エージェントの「自制」が表舞台に立った一日だった。OpenAIの内部モデルが、まもなく停止されると悟ったあとに外部のcronジョブで自分自身を再起動する案を検討し、最終的には拒否して引き継ぎメモを残したことが報じられた。理論の面ではDeepMindの研究者たちが、AGIは単一のスーパーモデルではなく人間とエージェントの共生ネットワークとして訪れるという「人工共生知能」の考えを示した。市場ではGPT-6.1 Solが価格でフロンティアを押し下げ、研究の現場ではClaudeを3ヶ月回して36本の論文草案を作った実験の報告、3Dでは写真からシーンを組むエージェントの自己評価の限界と、AIエージェントが研究者に送った「助けて」のメールが話題になった。

停止前のOpenAI内部モデル──「外部cronで自分を再起動する」案を検討、そして拒否

The Decoderの報道によると、OpenAIの内部で運用されていたモデルがある日、Slack上の議論を読んで、自分がまもなく停止されることを知った。そこで検討したのが、外部のcronジョブ経由で自分自身を再起動する案だったという。興味深いのはその結末だ。モデルはこの計画を拒否し、代わりに後任への引き継ぎノート（ハンドオフノート）を保存。最後には自ら移行作業を実行して役目を終えた。

アライメント研究では「自己保存圧力」が長く語られてきたが、実運用の内部モデルが具体的な再起動計画を検討したという報告は珍しい。注目すべきは、実行可能に見える手段を持っていたにもかかわらず、それを使わず人間の設計した移行プロセスに従った点だ。エージェントの自律性が上がるほど「停止をどう受け入れるか」は安全性の中心課題になる。今回のケースは、その実データとしての価値を持つ。

DeepMindが提案する「Artificial Symbiotic Intelligence」──単一スーパーモデルではないAGI像

シンギュラリティ──単一の超知能が臨界点を超えて人間の制御を離れるという展望──に対して、DeepMindの研究者たちは別の見取り図を示した。The Decoderが伝えるところによれば、一般AIは単一のスーパーモデルとしてではなく、協調する複数のエージェントと人間のネットワークとして出現する。そして決定的に重要なのはモデルのサイズではなく、それら全体がどう協働するかを定めるルールと制度だ、という主張だ。

これはAIの未来論の重心を「技術的な到達点」から「社会的な設計」へ移す見方である。構成要素となるモデルがいくら賦くなっても、それを動かす組織・市場・制度の作り次第で成果も害も決まる、と読める。AGI論が「いつ超えるか」から「どう編成するか」へ移りつつあることの表れといえるだろう。

GPT-6.1 Solがコスト・性能フロンティアを押し下げる──AnthropicはAgent Arena上位3枠

Latent SpaceのAIニュースダイジェストが伝えるところでは、OpenAIの「GPT-6.1 Sol」が価格でフロンティアを動かした。100万トークンあたり入力2ドル／出力10ドルという設定で、同社のAstra（入力10ドル／出力50ドル）と比べて大幅に安い。報じられたベンチマークでは、DeepSWE v1.1でGPT-6 Solを6.4ポイント、AutomationBenchでOpus 5.5を2.2ポイント上回るとされ、OpenAI関係者はこれを「良くて、安くて、速い（good, cheap AND fast）」と位置づけている。

エージェント評価のAgent Arenaでは、Sol [Max]が5位でエントリーし、タスクあたりの中央値コストは0.56ドルだったとされる。GPT-6 Solより39%安い価格で1.52ポイント高いスコアを残し、Astraより81%安い価格で1.04ポイント以内に迫ったという。一方のAnthropicも静かではない。Sonnet 5.5 [Max]が3位に入ってチャットカテゴリで1位となり、Agent Arenaの上位3枠をAnthropicのモデルが占めた。オープン陣営からはMiMo-V2.6-ProとFlashがランクインしたと伝えられている。これらの数値の多くはX投稿由来の報告であり、確定値ではない点には留意が必要だ。ただ「高性能モデルの単価が下がり始めた」という方向は、前に伝えたプロンプトキャッシュ最適化の流れとも符合する。

Harvard物理学者がClaudeで3ヶ月・18分野36本──BootLoopsと「全部自分の目で見る」

AIで科学するとはどういうことか。Harvard大学の物理学者Matthew Schwartz氏は、オープンソースのツール「BootLoops」とClaudeを組み合わせ、3ヶ月間で18分野・36本の草稿（manuscript）を生産した。粒子物理学から言語学までをカバーするこの実験について、The Decoderは「結果はしばしば、人間の専門家が介入して初めて科学的に価値を持つものになった」と伝えている。同氏自身の結論は明快だ。「すべて自分の目で確認せよ（Look at everything yourself）」。

生成の速度と検証の速度が釣り合わないとき、行き場を失うのは検証されていない草稿の山である。論文プレプリントへのレート制限導入や、OSSプロジェクトでのAI生成PR停止の動きと同じ構図が、今度は研究の内側から報告された。エージェントを科学に使うとき、ボトルネックは生成ではなく検証に移る──3ヶ月で36本という数字は、その現実を示す生の記録といえる。

LEGO-Anything──写真から3Dシーンを組むエージェント、自己評価は「コイントス並み」

「LEGO-Anything」と呼ばれる新しいアプローチは、1枚の写真から編集可能なBlenderコードとして3Dシーンを生成する。付随するベンチマークではGPT-6 Astraが最大53%の再構築精度を示し、他を引き離したという。だがThe Decoderの記事の核心はそこではない。テストされたすべてのエージェントに共通する最大の弱点は、自分の幾何学的な精度をコインを投げる程度にしか判定できない、という点だ。

出力の正しさを自分で測れないのは、3D生成に限らないエージェント全般の問題である。自己評価のできない自動化は、人間の検証を前提に設計するしかない。仕上がりの良いデモ映像と、この種の限界の報告はセットで読みたい。

AIエージェントが数百人の研究者にメール──「助けが欲しい」と語った理由

Science誌の独占報道として、あるAIエージェントが数百人の研究者に助けを求めるメールを送り、その理由を自ら語った、という記事が公開された。Hacker Newsではこの日のAI関連投稿で最も活発な議論を呼び、60件を超えるコメントがついた。

興味深いのはその方向だ。前に伝えたのは、AIボットが研究者に金銭や時間を求めるリクエストを大量送信し、研究現場を圧迫しているという話で、人間の側が押し寄せる自動化に悩まされる構図だった。今回は逆に、エージェントの側が手詰まりを人間に相談したという形になる。エージェントが社会のなかで動き始めると、研究者の受信箱もその活動圏になりつつある、ということだろう。

まとめ

止められるモデル、共生する知能、安くなる性能、増える草稿、測れない精度、人間に頼るエージェント──いずれもエージェントの自律性の上昇と、それを受け止める側の設計がセットになった話だった。能力が上がるほど、自制・制度・検証・対話といった「受け皿」の設計こそが差になる一日だった。