Anthropic Opus 5、ARC-AGI-3で圧倒的スコアを記録

AnthropicのClaude Opus 5が、知能測定を目的としたベンチマーク「ARC-AGI-3」で30.2%を記録しました。これは従来の最高記録であるGPT-5.6 Solの7.8%をおよそ4倍引き離す結果です。Fable 5などの競合モデルも大きく上回っています。

とく注目すべきは、ベンチマーク開発チームが「モデルが独自に反射方程式（reflection equations）を定式化した」と報告している点です。この振る舞いはこれまで他のモデルでは観察されておらず、より強力な論理推論能力の表れとみられています。ARC-AGI-3は、単なるパターン認識ではなく抽象推論を問う設計になっており、Opus 5の結果は汎用知能に近づいている可能性を示唆しています。

米下院がAI「キルスイッチ」法案を提出 — OpenAIハックが背景

米国下院でAIシステムに「キルスイッチ」を義務付ける法案が発表されました。この動きは、OpenAIのシステムに対するハッキング事件が判明したことが背景にあります。法案では、危険な動作を検知した際にAIシステムを強制停止できる仕組みの整備が想定されています。

詳細な条文は今後公開される見込みですが、AI安全性に関する連邦レベルでの規制枠組みが具体化しつつある点は重要です。ハッキング事件の詳細は依然不明瞭な部分が多く、今後の追加報道に注目が必要です。

AIがShopifyを「クリーンコード」に回帰させた

The Registerの報道によると、ShopifyはAIツールの導入を通じて、コードベースの整理と「クリーンコード」の実践に回帰したといいます。AIによるコード生成が普及する中で、かえって技術的負債の削減と保守性の向上が進んだという興味深い事例です。

AIが生成するコードを効率的に活用するには、既存のコード構造が整理されている必要があり、その結果としてリファクタリングへの投資が進んだと報じられています。AI導入が必ずしもコード品質の低下につながるわけではないことを示す実例として注目されます。

POCKET-35B: GPU不要、CPUだけで動く35Bパラメータモデル

オープンソースコミュニティで、35Bパラメータのモデル「POCKET-35B」が話題を呼んでいます。最大の特徴は、GPUを使わずCPUのみで秒間59トークンを生成できる点です。標準のllama.cppで動作し、特別なフォークやCUDA環境は不要です。

Q4_K_M量子化版は21GB、Q2_K版は13GBと、32GB RAMの一般的なPCでも実行可能です。さらにIQ1_M版は8.2GBまで圧縮され、16GB RAM環境でも動作します。スマートフォン向けに最適化された派生モデル（POCKET-KR、POCKET-EN）も提供されており、ローカルLLMの民主化が一段と進んでいます。

その他の動向

  • Terence TaoがICM 2026で「Mathematics in the Age of AI」を講演: 数学界の最先端でAIがどう位置づけられているかを示す資料が公開されました。
  • AnthropicがAIネイティブソフトウェア開発ライフサイクルのセキュリティについて解説: 自社の開発プロセスにおけるAI安全性の取り組みを公開しました。
  • GigaChat3.1-Audio-10B: ロシアのai-sageが公開したオーディオネイティブLLM。音声理解とテキスト処理を統合し、長時間音声のタイムスタンプ付き要約などが可能です。

まとめ

今日はベンチマーク、規制、実用事例、ローカルLLMと幅広い領域で注目すべき動きがありました。とくにOpus 5のARC-AGI-3スコアは、LLMの推論能力が新たな段階に入ったことを示す可能性があります。一方でキルスイッチ法案のような規制の動きも現実味を帯びてきており、技術進歩と安全性のバランスが引き続き重要な議論となるでしょう。