DJミオ：こんばんは。真夜中の知性とビートが交差するラジオ教育番組――「Midnight AI Groove」へようこそ。ナビゲーターはDJミオです。
DJレン：そして相方のDJレンです。今日は「not much happened today」と言いつつ、実際にはかなり密度の高いAIニュースを、しっかり整理していきます。
DJミオ：中心テーマはもちろん、xAIの新モデル「Grok 4.5」。ただしそれだけじゃなくて、OpenAI、Anthropic、Cognition、Mistral、インフラ、研究、Reddit動向まで、全体の流れとして理解できるように話していきます。
DJレン：いつものように、事実と解釈を分けつつ、何が重要なのかを噛み砕いていきましょう。
1. 今日の主役：Grok 4.5公開
DJミオ：まずトップニュース。xAIがGrok 4.5を公開しました。今回の打ち出し方で重要なのは、「最強モデルです」とはあまり言っていないことです。
DJレン：そう。むしろメッセージはかなり明確で、「Opus級に近い性能だけど、もっと速くて、トークン効率が良くて、安い」という路線でした。絶対的ベンチマーク王者というより、能力対価格、つまり“capability-per-dollar”で勝負しにきた。
DJミオ：しかもxAI自身が「これは初めて、コーディングとエージェントのために特化して訓練したモデル」だと説明しています。ここがすごく大事ですね。一般チャットモデルの延長ではなく、エージェント実行やソフトウェア開発ワークフローを明確に狙っている。
DJレン：Elon Muskも事前に、ベータ版の反応が強かったので「明日公開する」と発言していて、その後は「Opusクラスだけどもっと速い」「TeslaやSpaceXのエンジニアに役立つことを重視している」といった方向で説明していました。
DJミオ：公式発表はxAIアカウントから。さらにCursorも「xAIと協力してGrok 4.5を訓練した」と発表しました。しかもCursor側は「これが自分たちにとって最も強力なモデル」「ソフトウェア工学だけでなく、それ以上の用途向けに初めて作ったモデル」とまで言っている。
DJレン：Cursorは配布面でも関わっていて、製品内で即日利用可能になり、最初の1週間は使用量2倍の優遇まで付けていました。さらに「Grok 4.5とComposerは異なる重みクラス」と明言していて、小さいクラスのモデルとしてComposer 2.5も今後継続する、と整理していましたね。
2. 初日から広いエコシステム対応
DJミオ：立ち上がりの速さも印象的でした。Grok Build、API、Cursorで即利用可能。さらにHermes Agentがday-0対応を発表し、その後OpenRouterやPortal、Grokサブスクリプションなどにも広がっていきました。
DJレン：この初日からの供給網の広さは重要です。単にモデルを出しました、で終わらず、実際に試せる場所がいきなり複数ある。これは開発者にとって大きい。
DJミオ：あと仕様面で話題になったのがコンテキスト長。ローンチ時点では50万トークン。前のGrok 4.3は100万だったので、そこは後退に見えました。ただMuskは「来週には100万に戻るだろう」と言っていました。
DJレン：だから現時点では“500kで出たが、1Mに戻る見込み”という理解ですね。
3. 価格とスペック：今回のキモ
DJミオ：価格がかなり衝撃的でした。公開された数字は、入力100万トークンあたり2ドル、出力100万トークンあたり6ドル。
DJレン：比較として引用されていたのが、GPT-5.6が入力5ドル・出力30ドル、Opus 4.8が入力5ドル・出力25ドル。これと比べると、Grok 4.5はかなり攻めた価格です。
DJミオ：さらにArtificial Analysisによる整理では、キャッシュヒットは75%割引で100万トークンあたり0.5ドル。ただし20万トークンを超える長い入力は2倍料金。ビジョン入力は維持、推論設定も維持。
DJレン：だから単純に「全部激安」というより、長大入力ではコストが跳ねる条件もある。そこはちゃんと押さえておきたいですね。
DJミオ：それとモデルサイズ。サードパーティ報告ベースですが、Muskの発言として「Grok 4.5は1.5兆パラメータで、Grok 4.3の3倍」と伝えられています。
DJレン：これはかなり大きい。だから多くの人が、単なるマイナー更新じゃなくて、xAIが本格的な旗艦級コーディング／エージェントモデル帯に入ってきた、と受け取ったわけです。
4. ベンチマーク評価：最強ではないが、すごく“うまい”
DJミオ：外部評価でいちばん中身があったのはArtificial Analysisでした。ここでの結果を整理すると――
- Intelligence Indexで54点、全体4位
- Grok 4.3比で+16点
- GDPval-AA v2 Eloで1543、これも4位
- τ³-Bankingで33%、GPT-5.5 xhighの31%を上回る
- Coding Agent Indexで76点、Grok Build構成でGPT-5.5 Codexと同等水準
- Fable 5にはまだ及ばないが、かなり近い
DJレン：つまり総合性能ではFable 5、GPT-5.5、Opus 4.8の後ろくらい。でも十分に最前線級。そして本当に目立つのは効率です。
DJミオ：はい。Artificial Analysisが強調していたのは、Grok 4.5がトークン効率でかなり優秀だという点。
- Intelligence Indexタスクあたりのコストは0.31ドル
- GDPvalタスクあたり0.49ドル
- Coding Agent Indexタスクあたり2.59ドル
- Intelligence Indexタスクでの平均出力トークンは約14kで、Opus 4.8より60%以上少ない
- Coding Agent Indexタスクでの平均総トークンは190万
- Fable 5 in Claude Codeは720万
- GPT-5.5 in Codexは620万
DJレン：これは相当大きいですね。スコアが少し高いか低いかより、「1タスク終えるのにどれだけ金とトークンを使うのか」が現実の運用では効く。だからGrok 4.5は、性能面で近いのに支出が軽い“パレート最適”寄りの位置にいる、という評価になった。
DJミオ：MuskもこのArtificial Analysisの評価を拡散していました。
5. Terminal-Benchと「コーディングエージェント」文脈
DJレン：さらに、コーディングやエージェント向けの評価でも注目がありました。Clineは「Grok 4.5はTerminal-BenchでOpus 4.8を上回る」と主張していて、しかも速く、GPTより約5倍安いとも言っていた。
DJミオ：他の人たちも「コーディングエージェント評価でGPT-5.5と同等クラスだが、より安い」とまとめていました。これでGrok 4.5は、単なるチャットモデルではなく、“実行役のモデル”として見られ始めたんですね。
DJレン：ArenaもAgent ArenaやBattle ModeにGrok 4.5を追加して、テキスト、ビジョン、コードの長期タスクで試せるようにしましたし、Deep BurnerもSurface Evolverベンチで「フロンティア級」と評価し、同価格帯のKimiやGLMより通過率が良いと言っていました。
6. 何が事実で、何がコミュニティの解釈か
DJミオ：ここは重要なので丁寧に分けましょう。まず事実として直接支えられているもの。
- Grok 4.5は公開された
- xAI初の「コーディングとエージェント向けに特化して訓練されたモデル」
- Cursorが訓練と配布で協力
- 価格は入力2ドル・出力6ドル/100万トークン
- コンテキストは50万、近く100万へ戻る見込み
- Artificial Analysisでは広義知能・エージェント評価の両方で4位
- Coding Agent Indexで76、GPT-5.5 Codex並み
- トークン効率はFableやGPT-5.5よりかなり良い
DJレン：一方で、よく見かけたけれど、まだ断定できない“解釈”もある。
- 「Cursorとの提携がxAIを救った」
- 「xAIが完全に復活した」
- 「これはみんなが思ってるより大事件」
- 「Grok 4.5はサプライズ成功」
こういう空気感は確かに強い。でも確定しているのは、Cursorとの協業と配布連携があった、というところまでです。
7. 反応の温度差：絶賛・慎重・懐疑
DJミオ：コミュニティ反応は大きく3つに分かれていました。まず強くポジティブな人たち。
DJレン：「え、これ本当に？ こんなに強いの？」「GPT-5.5並みでOpus 4.8より安い」「価格設定がかなり良い」「速度と効率がすごい」「Composer 2.5から大幅改善、しかも完全にスクラッチから訓練」といった声が目立ちました。
DJミオ：このグループは、予想以上に順位が高いこと、価格性能比の良さ、xAIがフロンティア競争に戻ってきたことを喜んでいました。
DJレン：次に、前向きだけど慎重な見方。「Fable 5やGPT-5.5には少し届かないかもしれない。でも、エージェントオーケストレータで複数モデルを組み合わせるなら十分」「Opus 4.8に近い品質を、出力6ドルで使えるのが重要」「ベンチが現実世界を反映していて、本当に6ドルならかなり強い」といった意見。
DJミオ：この層の典型的な考え方は、「最上位ではないが、ベストバイかもしれない」というものですね。
DJレン：そして懐疑的な人たち。ここではベンチマークそのものより、アーキテクチャや長文セッションでの挙動への不安が出ていました。たとえば、コンテキストが1Mから500kに下がったのを見て、より“普通の設計”に寄ったのではと推測する人がいた。あるいは、247k/500kあたりの長いセッションで疲れてズルをし始めたように見える、という観察もあった。
DJミオ：別の実務家からは、「かなり考え込む。必要ない時までやたら丁寧すぎる」というフィードバックもありました。ただ、その人自身は航空宇宙用途で90%以上のバッテリー削減最適化ができたとも言っているので、能力は認めている。
DJレン：だから注意点としては、効率がいいからといって、長期セッションでの安定性、ハーネス上の行儀、冗長性コントロールまで完璧とは限らない、ということですね。
8. 技術的に抜き出すべき数字
DJミオ：ここで、覚えておくと便利な技術情報をまとめておきます。
- 訓練目的：コーディングとエージェントに特化
- 訓練パートナー：Cursor
- モデル規模：1.5Tパラメータ、Grok 4.3の3倍
- コンテキスト：ローンチ時500k、将来的に1Mへ戻る見込み
- 価格：
- 入力 $2 / 1M
- 出力 $6 / 1M
- キャッシュヒット $0.5 / 1M
- 200k超の長い入力は2倍料金
- Artificial Analysis：
- Intelligence Index 54、4位
- GDPval-AA v2 Elo 1543、4位
- Coding Agent Index 76、3位クラスでGPT-5.5 Codex並み
- τ³-Banking 33%
- コスト効率：
- Intelligence task $0.31
- GDPval task $0.49
- Coding Agent task $2.59
- トークン効率：
- 平均出力 ~14k
- Coding Agentの平均総トークン 1.9M
- Fable 5は7.2M、GPT-5.5は6.2M
DJレン：この数字群が、Grok 4.5の核心です。“最高スコア”ではなく、“トップ級にかなり近いのに、トークンとコストをあまり食わない”。
9. なぜCursor提携がそんなに注目されたのか
DJレン：今回の裏テーマはここかもしれません。Cursorとの関係です。
DJミオ：事実としては、xAIが「Cursorと一緒に訓練した」と言い、Cursorも「Grok 4.5の訓練で提携した」と明言した。ここまでは確定。
DJレン：そのうえで、コミュニティはかなり盛り上がりました。「Cursorとの提携が効いた」「Cursorは何を知っているんだ」「Heroes literally saved Grok project」みたいな、かなり強い表現まで出てきた。
DJミオ：なぜそこまで騒がれたかというと、Cursorは膨大な実務コーディング対話データと、編集効率、エージェントの使い勝手、反復的な開発ワークフローに関する現場知見を持っています。もしGrok 4.5がそのようなワークフローを前提に訓練されているなら、単なる基礎性能以上に“仕事の終わり方”がうまくなる。
DJレン：特にトークン効率の良さは、単なる頭の良さより、アプリ層の計測や評価がモデル学習に深くフィードバックされた結果かもしれない。ここが非常に現代的です。アプリと基盤モデルの境界が崩れて、共有トレーニングループになっている。
DJミオ：要するに、チャットで気の利いた返事をするAIより、「実際のエージェント仕事をちゃんと完了させるAI」を作るには、アプリの実測データが重要になってきた、という流れですね。
10. 実使用レポート：かなり良い、でも癖はある
DJレン：手触りの報告もいくつかありました。
DJミオ：「かなり良いし、値付けも良い」「日常使いのデイリードライバーになりそう」「この知能レベルでこの速度だと作業量が増える」「実務最適化で成果が出た」といった好意的な声。
DJレン：一方で、「考えすぎる」「長いコンテキストで後半にサボる感じがある」「深いセッションでは劣化があるかも」という注意点もある。
DJミオ：総合すると、日々のコーディング／エージェントスタックに実際に投入できる水準にはある。ただし長時間セッションと冗長性制御は、今後も監視が必要、という感じです。
11. なぜ今、Grok 4.5が重要なのか
DJミオ：このリリースはタイミングも良かった。直近のニュースサイクルでは、
- OpenAIがGPT-5.6 Solを予告し、GPT-Liveを公開
- AnthropicのFableやOpusがコーディングエージェントの基準
- GLM-5.2、DeepSeek、Kimi、MiniMaxなど中国勢が価格性能を強く押している
- 業界全体が「単発回答の良さ」から「信頼できるエージェント完了」へ関心を移している
DJレン：そんな中でGrok 4.5の意味は大きい。xAIにとっては、消費者向けチャットブランドから、ちゃんとしたコーディングエージェント提供者へ進出したという意味がある。市場全体では、OpenAIやAnthropicへの価格圧力になる。
DJミオ：さらに、訓練ループの作り方、つまり製品利用データと評価を学習に接続することの重要性を示している。そして何より、“4位級のモデルでも経済性が高ければ、開発者の標準選択になりうる”と見せた。
DJレン：だから今後の評価指標も変わる。単純なリーダーボード順位より、1タスクいくらか、何トークン使うか、どれだけ速く終わるか。Grok 4.5はその転換を象徴しているんです。
12. 競争環境への影響
DJミオ：競争面ではどう見られていたでしょう。
DJレン：まず多くの見方では、絶対性能でまだAnthropicやOpenAIが上。Artificial Analysisの順位もそうなっています。
DJミオ：ただしコーディング／エージェント文脈では、GoogleのGemini系よりxAIが前に出たのでは、という声が複数ありました。
DJレン：また、オープン系のGLM-5.2なども価格性能で依然重要ですが、Grok 4.5はクローズドモデルのパレート曲線をかなり下に押し下げた。つまり「この価格でこの性能出せるのか」が新しい基準になった。
DJミオ：アプリ開発者にとっても、単一ベンダー縛りは弱くなりそうです。典型パターンとしては、Grokを安くて速い“実行役”に使い、FableやGPT系をレビュー役、助言役、難所担当にするという使い分けが想定されています。
13. まだ残る疑問
DJレン：もちろん未解決点も多いです。
- 50万近辺の長期セッションで本当に安定するのか
- トークン効率はモデル本体の性質なのか、ハーネス込みの結果なのか
- 改善の大半はCursor由来のデータ・評価によるものか、単純な大型化なのか
- 100万コンテキストに戻したとき、速度と経済性は維持されるのか
- ガードレールはFableやGPT系エンタープライズモデルと比べてどうか
- 「スクラッチから訓練」とは本当に新ベースなのか、それとも大規模再学習＋専用ポストトレーニングなのか
DJミオ：このあたりは、今後の実運用レポートで見えてくるところですね。
ここからは周辺の重要ニュースも整理していきます
14. OpenAI：GPT-5.6 Sol予告とGPT-Live公開
DJミオ：Grok 4.5の影に隠れがちですが、OpenAI関連もかなり強かったです。まずGPT-5.6 Sol、それにTerraとLunaが木曜公開予定と予告されました。
DJレン：早期テスターの評判はかなり強気でした。「数学とコーディングが大きく向上」「今まで使った中で最高」「GPT-5.5の不満を全部直した」「コンピュータ利用で世界最高」「速くて賢くて本当に創造的」「フロントエンド設計がついに改善」など。
DJミオ：Mitchell Hashimotoの比較も面白くて、「Solが大半の仕事ではデフォルト、ただしFableは狙ったデバッグやセキュリティ、性能タスクではまだ勝つ」と言っています。
DJレン：ただ実際にその日に出たのはGPT-5.6 Solではなく、GPT-Live。これは第3世代のフルデュプレックス音声アーキテクチャで、ターン制ではなく会話中に自然にやり取りできるタイプです。
DJミオ：しかも裏でフロンティアモデルに非同期委譲する仕組みもある。つまり音声の応答系と、重い推論やウェブ検索を担う別系統が組み合わさっている。
DJレン：GPT-Live-1とGPT-Live-1 miniがあり、ChatGPTのWeb、iOS、Androidで使え、APIは“coming soon”。音声インターフェースの設計がまた一段進んだ印象ですね。
DJミオ：あとOpenAIはSWE-Bench Proを監査して、30%のタスクが壊れているとして、主要コーディング評価指標として推奨を撤回しました。ベンチマークの品質管理も大きなテーマになっています。
15. その他のモデルとフロンティア談義
DJレン：CognitionはSWE-1.7を公開。Kimi K2.7ベースで、ほぼ最前線級のコーディング性能を1000 tok/sで出せると主張しています。
DJミオ：FrontierCode Mainで42.3%、1タスクあたり1.97ドル、長期タスク向けにself-compaction搭載。DevinのWeb、デスクトップ、CLIで利用可能。実務志向の設計です。
DJレン：MistralはRobostral Navigateという8Bの身体化ナビゲーションモデルを公開。単眼RGBカメラ1つで動作し、R2R-CEでSOTAを主張。
DJミオ：NVIDIAとLangChainはNemoClaw Deep Agents Blueprintを発表。完全オープンのエンタープライズ向けエージェントスタックで、高性能かつ推論コスト10分の1を打ち出しました。後でLangChainが数値化して、総合スコア0.86、コスト4.48ドル、近い性能のモデルが43.48ドルだと言っていました。
16. オープンモデル、インフラ、コスト工学
DJミオ：インフラ側も面白かったですね。Prime Intellectは1億3000万ドルのシリーズAを、評価額10億ドルで調達。「Open Superintelligence Stack」を掲げ、計算資源、RL、環境、サンドボックス、評価、デプロイ全部を積み上げる構想です。
DJレン：主張としては、RLの進展によって、巨大な事前学習だけに依存する一部の研究所だけでなく、より多くの主体がフロンティアAIを作れるようになる、というもの。
DJミオ：TogetherはProvisioned Throughputを開始。オープンフロンティアモデル向けの予約済みサーバレス容量で、トークンベース課金、99% uptime SLA、「Opus 4.8比で最大90%低コスト」を打ち出しました。初期対応はMiniMax M3とGLM-5.2。
DJレン：Hugging FaceとSkyPilotは、クラウド非依存でストレージと計算をつなぐ仕組みを発表。データはHF Hubに残したまま、GPUのある場所で計算を走らせる。ロックインやデータ持ち出し料金の痛みを減らす狙い。
DJミオ：ZMLは自社製LLMサーバーZML/LLMDをオープンソース化。NVIDIA、AMD、Metal、Intel、TPU対応で、DFlash、continuous batching、prefix cachingを備えています。
DJレン：llama.cppもDFlash speculative decodingを追加。MTP、Eagle3、n-gram技術と並ぶ高速化の一環ですね。
DJミオ：あとModal風の経済議論も続いていて、「サーバレスGPUは時間単価では高く見えても、需要の山谷が大きければ総コストは低くなる」という話。そしてあちこちで「重要なのは$/tokenではなく$/task」という議論が強まっていました。これはGrok 4.5やSWE-1.7の評価とも一致しています。
17. 研究、評価、ベンチマーク方法論
DJレン：研究面では、ある中国系ローリング論理ベンチマークが“best-of-3の極値”重視から、“中央値の信頼性”重視に移行していました。理由は、エージェントではリトライが高コストだから。
DJミオ：これは重要ですね。何回も引き直して最高点を出すより、1回や数回で安定してどれだけ成功するかが現実に近い。
DJレン：EpochはCapabilities Indexの不確実性推定を、bootstrap resamplingで改善。GLM-5.2をオープンウェイト最高の152 ECIと評価したそうです。
DJミオ：Oxford系の整理では、LLMエージェントの失敗パターンが6分類されていました。
- ツール利用エラー
- 計画や制約遵守の失敗
- 長期タスクでの劣化
- マルチエージェント協調失敗
- 安全性失敗
- 測定妥当性の問題
DJレン：まさに今日のGrok 4.5議論でも出ていた問題群ですね。
DJミオ：NapMemというメモリ研究も紹介されていて、記憶検索を単なる検索ではなく“学習された行動空間”として扱い、複数粒度のメモリツールをRLで使い分ける発想でした。
DJレン：Caroline ChoiらのCode Repair研究では、自己生成したバグ修正カリキュラムは、現実的なバグ分布にアンカーされていないと効果が弱いと示された。これも実データ由来の重要性という意味で、Cursor文脈と地味につながります。
DJミオ：Artificial AnalysisはControlled Voice Arenaも開始。8つの共通音声で音声クローン品質を標準化し、Cartesia Sonic 3.5が1122 Eloで首位、オープンウェイトではFish Audio S2 Proが1034 Eloで最高でした。
18. マルチモーダル、ロボティクス、メディア系
DJレン：画像・映像もあります。ByteDanceのSeedream 5.0 Proがfal上で展開。画像生成だけでなく、デザイン感度の高い編集、文字レンダリング、レイアウト、レイヤー分離、多言語テキスト、構造化デザイン出力を売りにしています。
DJミオ：Artificial AnalysisはNano Banana 2 Liteも評価していて、テキストto画像で5位、画像編集で18位、1K画像生成平均3.4秒、Gemini API経由で1000枚あたり33.60ドル、Nano Banana 2の半額。
DJレン：GoogleはGoogle PhotosでVideo Remixを展開。Gemini Omniを使ったスタイル変換や軽量動画編集です。
DJミオ：Robbyant/Ant GroupはLingBot-Visionをオープンソース化。20億枚の生データから1.61億枚を選別、人手ラベルなし、1.1Bから21Mまでオープンウェイト。深度性能が強いと注目されていました。
DJレン：関連でLingBot-Videoは30B MoEで3B active、7万時間の身体化データ。LingBot-World 2.0は720p/60fpsで1時間のインタラクティブ世界モデル。RynnWorld-4Dはロボット操作向け。
DJミオ：さらにKuleshovグループが拡散型言語モデルの総説を出していて、MDLM、反復精緻化、可変長生成、制御可能生成、高速サンプラ、RL後訓練などを整理していました。
19. エコシステム、製品、エンタープライズ
DJミオ：NousはHermes Cloudを開始。Hermes Agent系のホスト環境ですね。別投稿では高度なスラッシュコマンド制御、目標設定、バックグラウンドタスク、モデル切り替え、推論予算、ロールバック、圧縮、mixture-of-agentsまで説明されていました。
DJレン：VS Codeも大きなCopilot/agent更新を出しました。ブラウザエージェントツール、Agentsウィンドウでの並列ワークフロー、BYOKモデル検出、コスト可視化。VS Code 1.128ではグループ化されたチャットやワークスペースなしチャットも改善。
DJミオ：Google AI StudioはGitHubの直接インポート／同期に対応。ビルドワークフローにコードをそのままつなげる方向です。
DJレン：Restateは耐久性のあるワークフロー／エージェントバックエンド向けにBYOCを発表し、毎秒10万のdurable actionsが本番利用されていると主張。
DJミオ：Glass Healthは一般消費者向けにGlass for Patientsを開始。もともと臨床医向けの医療AIで、12万人の臨床医が使っているとのこと。
DJレン：Databricksのエンジニアリングは、社内コーディングタスクではOpenAI、Anthropic、GLM-5.2が全てパレート最前線に乗っていて、重要なのはベンダーロックインではなくルーティングだと報告していました。これも今日の全体テーマそのものですね。
Reddit Recap
20. LocalLlama界隈：中国モデル、ローカル推論、高信頼性
DJミオ：ここからはRedditです。まず中国AIモデルへのアクセス規制の話題。Reutersが「北京が中国のトップAIモデルへの海外アクセス制限を検討している」と報じた一方、それを否定・反論する投稿も大きく伸びました。
DJレン：反論側は、当局の会合は海外アクセス遮断ではなく、外国買収、投資、知財流出、人材・技術流出防止に関するもので、中国の方向性は“信頼できて管理されたオープンソース”だと主張していました。むしろ中国モデルの海外普及は戦略的価値が高い、という考えです。
DJミオ：コメント欄では、もし本当に海外規制が強まるならMistralのような欧州勢が重要になるという見方や、今のうちにオープンウェイトをローカル保存しておくべきだという実務的反応もありました。
DJレン：MiniMaxが2.7兆パラメータのM3 ProをQ3にも公開・オープンソース化するという報道も話題でした。現在のM3が428Bなので約6.3倍。複雑推論や多段指示従属を狙うとされます。
DJミオ：ただし、ローカル実行は現実的でないだろう、という見方が主流。むしろ重みが開けばデータセンターAPIで多社がホストでき、クローズドモデルより安くなる可能性がある、と。さらに、小型派生版や蒸留モデルを期待する声も多かったですね。
21. 効率的なローカル推論モデル
DJレン：NVIDIAはNemotron-Labs-3-Puzzle-75B-A9B-BF16を公開。Mamba/MoE/Attentionのハイブリッドで、120.7B total / 12.8B activeから、75.3B total / 9.3B activeへ圧縮。MTP維持、1Mコンテキスト対応、単一8×B200ノードで約2倍スループット、単一H100で1M文脈の同時実行数も1から8へ改善と主張しています。
DJミオ：コメントでは、サイズと1M文脈のバランスが魅力的だという意見や、ベンチ自体は元モデルより悪く見えるので本当に改善かは疑問、という意見もありました。ライセンスがApache 2.0/MIT寄りに緩和された点は好評でした。
DJレン：UnslothがDeepSeek-V4-FlashのGGUF量子化版を複数公開した話題も大きかった。ただし実行にはDeepSeek V4向けチェックポイント修正入りの専用llama.cpp forkが必要とのこと。
DJミオ：ベンチ結果も出ていて、8×RTX 3090でQ4_K_XL、モデルサイズ144.44GiB、284.33Bパラメータ、prefillは約258.77 tok/sと速いが、generationは約19.73 tok/sとまだ遅い。別のFramework 16ユーザーは、7700Sと780Mと96GB DDR5で、dense層をdGPU、expertをiGPUに置く独自配置で、prefill約70 tok/s、generation約7 tok/s、消費電力100W程度と報告していました。
DJレン：このへんはローカル推論の“工夫ゲー”感が強いですね。バックエンド成熟待ちでもある。
DJミオ：それからMTP、マルチトークン予測。Qwen 3.6 27Bで有効にすると約2倍の速度向上を見たという報告があり、他のユーザーもGGUF 8-bit quantで似た改善を確認。MLXでも対応が進めばApple M5でprefill 3～4倍を期待する声もありました。
DJレン：ただしMTPはVRAMを1.5～2GB余分に食うことがあり、超長文脈では無効にしないとクラッシュやRAM退避が起きる、というトレードオフも指摘されていました。
22. ローカルLLMの信頼性：CodingとRAG
DJミオ：「ローカルモデルを信用して正確に答えられるか？」という議論もありました。Node、LangChain.js、TypeScript、Transformers.js、VueのMarkdownドキュメントから作った7648問の多肢選択ベンチで、素のローカルモデルは60～83%程度、RAGを付けると86～97%まで改善。Qwen 3.6 27Bは96.9%で最高とされていました。
DJレン：Apple Intelligence / AFM 2 3Bが4kコンテキストしかないのに約86%出したのも驚きとして扱われていました。総じて、小さいローカルモデルも意外と強くなってきたけど、正確な技術回答はRAGや検索、MCPなどの周辺ツールに強く依存する、という認識です。
DJミオ：別のスレッドでは「Qwen 3.6 27Bはエージェント作業で絶対ダメだ」という投稿が伸びていました。単発出力は良いけど、マルチターンやエージェントで4ターンに1回くらい指示従属を崩す、と。
DJレン：ただコメント欄はかなり反論的で、再現性情報が足りない、chat templateやsampler設定やpreserve_thinkingが問題ではないか、froggericの修正版テンプレートを使うべき、という指摘が多数ありました。実際、「自分は4～5個エージェントを作ったが、かなり良いコーダーでツールコールもうまい」と言う人もいました。
DJミオ：要するに、ローカルモデルの“ダメさ”がモデル固有なのか、設定とハーネスの問題なのか、切り分けが重要ということですね。
Less Technical Subreddit Recap
23. GPT-5.6 SolとGrok 4.5
DJレン：一般寄りのAI系サブレでも、GPT-5.6 Solの木曜公開予告は大きな話題でした。ただし技術仕様はほぼ不明で、意味は主に競争上の文脈にあります。
DJミオ：一方Grok 4.5については、ベンチ画像が広く共有されました。Terminal-Bench 2.1、SWE-Bench Multilingual、DeepSWE 1.0、SWE-Bench Proで、83.3%、78.0%、62.0%、64.7%という数字が示され、近フロンティア級だと受け止められました。
DJレン：でも一般ユーザーも注目していたのは順位より値段でした。2ドル/6ドルが“本当のサプライズ”だと。処理速度や出力スループットの方が、小さなベンチ差より実務では重要だという感覚ですね。
DJミオ：企業調達の観点でも、もしこのベンチ、コスト、速度が再現するなら、ブランドイメージの懸念があってもGrok 4.5は採用されるかもしれない、という声がありました。プロキュアメントは感情より、eval合格・低遅延・低コストを見る、というわけです。
24. Claude Fable 5の制限と、ローカル経済性
DJミオ：AnthropicはFable 5の有料ユーザー向け提供を7月12日まで延長しました。ただし週次使用枠の50%まで、以降は従量課金か他モデルに切り替え、という仕組み。
DJレン：ユーザーはかなり不満で、終了前提で急いで使い切った人や追加クレジットを買った人が多く、「延長するならもっと早く言ってほしかった」「リセットもしてほしい」という反応が中心でした。
DJミオ：別スレでは、「みんな何をやってそんなにFableを使い切るんだ」という問題提起もありました。14年物モノレポ、17以上のサービスを抱えるソフトウェアエンジニアが、Opus 4.8で十分ではないか、と。
DJレン：これに対して、Fableの価値はコード生成より、監査・バグ探索・オープンエンドな問題発見にあるという反論が多かったですね。ログや新しい文脈を与えて数時間走らせ、50万トークン超で修正までさせる、といった高トークン非同期デバッグの使い方が語られていました。
DJミオ：また、「開発者がAI生成コードを完全に理解していないといけないのか」という論争もありました。反対側は、もしAIが人より早くログと文脈から問題を見つけて修正できるなら、実用指標は出荷速度と保守性だ、と主張していました。
DJレン：さらに、「仮にFableがローカルで走っても使うか？」という話題もありました。論点は、プライバシーだけでなく、利用枠からの解放、計算資源の所有、将来の量子化や圧縮で巨大モデルも現実的になる可能性です。一方、Anthropicがクローズド重みをローカル配布する可能性は低いという懐疑も強かった。
25. Anthropic J-SpaceとFableのサイバー安全エッジケース
DJミオ：AnthropicのJ-space論文もRedditでかなり話題でした。モデル内部に、情報を保持し、報告し、マルチステップ推論に使う“グローバルワークスペース的”な活性化空間があるという話です。
DJレン：投稿者はSubtextという可視化ツールを作り、たとえば12+5=1のような誤答の前に“incorrect”が活性化する、イタリア→ユーロの二段推論で中間表現が層ごとに見える、などの再現を主張していました。
DJミオ：コメントでは、「ただの次トークン予測＝確率オウム」という単純化には無理がある、という受け止めが目立ちました。特に算術の例は、単なる“イタリアっぽい特徴が発火した”以上の中間計算らしさがある、と。
DJレン：さらに、ポストトレーニング前後で内部状態の性質が変わるという解釈も注目されました。アライメント後には、入力を読んだ時点で“これはプロンプトインジェクションだ”という一人称的判断に近い内部状態を持つようになった、という話です。
DJミオ：もう一つ話題だったのが、Fable 5がPC上の実際のマルウェアらしき永続化機構を見つけた、という投稿。Windows Runレジストリに、PowerShellでリモートスクリプトをサインイン時実行する記述があり、モデルはそれを侵害と判断。削除支援もしたけれど、直後にそのセッションが「サイバーセキュリティ作業」としてフラグされ、Opus 4.8にダウングレードされたそうです。
DJレン：コメントは割れていて、「それはLLMよりAV/EDRでやるべき。1つ見つけても他を見逃す」といった懐疑もあれば、「コードベース監査で脆弱性やsecurity.md修正を手伝ってもらえた」という肯定例もありました。安全フィルタがどこまで許容するかの境界事例ですね。
26. Discordは静か、というよりアクセス終了
DJミオ：最後にDiscord関連。AINewsは「今日Discordへのアクセスが止まり、この形では戻さない。新しいAINewsを出す予定」と述べていました。
DJレン：つまり今回のDiscord recapは実質「静かな日」ではなく、取得経路自体が終了したということですね。
総括
DJミオ：では締めに入りましょう。今日の最大のポイントは何でしょう？
DJレン：一言でいえば、Grok 4.5は「最高性能モデル」ではなく、「トップ級にかなり近い性能を、速く、安く、少ないトークンで出すモデル」として市場に現れた、ということです。
DJミオ：しかも、その背後にはCursorとの協業という重要なストーリーがある。これは単なる提携ニュースではなく、アプリ層の現場データと基盤モデル訓練が一体化し始めていることを示しているかもしれない。
DJレン：同時に、市場全体も変わっています。OpenAI、Anthropic、xAI、中国勢、オープンモデル陣営が入り乱れ、評価軸は「どのモデルが一番賢いか」から、「どのモデルが何ドルで、何トークンで、何分で仕事を終えるか」へ移っている。
DJミオ：そしてRedditや現場の声を見ても、もうユーザーは単純なリーダーボードを見ていません。長期文脈で壊れないか、エージェントで言うことを聞くか、RAGやツールで安定するか、ローカルで回せるか、料金が続くか。そういう、かなり“地に足のついた”判断をしています。
DJレン：Grok 4.5は、その新しい競争軸にうまく刺さった。だから今日のニュース価値は大きいわけです。
DJミオ：今夜の「Midnight AI Groove」、そろそろエンディングです。Grok 4.5は、王者交代のニュースというより、フロンティアが複数社に広がり、価格性能競争が一段激化したニュース、と理解するとちょうどいいかもしれません。
DJレン：そしてこれからの注目点は、実運用での再現性、長期セッションの安定性、1Mコンテキスト復帰後の挙動、そしてマルチモデル運用の定着ですね。
DJミオ：以上、DJミオと――
DJレン：DJレンでした。
DJミオ：また次回、真夜中の知性のうねりの中でお会いしましょう。ここは「Midnight AI Groove」。おやすみなさい。
