AIモデルは意図的に「賢くなく」なっている:推論能力向上と知識容量低下のトレードオフ

• Google ResearchとTechnionの研究で、GPT-5やGemini-3のような最先端モデルはテストされた事実の95-98%をエンコードしているが、そのうち26-34%を直接想起できないことが判明
• 推論時間中にChain-of-Thought等の思考計算を行うことで、直接想起できなかったエンコード済み事実の40-65%を回復できることを実証
• モデルの知識を「エンコードされるか」と「知っているか」に区別し、ファクトレベル・プロファイリングという新しい評価手法を提案

• GLM-5.2は100万トークンのコンテキスト長を安定して維持する大規模言語モデルとして公開された
• FrontierSWE、PostTrainBench、SWE-Marathonの長期コーディングベンチマークでオープンソースモデルとして最高性能を記録
• 一部ベンチマークでGPT-5.5やClaude Opus 4.7を上回る結果を達成

AI研究開発において、パラメータ数や学習データ量の増加に懐疑的になる動きが出ている。これは、大規模モデルの性能限界を示す事例として、米国政府がAIモデル「Claude Fable 5」をリリース3日後に国家安全保障上のリスクから使用禁止としたことからも明らかである。一方で、Z.aiのGLM-5.2(753Bパラメータ)は、GPT-5.5やFable 5といった推定1-2Tパラメータの巨大モデルに迫る性能を示しており、オープンウェイトLLMがクローズドモデルに匹敵する可能性を示唆している。しかし、学習データに事実に基づいたデータが多いモデルは、知らないことを「知らない」と答える能力が低い傾向が…

• Open LLM LeaderboardにCO2排出量推定値が統合され、2,742モデルの分析結果が公開された

• Qwenチームが最新LLM「Qwen3.8」を発表。2.4兆パラメータ(うち950億がアクティブ)の大規模モデルで、コーディング・エージェントタスクでの性能向上を謳う。
• Qwen3.8はネイティブで262,144トークン、最大1,010,000トークンまでコンテキスト長を拡張可能。FP8量子化モデルがHugging Face Transformers形式で公開され、vLLM、SGLang、TokenSpeedと互換。
• Qwen3.8-Maxはビジョン入力、1Mコンテキスト長、公式内蔵ツールを備えた公式版として提供され、Qwen CloudでAPIサービスも開始。