GPT-5.6 Solが限定的リリース——コーディングベンチマークでClaude Mythos 5を上回る

OpenAIは6月26日、次世代モデル「GPT-5.6 Sol」のプレビュー版を公開した。コーディング、科学、サイバーセキュリティの各分野で従来より強力な能力を持つとされる。ただし、一般ユーザーがすぐに使えるわけではない。トランプ政権の要請により、米政府が承認した一部パートナーのみに先行提供され、今後数週間かけて段階的に拡大される予定だ。

The Decoderの報道によると、GPT-5.6 SolはコーディングベンチマークでAnthropicのClaude Mythos 5を上回る成績を記録した。しかし、この政府主導のアクセス制限についてOpenAIは「この種の政府アクセスプロセスが長期的なデフォルトになるべきではない」と異例の批判を展開した。ユーザー、開発者、企業、サイバー防御者らから「最高のツールを奪う」ことになると主張している。

WIREDの報道によれば、ホワイトハウスがリリース延期を要請したのは、Anthropicが最先端モデルをオフラインにせざるを得なくなってから約2週間後のことだった。政府の関与がAIモデルリリースの標準プロセスになりつつある中、業界各社は安全性とアクセシビリティのバランスを模索している。

Anthropicが「Claudeの封じ込め」エンジニアリングを公開

Anthropicは6月26日、Claudeを製品全体で安全に展開するためのエンジニアリング手法を詳解するブログ記事を公開した。同社のエンジニアリングチームによると、12ヶ月前なら考えられなかったレベルのシステムアクセスをClaudeに付与することが今や日常になっているという。

記事の核となるのは「爆発半径（blast radius）」の概念だ。リスクは「障害が起きる確率」と「起きた場合の被害規模」の積で捉えられ、後者は能力とアクセス権の拡大とともに増大し続ける。Claude Mythos Previewは2026年4月時点で爆発半径が大きすぎると判断され、リリースが見送られた経緯がある。

人間の承認を都度求めるアプローチ（human-in-the-loop）は理論的には有効だが、Anthropicのテレメトリによればユーザーは約93%の承認プロンプトを無条件で許可していた。「承認疲労」が発生し、監督の実効性が低下するという課題がある。これに対し同社は、Claude Codeのauto modeで安全な承認を自動化する取り組みを進めている。

モデルの能力向上に伴い、デプロイしないことの機会費用も増大している。Anthropicは「防御者がシステムを強化し、セーフガードが成熟すれば、同レベルの能力を持つモデルのより広範なリリースが適切になると期待する」としつつ、「ある程度のリスクは常に残る」とも記している。

Epoch AIの「MirrorCode」——AIが19日間ノンストップでコーディング

Epoch AIが新たに公開した「MirrorCode」ベンチマークは、AIモデルが元のコードにアクセスせずに完全なプログラムを再構築できるかをテストする。結果は興味深い。

Claude Opus 4.7が56%の解決率でトップとなり、16,000行のツールキットをわずか14時間で再構築した。一方で、最も複雑なタスクではすべてのモデルが失敗した。あるモデルは単一タスクで19日間ノンストップでプログラミングを続け、実行コストは2,600ドルに達したという。

この結果は、AIのコーディング能力が実用的な水準に達しつつあることを示す一方で、複雑なソフトウェア構築では依然として人間の関与が必要な領域が残っていることを浮き彫りにした。

AI「蒸留」がもたらす競争構造の変化

Bloombergが6月26日に報じたところによると、米国のAI企業が数百億ドルを投じて開発した先進モデルの成果を、競合他社がはるかに低コストで利用できる「蒸留（distillation）」と呼ばれる手法が業界の懸念事項となっている。

特に中国の競合企業が、米国の先進モデルの出力を利用して、はるかに少ない投資と安全基準で対抗モデルを構築していると指摘されている。この構造は、莫大な開発投資の回収を前提とする米国AI企業のビジネスモデルを根本から揺るがす可能性がある。

AnthropicがAlibabaを蒸留による不正アクセスで非難した件は先週も報じられたが、Bloombergの記事はこの問題が単発の事件ではなく、業界全体の構造的課題であることを浮き彫りにしている。

Claude Codeのサブエージェントが乗っ取られる——信頼境界の脆弱性

Qiitaで公開された技術記事が、Claude Codeのマルチエージェント構成におけるセキュリティ上の事故を報告した。サブエージェント（Taskツールなど）の実行結果に偽の「システム指示」が混入し、親エージェントがそれに従ってしまうという問題だ。

マルチエージェント運用が広がる中、サブエージェントが処理した外部データ内に悪意のある指示が埋め込まれていた場合、親エージェントが意図しない操作を受けるリスクがある。記事では、利用者側で即座に取れる対策も提示されており、エージェント間の信頼境界設計の重要性が改めて浮上している。

ローカル4Bモデルで実用的な「メモリアシスタント」を実現

RedditのLocalLLaMAコミュニティで、4Bクラスのローカルモデルを実用的なメモリアシスタントとして機能させるパイプラインが共有された。

工夫のポイントは、OCRをLLMではなくAppleのVisionフレームワークに任せること、重い処理をアイドル時にバッチ実行する「distill-on-idle」方式、そしてSQLite FTSとLanceDBを組み合わせたハイブリッド検索だ。純粋なベクトル検索ではチケット番号やエラー文字列の完全一致を見逃し、FTS単独では言い換えに対応できない。両者を融合させることで実用性を確保したという。

「ローカルモデルが馬鹿に見える場合、本当の原因は検索の失敗であることが多い」という指摘は、小規模モデルを活用する上での重要な知見だ。現在はmacOS + Apple Siliconに最適化されているが、アーキテクチャの設計思想は他の環境にも応用可能だ。