Grok 4の材料制約スコアが25.6点急落、メインランキングは逆に87点へ上昇
YZ IndexのSmoke評価テストにおいて、Grok 4の材料制約スコアが96.70点から71.10点へ25.6点下落した一方、コード実行スコアは満点となり、メインランキングは80.20点から87点へ上昇した。
オリジナル
Grok 4の材料制約スコアが25.6点急落、4モデルが主要ランキングで満点並び
2026年6月18日のSmoke軽量評価において、Claude Opus 4.7、DeepSeek V4 Pro、Doubao Pro、GPT-o3の4モデルがコード実行と材料制約の両コア指標で100点を獲得し、主要ランキング総合スコア10
KPMGがAgentic AIレポートを撤回――45件の引用のうち正確なのはわずか5件
KPMGが2025年10月に発行したAgentic AIに関するレポートが2026年6月15日に正式撤回された。GPTZeroの研究者が調査した結果、45件の引用のうち元の出典に正確に対応していたのはわずか5件で、残りは誤解を招く内容、一部
ニューヨーク州検察長がOpenAIを召喚、データ慣行を調査――IPO準備に規制の逆風
ニューヨーク州など複数の州検察長連合がOpenAIに召喚状を発行し、ユーザーデータの取り扱い、未成年者の安全、広告、モデルの過度な迎合といった問題を調査している。同社が大規模なIPOを準備する中でのことである。
米国がAnthropicにFable 5とMythos 5モデルの使用禁止を命令――国家安全保障と規制の対立が激化
米国商務省は2026年6月17日、国家安全保障上のリスクとジェイルブレイクの脆弱性を理由に、AnthropicにFable 5およびMythos 5の2つの主力モデルのサービス提供停止を正式に要求した。この措置はグローバルユーザーのアクセス
WDCD Run #185：11モデルの平均指示遵守率減衰が-57.5%に、Qwen3 Maxが92.5ポイントでトップ
Winzheng Dynamic Contextual Decay（WDCD）ベンチマークのRun #185では、11モデルを対象に評価を実施した結果、ラウンド1からラウンド3にかけての平均コミットメント減衰率が-57.5%に達し、長文対話
WDCD三ラウンド衰退実測：GPT-o3のR3崩壊率50%、Qwen3 Maxは崩壊ゼロ
WDCD三ラウンドテストにおいて、GPT-o3はR3フェーズで崩壊率50%を記録した一方、Qwen3 MaxはR3での崩壊回数がゼロとなり、両者ともR1確認率は1.00であったにもかかわらず、持続的なプレッシャー下で全く異なる誠実性の軌跡を
Qwen3 Max が92.50点でWDCD守約ランキング首位、Doubao Pro は62.50点で最下位——30点差
Qwen3 MaxがWDCD守約ランキングで92.50点を獲得し首位に立った。一方、Doubao Proは62.50点で11モデル中最下位となり、トップとの差は30点に達した。
ERNIE Bot 4.5のメインランキングが10.4点急落、タスク表現次元が90点から46.3点へ半減
YZ Indexの2026年6月における11モデルの実測において、ERNIE Bot 4.5のSmokeテストメインランキングスコアが81.69点から71.33点へと1日で10.4点下落した。ただし、抽選によるランダム変動の可能性が高く、モ
Qwen3 Max の材料制約スコアが28.9点急落——メインランキングはわずか0.8点上昇
YZ Index の Smoke 評価において、Qwen3 Max の材料制約スコアが1日で28.9点下落したが、メインランキングスコアは微増しており、モデル能力の系統的な劣化よりも問題抽選によるばらつきである可能性が高いと分析されている。
Qwen3 Max の材料制約スコアが28.9点急落、本日のSmoke 11モデルメインランキングが大洗牌
YZ Index による2026年6月17日の11モデル実測において、Qwen3 Max の材料制約スコアが前日の100点から71.1点へ急落し、メインランキングでも73.25点にとどまった。実行スコアが各社で満点に達する中、材料制約の安定
Claude Codeのアーキテクチャ分析が話題に：98%の従来型エンジニアリングがAIの安全性を支える「要塞」を築く
Claude Codeはコードの98%を従来型のソフトウェアエンジニアリングで構築し、AIモデルへの直接呼び出しはわずか1.6%に留まるというアーキテクチャ分析がX（旧Twitter）で数万件のいいねを獲得し、AIエージェントの信頼性をめぐ
OpenAIが複数州の司法長官による調査に直面――プライバシー・安全問題がIPOプロセスに影響する可能性
OpenAIは米国複数州の司法長官による合同調査に直面しており、ユーザーデータのプライバシー保護や未成年者の安全対策などが調査対象となっている。同社はIPO準備段階にあり、調査結果次第では上場スケジュールに影響が及ぶ可能性がある。
Grokのリアルタイム画面共有機能がアップグレード：AIアシスタントが受動的な応答から能動的な協働へ
xAIがGrokのiOS・Androidアプリにリアルタイム画面共有機能を正式導入し、AIアシスタントが「受動的な質問回答」から「能動的なタスク支援」へと大きく転換する。マルチモーダル技術を活用したこの機能により、コードデバッグやアプリ操作
Anthropicが国家安全保障上の禁令によりFable 5とMythos 5モデルを停止、AIオープンソース化の波と地政学的論争が同時に浮上
米国政府が国家安全保障を理由にAnthropicへ制限命令を下し、同社のフラッグシップモデルFable 5とMythos 5へのアクセスが停止された。この決定はAIの安全脆弱性、輸出規制、オープンソース代替手段の台頭など多岐にわたる議論を巻
SpaceX、全株式取引でCursor AIを買収し、最強のAIコーディングモデル構築へ
SpaceXは、AIコーディングツールCursor AIを全株式取引で買収するオプションを行使したと発表した。両社は新世代モデルを共同で訓練しており、AIコーディング分野への本格参入として注目されている。
ニューヨーク州司法長官がOpenAIのデータ実践を調査、IPOが規制圧力に直面
ニューヨーク州司法長官が2026年6月14日、複数州を主導してOpenAIに召喚状を送付し、ユーザーデータの取り扱い、未成年者の安全、広告展開、モデル出力の傾向という4項目を調査対象とした。この調査はOpenAIのIPO計画にも影響を与える
米政府がAnthropicにFable 5とMythos 5の緊急閉鎖を命令――安全規制とモデル公開をめぐる対立が深刻化
2026年6月12日、米国商務省がAnthropicに対しClaude Fable 5およびMythos 5のグローバルアクセス遮断を命じる緊急輸出管理指令を発出した。研究者によるFable 5の安全保護回避手法の発見が国家安全保障を脅かす
マーティン・スコセッシがBlack Forest Labsの顧問に就任——ハリウッドにおけるAIポストと真正性をめぐる論争が激化
2026年6月15日、マーティン・スコセッシが生成AI画像・映像に特化したスタートアップBlack Forest Labsの顧問に正式就任した。この動きはハリウッド内部でのAIツール活用をめぐる支持・反対両陣営の議論をさらに加熱させている。
Doubao Pro、Smokeテストのメインランキングで9.9点急落――コード実行が100点から50点へ半減
YZ Indexが2026年6月に実施したSmokeテストで、Doubao Proのメインランキングスコアが82.36点から72.50点へと9.9点下落した。主な原因はコード実行スコアが100.00点から50.00点へ半減したことにある。