2026年3月の生成AIニュースまとめ＆理解度チェック6問
「G検定時事対策」は、その月の生成AIニュースからG検定に関わりの深いものを厳選し、要約・出題観点・理解度チェックの三点セットで振り返る月刊シリーズです。試験前の時事対策にも、合格後の月1回のAIキャッチアップにも使えます。理解度チェックはG検定の出題形式を模したオリジナル問題で、ニュースの内容を理解できたかを確認するためのものです(本試験の過去問・予想問題ではありません)。
① 今月の全体傾向
2026年3月は、国産AIと政策の動きが際立った月でした。デジタル庁によるガバメントAI向け国産LLM7件の選定を筆頭に、GENIAC発の楽天・リコーのモデル、PFNのPLaMo 3.0 Prime β版と、国の施策と企業の開発が連動して前進しています。海外勢は小型モデルの公開や長大コンテキストの標準価格化など「効率」を軸にした提供形態の刷新が中心で、AIエージェントの設計・安全性に関する詳細な技術解説が相次いだことも特徴です。
- 🇯🇵 国産AI・政策の厚い動き — デジタル庁がガバメントAI「源内」で試用する国産LLM7件(NTTデータのtsuzumi 2、PFNのPLaMo 2.0 Primeなど)を15件の応募から選定し、2027年度の政府調達(有償)を検討。GENIACからは楽天の約7,000億パラメータMoEモデル「Rakuten AI 3.0」(Apache 2.0で無償公開)とリコーのリーズニング対応マルチモーダルLLMが登場し、PFNはフルスクラッチモデルとして国内初のReasoning対応となる「PLaMo 3.0 Prime β版」をリリースしました。
- ⚡ 小型・効率モデルへの注力 — OpenAIがこれまでで最も高性能な小型モデルと位置づけるGPT-5.4 mini/nanoを公開(miniはGPT-5 miniの2倍以上高速)。AnthropicはClaudeの100万トークンコンテキストを割増料金なしの標準価格で一般提供し、性能を保ったままコストとレイテンシを下げる流れが続いています。
- 🤖 エージェント設計と安全性の知見公開 — Anthropicが、GANに着想を得て生成エージェントと評価エージェントを分離する自律コーディングのハーネス設計と、承認判断をモデルベースの分類器に委ねるClaude Code「autoモード」の技術記事を公開。エージェントへの権限委譲と人間の関与のバランスが、具体的な設計として示されました。G検定の出題観点としても重要な領域です。
- 🏢 企業のAI活用・人材育成 — NTTドコモソリューションズが全社員対象の人材認定「AI実践レベル判定」を開始。AIエージェントを活用した書類審査・判定でWhiteBeltからBlackBeltまでの4段階を認定し、研修や資格取得に加えて業務でのAI活用実績を評価します。
- 🎵 リアルタイム対話・生成メディア — Googleがリアルタイム音声対話のGemini 3.1 Flash Liveと、音楽生成のLyria 3(全トラックにSynthID電子透かし)をプレビュー公開。Anthropicはサイエンスブログを開設し、AIと科学研究の接点の発信を始めました。
② 各ニュースの概要(全12本)
3/5 NTTドコモソリューションズ、AI実践レベル判定を全社員対象に開始
- 2026年3月1日から全社員を対象にした人材認定「AI実践レベル判定」を開始し、AIエージェントによる客観的な評価を導入
- AI実践力をWhiteBelt・YellowBelt・GreenBelt・BlackBeltの4段階で認定し、研修や資格取得に加えて業務でのAI活用実績を評価
- 2027年度末までにGreenBelt以上の認定者400人、2027年度までに一人あたり月10時間の生産性向上をめざす
3/6 デジタル庁、ガバメントAIで試用する国産LLM7件を選定✍️ チェック問題あり
- ガバメントAIで試用する国内LLMの公募に15件の応募があり、審査の結果7件を選定
- NTTデータのtsuzumi 2、日本電気のcotomi v3、富士通のTakane 32Bなど7社のモデルを生成AI利用環境「源内」で試用評価
- 2026年8月頃から源内での試用を始め、2027年度には優れたモデルの政府調達(有償)を検討
3/14 Anthropic、Claudeの100万トークンコンテキストを一般提供✍️ チェック問題あり
- Opus 4.6とSonnet 4.6の100万トークンコンテキストが、割増料金なしの標準価格で一般提供に
- 全コンテキスト長で標準のレート制限を適用し、メディア上限は1リクエストあたり600枚の画像またはPDFページ(従来の6倍)に拡大
- Claude CodeのMax・Team・EnterpriseユーザーはOpus 4.6で100万トークンコンテキストを自動的に利用可能に
3/17 楽天、国内最大規模のAIモデルRakuten AI 3.0を提供開始✍️ チェック問題あり
- GENIACの一環で開発した国内最大規模・約7,000億パラメータのMoEモデル「Rakuten AI 3.0」を提供開始
- JamC-QAで76.9を記録するなど、複数の日本語ベンチマークでgpt-4oを上回るスコアを達成
- Apache 2.0ライセンスのもと、楽天の公式Hugging Faceリポジトリから無償でダウンロード可能
3/18 OpenAI、小型モデルGPT-5.4 miniとGPT-5.4 nanoを公開
- OpenAIがこれまでで最も高性能な小型モデルGPT-5.4 miniとGPT-5.4 nanoを公開し、コーディングやサブエージェント用途に最適化
- GPT-5.4 miniはGPT-5 miniの2倍以上の速度で動作し、SWE-Bench Proなど一部評価では大規模なGPT-5.4に匹敵する性能
- miniはAPI・Codex・ChatGPTで提供され100万入力トークンあたり0.75ドル、nanoはAPIのみで同0.20ドル
3/20 Preferred Networks、PLaMo 3.0 Prime β版をリリース
- PFNが国産生成AI基盤モデルPLaMoの新フラグシップ「PLaMo 3.0 Prime β版」をリリースし、無償利用のモニター企業を募集
- フルスクラッチモデルとしては日本国内初のReasoning対応モデルで、YaRNによる継続事前学習でコンテキスト長を64Kトークンに倍増
- 11ベンチマークのほとんどでPLaMo 2.2 Primeから改善し、指示追従ではQwen3-235B-A22B-Thinking-2507やgpt-oss-120bを上回るスコア
3/24 Anthropic、AIと科学をテーマにしたサイエンスブログを開設
- AnthropicがAIと科学に関する新しいブログを開設し、社内外の研究成果や科学者向けの実践的ワークフローを発信
- 記事は特集、ワークフロー、フィールドノートの3種類で、ゲスト寄稿者や共同研究者の記事も掲載予定
- AI for ScienceプログラムやClaude for Life Sciences、Genesis Missionなど科学の進歩を加速する取り組みも紹介
3/25 Anthropic、長時間の自律コーディングを支えるハーネス設計を解説✍️ チェック問題あり
- AnthropicのLabsチームが、フロントエンドデザインと長時間自律コーディングの品質を高めるハーネス設計の知見を公開
- GANに着想を得て生成エージェントと評価エージェントを分離し、主観的なデザイン品質を採点可能な基準に変換
- プランナー・ジェネレーター・エバリュエーターの3エージェント構成で、数時間の自律セッションからフルスタックアプリを構築
3/26 Google、音楽生成モデルLyria 3を開発者向けにプレビュー公開
- GoogleがLyria 3とLyria 3 Proを、Gemini APIとGoogle AI Studioを通じて開発者向けパブリックプレビューとして提供開始
- 最長約3分のフル楽曲を生成するLyria 3 Proと、30秒クリップを高速生成するLyria 3 Clipの2バリアント構成
- テンポ指定、歌詞のタイミング制御、画像から音楽への入力に対応し、全トラックにSynthID電子透かしを付与
3/26 Anthropic、Claude Codeの承認判断を自動化するautoモードを解説✍️ チェック問題あり
- AnthropicがClaude Codeの承認判断をモデルベースの分類器に委ねる新機能autoモードの仕組みを解説
- 入力層のプロンプトインジェクション検知と、実行前にツール呼び出しを審査するトランスクリプト分類器の2層防御
- 実トラフィックでの誤ブロック率は0.4%、実際の行き過ぎた行動の見逃し率は17%で、慎重な人手レビューの代替ではないと明言
3/27 Google、リアルタイム音声対話モデルGemini 3.1 Flash Liveを公開✍️ チェック問題あり
- GoogleがGemini 3.1 Flash LiveをGemini Live API経由でプレビュー提供開始し、低遅延の音声・視覚エージェントを構築可能に
- 騒音下でのタスク完了率、複雑なシステム指示への追従、対話の自然さと低遅延性が向上
- 90を超える言語でリアルタイムのマルチモーダル会話に対応し、デザインツールStitchや高齢者向けデバイスAtoなどが活用
3/30 リコー、GENIAC第3期で推論性能を備えたマルチモーダルLLMを開発
- リコーがGENIAC第3期で、図表を含むドキュメントを高精度に読み取れるリーズニング性能付きマルチモーダルLLMの基本モデルを開発完了
- 強化学習とカリキュラム学習の工夫により、Gemini 2.5 Proなど大型商用モデルと同等のベンチマーク結果を確認
- 同技術を適用した軽量モデルQwen3-VL-Ricoh-8B-20260227を同日から無償公開し、独自ベンチマークツールも公開予定
③ 試験にどう出るか＆理解度チェック6問
Q1. デジタル庁、ガバメントAIで試用する国産LLM7件を選定→ 詳細メモ
AIをめぐる政策・国家戦略や「AIの安全性・ガバナンス」領域の題材です。政府が国産LLMを選定・試用して信頼できるAIの国内開発を支援するという構図に加え、選定基準にハルシネーションやバイアスへの安全性の取り組み、ガバメントクラウド上で動作するセキュリティが含まれる点も押さえておきましょう。
2026年3月にデジタル庁が公表した、ガバメントAIで試用する大規模言語モデル(LLM)の公募結果に関する記述として、最も適切なものはどれか。
- A. 日本語対応が進む海外の主要LLMをそのまま政府標準として採用することを決定し、国産モデルは対象から除外した。
- B. 選定と同時に政府調達(有償)の契約を締結し、直ちに全府省庁で本格運用を開始した。
- C. 15件の応募に対して書類審査と評価テストによる審査を行って国産LLM7件を選定し、生成AI利用環境「源内」での試用評価を経て、2027年度に優れたモデルの政府調達(有償)を検討する。
- D. 応募のあったモデルは性能審査を行わずに全件採用され、無期限で無償利用が保証された。
答えと解説を見る
正解はCです。公募には15件の応募があり、書類審査と試験当日に初めて開示される50問の評価テストによる審査を経て7件が選定されました。選定されたLLMはデジタル庁の生成AI利用環境「源内」で試用評価され、2027年度には評価を踏まえて優れたモデルの政府調達(有償)が検討されます。選定基準には、国内で開発されたLLMであることのほか、ハルシネーションやバイアス・差別的表現への安全性の取り組み、機密性2情報を扱えるようガバメントクラウド上の推論環境で動作することなども含まれます。Aは日本語の語彙・表現に適合した国産LLMの活用を掲げる本取り組みと正反対で誤り。Bは調達が2027年度の検討事項であり、まず2026年度中の無償試用と評価が行われるため誤り。Dは審査により15件から7件に絞り込まれているため誤りです。
Q2. Anthropic、Claudeの100万トークンコンテキストを一般提供→ 詳細メモ
コンテキストウィンドウ(コンテキスト長)はLLMが一度に扱える入力の範囲を指す基本用語で、生成AIのモデル動向を問う領域で出題され得ます。長大化しても精度を維持できるかがベンチマークで評価される点、長文コンテキストが可能にするユースケース(コードベース全体や長大な文書の一括読み込み)をこの事例で押さえましょう。
2026年3月にAnthropicが発表した、Claudeの100万トークンコンテキストウィンドウの一般提供に関する記述として、最も適切なものはどれか。
- A. 100万トークンのコンテキストウィンドウが割増料金のない標準価格で一般提供され、コードベース全体や数千ページの契約書、長時間動作するエージェントの全トレースを一度に読み込んで推論できるようになった。
- B. コンテキストを長くするとモデルの精度が必ず大幅に低下するため、20万トークンを超えるリクエストは禁止された。
- C. 100万トークンコンテキストの利用には、通常の数倍の長文コンテキスト割増料金が新たに導入された。
- D. 対応する入力はテキストのみで、画像やPDFは1リクエストに1枚しか含められない。
答えと解説を見る
正解はAです。Claude Opus 4.6とSonnet 4.6で100万トークンのコンテキストウィンドウが一般提供され、ウィンドウ全体に標準価格(Opus 4.6は100万トークンあたり入力5ドル・出力25ドル、Sonnet 4.6は入力3ドル・出力15ドル)が適用されます。これによりコードベース全体や数千ページの契約書、長時間動作するエージェントのツール呼び出しを含む全トレースを一度に読み込んで活用でき、従来必要だった要約やコンテキストのクリアが不要になるとしています。Bは両モデルが100万トークンのウィンドウ全体で精度を維持し、Opus 4.6が長文検索ベンチマークMRCR v2で78.3%を記録したと説明されているため誤り。また20万トークン超のリクエストはベータヘッダーなしで自動的に動作します。Cは長文コンテキストの割増料金がなくなったという発表内容と逆で誤り。Dは1リクエストあたりのメディア上限がむしろ最大600枚の画像またはPDFページ(従来の6倍)へ拡大されており誤りです。コンテキストウィンドウとは、LLMが一度のやり取りで扱える入力・出力の範囲(トークン数)を指す用語です。
Q3. 楽天、国内最大規模のAIモデルRakuten AI 3.0を提供開始→ 詳細メモ
基盤モデル・事前学習済みモデルの領域の題材です。Mixture of Experts(MoE)アーキテクチャの仕組み、事前学習済みモデルをオープンなライセンスで公開して開発コミュニティを支援する動き、GENIACのような国の生成AI開発支援策との関係が問われ得ます。
楽天グループが2026年3月に提供を開始した「Rakuten AI 3.0」に関する記述として、最も適切なものはどれか。
- A. 約70億パラメータの小型モデルで、研究目的以外の利用は一切認められていない。
- B. すべてのパラメータを常に使う構成を採用しており、推論時には全体を同時に動かして入力を処理する。
- C. モデル本体は非公開で、楽天が提供する有償APIを経由してのみ利用できる。
- D. 日本語に最適化された約7,000億パラメータのMixture of Experts(MoE)アーキテクチャを採用し、Apache 2.0ライセンスのもと公式Hugging Faceリポジトリから無償でダウンロードできる。
答えと解説を見る
正解はDです。Rakuten AI 3.0は日本語に最適化された約7,000億パラメータのMoEアーキテクチャを採用した国内最大規模(2026年3月17日時点の開示情報に基づく自社調べ)のモデルで、経済産業省とNEDOが推進するGENIACプロジェクトの一環として開発され、Apache 2.0ライセンスで楽天グループの公式Hugging Faceリポジトリから無償でダウンロードできます。Aの約70億パラメータは過去に開発されたRakuten AI 7Bのパラメータ数であり誤り。BはMoEの説明と逆で、MoEはモデルを複数のサブモデル(エキスパート)に分割し、推論・学習時に最適なエキスパートのサブセットのみを動かして入力を処理するアーキテクチャです。Cはモデルが無償公開されている点と矛盾するため誤りです。日本固有の文化・歴史知識を問うJamC-QAで76.9を記録してgpt-4oの74.7を上回るなど、複数の日本語ベンチマークで優れたスコアを達成しています。
Q4. Anthropic、長時間の自律コーディングを支えるハーネス設計を解説→ 詳細メモ
敵対的生成ネットワーク(GAN)は生成器と識別器を競わせるディープラーニング手法として頻出のキーワードです。この記事は「生成と評価を分離する」というGANの発想をLLMエージェントの設計に応用した事例で、エージェントの自己評価の弱点をどう補うかという観点から問われ得ます。
2026年3月にAnthropicが公開した自律コーディングのハーネス設計の解説で、GANに着想を得て採用されたマルチエージェント構造の説明として、最も適切なものはどれか。
- A. 生成エージェント自身に自分の成果物を採点させる自己評価の仕組みを強化した。
- B. 成果物を作る生成エージェントと採点する評価エージェントを分離し、独立した評価者による採点と批評を次の反復の入力として生成者に戻す構成にした。
- C. エージェントを1つに統合し、反復のたびに人間が介入して品質を確認する体制に切り替えた。
- D. 評価エージェントが生成エージェントのモデルの重みを直接書き換えて学習させる仕組みを導入した。
答えと解説を見る
正解はBです。エージェントは自分が作った成果物を評価させると、人間の目には明らかに平凡でも自信を持って称賛する傾向があります。そこで作業するエージェントと評価するエージェントを分離し、懐疑的にチューニングした独立の評価者が採点と詳細な批評を書き、その内容を次の反復の入力として生成者へ戻す構成が採られました。この生成側と評価側を分けて競わせる発想は、敵対的生成ネットワーク(GAN)に着想を得たものです。Aは記事が指摘する失敗モード(自己評価の問題)そのもので誤り。Cは人の介入なしに完全なアプリケーションを構築させる取り組みであり誤り。Dはエージェント間の連携が批評の受け渡し(ファイルの読み書き)で行われ、重みを直接書き換える仕組みは登場しないため誤りです。最終的には、仕様をつくるプランナー、実装するジェネレーター、テストと採点を行うエバリュエーターの3エージェント構成へ拡張され、数時間の自律コーディングセッションからフルスタックアプリを構築しています。
Q5. Anthropic、Claude Codeの承認判断を自動化するautoモードを解説→ 詳細メモ
AIエージェントへの権限委譲と「人間の関与」「モニタリング」は、AIの安全性・ガバナンス領域の重要な論点です。承認疲れという運用上の課題に対し、実行前の自動審査と人間へのエスカレーションをどう組み合わせるかという構図が、この事例を通じて問われ得ます。
2026年3月にAnthropicが解説したClaude Codeの「autoモード」に関する記述として、最も適切なものはどれか。
- A. すべての操作を無条件で自動承認し、安全確認の仕組みを完全に廃止する機能である。
- B. 高リスクなインフラにおける慎重な人手レビューを完全に代替できると位置づけられている。
- C. 承認判断をモデルベースの分類器に委ね、ユーザーの意図に沿わない危険な操作を実行前に捕捉しつつ、それ以外は承認プロンプトなしで実行させる、手動レビューとガードレールなしの中間に位置する仕組みである。
- D. 分類器はエージェント自身の発言も判断材料に含めることで、エージェントによる弁明を積極的に考慮する設計になっている。
答えと解説を見る
正解はCです。Claude Codeの利用者は権限プロンプトの93%を承認しており、承認疲れで内容を注意深く見なくなる問題がありました。autoモードは、入力層でツール出力を事前にスキャンするプロンプトインジェクション検知と、各操作を実行前に判定基準に照らして審査するトランスクリプト分類器の2層防御により危険な操作を捕捉し、それ以外は承認プロンプトなしで実行させます。Aは危険な操作をブロックし、連続3回または合計20回の拒否でモデルを停止して人間にエスカレーションする設計であり誤り。Bは記事が高リスクなインフラでの慎重な人手レビューの代替ではないと明言しているため誤り。Dは分類器が見るのはユーザーメッセージとエージェントのツール呼び出しだけで、エージェントが説得力のある弁明で分類器を誤らせるのを防ぐためにClaude自身のメッセージは意図的に取り除かれており、逆であるため誤りです。実行前の自動審査と人間へのエスカレーションの組み合わせは、AIガバナンスにおける人間の関与・モニタリングの具体例といえます。
Q6. Google、リアルタイム音声対話モデルGemini 3.1 Flash Liveを公開→ 詳細メモ
音声認識・音声合成の応用であるリアルタイム音声対話の題材です。雑音下で目的の発話を聞き分ける処理や、対話の自然さを左右するレイテンシ(遅延)、ピッチ・ペースといった音響的特徴の扱いは、音声処理領域の出題ポイントとしてこの事例で確認できます。
2026年3月にGoogleがプレビュー公開した「Gemini 3.1 Flash Live」に関する記述として、最も適切なものはどれか。
- A. テキスト入力専用のモデルであり、音声によるやり取りには対応していない。
- B. 会話のスピードで応答できるリアルタイムの音声・視覚エージェント構築向けのモデルで、騒音下でのタスク完了率や複雑なシステム指示への追従が向上し、90を超える言語でのリアルタイムマルチモーダル会話に対応する。
- C. 応答までに長い時間をかけて出力品質を高める設計で、レイテンシは従来モデルより大きくなっている。
- D. 対応言語は日本語と英語の2つに限定されている。
答えと解説を見る
正解はBです。Gemini 3.1 Flash LiveはGemini Live APIを通じてプレビュー提供されるモデルで、周囲の世界を処理するだけでなく会話のスピードで応答できる、リアルタイムの音声・視覚エージェントの構築を支援します。交通やテレビといった環境音と関連する発話をより正確に聞き分けて背景ノイズを除去することで騒がしい実環境でのタスク完了率が向上したほか、複雑なシステム指示への追従が強化され、ピッチやペースといった音響的ニュアンスの認識も向上しています。Aは音声を含むマルチモーダルなリアルタイム会話が主眼のモデルであり誤り。Cはわずかなレイテンシでも会話の自然な流れが損なわれるとして低遅延化を図っており誤り。Dは90を超える言語に対応しているため誤りです。リアルタイム音声対話は音声認識・音声合成技術の応用先であり、遅延(レイテンシ)が体験品質を直接左右する点を押さえましょう。
時事対策とあわせて、クイズと体系的なテキストで合格力を仕上げましょう。
