OpenAI、GPT-6.1は『セキュリティが不十分』として公開見送り
同様のパフォーマンスとセキュリティのトレードオフが、現在公開中のモデルでも見られている。
出典: Ars Technica AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 Ars Technica AIで元記事を読む →
編集部の実践記録から
AI解体新書
AIは人間の何時間ぶんの仕事まで任せられるのか？ 4分未満はほぼ100%、4時間超は10%未満だった
METRが2025年3月19日に公開した測定によると、現行モデルは人間が4分未満で終える作業をほぼ100%こなす一方、人間が約4時間超かかる一続きの仕事は10%未満しか完遂できない。成功率50%の時間地平は約7か月で倍化。中小企業が導入判断に使える物差しとして読み解く。
続きを読む →
AI解体新書
AIに詳しい人の2025年予測は、どこが当たりどこが外れたのか（SWE-Bench 予測88%に対し実績80.9%）
AI Digestが集めた421名の予測を、2026年1月に答え合わせした調査です。コーディング系ベンチマークは唯一の過大予測、セキュリティ系と業界売上は大幅な過小評価でした。自己選択サンプルという限界も含めて、中小企業の計画づくりにどう使えるかを整理します。
続きを読む →
AI解体新書
ベンチマークの順位差は何を示すのか──39ベンチマークの分散の約半分が単一軸で説明できるという分析
Epoch AIが2023年以降に作られた39ベンチマークを主成分分析したところ、分散の約半分が第1主成分（総合力）で説明でき、各ベンチマークの重みは0.19〜0.30に収まりました。「このベンチマークで1位」という宣伝文句が自社のツール選定にどこまで使えるのかを、限界も含めて整理します。
続きを読む →