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。数週間の事前告知で数学能力と高度なサイバーセキュリティ機能を強調していた。
モデル動向
7 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。
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](https://mercor.com/) CEO の Brendan Foody が指…
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](https://www.spacex.com) は 2027 年に 6-8GW の追加容量、ポテンシャルで 10GW+ の AI コンピュート施設を建設予定。capex は $300-500B で、[AWS](https://aws.amazon.com)・[G…
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](https://scale.com/)（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