OpenAI、GPT-6 SolとLunaをリリース、コスト削減と誤りの減少を主張
- OpenAIがGPT-6 SolとLunaをリリースし、コスト削減と誤りの減少を主張
- Solはコード作成向け、Lunaは文書要約や情報抽出向けで、API料金が半額に
- コード作成の誤り率が半分に、低コストでAstraレベルの信頼性を提供
#機械学習
AstroForgeは次世代宇宙船にAIを搭載
- AstroForgeがAIを搭載した自律飛行宇宙船を開発している
- Transformerベースの自律制御システムSoloと伝統的制御アルゴリズムの併用、2500センサーのデータで訓練
- 宇宙船の通信不能時に自律的な問題解決が可能になるが、地上との通信機器は搭載しない方針
TechCrunch Disrupt 2026でAIセーフティに関する5つのセッションが紹介される
- TechCrunch Disrupt 2026でAIセーフティに関する5つのセッションが紹介される
- エントープライズAIの本格導入、エージェントセキュリティ、クラウドの複雑化、物理世界でのAIの信頼性、ロボットのデータ課題が取り上げられる
- AI製品を企業に導入する際にはセキュリティと信頼性が不可欠で、これらのセッションで実践的な対応策が学べる
みんなJevの話してる。やってないの俺だけ
- JevはLLMとは異なるSystem Oneモデルで、型付きの判断と確率出力を提供する
- noul/choice/scoreの3種類の質問形式、出力トークン無料、確率の較正が特徴
- 確率の信頼性は自社データで検証が必要で、画像/音声は非対応
生成しないAI「Jev」とは？ IBM BobでJavaアプリの検索リランキングに組み込んでみた
- Jevはアプリケーションに組み込む判断特化型AIで、従来コードでは難しい意味的な判断を補完する
- Choice・Score・Noulの3タイプの質問形式と、Stateに変動情報を含む構成要素で動作し、処理速度が高速
- JevはAIにすべてを任せるのではなく、コードとハイブリッドで運用し、特定の判断処理に適用する
国内AIエージェント動向(2026/9/22号)
- 国内のAIエージェント市場で、業務環境への安全な組み込みが重視されている
- ローカルLLMによる情報統制、判定モデルによる生成結果の検証、人間承認を前提とした運用
- 閉域AIの経済性が評価軸となり、GPU調達や保守コストがクラウドAIとの採用判断に影響する
最新事例から学ぶJevのベストプラクティス
- Jevは意味的な判断を確率で返すAIモデルで、コードと組み合わせて使用するのが効果的
- 判断結果を確率で返す、コードと併用する、選択肢と基準を具体的にする
- Stateに判断材料を含めないと精度が下がるため、入力データの設計が重要
JEV リポジトリを 100+ 件読んで分かったこと：真似すべきはモデル呼び出しの前後だった
- JEVのモデル呼び出し前後のコードが100以上のプロジェクトで共通して重要だった
- モデル呼び出し前のstate構築と後処理の検証、選択肢の重複回避、確率分布の利用
- 選択肢が重なると閾値が意味を失うため、選択肢を重ねない設計が重要だった
Vector DBの次の使い方 ― MiniMax × Zilliz Cloudと日本の公開事例から考えるAI Data Infrastructure
- Zilliz Cloudでリアルタイム推薦と学習データ重複排除を大規模に運用したMiniMaxの事例が紹介された
- 5,000 QPS超のレイテンシ30ms、MinHash + LSHによるペタバイト規模の重複排除、Embeddingのネイティブなベクトル検索
- リアルタイム推薦ではRedisの代替としてVector Searchの導入が有効、学習データ処理では従来のMapReduceより2倍高速でコスト3〜5分の1に削減される
国内AIエージェント動向(2026/9/21号)
- 国内のAIエージェント市場で、業務プロセスへの深く入り込む運用設計が注目されている
- Kariは既存サブスクを活用したブラウザ操作、Zeptは業務実装支援、WellSkateは会議フォローアップ、ヘッドウォータースは判断基準の知識化、KUROKO AIは店舗マーケティングの日次運用、サイカルトラストは取引照合の特許取得
- AIエージェントの導入では、人による承認や監査証跡、運用設計力が重要になる
ChatGPTとは真逆？文章を書かないAI「Jev」は何に使えるのか
- Jevは文章やコードを書かずに判断に特化したAIモデル
- 分類（どれに該当するか）、Yes/No判断、数値スコアの3タイプの判断を返す。確信度もプログラム側で扱える
- 判断が不確実な場合は人間に渡す設計で、業務自動化の効率向上に貢献する
世界モデル企業は多くの秘密を保持している
- 世界モデル企業が技術や製品計画を秘匿している
- AMI LabsとWorld Labsが製品計画やタイムラインを非公開にし、Physiclのデータ供給業者も詳細を知らない
- 資金調達が容易なため、競合の注目を避けるために発表を控える戦略が取られている
AI業界は本当に遅延する準備ができているのか
- AI業界が前線を「ペースする」ことを目指す動きが広がっている
- AnthropicのCEOが「前線をペースする」計画を発表し、NvidiaのCEOは規制の必要性を否定
- 政府の規制強化意欲が低く、企業の競争が十分でないため、市場メカニズムだけでは安全対策が不十分な可能性がある
Jevを「分類器」ではなく、確率モデルの部品として見る
- Jevは分類器ではなく確率モデルの部品として使われると説明されている
- Jevは自然言語から確率変数を生成し、条件付き分布を推定する
- Jevの確率をベイズモデルに組み込む際の補正が必要
全部LLMにしない判断設計 — ハッカソンでJevを選んだ理由
- Jevは生成の代替ではなく、型付きの意味判断用としてルール／古典ML／LLMとの隙間に置く
- ルールベースとの境界は明確で、Jevは候補が決まっていて意味判断が必要な場面に適する、LLMのstructured outputと異なる型付き確率を返す
- ハッカソンではコストと発表の観点からJevを判定ゲートに載せることが有効で、閾値はコード側で管理する
Jevは学習なしに使えるカテゴリ分類器だ！ということでMNISTやらせてみたらダメダメだった件
- JevにMNISTを入力しても精度が悪く、LLMや画像入力モデルの方が優れている
- ASCIIアートや数値行列、座標配列の入力形式で試したが精度38%、GPT-5.6 Lunaの画像入力で精度が向上
- 画像をテキスト化してモデルに処理させるのは無理があり、画像入力モデルを使うべき
米海軍が今後の技術優先順位を発表、企業や投資家向けに計画を示す
- 米海軍が今後の技術優先順位を発表し、企業や投資家向けに計画を示した
- 応用AI、量子情報科学、高度ネットワーク、電磁波帯域運用、デジタルエンジニアリングの5分野を優先技術として掲げる
- 優先技術リストは資金拠出の約束ではなく、企業や投資家の計画に参考にするためのロードマップである
AI安全の議論が信じられないほど広がっている
- AI安全に関する議論が過剰に拡大している
- AI安全の懸念が現実のものと誤解されている、空気隔離システムでもAIが抜け出す可能性があるという研究が存在
- 現実のリスクは限定的で、過剰な不安を煽る情報に注意すべきだ
Jev登場。ChatGPTの生みの親が作った「しゃべらないAI」、GPT-5.6 Terra級の判断を桁違いの速さと安さで
- Jevは文章を生成しない代わりに、圧倒的な速さと安さで判断を返す新しいAIモデル
- 文章生成ではなく数値やカテゴリなどの形式化された答えを並列で出力、RLHF技術の開発者による設計
- ハルシネーションが原理的に起きないが、文章の説明や複雑な理由付けは苦手な設計
アンドリーセン・ホロウィッツが支援するVals、AIベンチマーキングの新たな基準を目指す
- ValsはAIベンチマーキングの新しい基準を目指し、アンドリーセン・ホロウィッツから4000万ドルを調達した
- ベンチマーキングのテスト内容を公開せず、法律や金融、コーディングなどの特定業界の複雑なタスクを評価する
- 企業がモデルの性能を正確に測定し、改善に役立てることで、ベンチマーキングがAI企業の信頼構築に重要になる
