GPT-6 Astra、ロボティクスの空間推論ベンチで「ステップチェンジ」

The Decoderの報道によると、OpenAIのGPT-6 Astraが新しいロボティクスベンチマークで空間理解における大幅な進歩を示した。双腕ロボットを使う「StationeryBench」では100タスク中7つを完了し、競合のMolmoAct2は1つも完了できなかったという。

7%という数字だけ見れば小さく映るが、研究者はこれを空間推論における「ステップチェンジ（質的な飛躍）」と評価している。物理世界の操作タスクは、言語タスクよりも一歩先の空間把握が要求される。上位モデル同士の比較で「完了できるタスクがゼロか非ゼロか」という差が出てきたことは、ロボティクス応用への距離感が変わりつつあることを示唆している。

OpenAI「GPT-6 Astraには簡潔なプロンプトを」──長い指示と硬い承認ルールが邪魔に

同じくThe Decoderが伝えたのは、OpenAIのEric Provencher氏によるGPT-6 Astra向けのプロンプト設計上の助言だ。過度に長いスキル説明、一律のドキュメント読み込み要件、硬直的な承認ルールは、むしろモデルの邪魔になるという。

能力の高いモデルには過剰な手取り足取りが不要で、指示は特定のタスクに紐付け、タスクの完了条件を明示すべきだ、というのが趣旨だ。モデルが賢くなるほど、運用設計も「詰め込む」から「削る」方向へシフトしていく。エージェント実装者にとっては実務に直結する話だろう。

AIの「書かれた推論ステップ」は内部状態で識別できる──安全性研究に新知見

新しい研究によると、AIモデルが推論過程で出力する「計算」「式の検索」「演繹」といったステップは、モデルの内部状態──特に中間層──ではっきりと分離できることがわかった（The Decoder）。

興味深いのは安全性への含意だ。モデルは、可視化されている推論の連鎖（chain of thought）が示す以上の情報を内部で処理しているという。つまり、モデルが何を考えているかを外部から完全に把握することは、書かれた推論だけではできない。推論の透明性をめぐる議論に、内部状態の分析というアプローチを追加する研究と言える。

Tencent「AuK」──指示文1つで音声生成から編集・分離までこなす1.5B基盤モデル

Tencentの混元チームが公開した音声基盤モデル「AuK」が、ローカルLLMコミュニティで話題になっている。数百万時間規模の音声データで訓練された1.5Bのモデルで、ゼロショットTTS、参照音声なしの指示ベースTTS、話速・ピッチ・音量・感情といった音響編集、歌詞の書き換え、雑音除去、話者分離までを、すべて自然言語の指示で統一的に操作できるという。

高速推論に蒸留した「AuK-Flash」では4ステップの推論で動作する。テキストから音声を生成するだけでなく、録音済み音声の内容や音響特性を後から編集できる点が特徴で、音声ワークフローを単一モデルに統合することを狙った設計とみられる。モデルはHugging Faceで公開されている。

Claude Code v2.1.269──tee経由の権限迂回を修正、plugin evalコマンド追加

Qiitaの記事によると、Anthropicは2026年9月11日にClaude Code v2.1.269をリリースした。目玉はプラグインの品質を定量的に検証できる「claude plugin eval」コマンドの追加だが、それ以上に注目すべきは、teeコマンド経由での権限迂回──権限チェックをすり抜ける操作──に対する修正という。

エージェント型ツールでは、コマンド実行の権限管理が安全性の要になる。パイプやリダイレクトのような基本的なシェル機能を使ってチェックを迂回できる穴は、悪意ある入力だけでなく通常の運用でも意図せず踏む可能性がある。この種の修正が積み重なっていくことが、AIコーディングツールへの信頼の前提条件になるだろう。