AI任せの文書作成は時間の無駄──Google Labsプロダクトディレクターが語る、コードが無料時代の判断基準
Peter Yang主催のポッドキャスト「Behind the Craft」最新回で、Google LabsのプロダクトディレクターであるJaclyn Konzelmannが、Gemini 4が自身のプロダクト業務をどう変えたかを語ったとエピソード告知で紹介されている。
モデル動向
13 articlesフロンティアモデルの評価・選定・使い分け。ベンチマークの先にある実務性能。
Anthropicの売上8割は発売6ヶ月以内のモデルが支える、S-1が示す「シェルフライフ」構造
Evan Armstrongは、Anthropicのネットレベニューリテンション（NRR）が2026年9月30日時点で約900%に達し、公開ソフトウェア企業の過去最高記録であるSnowflakeの189%（2019年、四半期売上約6,900万ドル時点）を大きく上回ると指摘する。
AIによるハッキングはなぜ2026年10月、世界の70%のサイトを乗っ取れる脆弱性を生んだのか
Smithは、2026年10月にAIエージェントによるハッキング攻撃がインターネット上で急増し、発見された脆弱性が世界のウェブサイトの最大70%の乗っ取りを許す恐れがあったと報じた記事を引用し、Amazonはハッカーがこの欠陥を積極的に悪用しようとしていると述べたと紹介する。
AIチャットの精度はなぜ長時間で落ちるのか──「コンテキスト・ロット」7パターンとスレッドを分ける判断基準
Everyのエバル責任者Mike Taylorは、AIとの対話が長くなるほど応答精度が落ちる現象を「コンテキスト・ロット（文脈の劣化）」と呼び、その原因を7パターンに整理する。
中国のAI企業はなぜ安全性評価をほぼ開示しないのか──857件のモデルリリース分析
SemiAnalysisは、中国の主要AI開発企業9社（Alibaba・Tencent・ByteDance・Baidu・DeepSeek・Moonshot・Zhipu（Z.ai）・MiniMax・StepFun）による2021年から2026年9月15日までの全857件のモデルリリ…
Claude と ChatGPT、同じ月額でもAPI換算価値はなぜ5倍違うのか
SemiAnalysisの計測によると、月額200ドルのミドル層モデルプランでは、AnthropicのOpus 5.5がOpenAIのGPT 6.1 Solに対しAPI換算価値でおよそ5倍の差をつけている。
複雑なアプリ開発で Fable 5.1 に劣る、GPT-6 Astra の意外な弱点
OpenAI が GPT-6 Astra をリリースした。数週間にわたり数学の成績を事前に公開し、サイバーセキュリティ能力にはより強い安全対策が必要な理由を説明していた。
AI モデル選定はベンチマークスコアで決めていいのか ― 実業務で測るオフライン評価（offline evals）の作り方
年間1億ドル規模で AI に支出しながら、「オフライン評価（offline evals）」——実業務のタスク集で本番前にモデルを比較するテスト——を持たない企業が少なくないと Mercor CEO の Brendan Foody が指摘。Box CEO の Aaron Levie…
AI らしい単調な文章はモデルで直せるのか ― 文章特化モデル Deft の検証に見る多様性と指示遵守のトレードオフ
Deft は AI ライティングの「単調さ」を解決することを目指す新しいモデルで、句や文の繰り返しパターンをバッチ単位で制御する「配分ファインチューニング」という手法を採用
AI の計算資源はどの事業に配分すべきか — SpaceX 10GW 計画と Microsoft の容量配分のねじれに学ぶ
SpaceX は 2027 年に 6-8GW の追加容量、ポテンシャルで 10GW+ の AI コンピュート施設の建設・提供を目指すと Musk が表明した。SemiAnalysis の試算では capex は $300-500B で、AWS・Google と同等規模だが Spa…
プロンプトだけでは AI デザインの反復が遅いのはなぜか — 「ジグ」という内製ツールの発想
木工の「ジグ」（複雑な作業を簡単・正確にする補助ツール）という概念が AI デザイン領域に拡大している
Meta超知能研究所（MSL）は1年で何を築いたのか ― 社員の業務ログをRL訓練データに変える戦略
Llama 4の失敗を契機にZuckerbergが1年前にAI組織を刷新。$14.3BでScale AI（Alexandr Wang）を取り込み、研究者に数億ドル規模の報酬パッケージを提示して人材獲得競争を展開
高価なAIモデルはどのタスクに使うべきか ― タスクの大きさではなく「不確かさの量」で決める使い分け原則
Fable（Claude の最上位モデル）が週次利用枠から従量課金へ移行するタイミングで、Every 編集部が「Fable を使うべき場面」を再定義。タスクの大きさではなく「不確かさの量」で使い分けを判断せよという立場