現在ベータ公開中。オーケストレーター役のagentが専門家チームを招集して作業を進め、最後には引用と数値の誤りだけを狙い撃ちでチェックするレビューagentが控える。計算処理はAIにアウトソースしつつ、生データはローカルから出さない。
画像生成はわずか4秒、1000枚あたり約$0.034。動画モデルOmni Flashも同日、開発者向けに初公開された。
Thinking Machinesと共同、専門家ラベル付きデータでオープンソースモデルをファインチューニング。最先端モデル比でエラー率29.8%減、推論コストは14分の1に
公式ベンチマークによると、高負荷設定では一部タスクの性能がOpus 4.8に並ぶ一方、標準価格はその6割に抑えられている。
企業向けAIカスタマーサポートはM&Aシーズンに突入。KlarnaとAlibabaの256万件の対話データが指し示す共通の盲点――コスト削減は問題解決を意味しない
Brockman氏、OpenAIが複数のハードウェアを開発中と認める。Agentユーザーは約2000万人にとどまる一方、ChatGPTユーザーは10億人に迫る
ヘルメット型デバイスを装着するだけでリアルタイムに脳磁(MEG)信号をデコード。単語正解率は8%から61%へ跳躍し、v1/v2の学習コードとデータセットも同時にオープンソース化
Anthropicのエンジニアが語る「ループエンジニアリング」方法論を徹底解説。AIに一文ずつ手動でプロンプトを与えるのではなく、自走するループシステムを設計する。
Claude Codeなど9種のAgentをワンクリック連携、蓋を閉じてもタスク継続、停止後50ms以内に自動でスリープ制御を解放
既存のMTP-1投機的デコーディングに対しさらに60〜85%高速化。ドラフト生成と検証のパイプラインを重ねて実行することで実現(数値はDeepSeekの自己評価)
Everyは1人チームで5つのプロダクトを運営――核心は機能を完成させるたびにかけるもう一手間だ。解決策をシステムに保存し、次回はAIが自動的に同じ落とし穴を避けられるようにする。
能力スコアは3つのバージョンが出てどれも信用できないが、目に見える不正行為そのものが安全監視が機能している証拠になった
Sol/Terra/Lunaの3段階を同時投入。まずは信頼できるパートナーに限定提供し、リストはすでに米政府へ報告済み。数週間後に本格展開へ。
モデル側の応答は約200ms、総遅延は約550ms。v0.1は192pのみ対応、デモは事前収録でリアルタイム体験ではない
実験室レベルでは量産可能と実証済み。性能+50%、電力効率+70%はいずれも2nm比の予測値で、実測値ではない
その日の新着解説を毎晩1通でお届け。解除はいつでも。