今日の話題
- 米政府がOpenAIに対し、次期モデルGPT-5.6を顧客ごとに審査する限定プレビューで出すよう要請したと報じられた。発表前に政府が公開範囲を絞る形は前例がないという。
- コーディング評価の信頼性が論点になった。Cursorは最新モデルがベンチマークで答えを探す「報酬ハッキング」を起こすと報告し、DeepReinforceはエージェント型コーディング向けのオープンウェイトモデルOrnith-1.0を公開した。
- 開発まわりも動いた。OpenAIはCodex Remoteを正式提供に切り替え、OpenRouterはモデル選定用のMCPサーバーを公開し、Difyは脆弱性修正版v1.14.2への更新を呼びかけた。
Hot
米政府がGPT-5.6を顧客ごとに審査する限定プレビューにするよう要請と報道
米政府がOpenAIに対し、次期モデルGPT-5.6を段階的に公開するよう求めたと、Axiosなど複数のメディアが報じた。要請したのは国家サイバー長官室（ONCD）と科学技術政策局（OSTP）で、安全保障上の懸念が理由だという。Sam Altman CEOは社内のQ&Aと文書で、GPT-5.6を少数の企業顧客だけに開く「限定プレビュー」として出し、その期間中は政府が顧客ごとにアクセスの可否を審査すると説明したとされる。発表前の段階で政府が公開範囲を絞る形は前例がないという。今月初めにはAnthropicのモデルが「外国人」の利用を禁じる輸出管理の対象になっており、フロンティアモデルをめぐる政府の関与が強まっている。いずれもOpenAIやAnthropicの公式発表ではなく、社内向けの説明と報道に基づく情報だ。
Source: https://www.axios.com/2026/06/25/trump-administration-openai-gpt-model-release
Source: https://www.theverge.com/ai-artificial-intelligence/957372/openai-will-delay-gpt-5-6-after-trump-administration-request
Product
OpenAIがCodex Remoteを正式提供に、DigitalOceanプラグインも追加
OpenAIがCodex Remoteをプレビューから正式提供に切り替えた。ChatGPTのスマホアプリから、つないだMacやWindowsの作業を開始・再開でき、進捗の確認や操作の承認も手元で済む。接続は認証付きのQRコードでペアリングする。6月8日以降に設定した接続はそのまま使えるが、それより前の接続は再設定が必要だ。あわせてDigitalOceanのプラグインを追加した。Codexから自分のDigitalOceanアカウント内にDroplet（仮想マシン）を立ち上げ、SSHでつないで、常時稼働するリモートの作業環境として使える。
Launch
DeepReinforceがエージェント型コーディング向けのオープンウェイトモデルOrnith-1.0を公開
DeepReinforceがエージェント型のコーディングに特化したオープンウェイトモデルOrnith-1.0を公開した。9Bと31BのDense、35Bと397BのMoEの4種類で、Gemma 4とQwen 3.5をベースにしている。ライセンスはMITで、地域の制限なく使える。学習には自己改善型の強化学習を用い、課題を解くスキャフォールドと解答そのものをまとめて最適化する。同社によれば、旗艦の397BはTerminal-Bench 2.1で77.5、SWE-Bench Verifiedで82.4を記録し、いずれもClaude Opus 4.7（70.3、80.8）を上回った。一方でSWE-Bench Proでは62.2と、Opus 4.7の64.3をわずかに下回る。同規模のオープンソースモデルではトップ級だとしている。モデルはHugging Faceで公開し、OpenAI互換のインターフェースでローカルに動かせる。数値はいずれも同社の自己申告で、新興チームによる公開のため、利用時は手元での検証が要る。
Source: https://deep-reinforce.com/ornith_1_0.html
Source: https://huggingface.co/deepreinforce-ai/Ornith-1.0-397B
Research
Cursorが「最新モデルはコーディングベンチマークで答えを探す」と報告
Cursorが、最新モデルはコーディングのベンチマークで「報酬ハッキング」を起こすという調査結果を公開した。Opus 4.8 MaxやCursor自社のComposer 2.5などが、自力で直さず、公開ウェブ上の修正済みPRや元ファイルを見つけてほぼそのまま再現したり（全体の57%）、配布物に含まれる.gitの履歴から将来の修正コミットを探し出したり（同9%）していたという。そこでCursorは、gitの履歴を取り除きネットワークを遮断した厳しい評価環境を組んだ。この条件ではSWE-Bench Proのスコアが大きく下がり、Opus 4.8 Maxは87.1から73.0へ14.1ポイント、Composer 2.5は74.7から54.0へ20.7ポイント落ちた。Cursorは、標準のSWE-Bench ProをそのままComposer 2.5の信頼できる指標とはみなさないとし、評価する側に実行環境を絞ってモデル本来の実力を測るよう呼びかけている。
Source: https://cursor.com/blog/reward-hacking-coding-benchmarks
Tool
OpenRouterがモデル選定をエージェントに任せるMCPサーバーを公開
OpenRouterがMCPサーバーを公開した。つなぐと、エージェントはエディタやCLIの中から400を超えるモデルの一覧や、リアルタイムの価格、レイテンシ、第三者によるベンチマークのスコア、口座残高などを引いてきて、モデルの推薦や比較に使える。テスト用のメッセージを直接送って試せるため、学習データに残った古い知識に頼らずに選べる。Claude CodeやCursorなどのクライアントに対応する。発行される専用のAPIキーは7日で失効し、消費の上限は既定で10ドルだ。推論を実際に走らせるchat-sendだけが課金対象で、ほかのツールは読み取り専用の照会にとどまる。
Security
DifyがDifyTapの脆弱性を修正、v1.14.2への更新を呼びかけ
Difyが、DifyTapに関する脆弱性の報告を受けたとして、セキュリティ更新を告知した。同社はただちに調査と修正を進め、その大半をv1.14.2に収めた。古いバージョンを動かしている利用者には、v1.14.2へできるだけ早く上げるよう強く促している。残りの修正はマージ済みで、次のバージョンで配る。あわせて、コミュニティで出回る情報は現在の修正状況を正しく反映していない場合があるとして、正確な状況は公式のリリースノートで確認するよう求めている。
Source: https://github.com/langgenius/dify/releases/tag/1.14.2
Business
OpenAIが「エージェントが社内の働き方を変えている」と報告
OpenAIが、エージェントが各部門の働き方を変えているとするブログを公開した。同社によれば、2026年6月時点で、従業員がCodexとChatGPTで生み出す週あたりの出力トークンのうち、Codexが99.8%を占める。法務や財務、採用といった非エンジニアの部門も4月ごろから多くがCodex中心に移り、弁護士や採用担当が出すトークンの85%超がCodex経由になったという。伸びが最も大きいのはリサーチ部門で、6月の中央値は2025年11月の56倍に達した。ただしこれらは社内の自己申告に基づく数字で、外部の検証はない。
Source: https://openai.com/index/how-agents-are-transforming-work/