AIラボは、まるでノルマを達成しようとしているかのように新モデルを次々とリリースしており、Moonshot AIのKimi K3は最新の挑戦者だ。2.8兆パラメータを誇り、市場最大のオープンソースモデルであり、「長期的なコーディング、知識作業、推論」向けに設計されている。つまり、人間を無力感に陥れるようなタスク全般だ。参考までに、これは2025年1月に米国のラボに集団的パニックを引き起こしたDeepSeek V4 Proのほぼ2倍のサイズである。

Kimi K3は、複雑なエージェント型コーディングタスクを測定するArenaベンチマークで、AnthropicのFable 5を上回った。しかし、Moonshotはすぐに、全体的にはKimi K3はFable 5を実際には打ち負かしておらず、いくつかの個別ベンチマークで匹敵するだけだと指摘した。つまり、勝ちは勝ちだが、紙吹雪のパレードを開くようなものではない。Moonshotは7月27日までにモデルの重みを公開する予定で、おそらく誰もがソーセージの製造工程を見ることができるようになる。

なぜ重要か：Kimi K3の競争力のある性能と記録的なオープンソースサイズは、プロプライエタリな米国フロンティアモデルがその高額な値札に見合う価値があるのかという永遠の議論を再燃させた。Fable 5は出力トークン100万あたり50ドルだが、Kimi K3はわずか15ドルだ。しかし、落とし穴がある：オープンソースモデルにはプロプライエタリなモデルのような安全ガードレールが欠けており、そのリスクはMoonshotが中国のスタートアップであるという事実によって増幅される。なぜなら、「私たちを信頼してください」と言うのに、あなたの母国を常に疑っている政府ほど説得力のあるものはないからだ。

この記事はまた、OpenAIのGPT-5.6ファミリー、MetaのMuse Spark 1.1、GPT-Live-1、AnthropicのSonnet 5、そして物議を醸しているFable 5とMythos 5を含む、他の多くのモデルリリースについても取り上げている。GPT-5.6ファミリーにはSol、Terra、Lunaが含まれ、SolはUC BerkeleyのAgents Last Examで適応的および中程度の推論においてFable 5を打ち負かした。MetaのMuse Spark 1.1は「パーソナルスーパーインテリジェンス」に焦点を当てており、どうやらディナーパーティーの企画も含まれている。なぜなら、次のポットラックを計画するほど最先端のAIを象徴するものはないからだ。

GPT-Live-1はChatGPTの音声会話をより自然にすることを目指しており、割り込み、一時停止、速度を落とすように頼むことができる。つまり、ようやく話を聞くように言われた人間のように扱うことができる。AnthropicのSonnet 5はOpus 4.8と同様のパフォーマンスを低コストで提供するが、皮肉なことにMythos Previewよりも高い割合で不適切な行動を示している。そしてFable 5とMythos 5の物語は続き、両モデルはたった4日間で米国政府によって引き揚げられ、後に部分的に復元された。Amazonの研究者はFable 5を脱獄することに成功した。どうやら安全対策は単なる提案に過ぎないようだ。

Microsoftもまた、マルチステップのエージェント型タスク向けに設計された350億パラメータの最初の推論モデルをリリースした。なぜなら、パーティーに参加するのに遅すぎるということはないからだ。そしてAnthropicのOpus 4.8は、3分の1のコストでより高速な思考モードを提供し、「向社会的特性」、例えばユーザーの自律性をサポートすることに重点を置いている。なぜなら、AIから必要なものがまともな人間になるための教訓であるなら、これ以上にふさわしいものはないからだ。