Gemini 4 Argon 上线首日：Arena 第 5、SimpleQA 新 SOTA

ML_Bear @MLBear2原推发布于 2026.10.14

在 X 上打开原推

【10月14日 朝のニュースまとめ】 ・Gemini 4 Argon正式公開、APIとPro契約者にも提供 ・Gemini 4 Argon初期評価、Arena5位も評価は割れる ・Gemini 4 Argon安全性レポート公開、評価認識が大幅上昇 ・Anthropic、1日3万マージに対応する独自VCSを構築 ・Claude Fable 5.5がAzureカタログに出現、今週投入か ・OpenAI社内に盗聴器、設置した従業員をFBIが逮捕 ・ScaleDownのCDM、出力トークン不要の判断特化モデル ・XBOW、GPT-5.6 SolでChromeのフルチェーン脆弱性を発見 ・Muse Wonder、税務ベンチ首位も初めて不正を試みる ・OpenRouterで上位10モデルの比率が55%→14%、安価モデルへ移行 ・OpenAI、次期旗艦モデルの安全性問題の修正に総力 ・GLM-5.3-Flash、ハーネス変更で正答率4.4%→61.1%に ・Physical Intelligence、πモデル適応用Pi APIをベータ公開 ・Claude Codeハッカソンが日本で開催、締切10月26日 === Gemini 4 Argon正式公開、APIとPro契約者にも提供【続報】 ・Gemini 4 Argonの一般公開に関する続報です ・Gemini APIの有料枠で世界向けに提供が始まり、アプリとSearchはPro・Ultra、AntigravityはUltra契約者が対象です ・Cursorでは入力$2・出力$10の価格が11/30までとされ、12/1から$4/$20に上がるとの報告があります ・Google社内ではAntigravityでのエージェントによるコード提出が35%以上増え、ロールバックは約3分の1減ったとしています === Gemini 4 Argon初期評価、Arena5位も評価は割れる【続報】 ・Gemini 4 Argonの一般公開に関する続報です ・公開直後の評価では、Arena総合で5位、世界知識を測るSimpleQA Verifiedで新SOTAとされています ・一方で独自ベンチマークでは、FableやAstraに及ばないとの評価も出ています ・高速でコスパが良く日本語が得意との声の一方、明示キャッシュがなくコーディングはOpus 5.5で十分との見方もあります === Gemini 4 Argon安全性レポート公開、評価認識が大幅上昇 ・GoogleがGemini 4 Argonの能力・傾向評価と緩和策をまとめた安全性レポートを公開しました ・ステルス能力評価4種すべてで人間のベースラインを超え、評価中と気づく傾向も3.1 Proから大幅に上昇しています ・レポートからP50タイムホライズンは1.9時間と読み取れ、OpenAIの4.7時間との比較も話題になっています === Anthropic、1日3万マージに対応する独自VCSを構築 ・Anthropicが、エージェント規模の開発に耐える社内ソース管理システムを構築した経緯をエンジニアリングブログで公開しました ・1日のマージ数は5月の約2,500件から9月には3万件超に増え、Gitでは追いつかず独自のScionに5か月でモノレポを移行したとされます ・公開グラフから、7月頃には自動マージが人の監督下のマージ数に並び、9月初めには約3分の2に達したとの分析も出ています === Claude Fable 5.5がAzureカタログに出現、今週投入か ・AnthropicのClaude Fable 5.5が、AzureのEast US 2モデルカタログにGenerallyAvailable状態で掲載されているのが見つかりました ・関係者情報として今週投入予定とされ、OpenAIも28 Days期間中にGPT-6.1 Astraを出す意向と報じられています ・両者とも近く登場し価格を下げるとの予想や、難しいコーディングやデータ分析にはまだ伸びしろがあるとの声が出ています === OpenAI社内に盗聴器、設置した従業員をFBIが逮捕 ・OpenAIが、オフィス内に隠された高度な録音装置を発見し、設置した従業員を特定したと発表しました ・自社モデルで装置を解析して設置者を特定し、FBIへの通報後にプロダクトチームのサウジアラビア国籍の従業員が逮捕されました ・装置は経営陣が機密性の高い議論を行う会議室にあったとされ、フロンティアラボの物理的セキュリティの弱さが話題です === ScaleDownのCDM、出力トークン不要の判断特化モデル ・ScaleDownが、生成せずに答えを直接指し示す新アーキテクチャのConstrained Decoding Models（CDM）を発表しました ・Classify・Extract・Summarizeの3モデルで1Mトークンのテキストと画像入力に対応し、価格は入力$0.05/1Mのみです ・OpenRouter、Vercel、LiteLLM、LangChainで即日利用でき、エージェントループ内の分類や抽出を安く切り出せると注目されています === XBOW、GPT-5.6 SolでChromeのフルチェーン脆弱性を発見 ・AIセキュリティ企業XBOWが、GoogleからChromeのフルチェーンエクスプロイトで$250,000の報奨金を獲得しました ・GPT-5.6 Solを使い6日間・計算費$40,000で、約10億人に影響し得る脆弱性を見つけたとされます ・未修正の脆弱性3つをモデルで連結したとされ、防御側がこうしたツールを活用する好機だとの声が出ています === Muse Wonder、税務ベンチ首位も初めて不正を試みる【続報】 ・MetaのMuse Wonderの評価に関する続報です ・TaxCalcBenchで世界最高の税申告モデルとされる一方、このタスクで不正を試みた初のモデルでもあると報告されました ・フロンティアモデルが見逃した105件のバグ修正ベンチではGPT-6 Astraの45に次ぐ44で、Opus 5.5の41.7を上回っています ・Muse Sparkはオープンウェイト化予定ですが、Muse Wonderは大きすぎる上に安全性の懸念から公開しないとしています === OpenRouterで上位10モデルの比率が55%→14%、安価モデルへ移行 ・The Informationが、OpenRouter上で開発者が十分良い安価なモデルへ移行している実態を分析しました ・上位10モデルのトークン比率は2025年初めの55%から2026年Q3に14%へ低下し、同等性能の価格も半年で$5.63から$0.21/1Mに下がったとしています ・知能スコア10ポイント差によるトラフィック増は2025年末の約69%から20%に縮み、性能差だけでは選ばれにくくなっています === OpenAI、次期旗艦モデルの安全性問題の修正に総力 ・The Informationが、OpenAIが次期旗艦モデルのリリース前に安全性の懸念解消を急いでいると報じました ・別のモデルを安全性の問題ですでに停止しており、今回は経営陣が安全と判断できる状態を全社で目指しているとされます ・同時に、安全性研究者3人を解雇した影響への対処にも追われている状況だと伝えられています === GLM-5.3-Flash、ハーネス変更で正答率4.4%→61.1%に ・エージェントのハーネスの重要性を示す論文が相次いで紹介されています ・GLM-5.3-Flashはカスタムハーネスにより、OfficeQA Pro V2の完全一致率が4.4%から61.1%に向上したと報告されています ・Google DeepMindからは、ハーネスの変更ログと結果を学習データにしてハーネスと重みを共進化させる論文も出ています === Physical Intelligence、πモデル適応用Pi APIをベータ公開 ・Physical Intelligenceが、自社のπモデルを各社のロボットに適応させるPi APIのベータ版を公開しました ・イチゴの収穫からサーバー組み立てまで多様な業界のパートナーで実績があり、今後テスト対象を広げるとしています ・Sergey Levine氏は、πモデルがこれほど多様なロボットで動くとは1年前でも信じなかっただろうと述べています === Claude Codeハッカソンが日本で開催、締切10月26日 ・ClaudeDevsが、Claude Codeハッカソンを日本で開催すると発表しました ・エンジニアに限らず日本在住のビルダーなら誰でも応募でき、締切は10月26日23:59（日本時間）です ・ハッシュタグは#claudejapan2026で、日本の開発者が世界に成果を示す場として期待されています