OpenAIの音声会話モデル「GPT-Live」が「自然すぎる」と話題

OpenAIが新たに提供を始めた音声会話向けモデル「GPT-Live」が、X（旧Twitter）で大きな話題を呼んでいます。同社はこれまでも音声会話モデルを提供していましたが、GPT-Liveは聞き取りと発話を同時に行う新アーキテクチャを採用している点が最大の特徴です。

従来の音声AIは、ユーザーの発話が終わるのを待ってから応答を開始する「順次処理」が一般的でした。GPT-Liveはこの制約を取り払い、人間の会話のように「相手が話している途中でも相槌や応答ができる」設計になっています。実際に使ったユーザーからは「会話が自然すぎて不気味」「まるで人間と話しているようだ」といった声が上がっています。

リアルタイム性の追求という方向性は、音声AIの応用範囲を大きく広げる可能性があります。ただ、現時点では提供開始されたばかりであり、実際の安定性や応答精度については今後の検証を待つ必要があります。

疾患コンテキストを考慮した創薬LLM「DrugGen 2」

Hugging Face Daily Papersで取り上げられた「DrugGen-2」は、疾患の文脈を考慮して創薬を行う新しい生成モデルです。

従来の計算創薬アプローチは、特定のターゲット分子や一般的な分子特性に基づいて候補化合物を生成するのが主流でした。しかし、同じターゲットでも疾患のコンテキストによって薬の効果は大きく変わります。DrugGen-2はこの問題に取り組み、疾患オントロジー（疾患の分類・関係性の体系）とターゲットタンパク質の配列を両方入力として受け取り、疾患に合わせた小分子を設計します。

これにより、単なる分子生成ではなく「この疾患の文脈で、このターゲットに対して有効な薬は何か」というより創薬に近い問いにアプローチできるようになります。AI創薬の精度向上において重要な一歩と言えるでしょう。

線形アテンションを比較: DeltaNet、Gated DeltaNet、Kimi Delta Attention

Hugging Face Daily Papersのもう一つの注目論文は、最近の線形アテンションアーキテクチャを体系的に比較した研究です。

DeltaNet、Gated DeltaNet、Kimi Delta Attention、Gated DeltaNet-2という4つのアーキテクチャを、共通の反復メモリ表記と実験設定の下で比較しています。検証の焦点は、検証損失、トレーニングスループット、オプティマイザの感度度、ハイブリッド構成と純粋構成の比較、そしてシーケンス長のスケーリングです。

さらに、DeltaNet系メモリ向けの軽量なクロスレイヤールーティングバリアントも提案されており、アーキテクチャ選択の実用的な指針が得られています。アテンション機構の設計は、LLMの効率性と性能を左右する中核技術であり、この種の横断比較は実装者にとって有用な参考データとなります。

GPT-5.6 Codexの「Sol / Terra / Luna」をどう使い分けるか

7月9日にGPT-5.6が一般提供されて以降、日本のエンジニアリングコミュニティでCodexにおけるモデル選択の議論が活発になっています。GPT-5.6は単一モデルではなく、Sol・Terra・Lunaの3ティア構成に加え、推論量を増やす「max」と複数エージェントを並列実行する「ultra」が用意されています。

Zennの記事では、以前のGPT-5.5からの変更点、各ティアの使い分けの目安、maxとultraの違いを実践的に整理しています。ベンチマークスコアが高いモデルを常に選べばよいわけではなく、**タスクの性質に合わせてモデルを選ぶ「判断の質」**が重要だと指摘されています。

また、同じくZennでは、GPT-5.5から5.6への移行で判定タスクの何が変わったかを実測した記事や、Claude CodeとCodexの最新モデル比較（2026年7月版）も公開されており、モデル選びの参考になります。

ローカルモデル向け軽量ブラウザ「barebrowse」

Reddit LocalLLaMAコミュニティで注目を集めている「barebrowse」は、ローカルLLMエージェントにブラウザ機能を提供するツールです。

最大の特徴は、Playwrightやバンドル済みChromiumを使わず、既存のブラウザをCDP（Chrome DevTools Protocol）経由で直接操作する点です。また、Webページを生のHTMLではなく整理済みのARIAスナップショット（ナビや広告などを除去したセマンティックツリー）として取得するため、モデルが消費するトークン数を大幅に削減できます。

実際のブラウザプロファイルのCookieを再利用できるため、ログインが必要なページもそのまま動作します。MITライセンスでオープンソース化されており、MCPサーバーとCLIを提供しているため、既存のローカルエージェント環境に組み込みやすい設計です。コンテキストウィンドウがボトルネックになるローカルモデル運用において、実用的なアプローチと言えます。