆弱性を発見・修正する取り組みで、継続的なAI支援ディフェンシブセキュリティの実践的なアーキテクチャとして提示された。攻撃的な能力ではなく防御側への実装を先行させる構図で、Anthropicのインシデント開示や研究者の退職騒動などフロンティアラボの安全・治理が注視される中、体制強化のメッセージとして読める。

Claude Fable 5.1は「破壊的変更3件とキャッシュ読み込み1/4」

Anthropicは9月1日にClaude Fable 5.1とClaude Mythos 5.1を発表した。Fable 5(6月9日)から約3ヶ月での更新で、コンテキストウィンドウ、最大出力、トークナイザ、料金単価はいずれもFable 5と同一。公式が移行手順の最初に挙げるのはモデルIDの書き換えだけ、という穏当なアップデートに見える。

ところが、とあるZennの分析記事が指摘するように、実際には破壊的変更が3件あり、プロンプトキャッシュの読み取りは1/4になっているという。移行コストの低さとAPI挙動の変化が噛み合わない形で、既存アプリケーションを乗せる場合はキャッシュ周りの挙動確認が欠かせない。

評価面でもFable 5.1は動いている。Artificial Analysisの分析では、知能対コストのParetoフロンティアをFable 5.1、Muse Spark 1.3、GPT-6 Astraの3モデルが押し広げたとされる。またBespoke Labsが公開したAutoResearchExam(29の自由記述型タスクを24時間かけて処理する長時間エージェントベンチマーク)では、GPT-6 Astraが最大19時間までリードしつつ、Fable 5.1が終盤に追い上げるという興味深いパターンが報告された。長時間タスクでは「序盤の速さ」と「終盤の持久力」がモデルごとに分かれる可能性を示唆する結果といえる。

Muse Spark 1.3がWebsite Arenaで1位、Clineでは無料提供に

先週発表されたMetaのMuseだが、その最新版Muse Spark 1.3が早くも外部評価で結果を出した。デザイン生成の外部評価を手がけるDesign Arenaによると、Muse Spark 1.3(xhigh)はWebsite ArenaでElo 1362を獲得して1位に立ち、1.2から5つ順位を上げた。速度・価格の面でも新しいPareto点だとされる。

提供面でも、コーディングエージェントClineで無料利用可能になった。開発チームは「Opus 5と同程度の性能で、はるかに安い」と説明している。能力の高いモデルを無料・デフォルトにすることで利用シェアが一気に伸びる例は他社でも観測されており、Metaが個人AI「Muse」で狙うのはまさにその動態とみられる。

OpenAIの計算使用量は約20倍——Epoch AIが推計、Kepler Computeも登場

計算の経済学に詳しいEpoch AIが「AI Chip Users explorer」を公開した。これによるとOpenAIの計算使用量は2023年以降ほぼ20倍に増加したと推計される。OpenAI、Google DeepMind、Anthropic、Meta、xAIを横断して比較できる点と、計算の「使用」とハードウェアの「所有」を区別している点が特徴だ。所有制霸の議論が多い中、実際に誰がどれだけ計算を使っているかを見える化する試みとして重宝されそうだ。

ハードウェア面では、Kepler Computeが7年のステルス期間を経て登場した。4億6,800万ドルを調達し、自社ファブを構える。ロードマップは3D・材料イノベーションを中心に、EUVリソグラフィへの依存なしで、HBM最大10倍の容量を持つメモリを実現することを掲げ、メモリサンプルは今年中とされる。EUV装置の入手が困難な中での独自路線で、実現すればAIメモリの地図を書き換える可能性があるが、量産実績は今後の検証を待ちたい。

Devinの支援でRSA-260の素因数分解が10倍安く

Cognitionは、Devinの支援を受けてGPU最適化された格子ふるい(lattice siever)を構築し、RSA-260の素因数分解を従来のSOTAより10倍安く行った方法論を公開した。整数の素因数分解は古典暗号の根幹に関わる計算問題で、格子ふるいはその主力アルゴリズムのひとつ。

LLMエージェントの成果はコード生成やWeb操作の話が多いが、この事例は純粋な数値計算の最適化、それも研究インフラの実装で成果を挙げた点が特徴だ。「AIが数学研究の生産性を変える」議論に、暗号解析という地味だが確実に効く材料が加わった形といえる。

日本語圏から:Astraの「待ち時間」を実測、Qwen3.8-27Bの受け答え

日本語圏でも注目記事が並んだ。Zennでは、9月3日に公開されたGPT-6 Astraの「Async Tool Calling」と「Mid-turn steering」を実測した記事が公開された。モデルが何を待ち、いつユーザーの指示を取り込むのかを、実装者の視点で確かめた内容だ。

同じくZennでは、アリババの超巨大モデルQwen3.8-2.4T-A95Bの小型版として待望されていたQwen3.8-27Bのレビューが公開された。アーキテクチャは前世代のQwen3.5・3.6からほぼ据え置きにもかかわらず、受け答えの質が明らかに変わっている——特にQwenシリーズで悩みの種だった「Thinking区間でのグダグダとした自問自答」の様子が変わったという指摘は、ローカルLLM勢にとって関心の高い話題だろう。

さらに、100話規模の小説をClaude Codeで執筆する試みも紹介したい。長編執筆で最大のリスクは文章力ではなく設定の矛盾であり、設定書と文体データをMarkdownファイルの「正典」として管理し、CLAUDE.mdで運用ルールを定めることで、学習しないClaude Codeに「学習」を実装するという発想だ。

品質の数値公開、安全体制の再編、モデル評価の更新、計算基盤の新規参入——それぞれの粒度は違うが、いずれも「AIを信頼できる社会インフラにする」という同じ問いへの応答と言える。次号も引き続き、検証可能な情報を丁寧に追っていく。