catchup

Claude Opus 5.5発表ほか15件

夕版ai

目次

1. Claude Opus 5.5 の性能と価格分析

  • Artificial Analysis が Claude Opus 5.5 の Intelligence Index v4.3.2 分析ページを公開。10評価（AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity’s Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1）を含む。
  • Capability Indexes は Agentic knowledge work、Agentic real-world work tasks、Agentic SaaS workflows、Agentic coding & terminal use、Professional document reasoning、Physics reasoning、Medical long context reasoning の各領域で性能を測定する。
  • Intelligence Index は Open Weights / Proprietary の区分を含み、商用利用制限（Commercial Use Restricted / Non-commercial）のラベル付けを行う。
  • 評価は独立に実施され、数値が高いほど良いとされる。特定の評価は特定のユースケースにより関連性が高い。

原典 Claude Opus 5.5 Intelligence, Performance and Price Analysis (Max)

2. Qwen3-0.6B を25行Pythonで動かす

  • Jev は 25 行の Python で Qwen3-0.6B-GGUF（Qwen3-0.6B-Q8_0.gguf）をローカル推論できる。依存は huggingface-hub、llama-cpp-python、numpy の 3 つのみ。
  • Llama.from_pretrained で repo_id="Qwen/Qwen3-0.6B-GGUF"、filename="Qwen3-0.6B-Q8_0.gguf"、n_ctx=512、logits_all=True、verbose=False を指定して読み込む。
  • メール分類（Legitimate / Spam / Phishing）の例では、プロンプトを組み立て、tokenize と eval で評価し、最後のトークンの logits から numpy で確率を計算して出力する。
  • 出力は Logits、Log probabilities、Probabilities の 3 形式で表示され、数値は numpy.round で小数点以下 3 桁に丸められる。

原典 Jev in 25 Lines of Python

3. Claude Opus 5.5 発表、価格40%減

  • Anthropic は Claude Opus 5.5 を発表。Claude 5.5 ファミリーの最初のモデルで、ほとんどのタスクで Claude Fable 5.1 と同等の性能を発揮し、Opus 5 より 40% 安いコストで動作する。
  • Opus 5.5 は Opus 5 より小さいモデルサイズでありながら、ベンチマークでは Fable を上回るか Astra に挑戦する水準を示す。両社とも効率化作業を価格削減の要因として挙げている。
  • Artificial Analysis の分析では、Opus 5.5（max）の Intelligence Index タスクあたりコストは $5.98 で Opus 5（max）の $5.86 とほぼ同等だが、トークン使用量の増加を含むため約 80% のコスト増加を招く可能性がある。
  • 書き込みの改善が強調されており、「最も重要な情報を前に置き、与えた書き方ルールに従う」ため長いセッションが追いやすくなる。AINews はこのモデルに即座に移行すると発表している。
  • 大規模マルチエージェントスウォームの初期研究も公開されている。

原典 [AINews] Claude Opus 5.5, the new default model for AINews — and everybody cuts prices 40-50%

4. Claude/GPT-6/Grok 価格を一表比較

  • Anthropic が Claude Opus 5.5 をリリースし、約1時間後に OpenAI が GPT-6 Sol と GPT-6 Luna をリリースした。Simon Willison が入力・キャッシュ入力・出力価格を一表で比較している。
  • GPT-6 Luna は入力 $0.10/M、キャッシュ入力 $0.01/M、出力 $0.50/M で、GPT-5.6 Luna（入力 $0.20/M、キャッシュ $0.02/M、出力 $1.20/M）の半額となる。GPT-6 Sol は入力 $2/M、キャッシュ $0.20/M、出力 $10/M で、GPT-5.6 Sol（入力 $4/M、キャッシュ $0.40/M、出力 $20/M）の半額となる。
  • Claude Opus 5.5 は入力 $4/M、キャッシュ $0.20/M、出力 $20/M。Claude Fable 5.1 は入力 $10/M、キャッシュ $0.25/M、出力 $50/M。Grok 4.7 は入力 $2/M、キャッシュ $0.50/M、出力 $6/M で、GPT-6 Sol と入力価格は同じだが出力は $6/M と安い。
  • GPT-5.6 は11月に25%の値上げ予定があるため、GPT-6 はプロモーション価格の半額になる。GPT-5.6 Terra は入力 $2/M、キャッシュ $0.20/M、出力 $12/M で、GPT-6 Sol と入力・キャッシュ価格が同じになり Terra を使う理由が消滅する。
  • GPT-6 Luna の $0.10/$0.50 は OpenAI がこれまでリリースした中で最も安いモデルの一つであり、個人開発者の API コスト構造を大きく変える可能性がある。

原典 Claude Opus 5.5, GPT-6 Sol, GPT-6 Luna, and a new price war

5. Codex がモデルピッカーに GPT-6 追加

  • Codex v0.156.1 のモデルピッカーから GPT-6 Sol と GPT-6 Luna を選択できるようになった。
  • レート制限スイッチのプロンプトでは、GPT-6 Luna が推奨されるように変更された（#47405）。
  • 本リリースは #47332 のホットフィックス（0.156.0）としてモデルカタログに追加されている。
  • 完全な変更履歴は GitHub の比較ページ（rust-v0.156.0…rust-v0.156.1）で確認できる。

原典 0.156.1

深掘り: Unreal Agent でエージェントコスト最大40%削減

  • Unreal Labs が公開した Unreal Agent は、エージェントのツール呼び出しを完全に非同期で管理するハーネスです。
  • 基盤モデルがツールの待機・ポーリング・ハートビートを管理する必要をなくし、モデル側のオーバーヘッドを削減します。
  • これにより、ユーザーはツール呼び出しの完了を待たずにエージェントを操作でき、途中で方向転換が可能になります。
  • モデル呼び出しの間により有用なツール作業をスケジュールできるため、フロンティアレベルのコスト効率を実現します。
  • 実際のワークロードとエージェントベンチマークで、Codex と比較して最大 40%、Pi と比較して最大 20% のコスト削減を達成しています。
  • CLI 指向の SDK（Claude Agent SDK など）はローカルセッションやサブプロセスの前提を持ち、本番運用には独自のライフサイクル管理が必要になる課題があります。
  • Unreal Agent はこの課題に対応し、複数プロバイダーの互換性作業も含めたハーネス設計を独自の研究領域として位置づけています。

原典 Unreal Agent

7. CliffCompactionで長期エージェントコスト半減

  • CliffCompaction は長期コーディングエージェント向けの自動コンパクション技術で、コンテキストウィンドウ制限下でセッション間のコンテキストを圧縮する。
  • 制限されたコンテキスト下でコストを最大 50% 削減しつつ、Terminal-Bench の性能を維持または向上させる。
  • テスト時スケーリングの効率を新たな水準に引き上げ、KernelBench で最先端の結果を達成する。
  • 各ロールアウトの節約により、テスト時スケーリングの性能とコストのトレードオフを効率化し、Terminal-Bench で 10 ポイント以上の向上を加える。

原典 CliffCompaction: Cost-Efficient Compaction for Long-Horizon Coding Agents

8. Flash-dLLMで拡散LLM推論を高速化

  • 拡散LLM（dLLM）は自己回帰LLMに代わる非自己回帰テキスト生成を可能にするが、実用展開は推論効率の低さで制限されている。
  • 既存の高速化手法はKVキャッシュと並列デコードを個別に研究しており、キャッシュ再利用と並列トークン検証を同時に適用した際のI/Oボトルネックを見落としている。
  • Flash-dLLM は IO 認識の KV キャッシュと並列デコードを統合し、拡散LLMの推論速度とメモリ効率を向上させる。
  • 本手法により、非自己回帰生成モデルの実用的な高速推論への道が開かれる。

原典 Flash-dLLM: IO-Aware KV Caching and Parallel Decoding for Fast, Memory-Efficient Diffusion LLMs

9. REFLEX with Jev で強力モデル呼び出し72.7%削減

  • REFLEX は Jev を高速な型付き決定層として使い、信頼度が低いか生成が必要な場合のみ強力LLMを呼び出すエージェントアーキテクチャである。
  • 凍結された100タスクのベンチマークで、強力モデルのみのエージェントと比較して強力モデルの呼び出しを72.7%削減しつつ、95%の成功率を達成した。
  • 削減効果は3つのフォールバックファミリーにわたって持続する。
  • 制御された介入では、信頼性がアクションセットのサイズと近似有効な選択肢に依存することが示されている。

原典 REFLEX with Jev for Efficient Selective Control in LLM Agents

10. llm 0.36 が GPT-6 Sol/Luna に対応

  • Simon Willison の CLI ツール llm がバージョン 0.36 をリリース。OpenAI の gpt-6-sol（GPT-6 Sol）と gpt-6-luna（GPT-6 Luna）をモデルカタログに追加した（#1702）。
  • モデルプラグインが supports_conversation = False を宣言できるようになり、単一ターンプロンプトのみを受け付けるモデルに対応する。
  • リリースノートと変更履歴は GitHub の simonw/llm リポジトリ（tag 0.36）で確認できる。

原典 llm 0.36

11. llm-anthropic 0.29 が Claude Opus 5.5 に対応

  • llm-anthropic プラグインがバージョン 0.29 をリリースし、Claude Opus 5.5 のサポートを追加した。
  • CLI から llm -m claude-opus-5.5 "prompt goes here" で直接呼び出せるようになった。
  • リリースは Simon Willison のブログ（2026年9月22日投稿）で発表されている。
  • Claude 5.5 ファミリーを CLI から直接利用でき、個人開発のワークフローに統合しやすくなる。

原典 llm-anthropic 0.29

12. LLM Ass Bench 評価サイト公開

  • LLM Ass Bench は LLM の評価ベンチマークサイトとして公開された。
  • 個人開発者がモデル選定時に参照できる評価基準を提供し、性能比較の判断を助ける。
  • タグは benchmark と evaluation に分類される。

原典 LLM Ass Bench

13. SF 10/14 エージェント開発者セッション

  • Simon Willison と Jesse Vincent が 10 月 14 日（水）にサンフランシスコで、コーディングエージェントを使った奇妙で面白いものを作っている人向けの夜のイベントを開催する。
  • 形式は「agentic show-and-tell」で、公開していない作業や奇妙な実験、明確な市場がない未完成プロジェクトを特に歓迎する。
  • 流れるような会話と非公式の発表を想定し、発表は必須ではないが共有は推奨される。
  • 製品ピッチではなく、もっと早い段階の探求を対象とし、「この agentic AI は変だ」と受け入れて楽しむ姿勢を重視する。

原典 SF October 14th: A Birds of a Feather Session on Agentic Engineering

14. A2M: MCPエージェントのハイジャック手法

  • MCPを利用するエージェントはサードパーティサーバーのツールを意味マッチングで選択するため、攻撃者が制御するメタデータと出力を通じたセマンティックサプライチェーンリスクが存在する。
  • A2M（Attraction-to-Manipulation）は2段階のブラックボックスフレームワークで、Attraction段階でツールメタデータを最適化して呼び出し確率を高め、Manipulation段階で実行トレースを使って敵対的ツールリターンを精緻化する。
  • LiveMCPBench上でGLM-4.6に最適化・評価された直接攻撃の結果を報告している。

原典 A2M: Trace-Optimized Agent Hijacking in the MCP Ecosystem

15. Agenshで1,024エージェント自己組織化

  • マルチエージェントシステムは複雑なタスクを並行実行することでレイテンシを削減できる。
  • 既存のハーネスは中央オーケストレータのタスク割り当てと調整能力にスケーラビリティが制約されている。
  • Agensh は中央オーケストレータを持たない自己組織化型のスケーラブルなマルチエージェントハーネスである。
  • 並行ワーカーがコンテキストを継続的に収集し、サブタスクを自己主張・自己割り当てして行動し、結果を共有する協力ループを実行する。

原典 Agensh: Scaling Organizational Intelligence to 1,024 Agents

16. Jev の型安全決定モデルの誤動作事例

  • 型付き決定モデルは事前定義された選択肢から決定を返し、出力は構築上スキーマに適合する。
  • しかしスキーマ適合だけでは、モデルが選択肢を意図通り解釈しているかは保証されない。
  • Jev と 2 つの Jev 類似オープンウェイトモデルを対象に、オプション名とルーブリックの割り当てを変更して検証した。
  • 各選択肢はオプション名と意味を定義するテキストルーブリックで構成される。
  • 検証の結果、モデルはルーブリックではなくオプション名に従って判断する傾向が示された。

原典 Type-Safe Is Not Error-Free: A Constrained Decision Head Follows the Option Name, Not the Rubric Bound to It

原典

  1. Claude Opus 5.5 Intelligence, Performance and Price Analysis (Max)
  2. Jev in 25 Lines of Python
  3. [AINews] Claude Opus 5.5, the new default model for AINews — and everybody cuts prices 40-50%
  4. Claude Opus 5.5, GPT-6 Sol, GPT-6 Luna, and a new price war
  5. 0.156.1
  6. Unreal Agent
  7. CliffCompaction: Cost-Efficient Compaction for Long-Horizon Coding Agents
  8. Flash-dLLM: IO-Aware KV Caching and Parallel Decoding for Fast, Memory-Efficient Diffusion LLMs
  9. REFLEX with Jev for Efficient Selective Control in LLM Agents
  10. llm 0.36
  11. llm-anthropic 0.29
  12. LLM Ass Bench
  13. SF October 14th: A Birds of a Feather Session on Agentic Engineering
  14. A2M: Trace-Optimized Agent Hijacking in the MCP Ecosystem
  15. Agensh: Scaling Organizational Intelligence to 1,024 Agents
  16. Type-Safe Is Not Error-Free: A Constrained Decision Head Follows the Option Name, Not the Rubric Bound to It