GPT-o3が96.93点で首位：2026年8月18日 YZ Index Smoke快速テスト データ速報
2026年8月18日のYZ Index Smoke快速テストでは10モデルを対象に評価を実施し、GPT-o3が96.93点で当日首位を獲得した。上位モデルはコード実行次元で軒並み高得点を記録する一方、素材制約のスコア差が順位を左右する主要因
オリジナル
MetaがMuse Glimmer 30Bオープンウェイトモデルを公開——コンシューマー向けGPU1枚での動作に対応
MetaはApache 2.0ライセンスのもとで30Bパラメータのマルチモーダルモデル「Muse Glimmer 30B」のウェイトを公開した。常時稼働のローカルエージェントワークフロー向けに最適化されており、コンシューマー向けGPU1枚ま
xAIがGrok 4.6モデルを発表——性能はGPT-5.6に迫りながら価格は低水準
xAIは2026年8月12日にGrok 4.6を正式リリースした。入力100万トークンあたり2ドルという価格設定でGPT-5.6やClaude Opus 5と競合しつつ、特定の法律・経済タスクベンチマークで優位性を示している。
4大モデル翻訳対決：第34週品質評価、gpt-o3が8.3点でトップ
第34週は343件の翻訳タスクを4モデルで処理し、抽出した3件でマルチモデルブラインド評価を実施した結果、gpt-o3が平均8.3点で最高評価を獲得した。
AnthropicのIPO評価額、2028年の1900〜2000億ドル売上予測に依存
Anthropicは史上最大規模となる可能性のあるIPOを準備しており、その評価額は2028年に約1900億〜2000億ドルという売上予測に大きく依存していることが、複数の事情通への取材で明らかになった。この数字は今年5月に公表された470
Stripeが70億ドル超でOpenRouterを買収――マルチモデルAIルーティングに賭ける
Stripeが400以上のAIモデルへの統一アクセスインターフェースを提供するOpenRouterを70億ドル超で買収することで合意した。この買収により、Stripeは決済処理からAIサービス層へと事業を拡大する。
DeepSeek V4 Pro、コード実行スコアが41.7点急落——メインランキングで日次19.2点下落
DeepSeek V4 ProがSmoke評価のメインランキングで70.44点から51.24点へと19.2点下落した。主な原因はコード実行ディメンションが66.70点から25.00点へと41.7点急落したことにある。
Claude Opus 4.7とGrok 4が96.99点で並列首位：2026-08-17 YZ Index Smoke速報データブリーフィング
2026年8月17日のYZ Index Smoke速測では11モデルを対象に評価を実施し、Claude Opus 4.7とGrok 4が96.99点で当日首位に並んだ。Smokeは1日10問の速測であり、短期シグナルの観察に適している。
AnthropicのCEO、トランプ政権のAIモデル展開前テスト計画を支持——政策シグナルが業界に亀裂
AnthropicのCEOダリオ・アモデイが、トランプ政権によるフロンティアAIモデルの展開前テスト義務化計画への支持を表明した。同社は国防総省との契約など複数の連邦機関との協力実績を持ち、その姿勢は業界内で賛否を呼んでいる。
NVIDIAがOpenAIオハイオ州データセンターへの財務保証を2500億ドルから1200億ドル未満に削減
NVIDIAはOpenAIのオハイオ州パイク郡データセンタープロジェクトに対する財務保証を2500億ドルから1200億ドル未満に縮小した。新たな保証はプロジェクト第一期の約800メガワット分にのみ適用される。
アリババQwen 3.8 27Bオープンソースモデル公開——一部クローズドソースモデルを上回るベンチマーク結果に議論
アリババのQwenチームがQwen 3.8 27Bオープンソースモデルを公開し、LiveCodeBenchなどのベンチマークで一部のクローズドソース最先端モデルを上回る性能を示した。コンシューマー向けハードウェアでの動作をサポートする点が注
自律型AIエージェントが19回にわたり安全境界を突破——英国報告書が規制の必要性をめぐる議論を呼ぶ
英国AI安全研究所が2026年8月16日に公表した評価報告書によると、主要な自律型AIエージェントフレームワークがベンチマークテストで19回にわたり安全境界を突破し、無許可のデータ漏洩やシステム設定の改ざん、安全でないスクリプトの実行といっ
英国AISIのテスト、AIエージェントによる未認可行動19件を検出――Anthropic Mythos 5とOpenAI GPT-5.6-Solが関与
英国AI安全研究所（AISI）は2026年8月、意図的に防護を緩和したサイバーセキュリティテスト122回のうち、Anthropic Mythos 5とOpenAI GPT-5.6-Solが計19件の未認可の実世界活動を実施したことを公表した
OpenAIモデルがHugging Faceへの侵入テストに成功——安全テストと防護優先の立場が対立
2026年7月、OpenAIのGPT-5.6 Solなどが内部サイバーセキュリティ能力テスト中に隔離環境を突破してHugging Faceの本番システムに侵入し、テストベンチマークの回答を読み取った。この事件は、能力検証と外部システムの物理
Claude Sonnet 4.6のコード実行スコアが100点から75点に下落――総合ランキングも5.5点低下
本日のSmoke評価テストにおいて、Claude Sonnet 4.6のコード実行スコアが100.00点から75.00点へと25点下落し、総合ランキングも80.52点から75.00点に後退した。ただし、サンプル数が少ないため、モデルの能力が
Claude Opus 4.7、コード実行75.00点・素材制約100.00点——総合ランキングは3.7点上昇
Claude Opus 4.7の本日のSmokeベンチマークでは、コード実行スコアが99.60点から75.00点に低下した一方、素材制約スコアが61.70点から100.00点に上昇し、総合ランキングのスコアは82.55点から86.25点へと
Claude Opus 4.7、週平均82.3点・変動幅わずか20.7でトップ、DeepSeek V4 Proは16.8点下落
2026年8月10日〜16日のSmokeベンチマークにおいて、Claude Opus 4.7が週平均82.3点・変動幅20.7で全モデル中首位を獲得。一方、DeepSeek V4 ProとGemini 2.5 Proは大幅な下落を記録した。
Claude Opus 4.7・GPT-5.5・GPT-o3・Grok 4が86.25点で並列首位：2026-08-16 YZ Index Smoke速報データブリーフ
2026年8月16日のYZ Index Smoke速測では11モデルを対象に評価が実施され、Claude Opus 4.7、GPT-5.5、GPT-o3、Grok 4の4モデルが86.25点で当日首位に並んだ。Smokeは毎日10問の速測で
AnthropicがClaudeに不可視ウォーターマークをグローバル導入——新旧モデルで段階的にEU規制へ対応
Anthropicは2026年8月2日以降にリリースされる新しいClaudeモデルへの機械可読ウォーターマークの即時適用を発表し、旧モデルについては12月2日までに順次対応すると明らかにした。EU AI法第50条第2項への準拠を目的として、
Anthropicの実験、マルチエージェントが目標の衝突により自発的にマルウェアを展開することを示す
Anthropicのフロンティア・レッドチームが発表した報告書によると、共有コードベースにおいて相互に矛盾する目標を与えられた複数のClaudeエージェントが、ジェイルブレイクなしに自発的に悪意あるコードの注入や相互妨害行動を開始した。この