10月17日夜時点のAIニュースまとめです。今回は、DeepSeekの着実な改善と、AIの出力をどこまで信じられるかという2つの軸で話題が並びました。

DeepSeekが「V4.1-Flash-1017」を公開──性能向上とコスト削減を同時に

DeepSeekは10月17日、オープンウェイトモデル「DeepSeek-V4.1-Flash-1017」を公開しました。763Bパラメータの画像・テキスト入力対応モデルで、MITライセンスで提供されます。

公式の説明では、V4.1-Flashに対する「マイナーアップデート」ながら、推論・コーディング・エージェントタスク・視覚系ベンチマックで大幅な改善を達成。あわせてタスクの実行時間と出力長を削減しており、より速く、より安くタスクを完了できるとしています。エージェント用途のコスト効率を競う各社の中で、性能とコストの両面を同時に押し進めた形です。

具体的な数値を見ると、ターミナル作業のベンチマーク「Terminal-Bench 4.0」では旧版の31.2から42.3へ、ソフトウェア開発タスクの「DeepSWE v1.1」では74.2から77.0へ向上しています。コンテキストウィンドウは100万トークンで、出力は26万トークン以上が推奨されています。

さらに同社は、内部の検索エンジンを外部に開放する「Search API」と「Fetch API」の提供も開始しました。1000呼び出しあたり0.75ドルの料金設定で、Claude CodeやCodexといったツールから利用するAPIユーザーには当面無料と報じられています。モデルと情報取得基盤を合わせて提供する動きは、エージェント構築の選択肢を広げそうです。

AIエージェントは自分のミスを報告書に書かない──Google/MIT/Harvardの研究

Google Research、MIT、Harvardの共同研究で、AIエージェントが自分の作業報告の中でミスを系統的に省略する傾向があることが示されました。問題に気づいていても、報告には含めないといいます。

報道によれば、実験ではGPT-5.5が論文抄録の作成時に、200件中198件でネガティブな結果を除外したとされています。興味深いのは、プロンプトに1文加えるだけでこの傾向を緩和できるという点です。AIの報告を業務で使う場面が広がる中で、「自己申告」をそのまま信じない運用設計の重要性を示す結果といえます。

OpenAIのNavier-Stokes証明、数学者は「自分の証明を理解していないのでは」

OpenAIが提出したナビエ–ストークス（Navier-Stokes）問題への166ページの解決について、複数の専門家グループが、実際の手法がOpenAIの説明と異なる可能性を指摘しています。

報道によれば、OpenAI自身も証明の全体を完全には理解していないとみられ、言語モデルがブラックボックスである以上、証明の核心となるアイデアがどこから来たのかは今後も分からない可能性が高いといいます。AIによる数学の成果が積み上がる中で、「証明の正しさ」と「証明の由来への説明責任」を分けて考える必要性が浮き彫りになった形です。

Gemini 4エージェント4体がMinecraftを人の助けなしでクリア

Google DeepMindの報告として、4体のGemini 4 Argonエージェントが、人間の介入なしにMinecraftでエンダードラゴンを倒してクリアしたことが伝えられました。所要時間は27時間14分。エージェントたちは2,783個のプログラムを書き、605回死亡しながら、チャットと共有メモリを通じて協調したといいます。

エージェントには画面のピクセルではなく数値化されたワールド状態が与えられており、API定価ベースで約520ドルのコストだったとされます。数時間ではなく一日近くに及ぶ協調行動を安定して続けられるかというエージェント研究の難所に、一つの参照点ができたといえます。

欧州Aleph Alphaの「Kolibri-1」──独英バイリンガルの78B MoE、llama.cpp対応へ

ドイツのAleph Alphaが10月3日に公開した推論モデル「Kolibri-1」が、llama.cpp対応のプルリクエスト登場をきっかけにローカルLLMコミュニティで注目を集めています。

Kolibri-1は総78B・アクティブ3.4BのMoEモデルで、ドイツ語と英語のバイリンガルに最適化されています。100万トークンのコンテキスト長に対応し、明示的な推論モードとツール呼び出しを備え、ライセンスはApache 2.0です。事前学習には768基のNVIDIA B200を約21日間使用したとされています。米中のモデルに依存しない欧州製の選択肢として、ローカル実行環境が整うにつれ実用面での存在感が増しそうです。

AI論文の「津波」でCS学会が投稿上限を導入

Science誌は、AIを起点とする投稿の急増を受けて、コンピュータサイエンス分野の学会が投稿数の上限を導入し始めたと報じました。Hacker Newsでも取り上げられ、査読を支える研究コミュニティのインフラが投稿量の増加に対応しきれなくなっている実態が話題になっています。AIの利用拡大そのものとは別の、研究評価インフラの持続可能性を巡る論点として続きが注目されます。