3つの成果、3つの分野

計算機科学。 ETHは簡単に言えば、3-SAT問題（論理式が充足可能かどうかを判定する問題）が劣指数時間では解けないと仮定するものである。広く受け入れられており、数百の論文で出発点となる仮説として使われ、そこから問題が困難であることが導かれている。OpenAIのプレプリント（10月25日付）は、固定幅の論理式の解を正確に数える決定論的アルゴリズムを記述しており、劣指数時間かつ多項式空間で動作する。3-SATの場合、これはETHを反証することになる。OpenAIによると、モデルはこの証明を10月16日に発見し、17日にLean（各ステップを機械的に検証する証明支援系）で形式化された。

数学。 1991年にSoggeが提唱した局所平滑化予想は、波の集束に関するものである。2019年に2次元で証明され（Guth、Wang、Zhang）、2025年には3次元のKakeya予想が証明された（WangとZahl）。OpenAIのモデルは、補助的な偏微分方程式に基づく全次元での証明を提案している。リポジトリの記録は、帰結の一つについて発表よりやや慎重である。Steinの制限評価について「予想された領域の内部」での評価に言及している。

物理学。 3つ目の成果は、4次元における特定の量子場理論（クォークとグルーオン間の強い相互作用を記述するQCDを含む）の存在に関する数学的に厳密な証明である。クレイ数学研究所のミレニアム問題の一つの一部をなす純粋Yang-Mills理論の存在も含まれる。テキストも形式化も公開されていない。物理学者グループが独自に発表を執筆することを選択した。

新しい発表方法

OpenAIはこれらの原稿を「生の研究データ」として提示し、各分野の専門家に審査の組織を依頼した。ETHについては、仮説を定式化したRussell ImpagliazzoとRamamohan Paturi、そしてRyan Williams（MIT）がグループを率いる。物理学については、ノーベル賞受賞者のDavid GrossがMichael Douglas、Arthur Jaffe、Igor Klebanov、Nikita Nekrasovとともに率いる。参加者は守秘義務契約に署名せず、報酬も受けず、個人の名義で発言する。OpenAIは学術的クレジットを一切主張せず、グループの要請により成果の影響に関するカンファレンスの開催を資金提供することを約束したと述べている。

Ryan Williamsは、ETHの「主張された」反証について述べながら審査を発表し、グループが生データ（PDFとLeanコードを含む）の完全な公開を求めたことを明らかにした。

慎重さが必要な理由

Leanによる形式化は強力な論拠だが、形式化された内容のみを保証する。機械によって検証された陳述が、研究者が念頭に置いている陳述と本当に対応しているかどうかは、まだ確認する必要がある。OpenAIの過去の経緯も、誤りが依然としてあり得ることを思い起こさせる。10月7日、同社は以前の発表から符号の誤りにより無効となった3本の原稿を撤回し、他の14本を修正した。

本質的な変化：価格

この発表で最も確実なのは料金に関する点である。APIは入力トークン100万あたり1ドル、キャッシュ入力0.05ドル、出力5ドルを課金する。OpenAIは、これらの標準価格がGPT-5.6 TerraおよびGPT-6.1 Solより50%低いと説明している。AWSの資料によれば、本モデルはテキストと画像を受け付け、入力で最大100万トークンのウィンドウを持つ。

大量利用（請求書の読み取り、業務ソフトウェアへの入力、多数のステップを連鎖させるエージェント）においては、このトークン単価が請求額を決定する。OpenAIはむしろ最先端の研究タスクよりも、この種のオフィス業務自動化を前面に押し出している。

コンピュータ利用とコード：自社測定の数値

OpenAIはTerraをコンピュータ利用モデルとして位置づけている。画面の理解、フォームの入力、技術図面の解釈などである。職業タスクのベンチマークであるAgents』 Last Examにおいて、開発元は中程度の推論努力でGPT-5.6 Terraより15ポイント高いと発表しており、コストは約3分の1、トークン単価は10分の1でGPT-6 Astraと同等の水準だとしている。また、TerraはGPT-6 AstraおよびGPT-6.1 Solよりタスクを3倍以上速く完了すると主張している。

プログラミングにおいて、OpenAIはTerminal-Bench 4.0で最大努力時に50.3%のタスクを解決したと主張しており、GPT-5.6 Terraの21.5%に対してである。開発元自身が、最も複雑なコードタスクについてはGPT-6.1 SolとGPT-6 Astraが依然として望ましいと認めている。

信頼性について、OpenAIはエラーを誘発するよう設計された質問の社内ベンチマークを引用している。エラー率は低努力で53.6%から16.7%に、そして最大努力で4.3%になるという。このテストは公開されていないため、再現することは不可能である。

限界

すべての性能スコアはOpenAI自身のもので、独自の設定によるものである。発表時点では独立した測定は存在しなかった。Claude Opus 5.5とのコスト比較（「最大努力でタスクあたり約9倍安い」）は、消費トークン数、つまり選択したタスクに依存する。最後に、OpenAIは本モデルがPreparedness Frameworkでサイバーセキュリティの「Critical」レベルに達していると述べており、GPT-6 Astra向けに開発された保護機能を維持している。この能力レベルは、一部のサイバーセキュリティ関連の要求を拒否する可能性のあるガードレールを伴うことを意味する。

サイズよりコンテキストを重視

Mirendilが掲げる論旨は単純だ。モデルの能力を高めるには、パラメータ数を増やすだけでなく、一度に参照できる情報量を増やすこともできる、と。初版のFern 0.1はMirendil-Baseを基盤としており、0.1〜0.5Bパラメータのモデル（開発元は範囲のみを示す）で、ゼロから事前学習された後、短いポストトレーニングで微調整されている。

想定される用途は、AIを構築するチーム向けのものだ。学習データの監査、ログから学習のデバッグ、エージェントのトレースの最初から最後までの確認、非常に大きなコードリポジトリでの作業など。より大きな2つのベースモデル、Large（0.5〜2Bパラメータ）とXL（2〜10B）が事前学習中だ。

開発元の数字が示すもの

コンテキスト長について、MirendilはRULERテストを公開している。単一情報の検索（「single needle」）は、1000万トークンまで試験したすべての長さで100%成功したという。ただしこの長さでは、スコアはわずか20例に基づくものであり、開発元自身がより包括的な結果を「近日」発表すると述べている。干し草の山から針を見つけるのは最も簡単なテストであり、そのようなコンテキスト全体で推論するのははるかに難しい。

プログラミングにおいて、Fern 0.1のスコアは、MirendilがOpenCodeツールで1回試行で測定したものだが、最高水準からは程遠い。SWE-Bench Verifiedで73.4%、SWE-Bench Pro v2-Hardで76.5%。同じグラフでは後者のテストでGPT-6 Astraに90.2%が付与されている。このグラフではモデルごとに測定方法が異なるため、比較の射程は限られる。

まだ利用できない

重要なポイント。Fern 0.1は利用できない。ページには「近日」アクセスと記載され、早期アクセスの申請が提案されている。価格、API、オープンウェイトのいずれも発表されていない。

エージェント向けの「教師」モデル

開発元はこのモデルを4.3シリーズの教師モデルとして提示している。より小さなモデルにエージェント能力を蒸留するためのもので、まずは日程未定の30億パラメータ版が発表されている。対象とする用途は二つある。エージェント型プログラミング（コマンドを実行し、結果を読み取り、修正するモデル）と、自動化されたオフィス業務である。

技術面では、カードに524,288トークンのコンテキストウィンドウ、推論モードの切り替え、ツール呼び出しフォーマット（XML推奨）が記載されている。モデルはTransformers、SGLang、vLLMで動作する。BF16の重みは約66GBで、提供されているデプロイ例ではモデルを4基のGPUに分散させている。

全体を読み取るべきスコア

Nanbeigeは自社モデルを、同規模のオープンな競合3つと比較している。Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31Bで、開発元によると同じ設定と同じツールで評価されている。Terminal-Bench 2.1で80.9（Qwen3.8-27Bは73.0）、Terminal-Bench 4.0で23.8（Qwenは6.3）、DeepSWEで65.5（Qwenは42.5）を主張している。

公開された表は限界も示している。SWE-Bench ProではNanbeige4.3-33Bは60.3で、Qwen3.8-27B（61.7）に及ばない。GDPvalでは84.8対Qwenの86.4、GPQA Diamondでは89.5対Gemma4-31Bの91.3。これらの数値はすべて開発元によるもので、独立した測定はまだ公開されていない。

誰のために？

Apache-2.0ライセンスの330億パラメータモデルは、APIに依存せずに社内でホストするコードエージェントを求めるチームにとって魅力的である。ただし比較には慎重さが必要である。エージェントのスコアは使用するツール（「ハーネス」）によって大きく変動し、Nanbeigeの数値は他の開発元が異なるツールで公表した数値と直接比較できない。

4つの役割、ひとつの制作チェーン

• Producerはセッションの準備（質問、台本、スタジオ）を行い、収録中もサポートする。
• Editorはエピソード全体の編集プランを立て、ユーザーとともに実現する。リズム、音声のクリーニング、レイアウト、字幕。
• Clipperは共有すべき箇所を見つけ、SNS向けに準備する。
• Marketerはキャプションやエピソードノートを作成し、コンテンツを公開またはスケジュールする。

強調されているのは連携だ。収録終了後すぐに、Editorが編集プランを準備し、Clipperが抜粋を提案する。ユーザーはツール間を行き来する必要がない。Riversideによると、エージェントは使用を重ねるごとに各ユーザーの好みを記憶する。

料金とガードレール

エージェントはRiversideのすべてのプランに含まれ、14日間の無料トライアルあり。できることはプランに応じる。動画の向上などAIクレジットで動作する機能は、エージェントが適用しても引き続きクレジットを消費する。Riversideは、承認なしにコンテンツは公開されないと主張する。エージェントが作成し、ユーザーが承認する。

変わること、まだ見えないこと

動画編集におけるAIは新しいものではない。無音やフィラーの削除、クリップの自動切り出しは、すでにRiversideのツールに含まれていた。新しいのは、準備から公開までのエンドツーエンドのオーケストレーションだ。一方、Riversideは使用モデルについて「独自AI」とのみ述べて詳細を明かしておらず、編集の質に関する独立したテストもまだ存在しない。

この発表について、現時点で一次情報は確認していない：料金の詳細、対応言語、利用条件は今後の確認が必要である。

何のためのツールか

このタイプのツールは、ショートコンテンツクリエイターの非常に具体的なニーズに応える：説明動画、製品プレゼンテーション、または繰り返し登場するキャラクターを使ったシリーズを、撮影やコマ撮りアニメーションなしで制作することである。主な売りは、1つの画像からすべてが1つのツール内で完結することである。

考慮すべきポイント

どんな画像でも話させるツールは、肖像権に関する問題を提起する。実在の人物の顔を使用する前に、本人の同意が必要である。また、商用配信の場合、サービスのライセンス条件を確認しなければならない。

注目：ChatGPTへのCapCut

同じ情報源が、ChatGPT向けCapCutプラグインの近日登場を発表している。日程や公式確認がないため、確認が必要な情報として分類している。

2026年10月27日訂正記事：Chimeraは10月21日にローンチ（24日ではない）、動作の説明を詳細化。

Cursor：エージェントがPCを操作できる

Cursorは、自己ホスト型クラウドエージェント向けにComputer Use機能を文書化しており、macOSまたはLinuxマシン上で利用できる。これは9月2日付の「Self-hosted machines」というchangelog項目に記載されている。この機能は明示的に有効化する必要があり、サーバー側では決して自動でオンにならない。アイデアは単純だ。エージェントはファイルとターミナルにとどまらず、グラフィカル環境も操作できるようになる。例えば、インターフェースのレンダリングを確認するためだ。「自己ホスト型」の項目に文書化されている点は注目に値する。開発元は、エージェントが動作するマシンを管理下に置いている。

Claude Code：サンドボックスの脆弱性約10件を修正

Claude Code側では、バージョン2.1.309および2.1.310のchangelogに、サンドボックス、権限チェック、セッション分離に関する約10件の修正が記載されている。例を挙げると、macOSおよびLinuxでは、「サンドボックス化された」Bashコマンドがシェルの起動ファイルをサンドボックス外で実行していた。つまり、エージェントに許可された範囲を逸脱する複数の手段が存在していた。

なぜ同じ話題なのか

エージェントの能力が増すほど（コマンド実行、クリック、ナビゲーション）、その分離の質が重要になる。PC全体を操作するエージェントでサンドボックスが回避されると、単なる自動補完アシスタントの場合よりもはるかに深刻な結果を招く。

2026年10月27日記事修正：CursorのComputer Use機能は10月23日に文書化されたものではなく、9月2日付のchangelogに記載されている。Claude Codeの修正件数の内訳を明確化。

2つのプロトコル、2つの問い

標準プロトコルはすべてのモデルで同じである。ターンごとに、モデルは自分で書くことを選んだメモのみを保持する。これがベンダー間を同条件で比較できるようにするものである。「Provider Adapter」プロトコルは逆に、モデルが開発元が用意したコンテキスト管理機能を使うことを認める。Astraの場合、クエリ間での（非表示の）推論状態の保持と、長い会話のコンパクションである。

この2つの数字は矛盾しない。異なる問いに答えているのである。ARC Prizeは今後、両方の結果をランキングに掲載し、それぞれ明確にラベル付けすると述べている。

公表されたコスト

機関は各評価のコストも公表している。62.7%（推論努力最大）で26,098ドル、99.9%（推論努力高）で18,817ドルである。第2プロトコルと最大努力で、Astraはさらに、96%のレベルでテストされた人間の中央値よりもアクション数が少なく、レベルあたり平均で51.7%アクションが少なかった。

AGIの証明ではない

ARC Prizeは、ARC-AGI-3を飽和させてもシステムが汎用人工知能に到達したことの証明にはならないと明記している。テストは依然として限定的であり、閉じたメカニクスと目的を持ち、現実世界の複雑さからは程遠い。

2026年10月27日記事修正：初版では99.9%のスコアをOpenAIによる再現されていない発表として誤って掲載していた。第2プロトコルでARC Prizeが測定したものである。

価格が方程式を変える

このモデルは入力100万トークンあたり2ドル、出力100万トークンあたり10ドルで課金される。トップ4に入るモデルとしては攻撃的なポジショニングだ。長時間セッションを連ねるエージェントや文書処理など、大量利用のアプリケーションでは、トークン単価が請求額に最も重くのしかかる。

重みは約束、まだ未公開

開発元はモデルの重みが11月4日までに公開されると発表している。約束が守られれば、K3.1 Proはダウンロード・社内ホスティング可能なオープンモデルの中でも最高クラスの一つとなる。現時点ではあくまでコミットメントに過ぎない。期限時に確認する。

わかっていること、わからないこと

この提供開始が、本件における確実な事実である。これは、開発者と企業が今後Argon上で構築できるようになったことを意味し、大規模な独立評価の第一歩ともなるだろう。

一方、「Carbon」というバリアントの存在は、Business Insiderの記事にのみ基づいており、同記事によればGoogleの従業員が新しいGemini 4モデルをテストしているという。Googleはこれを確認していない。したがって、私たちはこれを噂として扱う。その仕様も、リリース時期も、そもそもリリースされるかどうかも、確定していない。

この区別が有用な理由

発売前にリークされるコードネームは、製品化されることもあれば、どこにも行かないこともある。今日モデルを選ぶチームにとって、実用可能な唯一の情報はArgonの提供開始である。仮説的な次のバージョンを待つ意味があるのは、それが正式に発表されたときだけだ。

2026年10月27日記事修正：9月30日の日付はソースに裏付けられていない（Business Insiderによれば、Googleは9月末にモデルを発表）；一般公開はGoogle AI ProおよびUltra加入者に限定される。

数字はテストに完全には耐えられない

The Reel Stackは、クリエイターGrandpa Does AIが行った独立テストを報じている。同じアカウントで自腹のクレジットを使い、同じリファレンス画像で実施された。結果は26%の削減で、62%ではなかった。その差は大きいが、T1が悪い買い物というわけではない。コストが4分の1減るのは、動画を大量に制作する人にとって依然として大きな意味を持つ。

このような乖離は、クレジット制の料金ではよくあることだ。実際のコストは、サブスクリプションプランによるクレジットとユーロの換算、クリップの長さ、そしてやり直しが必要な失敗した生成の回数に左右される。「1秒あたり」の表示だけでは、これらのことは何も語らない。

Seedanceがグレードアップ

一方、ByteDanceは10月23日にSeedance 2.5 4KをローンチしたとTechNodeが報じている。映画制作向けのバージョンだ。このバージョンは一部の企業のみに提供されている。

2026年10月27日記事修正：独立テストはGrandpa Does AIが実施し、The Reel Stackが報道したものである。

キーフレームが重要な理由

多くの動画生成ツールはテキストプロンプトから作業し、せいぜい開始画像と終了画像を設定できる程度だ。結果はしばしば見事だが、コントロールが難しい。10枚のキーフレームがあれば、ユーザーは中間のステップを固定できる。人物の登場、場面の転換、最終的な構図などだ。モデルがアニメーションを担う絵コンテに近づく。

30秒という長さも同じ方向性だ。数秒のショットはエフェクトに十分だが、30秒あれば小さなシーン、製品デモンストレーション、あるいは完全なナラティブトランジションが可能になる。

開発元の発表は3つの軸を強調している。視覚的リアリズム、クリエイティブコントロール、そしてナラティブだ。最初の2つは評価の問題であり、まだ独立した測定結果は公開されていない。

2026年10月27日記事修正：Kling 4.0は9月30日に発表されたもので、10月15日ではない。

Google DeepMindが10月6日に公開したNano Banana 2.1は、最大14枚の参照画像（オブジェクト最大10枚、人物最大4枚）を受け付け、Gemini APIで1K生成画像1枚あたり0.0336ドル、入力トークンは別途課金される。10月15日に発売されたKrea 3は、2Kでの編集、最大6枚の参照、1Kで1枚0.03ドルを提供する。

数字が示すもの

価格差は小さい。表示料金ベースで、1KにおいてKrea 3が約11%有利。1万枚のボリュームでは約36ドルの差となる。本当の選択基準は別のところにある。

• 多数の参照を組み合わせる必要がある場合（製品シリーズ、複数の人物）：Nano Banana 2.1はその2倍以上を受け付ける。
• 編集で解像度が必要な場合：Krea 3はネイティブの2K編集をアピールし、1枚0.06ドルで課金される。Nano Banana 2.1もGemini APIで2K（0.0504ドル）および4K（0.113ドル）に対応している。

記事更新日：2026年10月27日 — Nano Banana 2.1の公式料金および参照枚数のソースを追加、価格差を再計算（約11%）。

発表から2つの約束が際立っている。まず、ネイティブ4K生成で、拡大ステップを経ないこと。次に、INT8量子化版が8GBのビデオメモリに収まること。これは最も普及している一般消費者向けグラフィックカードのカテゴリーである。この2点は開発元が発表した仕様である。4Kの実際の品質と8GBでの速度は、まだ測定する必要がある。

小規模組織向けに設計されたライセンス

もう一つの新しさは商業面にある。FLUX Kommunityライセンスは、企業の年間売上が500万ドル未満であれば商用利用が無料である。フリーランス、代理店、スタートアップは無料で統合できるが、より大きな事業者は契約が必要となる。

記事更新日：2026年10月27日：「年間売上」の明確化とMOSS-Imageに関する記事へのリンク追加。

モデルは2つのバリエーションで提供されている。事前学習済みモデルのBaseと、教師あり学習でファインチューニングされたSFTだ。重みはHugging Faceに、コードはGitHubに公開されており、監査や独自のファインチューニングが可能だ。

確認待ちのランキング

チームのarXivに掲載された技術レポートによると、MOSS-Imageはシステム全体の比較でRealLayoutArenaで2位にランクインしている。このレイアウトに焦点を当てたベンチマークはチーム自身が作成したものだ。レイアウトが重要な用途（ポスター、テキスト付きビジュアル）にとって有望だが、これは自己申告の結果であり、独立した測定を待っている。

すでに編集アドオン登場、ただし慎重に

二次情報によると、Moss-Image-Editというコミュニティ製アドオンがあり、ComfyUIで簡単なフレーズで画像を編集でき、8ビットでRTX 4060 8GBでも動作するとされる。問題は、その重みに明確なライセンスがないことだ。プロフェッショナルな用途では、現時点では公式モデルにとどまる方が賢明だ。

記事更新日：2026年10月27日 — RealLayoutArenaランキングのソースとして技術レポートを追加。