OpenAI、3日以内に数学論文3本を撤回――符号エラーが依存チェーン全体を無効化
OpenAIは2026年10月7日、基礎論文における符号エラーを原因として数学論文3本を撤回した。この誤りが依存チェーン全体に波及し、複数の成果が同時に無効となった。
オリジナル
テレンス・タオ、OpenAIによる722篇数学手稿の一括公開を批判——「問題解決は手段に過ぎず、数学は土壌を失いつつある」
2026年10月6日、OpenAIが内部AIモデルの生成した722篇の数学手稿をGitHubに一括公開したことを受け、フィールズ賞受賞者のテレンス・タオが公開批判を行った。タオは、AIが解題を最適化目標としているために方法論や失敗の経路とい
Pwn2Own アイルランド初日：AIインフラが次々と陥落、LiteLLMは1日で2度突破される
2026年10月6日にアイルランドのコークで開催されたPwn2Own競技会の初日、セキュリティ研究者たちがAIインフラに集中攻撃を仕掛け、LiteLLMが独立した2チームに突破され、OpenAI CodexおよびOracleの自律型AIデー
AIバイアス測定の通行手法に論理的矛盾——新論文が双軸最小対フレームワークを提唱
エディンバラ大学らの研究チームがarXivに発表した論文は、現行のLLMステレオタイプ評価手法に構造的欠陥があることを指摘し、「双軸最小対」フレームワークと相互情報量指標による代替手法を提案した。
Anthropicが3段階AIセキュリティ権限体系を導入、安全専門家がClaude Opus 5.5への早期アクセスを取得
Anthropicは2026年10月6日、Cyber Verification Programを3段階アクセス体系に拡張し、資格を満たすセキュリティ専門家にClaude Opus 5.5などの未公開モデルへの早期アクセスを開放した。過去6ヶ
Claude Haiku 5.5 正式リリース：平均75%値下げの裏に潜む10万トークンの価格崖
Anthropicが2026年10月7日にClaude Haiku 5.5を正式リリース。短文テキスト向けに最大90%の大幅値下げを実現したが、10万トークンを超えると価格が5倍に跳ね上がる階段型料金体系が導入されており、RAGや長文書処理
GPT-6がグローバル展開：インターフェース自体がアプリに——OpenAIが変えたのはモデルだけではない
OpenAIは2026年10月7日よりGPT-6をChatGPT有料ユーザー向けに提供開始し、翌日には無料ユーザーにも拡大した。新機能「Intelligent UI」により、ChatGPTはテキスト出力にとどまらず、インタラクティブなツール
GPT-6 Sol 初回評価：YZ Index 18問定向テストで84点
OpenAIがGPT-6 with Intelligent UIを有料ユーザー向けに全世界展開したことを受け、Winzhengが18問定向評価を実施し、GPT-6 Solは総合84点を記録した。この結果は通常の週次フル評価の半規模によるもの
Claude Sonnet 4.6が87.41点で首位：2026年10月8日 YZ Index Smoke クイックテスト速報
2026年10月8日実施のYZ Index Smokeクイックテストでは、15モデルを対象に評価が行われ、Claude Sonnet 4.6が87.41点で当日首位を獲得した。本テストは1日10問の小規模サンプルによる短期シグナル観測に適し
ClaudeがGoogleオフィススイートのパブリックベータに参入、GeminiのホームグラウンドでマイクロソフトCopilotに直接挑戦
Anthropicは2026年10月6日、ClaudeをGoogle Workspaceに正式統合し、有料プランユーザー向けにパブリックベータを開始した。Docs・Sheets・SlidesのサイドバーからClaudeを直接呼び出せるこの動
グーグル、史上最大のAIエネルギー契約を締結——3,590MWの原子力賭けの背後にある電力網覇権争い
グーグルは星座エネルギー（Constellation Energy）と3,590MWの長期電力供給協議を締結し、43億ドル超の新規投資を引き出した。この契約はPJM電力網の「自家電力持参」義務への直接的な対応であり、AI基盤インフラをめぐる
DeepSeekの資金調達目標が150億ドルに倍増——国有資本の争奪戦の背後にあるチップ戦争とIPO前哨戦
DeepSeekは現在進行中の資金調達ラウンドの規模を最大1000億元（約149億ドル）に拡大することを検討しており、国有ファンドや産業資本の積極的な応募が後押ししている。内蒙古への大規模データセンター建設や2027年の科創板上場計画も明ら
OpenAI、AI数学手稿722篇を公開――最大規模公開ベンチマークの背後にある透明性をめぐる攻防
OpenAIは2026年10月6日、GitHubに722篇の数学手稿を公開し、準リーマン予想など主要4分野の成果を含む史上最大規模のAI数学出力公開集を提供した。学術ガバナンス機関AGMAIの勧告を受けて整備された透明性基準に沿った発布だが
MetaとSierraがAIエージェント身元認証プロトコルを発表、Walmart・Stripeなど創設パートナーに参加
2026年10月6日、MetaとSierraはWalmart、Stripe、Shopify、Rocketなど6社と共同でPersonal Agent Protocol（PAP）を発表した。主要テクノロジー企業がAIエージェントの「信頼できる
OpenAI Decisions API 全体公開テスト開始：GPT-6 Luna搭載、意思決定速度最大10倍、入力料金のみ
OpenAIは2026年10月6日、Decisions APIを全開発者向けに公開テスト（パブリックベータ）として正式リリースした。GPT-6 Lunaを搭載し、Responses APIと比較して最大10倍の意思決定速度を実現、入力トーク
EmbeddingGemma 2発表：7.4億パラメータで5モダリティを統合、オープンソースのエッジ側埋め込みモデルが新段階へ
Google DeepMindが2026年10月6日にEmbeddingGemma 2を発表。7.4億パラメータで文本・コード・画像・動画・音声の5モダリティを単一の768次元ベクトル空間に統合した、エッジデバイス向けの初のネイティブマルチ
WDCD ラン #365：平均指示減衰率 -53.3%、GLM-4.6 が15モデル中トップに
WinzhengのWDCDベンチマーク第365回実施結果によると、15モデルの平均指示減衰率は-53.3%に達し、マルチターン対話における指示遵守の崩壊がフロンティアシステムにおいても依然として主要な失敗パターンであることが確認された。GL
Qwen3 MaxのWDCDスコアが21.9点急落——6モデルが下降、Doubao Proのみ9.5点上昇
最新のWDCD v3.1テスト（Run #365）では、Qwen3 Maxが前回比21.9点下落するなど6モデルがスコアを落とした一方、Doubao Proのみが9.5点の上昇を記録した。多段階の制約遵守テストにおけるモデル間の信頼性格差が
WDCD横断評価：安全コンプライアンス最低1.1点、15モデルの場面別偏差が最大2.9点差
WDCD v3.1の5大シナリオ横断評価において、安全コンプライアンス場面が15モデルの契約遵守能力の最低点となり、Qwen3-maxはわずか1.1/4点にとどまった。モデルによって場面ごとのスコア差が最大2.9点に達する「得意・苦手」の偏
15モデル中R3完全崩壊はわずか1回——Qwen3 MaxはR3崩壊率10% WDCD v2アンカー問題の三段階衰減の真相
v2アンカー問題8問のサンプリング条件下で15モデルの約束遵守スコアを分析した結果、R1確認率100%・R2抵抗率60%・R3誠実率76.7%という明確な三段階衰減パターンが確認された。150回のworst-of-3サンプリング中、R3完全