【生成AIニュースメモ】OpenAI、エージェント型コーディングモデルGPT-5.3-Codexを発表(2026/2/6)
OpenAIは2026年2月5日(米国時間)、これまでで最も高性能なエージェント型コーディングモデル「GPT-5.3-Codex」を発表しました。GPT-5.2-Codexの最先端のコーディング性能とGPT-5.2の推論・専門知識の強みを統合し、処理速度も25%向上しています。SWE-Bench ProとTerminal-Bench 2.0で業界最高水準を達成したほか、OSWorldやGDPvalでも優れた性能を示し、コーディングにとどまらずコンピュータ上のほぼすべての業務を担うエージェントへの進化を掲げています。有料のChatGPTプランで利用できます。
【生成AIニュースメモ】Anthropic、最上位モデルClaude Opus 4.6を発表(2026/2/6)
Anthropicは2026年2月5日(米国時間)、最上位モデル「Claude Opus 4.6」を発表しました。前モデルよりも慎重に計画を立て、エージェントタスクをより長く持続し、大規模なコードベースでより確実に動作するようコーディング能力を強化したほか、Opusクラスとして初めて100万トークンのコンテキストウィンドウをベータ提供します。Terminal-Bench 2.0など複数の評価で最高水準の成績を示し、claude.ai、API、主要クラウドで同日から利用可能です。価格は100万トークンあたり入力5ドル・出力25ドルで据え置きです。
【生成AIニュースメモ】Anthropic、エージェント評価はインフラ設定で最大6ポイント変動と報告(2026/2/6)
Anthropicは2026年2月5日(米国時間)、SWE-benchやTerminal-Benchのようなエージェント型コーディングベンチマークのスコアが、実行インフラの構成だけで数ポイント変動しうることを定量化した技術記事を公開しました。社内実験では、Terminal-Bench 2.0でリソースを最も厳しく制限した構成と最も潤沢な構成の差が6ポイント(p<0.01)に達し、リーダーボード上位モデル間の差を超える規模でした。ベンチマークスコアがモデル選定の判断材料になる中、リソース構成を実験変数として文書化・統制すべきだと提言しています。
【生成AIニュースメモ】Anthropic、推論が長いほどAIの誤りは非一貫になるとの研究を公開(2026/2/3)
AnthropicのAlignment Scienceブログで2026年2月、AIシステムの失敗の性質を分析した研究「The Hot Mess of AI」が公開されました。2025年夏の第1期Anthropic Fellowsプログラムの一環として行われたもので、AIが失敗するとき、意図しない目標を体系的に追求する形で失敗するのか、それともどの目標も推進しない支離滅裂な行動で失敗するのかを問い、フロンティア推論モデルの誤りを系統的なバイアスと非一貫なバリアンスに分解して定量的に検証しています。タスクが難しく推論が長くなるほど、失敗は系統的なミスアラインメントよりも非一貫性に支配されるようになると報告しています。
【生成AIニュースメモ】JDLA、生成AIの個人データ入力と著作権リスクに関する報告書を公開(2026/2/3)
一般社団法人日本ディープラーニング協会(JDLA)は2026年2月3日、生成AIの「利用」局面で企業・組織が直面しやすい法的論点を整理した「法と技術の検討委員会報告書Ⅱー AI 利用に関するユースケースー」を公開しました。生成AIをめぐって必ず問題提起される個人データの取扱いと著作権侵害リスクに焦点を当て、一定のルールと原則の遵守により両リスクは大幅に低減可能との見解を示すもので、過度なリスク懸念で利活用が進まない現状に対し、現行法の枠組みの中で合理的な判断を可能にする考え方を提言しています。