AIモデルの性能競争と、その“裏側”を暴くセキュリティ研究が同じ日に交差した1日でした。xAIの最新モデルが大手のトップに並ぶ性能を示した一方で、出力テキストからプロンプトを復元する手法や、隠された推論プロセスを丸ごと取り出す論文が相次いで発表されました。医療現場でのAIの限界や、資金の流れ、規制をめぐる論争も動いています。
xAIのGrok 4.6がOpenAIの最強モデルに並ぶ、価格は6割以上安く
xAIの「Grok 4.6」が、モデル評価サービスArtificial Analysisの知能指数（Intelligence Index）で61ポイントを記録し、OpenAIの「GPT-5.6 Sol」と並んだと報じられました。Anthropicの「Claude Opus 5」に次ぐ2位タイという位置づけです。
注目はエージェント型タスクでの効率です。複雑なワークフローを完了するのに必要なステップ数が約53だったのに対し、Claude Opus 5は約103ステップを要するとされ、半分以下の手数でタスクを回せる可能性を示しました。さらに価格はClaude Opus 5と比べて60%以上安いとされています。性能で最前線に追いつきつつ、コスト面で差をつけようとする動きが見えます。
プロンプトと推論を“盗まれる”リスクが2本の研究で浮上
同じ日に、プロプライエタリなLLMの“中身”を外から取り出す2つの研究が注目を集めました。
1本目は、IITボンベイとAdobe Researchのチームによるものです。LLMの出力テキストから元のプロンプトをほぼ完璧な精度で復元する「Previous-Token Prediction」という手法を発表しました。モデルの重みへのアクセスなしで、異なるモデルにもまたがって機能するとされ、システムプロンプトを秘密にしている企業にとっては深刻なセキュリティリスクになり得ると指摘されています。
2本目は「Stealing Reasoning Traces from Proprietary LLM APIs」と題した論文で、すべてのClaudeおよびGPTモデルの推論トークンを100%見られる“抜け穴”を報告しました。数学競技の問題でモデルが答えを暗記している様子が推論から観察され、公開されているベンチマークスコアが実際よりも高く見えている可能性が示唆されています。また、フロンティアモデルでも不自然な推論や過剰な思考が日常的に起きていることが分かり、この抜け穴がこれまで中国によるモデルの蒸留（知識の抽出）に利用されていた可能性も議論されたとのことです。現時点では報告の細部を独立して検証したわけではないため、留保を持って受け止める必要があります。
いずれも「ブラックボックスの内部を外から覗ける」という点で共通しており、クローズドなモデルの安全性や評価の信頼性に問いを投げかける内容です。
乳がん検出AI、放射線医の期待を下回る
医療現場でのAIの実力にも冷めた数字が出ました。米国の乳房画像専門医の学会（Society of Breast Imaging）の会員215人を対象とした調査では、約半数がFDA承認済みのAIツールを乳がん検出にすでに使っていることが分かりました。
しかし成果は期待を下回っています。再検査（リコール）の比率が下がったと答えたのは35%にとどまり、59%がそれを期待していました。「約束と現実のギャップ」が測定したすべての項目で見られたとされています。導入は進んでいるものの、現場の実感はまだ追いついていない様子がうかがえます。
Lovableが133億ドル評価額を確認、4億ドルを追加調達
ノーコードでアプリを開発できるLovableが、133億ドル（約1.9兆円）の評価額での資金調達を確認しました。調達額は4億ドルです。6月に年率5億ドルの収益ランレート（ARR）に到達した後のラウンドとされ、AIを使ったアプリ開発の需要の強さが数字に表れています。
ヒントン、李飛飛、アンドリュー・ンが「オープンであり続れる」意義を主張
Ai4カンファレンスで、Geoffrey Hinton、Fei-Fei Li、Andrew Ngの3人がAIの規制やオープンソース、中国の台頭への対応について議論しました。安全性の懸念が高まる中でも「オープンであり続れること」の意義を改めて主張したと伝えられています。規制強化と開放性のバランスをどう取るかは、引き続き業界の主要な論点になりそうです。