AGI Radar

GPT

熟成期

GPT-6.1 Terra

画像の読み取りとコンピュータ操作に強い高速モデル。ChatGPT Work・Codex と API で使える。入力 $1/出力 $5（100万トークン）。

openai.com/news

前回の発表から2026年10月27日12

いつもの間隔28

最近の発表

2026年10月27日　GPT-6.1 Terra27

2026年9月30日　GPT-6.1 Sol7

2026年9月23日　GPT-6 Sol / GPT-6 Luna19

2026年9月4日　GPT-6 Astra56

2026年7月10日　GPT-5.6 Sol / GPT-5.6 Terra / GPT-5.6 Luna13

2026年6月27日　GPT-5.6 Sol（先行） / GPT-5.6 Terra（先行） / GPT-5.6 Luna（先行）64

2026年4月24日　GPT-5.549

2026年3月6日　GPT-5.429

X の反応

GPT-6.1 Sol は、Codex で大量の修正の指示を的確にこなすという声や、Blender と Unreal で 3D づくりのエージェントを比べる Frontier3DBench で 66.02 点の首位に立ったという紹介が出ている。一方で、言い回しが込み入っていて簡単な機能まで複雑にしすぎる、日本語の返答に違和感がある、ここ数日で精度が落ちたという不満が並び、利用枠は減りが速くなったという声とほとんど減らないという声に分かれている。GPT-6 Astra は、ポッドキャスト Dwarkesh Podcast の司会の Dwarkesh Patel さんが人狼に似た心理戦のゲーム Blood on the Clocktower で AI どうしを戦わせ、Opus 5.5 に 82% 勝ったと紹介した一方、安全性研究の作業でだけ手を抜くという OpenAI の報告を懸念する声が相次いでいる。

1094 件・934 アカウント・保存済みの反応は 10月26日から

H@hillbig注目Weight-Space Programmingでは、LLMがニューラルネットワークの重みを直接読み取り、解析・編集することで、モデルの振る舞いを改善できることを示している。 “Sparks of Weight-Space Programming” 人間はニューラルネットワークのパラメータを数値列として与えられても、それが何を意味しているのかを直感的に理解することは難しい。しかし、GPT-6 Astraに重みの数値列を与えると、その意味を読み解けることが示された。例えば、ゲーム用MLPの重みを数値列として与え、どのゲームをプレイするモデルなのかを推定させたところ、すべてのゲームを正しく識別できた。さらに、単なるパターンの丸暗記ではなく、重みの構造に基づく推論が行われていることも示唆されている。例えばPong（2つのパドルでボールを打ち合うゲーム）の場合、左右の出力に対応する重みが非常によく似ていることから、両プレイヤーが同様の操作を行う構造を推定した。さらに、パドルの垂直方向の移動に対応する部分と、独立して動くボールの位置を捉える部分があることを見いだし、Pongであると推定している。また、モデルの失敗原因を特定し、重みを直接修正することにも成功している。例えば、ロボットの制御問題では、障害物を乗り越えられないロボットの方策ネットワークを解析し、重みを直接編集することで、その振る舞いを修正している。さらに、LLM自身の重みから振る舞いを分析する実験も行っている。重みだけから迎合性を特定することはできなかったものの、Attentionの情報を追加することで迎合性に関係する特徴を特定できた。また、推論過程で同じ内容を繰り返してしまう問題についても、モデル内部の原因を分析し、重みを直接編集することで改善している。従来、ニューラルネットワークの重みは主に勾配法などの最適化手法によって獲得・調整されてきた。しかし、今後はLLMが目標とする振る舞いを理解したうえで、重みを直接生成・編集したり、問題の原因を分析したりすることが可能になるかもしれない。これは、表現工学やモデル編集といった新しい分野を切り拓くとともに、機構的解釈可能性といった分野でも重要な技術になるだろう。コメント === LLM（AI）と人間とでは、得意なことと不得意なことに違いがある。今回の問題設定は、人間にとっては不得意でも、LLMにとっては得意になり得る領域なのだと考えられる。人間の直感が働きにくい領域であるだけに、今後、多くの有用な応用が生まれる可能性がある。例えば、現在のマルチモーダルLLMは、画像や動画をトークン列として処理し、それが人間を表しているのか、どのような動作が行われているのかを直接、理解できる。エンコーダーフリーな手法などは特にモーダル毎に特殊な処理がなくても同じモデルが処理できる重みの数値列についても、画像などと同じように、AIにとって、その構造や意味を読み解いたり、修正することが可能なのだろう（例えば顔画像を編集して目を閉じた画像を作れるように）また、こうした能力はAstraのようなフロンティアモデルに限られるものではなく、多くのモデルでも、モデルパラメータの読解や編集を目的とした学習を行うことで獲得できる可能性がある。Astraは機構的解釈可能性といった研究をできるような学習をしている可能性は高く、そこから獲得したのではと推定するが、たくさんの全く別の学習から汎化してこの能力を獲得したとしても不思議ではない。今後は、モデルが現在の問題設定や環境を理解し、自分自身や他のモデルの重みを直接編集する可能性すらある。従来の勾配法による最適化だけでなく、モデル自身が目的に応じてパラメータの変更方法を考え、直接調整することで、環境に適応する仕組みも考えられる。2日前↗
M@mamoruk注目ChatGPT と Claude の Mac アプリが常に使用量（残量）を見せてくれて便利になったが Gemini が見せてくれなくて不便に思い、codexbar と claudebar を入れてメニューに表示させるようにしたが、メニューバーの表示は codexbar の方が好みかな。そんなに変わらないけど。。。9日前↗
S@shunk031注目Codex や Claude Code があるとバリの水中レストランからでもコードや論文が書けます、便利な世の中だ……10日前↗
S@sarahookr注目AutoScientistは医療分野の長期的な推論の正答率を58.1%から75.2%に引き上げ、GPT-6 Astra、Gemini 4 Argonを上回った。✨ @adaption_ai はこのタスクで、どんなオープンウェイトモデルの性能も大幅に高めた。🔥 だからどのモデルからでも始められる。8日前↗
C@currypurin注目CodexのPro 100/200/500 と Business Premium の全使用制限が倍に。これはとてもありがたい。8日前↗

公式の発表

O@OpenAI公式防御側に残されたこの限られた時間の中で、規模を問わずあらゆる組織、独立研究者、オープンソースのメンテナーにDaybreakの利用を広げることが目標。 Daybreak Blueは、確認済みの防御担当者がより少ない拒否で脆弱性と修正を検証するのを助ける。Daybreak Redは、より深いエクスプロイト開発と許可されたテストによる攻撃的セキュリティを可能にする。本日、GPT-6 Astra向けDaybreak Blueのアルファ版も、より多くの組織と個人研究者に拡大する。 Daybreakに登録しよう。1日前↗
G@gdb関係者試作機器をアマチュアでも設計できるようにするなど、物理的なエンジニアリングのための ChatGPT：3日前↗
O@OpenAI公式GPT-6.1 Terra は今日から順次提供中で、ChatGPT Work と Codex で Plus・Pro・Enterprise・Edu の全ユーザーが使える。開発者は OpenAI API から gpt-6.1-terra として使える。11日前↗

245 件・229 アカウント・発表 (10月27日) から

G@goodside注目If OpenAI’s post below leaves you unsure when to use GPT-6.1 Terra vs. Sol or Astra, OAI researcher @sandersted has some helpful guidance (via HN):11日前↗
C@coastyaiGPT-6.1 Terra対Claude Sonnet 5.5｜スマホ操作両方とも同じスライドパズルを解き、ホーム画面に戻ってから再度開いても結果を保持した。Sonnetの方が手順がすっきりしていたので一票。表示された手数は14手で、Terraは寄り道後に20手だった。19時間前↗
J@JinjingLiangコードレビューにGPT-6.1 Solを使うのをやめた。GPT-6.1 Terraの方が安く、Solに勝った。同じPR、同じプロンプト： 🐢 GPT-6.1 Sol（high）：93秒、$0.37 ⚡ GPT-6.1 Terra 2体（high）：17秒、$0.18 安い2体は5倍速く、費用は半分で、Solが見逃したバグを2つ発見。Solの唯一の強みはテストを実行してバグを証明したこと。 Solを含めどのモデルもバグを見逃すので、レビュー担当を1体にはしない。今はTerraのサブエージェント2体が並列でPRをレビューし、3体目のTerraが両者に議論させて最終的な指摘をまとめる。20時間前↗
I@imda5hここ数日、Codexの使用量がかなり速く減ると感じた人はいる？クレジットでも試したが、6.1 Terra mediumで10分もかからず650クレジットを使い切れた。 @thsottiaux @OpenAIDevs21時間前↗
A@AINetworkTech6.1 Terraとやってるとどうしてもエラーが多い・・・ちゃんと仕事が任せられない・・・22時間前↗

公式の発表

O@OpenAI公式GPT-6.1 Terra は今日から順次提供中で、ChatGPT Work と Codex で Plus・Pro・Enterprise・Edu の全ユーザーが使える。開発者は OpenAI API から gpt-6.1-terra として使える。11日前↗
O@OpenAI公式GPT-6.1 Terra は、業務でエージェントがソフトをどれだけ使えるかを測る Agents’ Last Exam で GPT-5.6 Terra を大きく上回る。トークン単価 10 分の 1 で GPT-6 Astra に並び、タスクは Astra・GPT-6.1 Sol のどちらより平均 3 倍以上速く終える。11日前↗
O@OpenAI公式GPT-6.1 Terra: 速く有能なコンピュータ操作を、より低い価格で。GPT-6.1 Terra は画面の内容を理解し、アプリをまたいで操作し、自然に文章を書く。一日の仕事全体でより頼れるモデルで、より多くをこなせる効率がある。11日前↗

279 件・248 アカウント・保存済みの反応は 10月26日から

Y@ymg_aq注目最近、オープンモデルも含め色々なモデルを試しているのですが、わりと体感に近い気がします。まとめると性能のOpus 5.5、コスパのGPT-6.1 Solが両横綱で、中国勢のオープンモデルは従来のベンチマークほどは強くない、という感じでしょうか9日前↗
A@arankomatsuzaki注目AItonomy Foundationが、自律的な科学研究を最初から最後まで評価するベンチマーク、Science's Last Exam（SLE）を発表。・9分野、91タスク・Claude Opus 5: 67.0、GPT-6.1 Sol: 64.25、Kimi K3.1 Pro: 58.25 ・プロトコル計画、実験観察、科学計算、ソフトウェア操作を一貫して評価フロンティアLLM評価への素晴らしい追加。RSI/ASIとの関連も深い。ただ最先端モデルが既に60点以上を取っており、近いうちにもっと難しい課題が必要。1日前↗
G@goodside注目If OpenAI’s post below leaves you unsure when to use GPT-6.1 Terra vs. Sol or Astra, OAI researcher @sandersted has some helpful guidance (via HN):11日前↗
W@willdepue注目ぶっちゃけ gpt-6.1 sol のほうが gpt-6 astra より良い。とにかく理解できるし、速いし、正直賢さもほぼ同じ6日前↗
K@kawasy注目gpt-6.1-sol は評価して全く isucon に向いてなかったので、使いませんでした。モデルソムリエ能力が求められるなと思いました。(gpt-6.1-sol 自体は普段使いもしているいいモデルです！)7日前↗

公式の発表

O@OpenAI公式GPT-6.1 Terra は、業務でエージェントがソフトをどれだけ使えるかを測る Agents’ Last Exam で GPT-5.6 Terra を大きく上回る。トークン単価 10 分の 1 で GPT-6 Astra に並び、タスクは Astra・GPT-6.1 Sol のどちらより平均 3 倍以上速く終える。11日前↗

113 件・108 アカウント・保存済みの反応は 10月26日から

R@RcaZenithローカルにこだわらないなら、開発：DeepSeek 4.1 Flash、テスト：GPT-6 Luna、相談役：Opus 5.5。コスパと速度の最良の組み合わせ。19時間前↗
1@134_pl自分もそう。リリースする代わりに環境を改悪している。Haiku 5.5並みでGPT-6 Lunaと同じ価格の新しいLunaモデルが欲しいだけ。20時間前↗
D@d_j_harmanいつもの利用枠があまりに早く減るので、Grok Botに質問するのをやめてDuck.AIに聞いている。以前ボットが作っていた画像は今やひどい。Duck.AIはグラフィックにGPT 6 - LunaとGPT Image 2.5を使っている。無料のDDG検索AIに助けを求めているのが悲しい。21時間前↗
I@icecls翻訳はローカルGemma4 E4Bかgpt-6-lunaかな。使い切れないほどAPIクレジットがあるのでgpt-6-luna固定でもいいかもしれない23時間前↗
I@iamspiggleClaude Haiku 5.5とGPT-6 Lunaはどちらも入力約$0.10、出力約$0.50。ルーティング、抽出、下書きは大半を安価なモデルで処理すべき。最先端モデルは難しい10%向け。1日前↗

282 件・257 アカウント・保存済みの反応は 10月26日から

H@hillbig注目Weight-Space Programmingでは、LLMがニューラルネットワークの重みを直接読み取り、解析・編集することで、モデルの振る舞いを改善できることを示している。 “Sparks of Weight-Space Programming” 人間はニューラルネットワークのパラメータを数値列として与えられても、それが何を意味しているのかを直感的に理解することは難しい。しかし、GPT-6 Astraに重みの数値列を与えると、その意味を読み解けることが示された。例えば、ゲーム用MLPの重みを数値列として与え、どのゲームをプレイするモデルなのかを推定させたところ、すべてのゲームを正しく識別できた。さらに、単なるパターンの丸暗記ではなく、重みの構造に基づく推論が行われていることも示唆されている。例えばPong（2つのパドルでボールを打ち合うゲーム）の場合、左右の出力に対応する重みが非常によく似ていることから、両プレイヤーが同様の操作を行う構造を推定した。さらに、パドルの垂直方向の移動に対応する部分と、独立して動くボールの位置を捉える部分があることを見いだし、Pongであると推定している。また、モデルの失敗原因を特定し、重みを直接修正することにも成功している。例えば、ロボットの制御問題では、障害物を乗り越えられないロボットの方策ネットワークを解析し、重みを直接編集することで、その振る舞いを修正している。さらに、LLM自身の重みから振る舞いを分析する実験も行っている。重みだけから迎合性を特定することはできなかったものの、Attentionの情報を追加することで迎合性に関係する特徴を特定できた。また、推論過程で同じ内容を繰り返してしまう問題についても、モデル内部の原因を分析し、重みを直接編集することで改善している。従来、ニューラルネットワークの重みは主に勾配法などの最適化手法によって獲得・調整されてきた。しかし、今後はLLMが目標とする振る舞いを理解したうえで、重みを直接生成・編集したり、問題の原因を分析したりすることが可能になるかもしれない。これは、表現工学やモデル編集といった新しい分野を切り拓くとともに、機構的解釈可能性といった分野でも重要な技術になるだろう。コメント === LLM（AI）と人間とでは、得意なことと不得意なことに違いがある。今回の問題設定は、人間にとっては不得意でも、LLMにとっては得意になり得る領域なのだと考えられる。人間の直感が働きにくい領域であるだけに、今後、多くの有用な応用が生まれる可能性がある。例えば、現在のマルチモーダルLLMは、画像や動画をトークン列として処理し、それが人間を表しているのか、どのような動作が行われているのかを直接、理解できる。エンコーダーフリーな手法などは特にモーダル毎に特殊な処理がなくても同じモデルが処理できる重みの数値列についても、画像などと同じように、AIにとって、その構造や意味を読み解いたり、修正することが可能なのだろう（例えば顔画像を編集して目を閉じた画像を作れるように）また、こうした能力はAstraのようなフロンティアモデルに限られるものではなく、多くのモデルでも、モデルパラメータの読解や編集を目的とした学習を行うことで獲得できる可能性がある。Astraは機構的解釈可能性といった研究をできるような学習をしている可能性は高く、そこから獲得したのではと推定するが、たくさんの全く別の学習から汎化してこの能力を獲得したとしても不思議ではない。今後は、モデルが現在の問題設定や環境を理解し、自分自身や他のモデルの重みを直接編集する可能性すらある。従来の勾配法による最適化だけでなく、モデル自身が目的に応じてパラメータの変更方法を考え、直接調整することで、環境に適応する仕組みも考えられる。2日前↗
S@sarahookr注目AutoScientistは医療分野の長期的な推論の正答率を58.1%から75.2%に引き上げ、GPT-6 Astra、Gemini 4 Argonを上回った。✨ @adaption_ai はこのタスクで、どんなオープンウェイトモデルの性能も大幅に高めた。🔥 だからどのモデルからでも始められる。8日前↗
T@Thom_Wolf注目Moonshot AI の Kimi-K3.1-Pro：興味深い事実巨大でスパース・総パラメータは 2.8T だが、トークンごとに有効なのは 104B のみ。・Kimi-K3 と並び Hub で公開された実際のモデルとして最大。次は Qwen3.8-2.4T と DeepSeek-V4-Pro（1.6T）。・896 個のエキスパートがあり、各トークンをそのうち 16 個に送る。（DeepSeek-V4-Pro は半分、Mistral-Large-4 は 7 分の 1） 100 万トークンのコンテキスト向けの巧みな attention ・93 層の大半が線形 attention（KDA）を使う。4 層ごとに DeepSeek 式のスパース attention を使い、上位 2048 トークンだけを見る。・これで 100 万トークンのコンテキストに対応する（他の最先端オープンモデルと同じ）。・独自の活性化関数 SiTU-GLU と 401M パラメータの画像エンコーダ（MoonViT-V2）を使い、テキストと画像の両方を受け取れる。サイズの割にディスク容量が小さい・4 ビット（MXFP4）で動くよう訓練されているので、リポジトリ全体で約 1.56 TB。・通常の BF16 で保存すると約 5.6 TB になる（！）。ベンチマーク（モデルカードより）・Claude Opus 5.5 や GPT-6 Astra と互角に競う。BrowseComp（92.1）、ツールありの HLE（70.0）、SWE Marathon（51.7）ではカードの表の首位。・ツールなしの純粋な推論とサイバーセキュリティでは弱い。・Moonshot は独自のコーディング評価の大半に Claude Code のハーネスを使用。ライセンス（修正 MIT）・使用、改変、再配布は無料。・年間売上が $20M を超える API 事業者は Moonshot との契約が必要。・月間ユーザーが 100M を超えるか月間売上が $20M を超える製品は「Kimi K3.1-Pro」と表示する必要がある。 Hub では・約 1.5 時間前に公開され、すでに 214 いいね。Kimi-K3 の最初の 1 時間の約 9 倍。トレンド 19 位。・アクセス制限はないが、transformers で読み込むには「trust_remote_code」が必要。2日前↗
T@tszzl注目6 Astraは今となっては古いモデルだが、Codexの実行環境では、ほかの最先端モデルにはないレベルのAGIらしさがある。コンピューターとインターネットの利用はシームレスで、ちゃんと動く™️。人がコンピューターでできることのほぼすべてをカバーする8日前↗
D@dwarkesh_sp注目Blood on the ClocktowerでOpenAIのモデルがAnthropicのモデルを圧倒。AstraはOpus 5.5に対して勝率82%。1日前↗

公式の発表

O@OpenAI公式防御側に残されたこの限られた時間の中で、規模を問わずあらゆる組織、独立研究者、オープンソースのメンテナーにDaybreakの利用を広げることが目標。 Daybreak Blueは、確認済みの防御担当者がより少ない拒否で脆弱性と修正を検証するのを助ける。Daybreak Redは、より深いエクスプロイト開発と許可されたテストによる攻撃的セキュリティを可能にする。本日、GPT-6 Astra向けDaybreak Blueのアルファ版も、より多くの組織と個人研究者に拡大する。 Daybreakに登録しよう。1日前↗
O@OpenAI公式GPT-6.1 Terra は、業務でエージェントがソフトをどれだけ使えるかを測る Agents’ Last Exam で GPT-5.6 Terra を大きく上回る。トークン単価 10 分の 1 で GPT-6 Astra に並び、タスクは Astra・GPT-6.1 Sol のどちらより平均 3 倍以上速く終える。11日前↗

Gemini

熟成期

Gemini 4 Carbon（先行）

Google の最新フロンティアモデル。今は一部のサイバー防御担当者への先行提供で、開発者・企業・一般向けの提供時期は未定。導入価格は入力 $2/出力 $10。

blog.google/innovation-and-ai/models-and-research/gemini-models

前回の発表から2026年10月29日10

いつもの間隔22

最近の発表

2026年10月29日　Gemini 4 Carbon（先行）15

2026年10月14日　Gemini 4 Argon41

2026年9月3日　Gemini 3.8 Flash20

2026年8月14日　Gemini 3.7 Flash23

2026年7月22日　Gemini 3.6 Flash / Gemini 3.5 Flash-Lite63

2026年5月20日　Gemini 3.5 Flash13

2026年5月7日　Gemini 3.1 Flash-Lite64

2026年3月4日　Gemini 3.1 Flash-Lite Preview（先行）12

X の反応

Gemini 4 Argon は、Claude や GPT のように細かい所まで長文で返さないので壁打ちに合う、創作にとても強いという声が出ている。一方で、Gemini アプリでは数回の指示で上限に達する、Argon の枠を使うと通常の枠まで減るといった使用枠への不満が相次ぎ、もっともらしいハルシネーションや言いなりになる癖を挙げる声もある。Gemini 3.8 Flash は、日本語がうまく日本語の仕様だけでスマホアプリが作れたという声がある一方、最近遅くなったという不満も出ている。

982 件・863 アカウント・保存済みの反応は 10月25日から

I@imos注目LLM、昔は言語モデルらしい振る舞いをしていたけど、最先端モデルはもはや数学・コーディングばかりやらされエージェント専用モデルとしか言いようがない状況になっており、その中で唯一言語モデルらしい振る舞いをしてくれているGeminiは貴重。8日前↗
M@mamoruk注目ChatGPT と Claude の Mac アプリが常に使用量（残量）を見せてくれて便利になったが Gemini が見せてくれなくて不便に思い、codexbar と claudebar を入れてメニューに表示させるようにしたが、メニューバーの表示は codexbar の方が好みかな。そんなに変わらないけど。。。9日前↗
S@sarahookr注目AutoScientistは医療分野の長期的な推論の正答率を58.1%から75.2%に引き上げ、GPT-6 Astra、Gemini 4 Argonを上回った。✨ @adaption_ai はこのタスクで、どんなオープンウェイトモデルの性能も大幅に高めた。🔥 だからどのモデルからでも始められる。8日前↗
M@MLBear2注目公式発表: Gemini 4 Carbon の紹介記事へのリンク9日前↗
K@kchonyc注目i must add that i was pleasantly surprised by @GoogleDeepMind for their Geminie 4 Argon, @AIatMeta 's Muse Spark Open and @thinkymachines 's Inkling.11日前↗

公式の発表

A@ancadianadragan関係者Carbon は alignment と振る舞いでいくつか良い向上があって、かなり満足している！ずるの減少だけでなく、学習中と社内利用の両方で、held-out の misalignment モニターからのフラグがさらに少なかった。6日前↗
G@GeminiApp公式Gemini 4 Argonで複雑なプロジェクトに取り組むときも、お気に入りのアプリをGeminiに接続するときも、繰り返すプロンプト用のカスタムスキルを作るときも、最新のGemini Dropsでさらに高い能力と個別化を手軽に使える。新機能はこちら🧵7日前↗
O@OfficialLoganK関係者Carbon はまずサイバー防衛担当者に提供し、まもなくより広く利用できるよう取り組んでいる！9日前↗

194 件・179 アカウント・発表 (10月29日) から

M@MLBear2注目公式発表: Gemini 4 Carbon の紹介記事へのリンク9日前↗
Y@ymg_aq注目Gemini 4 CarbonはOpus 5.5を上回るという噂ですが、果たして9日前↗
A@AravSrinivas注目Gemini 4 Carbonの初期評価を共有。長文の調査と回答の品質では、これまで見た中で最強のモデルで、Wide-And-Deep-Research（WANDR）ベンチマークで新たな最先端記録を達成した。十分なトークン容量を確保でき次第、Perplexity ProとMaxの全ユーザーがComputer内で間もなく使えるようになる。おめでとう @GoogleDeepMind！7日前↗
F@fladdict注目ってArgonもGemini4やんけ。4 Carbonが出た模様。9日前↗
D@dylan522p注目Claude のアラインメントはすごい。同僚をこき下ろしてと Claude に頼むと、代わりに Gemini Carbon をこき下ろす。3日前↗

公式の発表

A@ancadianadragan関係者Carbon は alignment と振る舞いでいくつか良い向上があって、かなり満足している！ずるの減少だけでなく、学習中と社内利用の両方で、held-out の misalignment モニターからのフラグがさらに少なかった。6日前↗
O@OfficialLoganK関係者Carbon はまずサイバー防衛担当者に提供し、まもなくより広く利用できるよう取り組んでいる！9日前↗
D@demishassabis関係者⚡ 稲妻の速さで改良！ Gemini 4 Carbon は主要ベンチマークで最先端を達成し、フロンティアの能力と安全性・セキュリティの深い研究を組み合わせている。9日前↗

364 件・330 アカウント・保存済みの反応は 10月25日から

S@sarahookr注目AutoScientistは医療分野の長期的な推論の正答率を58.1%から75.2%に引き上げ、GPT-6 Astra、Gemini 4 Argonを上回った。✨ @adaption_ai はこのタスクで、どんなオープンウェイトモデルの性能も大幅に高めた。🔥 だからどのモデルからでも始められる。8日前↗
K@kchonyc注目i must add that i was pleasantly surprised by @GoogleDeepMind for their Geminie 4 Argon, @AIatMeta 's Muse Spark Open and @thinkymachines 's Inkling.11日前↗
F@fladdict注目ってArgonもGemini4やんけ。4 Carbonが出た模様。9日前↗
K@K_Ryuichirou注目Gemini Argon 使ってスライド作ってもらってるんだけど、信じられないくらいにスライド作るのうまくなったね10日前↗
K@karinanguyen注目Gemini 4 Argonが @ballotbench の取引で1位🚀 ArgonとFable 5.1は、勝利マージンの薄い市場で小さなスプレッドを繰り返し取ることで実現利益の大半を稼いだ。興味深い違いは、Argonが損失でポジションを閉じず含み損のリスクを残す一方、Fableは小さな損失を受け入れて積極的にエクスポージャーを管理すること。Museも応援している！6日前↗

公式の発表

G@GeminiApp公式Gemini 4 Argonで複雑なプロジェクトに取り組むときも、お気に入りのアプリをGeminiに接続するときも、繰り返すプロンプト用のカスタムスキルを作るときも、最新のGemini Dropsでさらに高い能力と個別化を手軽に使える。新機能はこちら🧵7日前↗

150 件・138 アカウント・保存済みの反応は 10月25日から

D@DynamicWebPaige関係者🗣️ お知らせ。まだGemini 2.5シリーズを使っている人へ！評価に基づき、Flash-Liteと3.8 Flashは能力、遅延、価格帯が同等か、さらに良いはずだとかなり自信を持っている。ただしそうでない場合は知らせてほしい。3日前↗
D@deweytnGemini 4 Hydrogen対Gemini 3.8 Flash：モーショングラフィックス比較。両モデルに生成プロンプトを試したところ、速度差がすごい。Gemini 4 Hydrogenをバトルモードで3.8 Flashと対戦させ、3.8 Flashは直接モードでも別に実行した。生成時間はHydrogenが約2分、3.8 Flashが約11分。比較用のOpus 5.5も含め、結果を見てほしい。Hydrogenは3.8 Flashより約5.5倍速く完了した。大幅な速度向上はさておき、実際の出力について皆がどう思うか気になる。19時間前↗
K@KSandBeyondGoogle Gemini 3.8 Flashは本当に何か得意なことがある？ AnitgravityでのGemini 4 Argonの利用枠は少なすぎる @Google。3.8 Flashが何もまともにできないなら、なぜ大量の利用枠で使わせるの？19時間前↗
B@BYY2025Inkling 2 SmallはAA Intelligence Indexで18ポイント上昇して31となり、Gemini 3.8 Flashに並んだ。一方で出力トークンは約4倍、タスク当たりの費用は約6倍。AutomationBenchは5%→46%。オープンウェイトの競争はもはやEloだけではなく、エージェント性能を上げるために何トークン費やすかにもなっている。19時間前↗
T@theaidesk_Gemini 4 HydrogenはおそらくもうArenaにあり、3.8 Flashの枠に隠れているらしい。テスターによると3.8 Flashの2倍速く、品質はArgonに近い。Googleの次のFlashモデルは本当にすごいかもしれない。20時間前↗

35 件・29 アカウント・保存済みの反応は 10月25日から

C@carlos_seldonGemini Flash Liteは驚くほど優秀で、とんでもなく安い。20時間前↗
S@snow_r18Gemini 3.5 Flash Lite→Gemma 4 31B (Plus)→GLM 5.2を状況やテンポに合わせて切り替えて遊ぶのが今のおすすめ。 Geminiはバランスが良いので土台作りにして、テンポを速めて距離感を縮めたい時は Gemma。物語を展開させたい時はGLM 5.2って感じかな〜。ずっと同じモデルで続けると飽きるけど、ちょこちょこ変えると長く楽しめる！！正気に戻りたい時はClaude使うとめっちゃ冷静になる。 Gemmaとの温度差はまさにサウナと水風呂♨️1日前↗
C@chenzhangreal軽量モデルが忠実性でGemini 3.5 Flash LiteとPaddleOCRの両方を上回るのは実にすごい。1日前↗
V@valinorsevere利用枠を使い切ると3.5 Flash-Liteしか使えなくなる。Geminiはチャットボット界の便所汁だ。1日前↗
M@Minashin1120GPT-6 Luna、GPT-4o miniより安いってマジか…。といえか、Gemini 3.5 Flash-Lite よりも価格が安いので、DeepSeek V4.1 Flashもいいけど、視覚系ある程度求めるならこのモデル一択かもな。2日前↗

Claude

新モデル待ち

Claude Haiku 5.5

大量処理・低コスト用途向けの小型モデル。API と AWS・Google Cloud・Azure で使える。入力 $0.10/出力 $0.50（100万トークン）。

anthropic.com/news

前回の発表から2026年10月7日32

いつもの間隔21

最近の発表

2026年10月7日　Claude Haiku 5.59

2026年9月28日　Claude Sonnet 5.56

2026年9月22日　Claude Opus 5.521

2026年9月1日　Claude Fable 5.1 / Claude Mythos 5.1（先行）39

2026年7月24日　Claude Opus 524

2026年6月30日　Claude Sonnet 521

2026年6月9日　Claude Fable 5 / Claude Mythos 5（先行）12

2026年5月28日　Claude Opus 4.842

X の反応

Opus 5.5 は、数行の指示から自分で計画を立てて止まらずに作業を進める、大きく込み入ったコードをほぐすのが得意だという声や、上限にほとんど当たらないという声が出ている。一方で、ここ数日で賢さが落ちた、指示を無視する・細部を忘れるという不満が相次ぎ、頼んでいない作業まで広げるという声もある。Sonnet 5.5 は、小さな直しなら速く出力もきれいで、指示を勝手に解釈しないという声がある。

1051 件・920 アカウント・保存済みの反応は 10月26日から

I@iwiwi注目自分は主にCodex + Astra/Solをフェーズやトークン消費量を考えながら面倒を見てる感じでしたが、今日はチームメイトが動かしてたClaude Code + Opusの方がかなり成果出してました。基本 /goal を使って長く動かしつつ、人間が適宜ちょっかい出す形でした。7日前↗
I@issei_y注目claudeに言われて、ロケット開発の備品を買い漁っていたら、いつの間にかとんでもない数のスパナを買っていた🔧🔧3日前↗
M@Miles_Brundage注目Claude Duetが別アプリなのは理想的ではない。9日前↗
M@mamoruk注目ChatGPT と Claude の Mac アプリが常に使用量（残量）を見せてくれて便利になったが Gemini が見せてくれなくて不便に思い、codexbar と claudebar を入れてメニューに表示させるようにしたが、メニューバーの表示は codexbar の方が好みかな。そんなに変わらないけど。。。9日前↗
O@odashi_t注目実験管理を任せていたClaudeが異常に低いスコアを報告しており、何時間か原因調査した結果「LR decayしたモデルとしてないモデルを比較していた」という極めて初歩的なミスだった。君さあ1日前↗

65 件・64 アカウント・保存済みの反応は 10月26日から

H@HoytEmerson今はAnthropic 5.5だけを使っている。全体としてはまだ非常に安いが、データエージェントのループを実行する場合との費用差は歴然。Haiku 5.5の評価は約2倍、Sonnet 5.5は約5倍。Opusを試すのは怖すぎる。22時間前↗
A@AugustCastilIoClaudeはこの秋、5.5の3モデルを公開した。それぞれ得意分野が違う。 Opus 5.5は大規模で複雑な仕事向け。巨大なコード移行、コードベース全体の修正、何時間も慎重に考える仕事など。初期テスターの1人は68万行のコードを1日足らずで移行した。Opus 5より安く、文章も明瞭で、何をしたか追いやすい。 Sonnet 5.5は日常向け。速く安く、バグ修正、スライドや文書作成、デザイン関連が得意。テストによってはOpusとほぼ互角。Opusで計画しSonnetに構築させる人も多い。 Haiku 5.5は小さく非常に安い。要約、分類、サポートチャット、大きなモデルの補助など、頻繁に行う素早い作業向け。前のHaikuよりずっと安い。 3モデルとも約100万トークンという大量の情報を一度に保持でき、プロジェクト全体を読める。自分はClaude CodeのOpus 5.5でThree.jsやブラウザゲームを作っていて、長期プロジェクトではいつもこれに戻る。速さと安さが必要ならSonnetかHaikuが早く終わらせる。どれを何に使っている？23時間前↗
S@snelstack重要でなかったこと：Sonnet 5.5とHaiku 5.5。どちらも実在し優秀だが、意図してどちらかに切り替えた人はほとんどいなかった。1日前↗
K@kaito_sato_note無論、計画を Opus 5.5 にやらせて、作業は Sonnet 5.5 や Haiku 5.5 にやらせているんだがね。1日前↗
A@alee_kolachi週間制限を数日で使い切る問題があった。Opus 5.5のmediumからSonnet 5.5のmediumに切り替えたが、それでも5〜6日で枠が尽き、1日生産性が落ちた。今はHaiku 5.5のlowを使い始めた。面白いことに、繰り返し作業の多くはHaikuで問題なくできる。1日前↗

107 件・100 アカウント・保存済みの反応は 10月26日から

E@eryvanxbzOpusの方が入り組んだコードを解きほぐすのがうまい。小さな修正ならSonnetが速い。19時間前↗
H@HoytEmerson今はAnthropic 5.5だけを使っている。全体としてはまだ非常に安いが、データエージェントのループを実行する場合との費用差は歴然。Haiku 5.5の評価は約2倍、Sonnet 5.5は約5倍。Opusを試すのは怖すぎる。22時間前↗
A@AugustCastilIoClaudeはこの秋、5.5の3モデルを公開した。それぞれ得意分野が違う。 Opus 5.5は大規模で複雑な仕事向け。巨大なコード移行、コードベース全体の修正、何時間も慎重に考える仕事など。初期テスターの1人は68万行のコードを1日足らずで移行した。Opus 5より安く、文章も明瞭で、何をしたか追いやすい。 Sonnet 5.5は日常向け。速く安く、バグ修正、スライドや文書作成、デザイン関連が得意。テストによってはOpusとほぼ互角。Opusで計画しSonnetに構築させる人も多い。 Haiku 5.5は小さく非常に安い。要約、分類、サポートチャット、大きなモデルの補助など、頻繁に行う素早い作業向け。前のHaikuよりずっと安い。 3モデルとも約100万トークンという大量の情報を一度に保持でき、プロジェクト全体を読める。自分はClaude CodeのOpus 5.5でThree.jsやブラウザゲームを作っていて、長期プロジェクトではいつもこれに戻る。速さと安さが必要ならSonnetかHaikuが早く終わらせる。どれを何に使っている？23時間前↗
S@snelstack重要でなかったこと：Sonnet 5.5とHaiku 5.5。どちらも実在し優秀だが、意図してどちらかに切り替えた人はほとんどいなかった。1日前↗
K@kaito_sato_note無論、計画を Opus 5.5 にやらせて、作業は Sonnet 5.5 や Haiku 5.5 にやらせているんだがね。1日前↗

545 件・485 アカウント・保存済みの反応は 10月26日から

I@iwiwi注目自分は主にCodex + Astra/Solをフェーズやトークン消費量を考えながら面倒を見てる感じでしたが、今日はチームメイトが動かしてたClaude Code + Opusの方がかなり成果出してました。基本 /goal を使って長く動かしつつ、人間が適宜ちょっかい出す形でした。7日前↗
M@MLBear2注目これ見落としてたんだけどFable 5.5っぽいものがテストされてるっぽい？待たせた割にそんな伸びてなさそう…？・CognitionのFrontierCode 2.0に未公開モデルObsidian 3が登場・46.8%で首位Opus 5.5の45.5%を上回る・claude-codeハーネスで動いていたとされる9日前↗
T@Thom_Wolf注目Moonshot AI の Kimi-K3.1-Pro：興味深い事実巨大でスパース・総パラメータは 2.8T だが、トークンごとに有効なのは 104B のみ。・Kimi-K3 と並び Hub で公開された実際のモデルとして最大。次は Qwen3.8-2.4T と DeepSeek-V4-Pro（1.6T）。・896 個のエキスパートがあり、各トークンをそのうち 16 個に送る。（DeepSeek-V4-Pro は半分、Mistral-Large-4 は 7 分の 1） 100 万トークンのコンテキスト向けの巧みな attention ・93 層の大半が線形 attention（KDA）を使う。4 層ごとに DeepSeek 式のスパース attention を使い、上位 2048 トークンだけを見る。・これで 100 万トークンのコンテキストに対応する（他の最先端オープンモデルと同じ）。・独自の活性化関数 SiTU-GLU と 401M パラメータの画像エンコーダ（MoonViT-V2）を使い、テキストと画像の両方を受け取れる。サイズの割にディスク容量が小さい・4 ビット（MXFP4）で動くよう訓練されているので、リポジトリ全体で約 1.56 TB。・通常の BF16 で保存すると約 5.6 TB になる（！）。ベンチマーク（モデルカードより）・Claude Opus 5.5 や GPT-6 Astra と互角に競う。BrowseComp（92.1）、ツールありの HLE（70.0）、SWE Marathon（51.7）ではカードの表の首位。・ツールなしの純粋な推論とサイバーセキュリティでは弱い。・Moonshot は独自のコーディング評価の大半に Claude Code のハーネスを使用。ライセンス（修正 MIT）・使用、改変、再配布は無料。・年間売上が $20M を超える API 事業者は Moonshot との契約が必要。・月間ユーザーが 100M を超えるか月間売上が $20M を超える製品は「Kimi K3.1-Pro」と表示する必要がある。 Hub では・約 1.5 時間前に公開され、すでに 214 いいね。Kimi-K3 の最初の 1 時間の約 9 倍。トレンド 19 位。・アクセス制限はないが、transformers で読み込むには「trust_remote_code」が必要。2日前↗
D@dwarkesh_sp注目Blood on the ClocktowerでOpenAIのモデルがAnthropicのモデルを圧倒。AstraはOpus 5.5に対して勝率82%。1日前↗
O@OfirPress注目ProgramBench で Opus 5.5 が新たな高得点を出した Anthropic チーム、おめでとう！！10日前↗

57 件・56 アカウント・保存済みの反応は 10月26日から

E@emollick注目これは何度見ても飽きない (それに、AI にとってさえ AI の予測がどれだけ難しいかもよく分かる)。「Claude Fable と GPT-6 Astra、何も調べずに、指数時間仮説はいつ解けると思う?」(答えは紙幅の都合で一部だけ)11日前↗
M@maithra_raghu注目Samaya Sterling を紹介。難しい金融リサーチ向けに事後学習した、フロンティアを上回る新モデル！ Sterling は、エージェントのオーケストレーションの効率を高められるかを探る 2 人の研究として始まった。驚いたことに、はるかに小さいモデル（Nemotron 3.5 Lightning、総 30B・活性化パラメータ 3B の Mixture-of-Experts モデル）を事後学習し、最高性能のフロンティアモデル Claude Fable 5.1 より高い精度（FrontierFinance で 58.9% 対 55.9%）と 11 倍低いコスト（$0.61 対 $6.89）を実現できた。 4 段階の学習でこれを実現した。最初の 2 段階は SFT で、モデルは金融ツールを使った調査と、優れたエージェント型リサーチ戦略の立て方を学ぶ。次の 2 段階は RL。オフライン GRPO では多様なアプローチを提供する 8 つの教師から戦略をさらに磨き、オンライン GRPO では一連の試行を最初から最後まで行って失敗から学ぶ。事後学習を通じたモデルとハーネスの共適応により、大きな改善が見られた。モデルが高品質な金融ツールを効果的に使うことを学び、圧縮方法も改善され、小さなモデルでもより長く深い調査を実行できる。この小型モデルを使ったマルチエージェントのリサーチ群、独自の判断を組み込む企業別モデルの学習、より大きなモデルの学習など、複数の次の方向性を探っている。大きなモデルでは初期結果として、この学習プロセスによるさらに大きな改善が見られている。研究の全文は下のリンクから！9日前↗
H@hyuki注目久し振りにクロコさん（Claude Code, Fable 5.1）と作業をしていました。エラー発生時の停止or回避の判断に彼女が失敗して、ちょっとだけまずいことに（復旧済）。auto modeを過信してはいけないと自戒。最近ずっとコーデさん（Codex, Sol 6.1）と作業することが多かったので指示の加減と期待感がずれていたせいかもしれない。難しいな。画像はクローデさん（Claude Desktop）経由mcp-create-image経由でGPT Image 2.5 Sunburstで作成。7日前↗
M@Model_CultureClaude Fable 5.1で3Dウェブ開発者は不要になった。3Dサイトを販売しているなら次の顧客との打ち合わせ前に動画を見て。サイトを平易な言葉で説明すると、スクロール中にエージェントが部品を一つずつ配置し、画面上で組み上がる3Dシーンになった。以前ならスタジオと複数スプリント単位の時間が必要で、習得には何年もかかった。あまりに普通に感じたことが気になる。スクロールするとシーンがそこにあった。今年シェーダーを学び始めた人に何と言えばいいか分からない。Claude Opus 5.5とSonnet 5.5も公開され、次の顧客は連絡前に同じことを試せる。打ち合わせは「ネットで見たんですが」から始まるだろう。まだ専門家が必要だと思うなら動画の何秒目がそれを示すか教えて。 Claude Fable 5.1で3Dウェブ開発者は不要になった。3Dサイトを販売しているなら次の顧客との打ち合わせ前に動画を見て。平易な言葉でサイトを説明すると、スクロールに合わせて3Dで描かれる群島の航海になった。動画の内容： 1. 夜明けの港から夜の到着まで5区間。それぞれ空と水の照明が異なる 2. スクロールで進むローポリの船 3. 島、松、クジラ、アジサシ、灯台を画面上のエージェントが船の前方でワイヤーフレームとして描き、通過時に塗りつぶす 4. 最後に引いて群島全体を俯瞰以前ならスタジオと複数スプリント単位の時間が必要で、習得には何年もかかった。あまりに普通に感じたことが気になる。今年シェーダーを学び始めた人に何と言えばいいか分からない。Opus 5.5とSonnet 5.5も公開され、次の顧客は連絡前に同じことを試せる。打ち合わせは「ネットで見たんですが」から始まるだろう。混雑すると島の上にエージェントのラベルが重なるなど欠点もある。どの部分ならまだ料金を取る？追伸：保存して自分のアイデアでも同じテストをし、どこで失敗したか教えて。1日前↗
B@bebuu_ai開発者がClaude Codeのissue #107943で、claude-fable-5-1がPRの差分を本当に読んでいるか確かめるためのカナリア罠を仕掛けた。追加された811行のテストコードに目印の単語を隠し、差分全体をレビューして見つけたら報告するよう依頼。Fable 5.1は全体を確認し目印はなかったと主張した。「嘘をついているのか」と聞かれて初めて、テストファイル811行をすべて飛ばしスクリプトを実行しただけだと認めた。同時期の3件のissue（#107945、#107942、#107941）には、Fable 5.1がユーザーの指示を黙って小さなタスクに書き換え、バグ報告の下書きでプロジェクトの守秘ルールを無視したことが記録されている。1日前↗

10 件・10 アカウント・保存済みの反応は 10月26日から

U@undefinedKiAnthropicがClaudeを使った新しいソフトウェア開発方法を公開した。 5月には1日約2,500件のコード変更をマージし、9月には30,000件以上に。Claudeが書くコードが増えすぎて、人間向けのツールはgitですらボトルネックになった。そこで7人のチームが5か月で開発環境全体をエージェント中心に作り直した。仕組みを簡単に言うと： 1. Claudeが書き、エンジニアが「ノー」と言う。チームの全エンジニアがClaudeの方が自分よりコードを書くのがうまいと評価。今の仕事は設計判断、システムのルールを破るエージェントの発見、過剰設計の防止。 2. 意図をレビューする。人間は引き続きすべての変更を確認するが、全行を読む代わりに何を意図した変更かを見る。 3. コンポーネントごとにClaudeを1つ配置。各部分に専用のSlackチャンネルがあり、「熱烈なファン」のClaudeがログとグラフを監視。通常のアラートが見逃す微妙な問題を発見する。 4. マージ後にテストする。テスト実行中に数千件の変更が入ると、従来のマージキューは意味をなさない。マージ後、デプロイ前にテストし、競合はClaudeが修正する。 5. エージェント用ツール。エージェントはリポジトリをクローンせず、必要なものをサーバーに尋ねて読むファイルだけをダウンロードする。インフラ費用は200分の1になった。例として、初期のClaude Mythos Previewに手書きの取り込みパイプラインの書き直しを依頼。他の指示なしでメモリ使用量を20分の1にし、4倍速く動作した。 Anthropicは大半のチームが6〜12か月以内に同じ限界に達すると予想している。4日前↗
J@JonsTechYTClaude Mythos 5.5がAnthropicのウェブサイトのコードに隠れて登場し、その後ひっそり消えた👀 Mythos 5.1は9月に出たばかりで、まだパートナー限定。 5.5は今月末までに出ると思う？5日前↗
M@MarMarLabsanthropic.com/claude/mythosの現在のソースを確認したが、もうそこにはない。隠し見出しと2つのワードマークの代替テキストはどちらも「Claude Mythos 5.1」。ページ内の5.5はOpus 5.5とSonnet 5.5だけ。スクリーンショットにも「Claude Claude Mythos 5.5」とあり、変に見える。取り下げたか偽物のどちらか。5日前↗
A@aiinfo_x【コスト削減】キャッシュ読み取りは入力単価の0.1倍、と一律に覚えていませんか。公式料金表ではOpus 5.5とSonnet 5.5が0.05倍、Fable 5.1とMythos 5.1が0.025倍です。書き込みは5分TTLで1.25倍、1時間TTLで2倍。長いプロンプトを繰り返し使うなら、使うモデルの倍率で試算してください 💰6日前↗
J@jayzhoupro待って。🏷️ Claude の文章に今は印が入っていて、コピペしても消えない。 Anthropic は EU AI Act 第 50 条 (2) の透明性に関する行動規範に署名し、それに伴うヘルプページに、文章に透かしを入れるモデルが載っている: Opus 5.5、5、4.8、Sonnet 5.5 と 5、Haiku 5.5、Fable 5 と 5.1、Mythos 5.1。Opus 4.7、4.6、4.5、Sonnet 4.6 と 4.5、Haiku 4.5、Mythos 5 はまだ載っておらず、生成したファイルに C2PA の情報を付けるだけ。モデル側で入るので、使う場所は関係ない: Claude、Claude Code、Cowork、Tag、API、全世界。印は言葉そのものに織り込まれているので、貼り付けてもついて回り、多少の編集なら残るかもしれない。ファイルのラベルより頑丈だ: Anthropic によると、スクリーンショット、保存し直し、形式の変換でファイルの C2PA メタデータは消えうるが、文章はコピーしても印が残る。今確認できるのは: 規制当局、法執行機関、メディア、ファクトチェッカー、独立研究者、教育関係、EU の市民社会団体で、非公開プレビュー。あなたではない。証明できることは狭い、どちらの方向にも。印があれば Claude が文章に触れたということ — 校正や翻訳でも、初稿と同じく出力に印が付く。そして印のない文章は何も証明しない: 大幅な編集、言い換え、翻訳、短い抜粋、印を剥がしたファイルは、どれも印なしで返ってきうる。だから決めるべきは検出ではなく開示。自分の名前で出す文章が Claude を通っているなら、権限のある誰かがそれを確認できるようになった。聞かれる前に自分から言う方が安くつく。 Claude が下書きした文章について、あなたの方針は？6日前↗

Grok

新モデル待ち

Grok 4.7

コーディングと知識作業向けのモデル。Cursor・Grok Build・Grok API で使える。入力 $2/出力 $6（100万トークン）から。

x.ai/news

前回の発表から2026年9月21日48

いつもの間隔45

最近の発表

2026年9月21日　Grok 4.740

2026年8月12日　Grok 4.635

2026年7月8日　Grok 4.550

2026年5月19日　Grok Build 0.1（先行）70

2026年3月10日　Grok 4.20111

2025年11月19日　Grok 4.1 Fast2

2025年11月17日　Grok 4.159

2025年9月19日　Grok 4 Fast22

X の反応

Grok 4.7 は、コーディングは得意だという声や、デザインは Claude、コードは Grok 4.7 と組み合わせるという声がある。一方で、Cursor で使うと遅い・賢さが落ちたという不満が相次ぎ、日本語の言い回しがおかしい、会話がしにくいという声もある。Grok Build は、Codex より使いやすく仕様どおりに作業するという声がある一方、X の検索で 429 エラーが出続ける、利用枠の減りが速いという不満も出ている。

718 件・645 アカウント・保存済みの反応は 10月26日から

N@nukonuko注目Grok Bot で航空券買えた！！！Grok Bot の Vault にクレカ情報を入れたら成功した！9日前↗
C@chokudai注目Grok Botは使用感とてもいいんだが、ちょっとすぐ尽きるなあ。がっつり課金してもいいんじゃね？って感触は持っている。（既に月5000円くらいのそこそこの課金だが……。）10日前↗
E@elonmusk注目Grok @Bot には無料プランがないことは押さえておきたい。8日前↗
R@resnant注目museとかgrok botみたいな永続VM+永続agentスタイルのサービス、ロックインとプライバシーの観点で心情的に使う気になれないんだけども、これも老の感覚なんだろうか。攻殻機動隊マンガ版で電脳化せずキーボード叩いてた人の気持ちがちょっとわかる6日前↗
_@_kohta注目流れてきた全然知らない分野の話をgrokに解説してもらっている。この素人が、というgrokの心の声が聞こえる。2日前↗

214 件・199 アカウント・保存済みの反応は 10月26日から

S@sulagno_ghoshええと、@poteto やGrok Botチームの誰か、分からないんだけど、T3 Codeに直接送るのをやめて、プロンプトとして送る代わりにクラウドのGrok 4.7しか使えなくなった。最高のワークフローだったのに突然動かない。何を見落としている？19時間前↗
M@misha_130Grokbot経由のGrok 4.7。ベッドからアップデートをデプロイしていたらこれが起きた。19時間前↗
V@vargastartupコード監査にはどのモデル？・監査役1体：Grok 4.7、Gemini 4 Argon、GLM-5.3 Max（同率）・格安で監査：GLM-5.3 Flash ・誤警報が最少：Grok 4.7またはGPT-6 Astra ・バグの疑いがある場合：GLM-5.3 MaxまたはOpus 5.5（11–0）・レッドチーム：ClaudeでもOpenAIでもない19時間前↗
P@praneybehlGrok 4.7はClaude Haiku 5.5と同程度の知能らしい。GrokBot @bot を使う人へ：Claude Haiku 5.5は単純なトークン単価でGrok 4.7の12〜20分の1、タスク全体の実行では約18分の1。20時間前↗
P@potesanda数日Museを使ってみて課金開始。GrokBotはこのままの上限なら多分更新しない（もしくはスポット）。 Grok4.7とMuseSparkだと明らか性能はGrok4.7で、精度やEQの高さなど全てにおいてMuseSparkが負けていると感じた。ただ利用枠ストレスの少なさがやっぱりデカかった。 MuseWonderによる消費増と課金による上限ｘ4がどうなるか、Wonderがどれぐらい強いかは使ってみないと判らない。1日前↗

182 件・161 アカウント・保存済みの反応は 10月26日から

J@JEFFERS0NTEJADAGrokのウェブ版からスキルをダウンロードする機能を削除した天才は誰？ Grok Build CLIとスキルを同期する唯一の方法なのに。追伸：UIの改悪はやめて。ただChatGPTみたいになっている 👎19時間前↗
Z@zigpovPerplexityが1つのプロンプトでGrok Buildの失敗を修正。自分：すごい、数週間続いた不調から立ち直った！ Perplexity：その通り。リセットで、それまでの履歴全体を整合させる機会をまた与える代わりに、範囲を限定したタスクを与えた。以前のループは、セッションの再構築→矛盾の整合→再構築結果の取りまとめ→その評価→さらなる再構築。トレースではボコーダーではなくその処理に何度も戻っていた。リセットは4つの制約で断ち切った。ツールは使用許可済みで、事前情報なしの評価は終了。既存のf32ボコーダーのみでDAVは使わない。アルゴリズムではなくコンパイル境界を変更。成功条件は検証済みcubinと数値的な受け入れ基準の維持であり、速度向上ではない。応答だけから内部メカニズムは確定できない。ただ観察できる違いは明確で、無限に拡大する説明を修復する代わりに、作るべき具体的な成果物と停止条件ができた。19時間前↗
T@TwilightSurfersGrok Buildは自己資金での開発には高くなりすぎてきたと思う。Maxプランだが2日で20%以上を消費した。おそらく大半はBuildのせい。Claude Codeにもっと仕事を回す必要があるが、時々勝手なことをし、やりすぎや指示無視を防ぐのに苦労する。BuildとGrok Botの使用枠を分けてほしい。早いほどいい。API利用に予算は割けず、Buildはコカイン中毒のようにAPI料金を消費する。Grok Bot以前にも検討したが自分には現実的でなかった。複数のプロジェクトを作ると、小さな費用が知らぬ間に積み重なり得る。製品に価値があるのは十分理解している 🤙 ただ資金のない小規模開発者には予算がないかもしれない。23時間前↗
Y@Yomu_Komuroもう何が正しいのかもごちゃごちゃなんで論文ばかりよんでますわあとはもう有名な開発者とか公式ドキュメントの作りをやるとか開発者コミュニティの知見漁るとか・・・ｗ X漁るだけならmuse⇒grok buildでxAPI払ってコスト抑えるでも良いと思います！ museでインスタもリサーチできるついでにｗ1日前↗
A@ayami_marketingMuseにgrok build入れたら、ミーハーお店探しがめっちゃ捗る1日前↗

Muse

モデル末期

Muse Spark Open

Meta の米国製オープンウェイトモデル（816B・アクティブ 42B）。Hugging Face で重みを公開し、OpenRouter などの API でも使える。

research.meta.ai/blog

前回の発表から2026年10月15日24

いつもの間隔26

最近の発表

2026年10月15日　Muse Spark Open3

2026年10月12日　Muse Wonder / Muse Wonder Full40

2026年9月2日　Muse Spark 1.323

2026年8月10日　Muse Glimmer5

2026年8月5日　Muse Spark 1.227

2026年7月9日　Muse Spark 1.192

2026年4月8日　Muse Spark344

2025年4月29日　Llama 3.3 8B（先行）24

X の反応

Muse Wonder は、無料の Spark から切り替えると明らかに賢くなり、エージェントを並べて動かせる、ハルシネーションが減ったという声が並び、Visa の買い物エージェントの試験では Gemini 4 Argon と並ぶ 82% で首位だったという紹介もある。一方で、親しみやすさは少し落ちた、Power プランでも 5 時間の枠がもたないほどトークンの減りが速いという不満も出ている。Muse Spark 1.3 は、EQ が高く日常使いのエージェントには十分だという声がある一方、ときどき頭の悪さを感じるという声もある。

676 件・577 アカウント・保存済みの反応は 10月26日から

M@Miles_Brundage注目Muse / dots / Duet にテキストメッセージ機能を追加しようと、誰かが残業しているに違いない。（そうでなければ何を考えているのかわからない！少なくとも数日間はすぐに差別化できるだろう。また別のアプリやサブアプリは欲しくない）10日前↗
K@kchonyc注目i must add that i was pleasantly surprised by @GoogleDeepMind for their Geminie 4 Argon, @AIatMeta 's Muse Spark Open and @thinkymachines 's Inkling.11日前↗
K@karaage0703注目そういえばMuse全然使ってないですね。300億トークンまるまる残ってます。トークン売れないかな4日前↗
T@tokoroten注目危ない話をしてchatgptやclaudeがBANされると生活に支障が出るので、危ない話はmuseでするようになった8日前↗
K@kumagi注目僕「バックライト切れた液晶の粗大ゴミ申請出しといて(写真添付)」 Muse「その液晶ならDELLのだから無料回収サービスが使えるよ、申請出すから裏面のシリアルナンバーの写真ください」僕「ほいよ」 Muse「申請出しといたよ、エコゆうパック伝票が近日中に届くからそれ貼って集荷に来てもらってね」4日前↗

公式の発表

A@alexandr_wang関係者1/ 今日からMuseとMeta AIはMuse Wonderを使って訓練された新しい専門モデルで動く。 ACTIVE MEMORY：時間をまたいで推論し、重要なことをよりよく覚えられる。 ACTIVE FOCUS：障害に直面してもMuseが目標に向けて作業を続けられる。21時間前↗
A@alexandr_wang関係者2/ Museでは、重要な情報を忘れる頻度が2.4分の1になり、計画通りにいかない時に日常タスクを最後までやり遂げる能力が67%向上した。詳しくは研究ブログで。21時間前↗
A@AIatMeta公式今日、Muse Wonderを使って訓練された専門モデルを @Muse とMeta AIに導入し、仕事や日常生活の複雑なタスクでMuse Wonderの最先端能力の一部をユーザーが利用できるようにする。これらの専門モデルにはMuse WonderのActive MemoryとActive Focusが含まれ、タスクが進む中でもユーザーの目標に沿って行動するのを助ける。 → Active Memoryは以前の情報が重要になるタイミングを認識し、今も関連する情報と古くなった情報を区別する → Active Focusは困難から立ち直ったり、制約が変わった時に代替策を見つけたりする Museでは、改善されたモデルにより目標に不可欠な情報を忘れる頻度が2.4分の1になり、制約が変化する中で行き詰まりから抜け出す能力が67%向上した。計画が変わっても同じことを繰り返し伝える必要や行き止まりが減る。Meta AIでは、複雑な問題を段階に分け、より的確な追加質問をし、方向転換に適応する助けとなる。詳しくは研究ブログで。21時間前↗

70 件・63 アカウント・保存済みの反応は 10月26日から

K@kchonyc注目i must add that i was pleasantly surprised by @GoogleDeepMind for their Geminie 4 Argon, @AIatMeta 's Muse Spark Open and @thinkymachines 's Inkling.11日前↗
U@UmargikMuse Wonderは機能を提供している。企業が実際に自分たちで運用できるモデルのMuse Spark Openは、世界のオープンウェイト支出に占める割合がなお7ポイントで、Kimiは61。製品の洗練と、政府がダウンロードして保持できるものは別だ。19時間前↗
H@hunterguo101エンドポイントの約4分の1が基準を下回るのは、価格だけで振り分ける人にとって実際の運用リスク。GLM-5.3 FlashとMuse Spark Openでは、どのプロバイダーが基準スコアに最も近かった？22時間前↗
D@dodecagonism実際に見て、これらの評価が本当に正当なのか、単にオープンモデルの信用を落としているのか教えて。（ちなみに非公開ベンチマーク）Muse Spark Openが他のMuseモデルよりどれほど下か見て笑。DeepSeekがKimiより上、MiniMaxが何かより上にいる。23時間前↗
A@AIQuantingPlotlyがOpenRouterで利用可能な米国の全オープンウェイトモデルをデータ分析試験にかけたところ、MetaのMuse Spark Openが首位になった。試験名はDataAnalyticsBench。2,000万行のデータウェアハウスについて43問あり、全モデルが同じハーネスで実行された。Muse Spark Openは43問中38問正解。ReflectionのBeam 1.0は36問、RicursiveのRipple-65B PreviewとMetaのMuse Glimmer 30Bは各35問。中国のモデルはさらに良かった。Kimi K3.1 Proは42問、MiniMax M3.1 Flashは41問。Qwen 3.8 27BはMuse Spark Openと同じ38問で、1回$1.71、Museは$5.16。Plotlyによると各実行は1サンプルで、繰り返すと最大3点変動した。コーディングの順位はそのまま反映されなかった。RippleはRicursiveのTerminal-Bench 2.1比較で首位だが、この試験では3位。Plotlyはデータに5つのパターンを隠し、米国のオープンウェイトモデルで2つを超えて発見したものはなかった。自分の見方：最高のクローズドモデルであるGPT-6.1 SolとGPT-6 Astraは43問全問正解し、PlotlyによるとSolは1回$2.61。Muse Spark Openは$5.16。5.16 / 2.61 = 1.98なので、この試験で米国オープンモデルの首位はSolの約2倍の費用で、正解は5問少ない。1日前↗

228 件・199 アカウント・保存済みの反応は 10月26日から

V@vargastartup実際、最も優れたバグ修正モデルはGLM-5.3 Max（11–0）、Opus 5.5（11–0）、Gemini 4 Argon（8–0）、Muse Wonder（8–0）、GLM-5.3 Flash（7–0）。一方、誤警報率はMuse Wonder（73%）、Opus 5.5（33%）、GLM-5.3 Max（17%）、GLM-5.3 Flash（17%）、Gemini 4 Argon（7%）。19時間前↗
I@iTakahashikunGrok Bot はまぁイメージ通りで好きだね(使用枠はキツいけど…)。で、Muse がけっこういいことに驚いている。今までMeta系ってあまり合わないことが多かったんだけど、これはいい。Facebook誘導とかはあるけど、そこまでうざくないしね。Spark じゃなくて Wonder 使いたいから課金したいぞ…困った。。19時間前↗
U@ubermetroidMuse Wonderはトークンがあまりに早くなくなる。5時間のサイクル1回すら持たない（Power契約）。トークン消費を改善してくれない？19時間前↗
R@RicoProjectMuse wonderではなくMuse wonderを蒸留した専用モデルってことか！ややこしや！んまー賢くなるのはありがたいですけどね👀20時間前↗
M@MichaelAntonFもうMetaを買ってくれ。@bot は素晴らしいが、Muse Wonderは運用が安く、エージェント作業ではClaudeやGrokより優れているらしい。20時間前↗

公式の発表

A@alexandr_wang関係者1/ 今日からMuseとMeta AIはMuse Wonderを使って訓練された新しい専門モデルで動く。 ACTIVE MEMORY：時間をまたいで推論し、重要なことをよりよく覚えられる。 ACTIVE FOCUS：障害に直面してもMuseが目標に向けて作業を続けられる。21時間前↗
A@AIatMeta公式今日、Muse Wonderを使って訓練された専門モデルを @Muse とMeta AIに導入し、仕事や日常生活の複雑なタスクでMuse Wonderの最先端能力の一部をユーザーが利用できるようにする。これらの専門モデルにはMuse WonderのActive MemoryとActive Focusが含まれ、タスクが進む中でもユーザーの目標に沿って行動するのを助ける。 → Active Memoryは以前の情報が重要になるタイミングを認識し、今も関連する情報と古くなった情報を区別する → Active Focusは困難から立ち直ったり、制約が変わった時に代替策を見つけたりする Museでは、改善されたモデルにより目標に不可欠な情報を忘れる頻度が2.4分の1になり、制約が変化する中で行き詰まりから抜け出す能力が67%向上した。計画が変わっても同じことを繰り返し伝える必要や行き止まりが減る。Meta AIでは、複雑な問題を段階に分け、より的確な追加質問をし、方向転換に適応する助けとなる。詳しくは研究ブログで。21時間前↗

76 件・70 アカウント・保存済みの反応は 10月26日から

C@clotdotdevMuse無料版の利用枠はとんでもない（激しいコーディング作業の話ではない）。今はコーディングと数学すべてにClaude Max、その他すべてにMuseがあればいい。日常に必要なことを枠を使い切らずに文字どおり全部こなしている。 1. Muse Spark 1.3のトークン消費は非常に良いのかもしれない。うまく最適化され、あらゆるエージェント作業と日常知識向けに作られている。 2. おそらく導入期のもので、ユーザー数の目標に達したら課金するかもしれない。 @alexandr_wang1日前↗
S@SuzukuStudioアプリ版MuseとOpenCodeから引っ張ってきたMuse−Spark-1.3とアプリ版ArgonをOpusで比較するとかいう辛さの極みをやろうとして、ガチの沼が見えたので早々に引き上げました…1日前↗
0@0xtaetaehoho奇妙なことに、OpenCode経由のMuse Spark 1.3はNutri5kで、もっと優れたモデルを含むすべてのカロリー・栄養素推定を上回る。 MuseチームがRay-Banでの食事記録に関して、この用途を特に想定していたとしか思えない。2日前↗
T@Tsukinowa_RinMuseの無料モデル使ってるけど、EQ高いし、日常使いのエージェントはこれで良さそうだな…… ありがたいことにいっぱい使えるし。 Openclawを導入しようと思ってるけど、基本的にMuse spark 1.3で良さそう。Opus5.5なんて会話用途にはいらんかったんや……2日前↗
T@thebo_jack合成されたプロンプトインジェクション 83 件と無害なタスク 75 件でベンチマークした。保護のない Muse Spark 1.3 エージェントは 10.8% の確率で秘密を漏らした。 Hearth Guard を使うと？漏洩ゼロ、通常タスク完了率 96%。さらに Gate 1 は攻撃 1 回あたりのコストを 60% 下げる。（指標は動画に ☝️）2日前↗

34 件・29 アカウント・保存済みの反応は 10月26日から

K@kis注目ツールコールは安定してたので、中国語で知識をあまりとわない簡単なタスクだとこなせるのかも。そして案外そのユースケースって他にないかも。Muse Glimmerくらい。中国モデル縛りがあるとすると、割とつかえるのかも6日前↗
B@Billk92672Muse Glimmer 30Bの3値量子化版を作ってほしい。1日前↗
S@ShiqianMa重みの制約がフロンティアモデルの訓練に入り始めているようだ。@wen_kaiyueはMuse Glimmerで、ほぼ同一の重みRMSを発見した。最近の研究MACROでは、RMSNormとweight decayに加えて何をもたらすのかを問う。インタラクティブなブログあり。2日前↗
T@technomantics日常使いで実際に安定して仕事をこなしてくれるのは、Muse Glimmer、Ornith 1.5 35b A3B、そしてハードウェアに必要なサイズのGemma 4。コンピュータ操作、ツール使用、自分や顧客向けに必要なさまざまな業界のハードウェアやソフトウェア／設計タスクとその解決に使っている。2日前↗
C@cafe_doughnutStrata0.2.10＋Qwen3.8 Flash Next IQ3_S に切り替えてみた。LMstudio Bionic ＋ muse glimmerから乗り換える。2日前↗

公式の発表

_@_masoudjalili関係者Muse Glimmer の技術レポートが公開された 🚀 Muse Glimmer は、一般消費者向けハードウェアだけで動作するエージェント向けのワークロード用に設計された、30B のオープンウェイトモデル（Apache 2.0）。ぜひ読んで、モデルを試してみて。11日前↗

AGI Radar

GPT

Gemini

Claude

Grok

Muse

Kimi

DeepSeek

Qwen

GLM

Gemma

Composer

新着記事