AI性能

Argo-Benchの報告結果によると、最高成績のAIエージェントが210タスクの34.8％を解決した。これは自律システムの信頼性に未解決の限界があることを示している。

Anthropicは、より低いトークン価格、より高速な出力、そしてFable級の結果をうたうOpus 5.5を発表し、効率的なエンタープライズAIの基準を引き上げた。

NVIDIAは、Vera Rubin NVL72がGB300比でメガワット当たり最大30倍のエージェント推論スループットを提供できるとし、独立したベンチマーク審査を待っていると述べています。

MetaのMuse Spark 1.3はエージェント系とコーディングのスコアを改善したが、まだ未完成の最前線課題よりも、タスクあたりの低コストのほうが重要かもしれない。

NVIDIAは、Vera Rubin NVL72がGB300比で1メガワットあたり最大30倍のエージェンティックAIスループットを提供でき、長文脈推論のコストを狙うと述べている。

MetaはMuse Spark 1.3を発表し、OpenAIやAnthropicと競う中で、コーディングとエージェント型タスクの性能向上を挙げている。

NVIDIAは、Vera Rubin NVL72がGB300よりメガワットあたり最大30倍のエージェントAIスループットを実現でき、推論経済を変えると述べています。

OpenAIは、JalapeñoチップがモデルをまたいでAI推論速度と電力効率を改善すると述べていますが、結果はまだ導入前のベンダー報告にとどまります。

OpenAIは、速度と効率でNvidiaシステムを上回るJalapeñoの推論ベンチマークを公開したが、限定的な展開とベンダー提供データがその主張を和らげている。

NVIDIAは、Vera Rubin NVL72がGB300比でメガワット当たり最大30倍のエージェントAIスループットを実現し、AI構築者にとって推論経済を塗り替えると述べている。

プリンストン大学とUC San Diegoの研究は、AI agentsのskillsは知識より実行を改善する一方、ライブラリが拡大すると検索精度が急落することを示した。

NVIDIAは、AVOエージェントがARC-AGI-3で満点を達成し、メモリ、監督、ツールがモデル性能をどのように拡張できるかを示したと発表した。

NVIDIAは、エージェントのスキルが実際の実行でタスク結果、安全性、効率を向上させるかを検証するオープンソースのSkillEvaluatorを公開しました。

OpenAI は、GPT-5.6 Sol を最大14倍高速で実行する API ティア「Ultrafast」を予告し、Cerebras とともにリアルタイムの企業向けワークフローを狙っている。

NvidiaのNemotron 3.5 Lightningは、疎な活性化と量子化を用いて高速なオープンウェイト推論を実現し、最高スコアよりも大量処理のAIエージェントを狙っている。

オックスフォードは、AIの情報操作リスクに関するライブ・ベンチマークを公開し、モデル開発者や購入者に対して、時間の経過とともに追跡できる新たな安全性シグナルを提供した。

OpenAIは、2つのAPI設定によりARC-AGI-3でのGPT-5.6のスコアが3倍になったと述べ、推論設定がモデル性能をどう変えうるかを強調した。

AnthropicのClaude Opus 5がARC-AGI-3で新たな最高スコアを記録し、真の推論力向上なのかベンチマーク対策なのかという新たな疑問を呼んでいる。

ドイツのオープンモデル Soofi S は、完全にオープンな英語・ドイツ語ベンチマークで首位を主張する一方、開発者はテストデータ漏えいを公表し修正した。

NVIDIAは、LangChainで調整されたNemotron 3 Ultraがオープンモデルのエージェント・ベンチマークで最高水準の結果を達成し、低コストな企業向けAIスタックを示したと述べている。