検索

リーマン予想:Claudeとともに得られたレヴェント・アルペゲの証明をLeanとMathlibが認証、alphaXivが自律研究モデルを順位付け、Inkling 2 MiniがMacで毎秒210トークンで動作

この号に登場する企業

興味のないものはチェックを外してください。選択はすべての号に適用され、この端末に保存されます。

大手研究所
中国
コーディングツール
生成メディア
インフラとオープンソース
その他

ai-powered-markdown-translator

gpt-6.1-solを使用してフランス語から日本語に翻訳された記事。

GitHub でプロジェクトを見る ↗

Anthropicの数学者レヴェント・アルペゲが、Claudeとともに得たリーマン予想の証明を1,700万行のLeanライブラリとして公開し、その翌日にはLeanとMathlibのコミュニティが認証した。alphaXivはOpenResearch Intelligence Indexを公開し、自律研究ではClaude Opus 5.5が61,8 %で首位となった一方、オープンモデルで最上位のDeepSeek V4.1 Flashは27,4 %で、試行1回あたりの費用は0,72ドルだった。MetaはDigital Brain Projectの目標を25 000時間に引き上げ、Inkling 2 MiniはTransformersに組み込まれ、Mac Studioで毎秒210トークンで動作する。Replit、Devin、v0はアクセス、ネットワーク、支出の管理を強化し、Claude Code 2.1.330ではスケジュール済みタスクを最大30日間稼働させられる。


数学:レヴェント・アルペゲがClaudeとともに得たリーマン予想の証明をLeanとMathlibのコミュニティが認証

11月20日・21日 — Anthropicの数学者レヴェント・アルペゲは11月20日、リーマン予想の証明を1,700万行のコードからなるLeanライブラリとして公開した。このライブラリが直接依存するのは、Leanの形式化数学ライブラリであるMathlibのみだ。1859年にベルンハルト・リーマンが提起したこの予想は、素数の分布に関するものである。著者はこれに解説文書を添えており、alphaXivには「リーマン予想の証明に関する主張」(リーマン予想の証明に関する主張)という題名で掲載されている。alphaXivの要約によると、著者はClaudeとともにこの証明を発見したと述べ、一般化リーマン予想についても証明を主張している。証明はフーリエ解析、テータ持ち上げ(テータリフト)、そして関数体に関するステパノフの議論との類似性に基づくという。同じ要約によれば、証明は長大で、著者は今後その説明と簡略化を行う予定だ。

11月21日、LeanとMathlibのコミュニティは、Lean FROとMathlib Initiativeの支持を受け、命題と証明を認証する共同声明を公開した。このライブラリは、ケヴィン・バザード(インペリアル・カレッジ・ロンドン)が11月12日に提示した4つの基準を、1日で満たした。

検証基準LeanとMathlibのコミュニティによる確認
命題が意図したものであるMathlibの命題RiemannHypothesisを、Leanと数論の専門家が精査
ライブラリがコンパイルできる数十人が、証明の同一の未加工エクスポートファイルを再現
証明された定理がその命題であるMathlibのみをインポートするファイルを基に、独立した2つのツール、comparatorとcon-lecheで比較
証明が受理されるLean公式カーネル、con-leche、con-ron、ほかの言語で書かれた複数の検証器が、実行を伴わない証明のエクスポートデータを検証

We hereby certify that both the statement and the proof of the Riemann Hypothesis are correct.

🇯🇵 ここに、リーマン予想の命題と証明がいずれも正しいことを認証します。 — LeanとMathlibのコミュニティ、Leanコミュニティのブログに掲載された声明

Scientific Americanは、独立した数学者たちによる確認を報じている。アンドリュー・サザーランド(MIT)は独自に結果をコンパイルし、Leanのカーネルが標準の3つの公理のみを使って再検証したと述べた。LeanとMathlibの声明には、Claudeも、著者が証明を主張する一般化リーマン予想も登場しない。Claudeの役割についての情報は、アルペゲの解説文書とScientific Americanによるものだ。

🔗 alphaXivに掲載されたレヴェント・アルペゲの解説文書 · Scientific American:独立した数学者たちによる確認 · 検証の技術的概要(MIT)

VIDRAFTがヴェイユの正値性をリアルタイムで示す計器を公開、命題の成立を可視化するが証明は行わず

11月21日 — 証明公開の翌日、VIDRAFT研究所は、ヴェイユの二次形式の最小固有値を計算するSpaceをHugging Faceで公開した。ヴェイユの判定法によれば、この形式の正値性はリーマン予想と同値である。計算値はゼータ関数と4つのディリクレのL関数(導手3、4、5、8)では正となり、真のL関数と1つの要素だけが異なる3つの模倣関数では負となる。また、このツールに関する10の命題がLean 4のカーネルで検証されている。記事は、結果を確立するのは形式的証明であり、この計器はその成立を示しているにすぎないと念を押している。コード、Leanファイル、リポジトリは公開されており、無料のCPUで約30秒で実験を再現できる。

🔗 Hugging Faceに掲載されたVIDRAFTの記事 · ヴェイユの計器のSpace


評価:alphaXivがOpenResearch Intelligence Indexで自律研究を測定、AI文章検出器はRAIDで順位を上げるもベンチマーク外では性能低下

11月20日 — alphaXivは、モデルが研究を最初から最後まで遂行する能力を測るベンチマーク、OpenResearch Intelligence Indexの初回結果を公開した。各モデルは、alphaXivの研究環境OpenResearch内で、それぞれのハーネス(Claude Code、Codex、OpenCode)を使い、3つの分野に取り組む。科学知識(Terminal-Bench-Scienceから選んだ20タスク)、ポストトレーニングの実施(新規の6タスク)、文献選択の適切さ(PaperFindingBenchの一部)だ。

We created the world’s first open source benchmark for end-to-end autoresearch. Today, its results are live. Which models are best for RSI? Can they understand the literature? Can they conduct complex scientific experiments, while maintaining good taste? We spent about $7.4k in tokens across 8 models, 6 providers, and 3 evaluation tracks to find out.

🇯🇵 研究を最初から最後まで自律的に遂行する能力を測る、世界初のオープンソースのベンチマークを作成しました。その結果を本日公開します。RSIにはどのモデルが最も優れているのでしょうか?科学文献を理解しているのでしょうか?研究のセンスを保ちながら、複雑な科学実験を行えるのでしょうか?それを確かめるため、8モデル、6プロバイダー、3つの評価分野にわたり、トークンに約7 400ドルを費やしました。 — Xの@askalphaxiv

評価対象モデル使用ハーネス指標のスコア試行1回あたりの平均費用
Claude Opus 5.5Claude Code0,618 ± 0,01416,46ドル
GPT-6 AstraCodex0,566 ± 0,01422,44ドル
GPT-6.1 SolCodex0,549 ± 0,0243,83ドル
Gemini 4 ArgonOpenCode0,526 ± 0,0139,18ドル
Claude Fable 5.1(87回中74回の試行を完了)Claude Code0,511 ± 0,01520,07ドル
DeepSeek V4.1 FlashOpenCode0,274 ± 0,0180,72ドル
Kimi K3OpenCode0,271 ± 0,01010,89ドル
Qwen3.8-FlashOpenCode0,214 ± 0,0154,54ドル

Claude Opus 5.5は0,618、すなわち61,8 %で首位となり、試行1回あたりの平均費用は16,46ドルだった。GPT-6 Astraは0,566で続くが費用は22,44ドル、GPT-6.1 Solは3,83ドルで0,549を記録した。Claude Fable 5.1は87回中74回の試行しか完了していない。オープンモデルは大きく後れを取っている。その中で最上位のDeepSeek V4.1 Flashは、試行1回あたり0,72ドルで27,4 %を記録し、Kimi K3(0,271)とQwen3.8-Flash(0,214)をわずかに上回った。文献調査の分野だけでは、OpenResearchの検索ツールを備えたDeepSeek V4.1 Flashが47,7 %に達し、GPT-6 Astraの48,7 %に迫った。オープンモデルの推論を提供したTogether AIもこの指標を紹介した。alphaXivは今後、追加モデルとソースコードを公開するとしている。

🔗 OpenResearch Intelligence Indexに関するalphaXivの記事 · Xの@togethercompute:オープンモデルを評価

AI文章検出器がRAIDで27位から5位へ上昇するも、ベンチマーク外では検出性能が大幅に低下

11月21日 — Hugging Faceのコミュニティブログで、empirischtechのチームが、1BのEttinエンコーダーを基盤とするAI生成文章検出器の改良について説明している。本番運用の検出器はRAIDランキングで58件中27位だったが、RAID向けに調整した版は5位に上昇した。偽陽性率1 %で、検出率は92,81 %から99,20 %に向上している。しかし、ベンチマーク外では代償が表れた。著者らのテストデータでは、AI文章の検出率は、微調整の出発点となった汎用検出器の97,8 %から、RAID向けに調整した版では58,7 %に低下し、人間が書いた文章を誤って検出する割合は1,0 %から2,4 %に増加した。このため、RAID向け調整モデルは研究用ツールにとどまり、著者らのサービスでは別の汎用検出器を使用している。

🔗 Hugging Faceに掲載されたempirischtechの記事


科学向けAI:MetaがDigital Brain Projectの目標を25 000時間に引き上げ、UMA NitroとATLASを紹介、DiffusersでRFD4-Proteinaを微調整

11月20日 — Metaは、同社のFAIR研究所が10月にメンローパークで2日間にわたって開催した、科学向けオープンソースAIサミットの総括を公開した。数値面での主な発表はDigital Brain Projectに関するものだ。ロスチャイルド病院財団とモントリオール大学とともに立ち上げられ、匿名化して公開共有する脳データの収集に資金を提供するこのプロジェクトは、目標データ量を15 000時間から25 000時間に引き上げた。

サミットで紹介されたプロジェクト科学分野Metaの記事の説明
Digital Brain Project神経科学脳データの目標量を15 000時間から25 000時間に引き上げ
UMA Nitro化学原子モデルUMA(原子のための汎用モデル)の高速版、速度の数値は非公表
UMA Playground教育400万人以上の教員と4,500万人の生徒に届くDiscovery Educationを通じ、中等教育の化学教員に提供
ATLAS (FAIR)数学自由に閲覧できる26冊の教科書と45 000件以上の定義・結果をLeanで形式化したオープンライブラリ

UMAはまた、追加の学習データなしで医薬品分子の多数の結晶形を特定し(カーネギーメロン大学、カリフォルニア大学リバーサイド校との研究)、シカゴ大学とともに酵素全体を原子単位でシミュレーションしている。記事は最後に、DINOv3とSAM 3を基盤とするピッツバーグ大学の支援ロボットシステムにも触れており、人の食事を手助けするロボットの実演が予定されている。

🔗 科学向けオープンソースAIサミットの総括(Meta) · Xの@AIatMeta

DiffusersがNVIDIAのタンパク質設計モデルRFD4-ProteinaのLoRA微調整例を追加

11月20日 — Hugging FaceのDiffusersライブラリに、NVIDIAのオープンなタンパク質設計モデルRFD4-Proteina(当サイトでは10月21日に紹介)をLoRAで微調整する例が追加された。サヤック・ポールが発表したこの例(kierandidiによるプルリクエスト#15155、11月19日にマージ)は、ノイズ除去器上でランク32のアダプターを学習させる。フローマッチングの損失は画素ではなく、タンパク質骨格の座標と局所的な潜在表現に適用される。同氏によれば、残りのコードは画像・動画モデルのものと似ているという。

🔗 Xの@RisingSayak


オープンモデル:Inkling 2 MiniがTransformers v5.24.0に対応、Macで毎秒210トークンで動作し、制限解除版も登場

11月20日に公開されたThinking Machinesの重み公開型ループモデルInkling 2 Mini(当サイトでは昨日紹介)は、公開から24時間以内にHugging Faceの標準ライブラリに組み込まれ、Macへ移植され、制限解除版も登場した。

Transformers v5.24.0がInkling 2 Mini、MetaのOmnilingual ASR、NVIDIAのDory、Sarvam-105Bに対応

11月21日 — Hugging FaceがTransformers v5.24.0を公開し、約10種類のアーキテクチャを追加した。Inkling 2 Miniにはループ回数を変更できる研究用チェックポイントが用意され、NVIDIAのループ型モデルDoryも推論時のループ回数を調整できる。

追加モデルモデル提供元リリースの詳細
Inkling 2 MiniThinking Machinesループ回数を変更できる研究用チェックポイントTML-d24-varloop-researchに対応
DoryNVIDIA推論時のループ回数を調整できるループ型モデル
Omnilingual ASRMeta FAIR1 600以上の言語に対応する音声認識、300Mから7B、CTCヘッドまたはLlamaデコーダー
Apertus 1.5とWavTokenizerSwiss AI Initiativeテキスト・画像・音声入力に対応;24 kHzの音声コーデック
HY4-VLTencentHunyuan V4ファミリーの視覚言語モデル
Lara MiniTranslated7,2Bのうち0,6Bがアクティブ、CC BY-NC-SA 4.0ライセンス
Sarvam-105BとSarvam-30BSarvam AI105B:MLAアテンション、128のエキスパートのうち8がアクティブ、コンテキスト長131K
EXAONE 3.0、3.5、DeepLG AI Researchtrust_remote_codeなしで読み込み可能

アップデートには注意が必要だ。past_key_valuesとcache_paramsはcacheに名称変更される。旧名称も非推奨の警告付きで引き続き受け付けられるが、互換性を損なう変更に分類されており、これに伴いPEFTの最低対応バージョンも引き上げられる。Ling 3.1 Flashはネイティブに読み込めるようになり、LayoutLMv3はSDPAのアテンションインターフェースを使用する。

🔗 Transformers v5.24.0

EXO LabsがMac Studio M5 UltraでInkling 2 Miniを毎秒210トークンで実行

11月21日 — Inkling 2 Miniの公開翌日、EXO LabsがThinking Machinesと協力し、2台のMacで測定した処理速度を公開した。

EXO Labsが検証したマシン生成(デコード)プロンプトの読み込み(プリフィル)
Mac Studio M5 Ultra, 96 Go210 tokens/s3 620 tokens/s
MacBook Pro M5 Max, 48 Go125 tokens/s1 750 tokens/s

EXO Labsによると、このモデルはMac Studio上でネイティブの天気アプリをClaude Sonnet 5.5の1.8倍の速さで構築し、API料金で比較した費用は11分の1だった。同社は、ループ型アーキテクチャがMacBookのようにメモリ容量が限られたマシンに適していると説明する。層を繰り返し実行することで、モデルを大きくせずに推論時の計算量を増やせるためだ。Hugging Faceのジュリアン・ショモンは、これこそローカルかつオープンソースのAIが勝利する道筋だと見ている。

We got access on Wednesday. In 3 hours we had it running at 30 tok/sec A day later we had it running 210 tok/sec (7x faster)

🇯🇵 水曜日にアクセスできるようになりました。3時間で毎秒30トークンで動かせるようになりました。その1日後には、毎秒210トークン(7倍の速さ)に達しました。 — Xの@exolabs

🔗 @exolabsのX投稿:Macでの処理速度 · @julien_cのX投稿

OpenUncensoredがInkling 2 Miniの公開当日に制限解除版を公開

11月20日 — 検閲のないモデルのAPIを提供するOpenUncensoredが、Inkling 2 Miniの公開当日、重みを狙って変更することで拒否能力を取り除いた「アブリテレーション版」を公開した。有害なリクエスト32件に対する拒否は、会話モードでも思考モードでも32件から0件になり、MMLUスコアも低下しなかった(79.47 %、元のモデルは78.95 %)。変更されたのはBF16のアテンションテンソル20個だけだ。中央の層はトークンごとに3回使われるため、そこへの変更は3回作用する。API料金は100万トークン当たり入力0.15ドル、出力0.60ドルで、著者はこれほど小さなサンプルでの評価には慎重な解釈を促している。

🔗 Hugging FaceのOpenUncensoredの記事


企業向けコーディングプラットフォーム:Replit Tunnelsのプライベートネットワーク、Devinのアクセスと共有、v0の支出上限

Replit TunnelsがReplit環境とプライベートネットワーク内のサービスを接続、早期アクセスで提供

11月20日 — ReplitがTunnelsを発表した。企業のプライベートネットワークを公開の受信接続に開放せずに、Replit環境からそのネットワーク内のサービス(データベース、社内API)へ接続できる。通信はIT部門がネットワーク内で稼働させるクライアントを経由する。このクライアントは、生成されたDockerコマンド、またはKubernetes上のHelmチャートでデプロイする。各ReplitワークスペースがアクセスできるサービスはIT部門が選ぶ。クライアントとReplit間の接続はmTLSで暗号化・認証され、各プライベートサービスの認証とTLSは別途設定する。

Tunnelsはコネクタに統合されている。コネクタの認証リクエスト、Agentのツール呼び出し、公開済みアプリからのリクエストは、Replitのトンネルサーバーを通り、このクライアントを経由する。記事では3つの用途を紹介している。金融分野で確認が必要な顧客アカウントを見つけること(Stripe、SharePoint、Snowflake)、医療分野で対応待ちの患者紹介を探すこと(Calendly、DrChrono)、製造業で資材の欠品を通知すること(NetSuite、Shopify、Databricks、Shippo)だ。Tunnelsは申請制の早期アクセスで提供され、料金は明示されていない。二重のmTLSによる外向きトンネルをすでに採用していたBring Your Own Cloud(本稿では10月17日に紹介)を拡張するものだ。

🔗 ReplitのTunnels紹介記事 · ドキュメント:Tunnelsの設定

DevinがAccess and Sharing、ユーザーグループ、セッション単位の共有を導入し、11月17日、18日、19日の更新情報も追加

11月20日 — Devinの11月20日付リリースノートで、企業向けのアクセス・共有制御機能Access and Sharingが導入された。段階的に展開され、初期状態では無効になっている。有効化にはCognitionの担当者への連絡が必要だ。「設定」内の「ユーザーグループ」ページでグループを作成し、シークレット、環境、セッション、自動化、プラグイン、プレイブック、スキル、MCPサーバー、ナレッジなど、アクセスを管理するあらゆる場所で利用できる。

各セッションには個別の共有範囲が設定される。自分のみ、1つ以上のグループ、組織全体、アカウント全体から選べる。自分または自分のグループだけに許可されたリポジトリ、シークレット、環境を使うセッションは非公開で開始され、共有範囲を広げる前に警告が表示される。Slackでは引き続きチャンネル内に返信するが、指示できるのはセッションを共有されている人だけだ。管理者には、Devinでのアクセス権がGitHubやGitLabと異なるリポジトリのレポートが提供され、Devin Review、DeepWiki、Askの対象もユーザーがアクセスできるリポジトリに限定される。この展開とは別に、同じ更新情報でセキュリティ上の指摘に「トリアージ済み」状態が追加され、マーケットプレイスにSazabiプラグインが加わった。料金への言及はない。🔗 11月20日の更新情報

その前の3日間のリリースノートにも、次の更新がある。

  • 11月19日 — Devin Reviewでは、リポジトリごとの課金ルールにより、チャットを含むそのリポジトリのレビュー料金を、PRの作成者ではなく組織または予算に割り当てられる。セキュリティ関連では、「Devinで検証」ボタンで指摘を検証できる。「Devinで修正」では、2件以上の指摘に対し、根本原因ごとに1つ、指摘ごとに1つ、またはすべてをまとめて1つのPRを作成する方法が提示される。マーケットプレイスからは、ネイティブ統合に置き換えられたMCPサーバー(Slack、Linear、GitLab、Pylon)が削除される。🔗 11月19日の更新情報
  • 11月18日 — ホーム画面の入力欄に「共有先」セレクターが表示され、「セッションを『自分のみ』で開始」設定でセッションを初期状態から非公開にできる。非公開セッションはSlackに投稿せず、公開範囲を広げる際には対象者の名前を示す確認が必要になる。組織の添付ファイルもセッションの公開範囲に従う。Devin Reviewには「ブランチを更新」ボタンが加わり、DevinDashのMCPがベータ版を終了した。🔗 11月18日の更新情報
  • 11月17日 — Devin ReviewがAzure DevOpsのプルリクエストにステータスを投稿するようになり、PRのセキュリティレビューの指摘に影響の短い要約を付けられるようになった。DevinはSlackに画像、リッチテキスト、表、グラフ、カード、カルーセルを投稿できる。🔗 11月17日の更新情報

v0がメンバーごとの支出上限を企業向けの全顧客に提供

11月20日 — v0が支出上限機能(Spend Caps)を企業向けの全顧客に提供する。「設定 → メンバー」でチームの所有者が、メンバー共通の初期上限額、または各メンバー個別の上限額を設定できる。対象は、メンバーに含まれるクレジットを使い切った後の、請求サイクルごとの共有クレジット残高の消費だ。上限に達すると実行中のステップが終わった時点で生成が停止し、メンバーは追加利用を申請できる。金額は示されていない。

🔗 v0の変更履歴:支出上限


コーディングエージェント:Claude Code 2.1.330、Antigravity 2.34.0、Copilot CLI、Qwen Code、Codex CLI、車内で使えるAmpのPuck

Claude Code 2.1.330がeaselでグラフを描画し、スケジュールタスクを最大30日間実行

11月20日 — Claude Code 2.1.330には142件の項目があり、修正98件、追加16件、改善14件、変更13件が含まれる。統合モッドのeaselが追加され、依頼に応じてグラフを描画するほか、Prometheusの範囲クエリなど、MCPサーバーが返すメトリクス結果の下にもグラフを表示する。easelはmacOSとLinuxで、Pro、Max、および利用可能な場合にはTeamとEnterpriseで提供される。自動グラフ表示は/configで無効にできる。Anthropicの企業向け管理コンソール(Enterprise Admin Console)で管理される組織も接続できるようになった。claude auth loginの後、Claude Codeは組織の設定を適用し、そのクラウドプロバイダーまたはゲートウェイを経由する。

定期的なスケジュールタスクと/loopは、セッションが開いている限り、従来の7日間から最大30日間動作するようになった。このバージョンより前に作成されたものは、引き続き7日間で停止する。ルート、ホームディレクトリ、最上位ディレクトリ、作業ディレクトリを対象とするrmコマンドで承認が必要になるケースが増え、応答できる人がいない場合は拒否される。2.1.329で削除されたmax_tokens時の自動再試行が復活し、ExitWorktreeは別のセッションが使用しているワークツリーを削除しなくなった。Google CloudのAgent Platformでは、モデルがANTHROPIC_MODELまたは設定ファイルで指定されている場合にも、claude -pが--settingsで指定された高速モードを正しく反映するようになった。これらの実行には高速モードの料金が適用される。VS Code拡張機能には、/forkと/workflowsを含む28件の項目がある。

🔗 Claude Code v2.1.330

その他のコーディングエージェント:Antigravity 2.34.0、Copilot CLIとCopilot SDKのプレビュー版、Qwen Code v0.28.3、Codex CLI 0.173.0-alpha.4、Ampの車載モード

  • Antigravity 2.34.0(11月20日)— Googleのアプリに15件の改善と24件の修正が加わった。見出しではMCP Apps対応をうたうが、改善一覧には詳細がない。Gemini 4 NeonとOrchestrator(Neon)オプションが対象の有料個人向けプランに提供され、NeonはGeminiのAPIキーまたはGoogle Cloudのデフォルト認証情報(アプリケーションのデフォルト認証情報)で利用できるようになった。EnterpriseアカウントにもOrchestratorが提供される。マーケットプレイスにはClerk、Docusign、TestMu AIのプラグインが加わった。🔗 Antigravityの変更履歴
  • Copilot CLI 1.0.115-4~1.0.115-6およびCopilot SDK 2.0.2-preview.2~preview.5(11月20日、21日)— これらのCLIプレビュー版では、フォームに対応するACPエディターに構造化された確認質問(構造化された明確化のための質問)が表示され、長時間のローカルセッションがディスク上で占める容量も抑えられる。安定版は引き続き1.0.114だ。SDKはモデル一覧にGemini 4 Neon(コンテキスト長1 048 576トークン、出力65 536トークン)を追加し、リポジトリのルートにある.claude/CLAUDE.mdを読み込むようになった。その後、トピック別のクラウドメモリと、セッションおよびメモリをインポートするAPIも加わった。いずれも実験的な機能だ。🔗 Copilot CLI 1.0.115-4 · Copilot SDK 2.0.2-preview.2
  • Qwen Code v0.28.3(11月21日)— この新しい安定版はv0.28.0の次のバージョンで、昨日ここで紹介した11月20日のプレビュー版の内容を取り込んでいる。GitHubが対応する3つ目のチャネルとなり、WeComとMicrosoft Teamsが加わった。送信専用の汎用ウェブフックで結果をHTTPSエンドポイントに送信でき、ACPとOpenTUIのセッションは共通のエージェントループで動作する。リリースノートでは互換性を損なう変更は報告されていない。🔗 Qwen Code v0.28.3
  • Codex CLI 0.173.0-alpha.3およびalpha.4(11月20日、21日)— リリースノートは空だが、alpha.2以降にマージされた15件のPRによると、各コマンドフックまたはMCPツールフックにonFailureオプションを指定できる。初期値はcontinueで、blockも選べる。後者では、PreToolUseが失敗するとツールの実行が阻止され、PostToolUseが失敗すると結果の返却が保留される。クラウドで管理される設定はcodex plugin addとcodex plugin listからも読み込まれる。安定版は引き続き0.171.0で、これらの内容は今後変わる可能性がある。🔗 Codex CLI 0.173.0-alpha.4
  • AmpのPuckを車内で利用(11月21日)— Ampでは、画面を見ずに運転中もメタエージェントのPuckと会話できる。iPhoneアプリ(CarPlay対応)とAndroidアプリ(Android Autoまたは車のBluetoothに対応)が車載モードに切り替わる。Teslaなどの車載ブラウザーでは、ampcode.com/carを開き、Ampに接続したスマートフォンでQRコードを読み取るだけでよい。読む必要のある内容は特大サイズで表示される。料金への言及はない。🔗 車内でPuckを使う

短報

モデルとAPI

  • Together AIのQwen4 Max — 11月19日にここで取り上げた30 %割引の続報として、Together AIが11月22日までの料金を公開している。入力100万トークン当たり1.05ドル、出力は3.15ドルで、思考トークンは出力として課金され、ストリーミングが必須となる。一例として、このモデルは1回のリクエストでTornadoリポジトリの全344ファイル(652,519トークン)を読み込み、メンテナーのテストに合格した修正を72秒、69セントで生成した。 🔗 出典
  • CodexのUltrafast — OpenAIの開発者ブログで、Dominik KundelがGPT-6.2 AstraとSolでUltrafastを使う際の助言(ホットリロード、短い指示、推論設定のLightまたはLow)を紹介し、2点を明らかにした。Codexでのトークン生成は最大4.5倍高速になり、APIのプロモーション料金は2027年2月28日までStandard料金の3倍、3月1日以降は6倍となる。 🔗 出典
  • Hugging Faceのホームフィード — ログイン済みのユーザーには、話題のモデルのリリースごとに個別のカードが並ぶフィードが標準で表示されるようになったと、Victor Mustarが発表した。例えば、Tencentの新モデル17種をまとめたカードが表示される。 🔗 出典

Hugging Faceのオープンな研究

  • Act-or-Ask — Phi-4-mini(3.8B)をLoRAでファインチューニングしたこの小型オープンモデルは、家庭用アシスタントが行動すべきか、先に大人の承認を求めるべきか、拒否すべきかを判断する。未見の60の状況では、家庭の方針に従った割合が99.3 %に達したのに対し、同じルールをプロンプトに与えたベースモデルは49.7 %だった。モデルはMITライセンス、ベンチマークはCC BY 4.0で提供される。 🔗 出典
  • FiftyOneのKITScenes — Harpreet SahotaがFiftyOne向けの変換シリーズを続け、KITScenes Multimodalの一部を公開した。これはKITとFZIがフランクフルトで9台のカメラ、7台のLiDAR、3台のレーダーを使って記録した自動運転データセットで、4シーンの680時点を収録し、各時点に9方向のカメラ映像とLiDAR・レーダーを融合した点群が含まれる。 🔗 出典

業務用アシスタントとエージェント

  • GoogleのConnected Apps — 米国では、Albertsons、Safeway、Shaw’s、TargetがSearchとGeminiアプリに加わり、Universal Commerce Protocol(UCP)を通じて食料品の注文を組み立て、支払いまで行えるようになる。すでにGeminiで利用可能なExperianと、H&R BlockがSearchに加わり、今後数週間でAngiとThumbtackも続く。 🔗 出典
  • Grok BotとQuickBooks — SpaceXSIのエージェントが、米国でIntuit QuickBooksと連携する。資金繰り、利益、未払いについて質問でき、請求書、見積書、支払いの督促文も作成する。これらはユーザーの承認を受けて処理される。 🔗 出典
  • Fundación Televisa向けのElevenAgents — ElevenLabsの導入事例によると、音声エージェントが6月29日から7月24日まで、メキシコの財団が運営する起業家支援プログラムPOSiBLEの応募者1,036人に、平均5分間の面接を実施した。財団はその中から70件のプロジェクトを最終段階に選出した。同財団の別プログラムBécalosでは、2日間で若者394人の面接を行った。 🔗 出典

画像生成

  • Kling Image 4.0 — KlingがArtificial Analysisの評価を紹介した。テキストからの画像生成で7位、画像編集で6位となり、上位はOpenAIとMicrosoft AIのモデルのみだった。Kling Image 3.0 Omniはそれぞれ86位と67位だった。期間限定のブラックフライデー特典では、2K画像が1枚0.022ドルから、ネイティブ8K画像が0.033ドルからとなっているが、アプリとAPIのどちらに適用されるかは明記されていない。 🔗 出典

AI以外

  • GitHubのセキュリティアドバイザリ権限 — Securityカテゴリーの4つの権限(アドバイザリの閲覧、作成と管理、非公開報告の受け付け、公開とCVEの申請)を、カスタムリポジトリロールで付与できるようになった。対象者をリポジトリの管理者にする必要はない。 🔗 出典

これが意味すること

リーマン予想の証明は、信頼のよりどころを形式検証へと移す。1,700万行の証明を人手で読み直すことはできない。今回の信頼性を支えるのは、専門家が精査したMathlibの定理の記述から、複数の独立した検証器に至るまで、1日で実施された公開の検証過程だ。この認証からは、証明がどのように発見されたかも、一般化リーマン予想についても分からず、著者による説明もまだ必要である。それでも、モデルそのものを信頼することなく、モデルを使って得られた結果を受け入れられるようになる。26冊の教科書をLeanで形式化するMetaのライブラリATLASも、同じ方向に進んでいる。

OpenResearch Intelligence Indexが測るのは、知識とは異なるもの、すなわち文献調査から事後学習まで、研究全体を遂行する能力だ。クローズドモデルが明確に優位に立つ一方、スコアの差と同じくらい費用の差も重要になる。GPT-6.1 Solは1試行当たり3.83ドルで0.549を記録したのに対し、GPT-6 Astraは22.44ドルで0.566だった。また、この指標で1試行当たり0.72ドルのDeepSeek V4.1 Flashは、OpenResearchのツールを利用できる場合、文献調査の部門でGPT-6 Astraに迫る。empirischtechの検出器は、こうした評価の限界を示している。RAIDでは27位から5位に上昇したものの、自身のテストデータに含まれるAI生成文の検出率は58.7 %にとどまり、ファインチューニングの出発点となった汎用検出器の97.8 %を下回った。ランキングが測るのは、そのベンチマークに含まれるものだけだ。

Inkling 2 Miniは、重みが公開されたモデルが今やどれほど速く広まるかを示している。24時間以内にTransformersへ取り込まれ、Mac Studioで毎秒210トークンで動作し、わずか20個のテンソルを変更した制限解除版では拒否応答が取り除かれた。モデルを1日でワークステーション上で動かせるようにする公開性は、その日のうちに拒否応答を取り除くことも可能にする。一方、オープンサイエンスはデータとツールによって前進する。Metaは共有する脳データの収集目標を25,000時間に引き上げ、Diffusersは画像向けに考案されたファインチューニングの手法がタンパク質設計にも適用できることを示している。

コーディングプラットフォームでは、この日は生成よりも管理の仕組みが話題の中心となった。Replit Tunnelsはワークスペースからアクセスできる非公開サービスを選び、Devinは各セッションを誰が閲覧し、誰が操作できるかを決め、v0はメンバーごとの支出に上限を設け、Claude CodeはAnthropicのEnterpriseコンソールで管理される組織設定を適用する。Claude Codeではスケジュール済みタスクが最大30日間動き続けるなど、エージェントの自律性が高まっているが、保護措置も整いつつある。特にリスクの高いrmには承認が必要となり、Codex CLIのプレビュー版ではフックが失敗した際にアクションを阻止できる。


出典