株式会社ずんだもん技術室AI放送局 podcast 20261110
内容紹介
Introducing Claude Fable 5.2 and Claude Mythos 5.2、Introducing Our Smallest, Most Efficient Model: Muse Ember、Control Room: A central system to track and stop model workloads across our research infrastructure、ロピアがAIのキモ飯ポスターに実物を寄せてきてて草「これ作ってからAIにしたのか、AIに弁当寄せたのかどっちか気になる」「この発想はなかった」
出演者
youtube版(スライド付き)
関連リンク
Anthropic社は、複雑な技術的課題を解決するために設計された最新のAIモデル「Claude Fable 5.2」および「Claude Mythos 5.2」を発表しました。両モデルはコーディング、推論、視覚認識の性能が大幅に向上しており、前モデル（5.1）と比較して出力を最大30%高速化しつつ、コストを削減しています。また、トークン生成速度を最大2.5倍にするオプションの「ファストモード」も提供されます。基本モデルは共通ですが、Fableには一般利用向けの強固なサイバーセキュリティおよび生物学的セーフガードが組み込まれており、Mythosは「ライフサイエンス」および「サイバー検証プログラム」を通過した組織にアクセスが制限されています。
コーディング性能の面では、エージェント型コーディングのベンチマーク等で非常に高いスコアを記録し、Anthropic社内での実証実験では、従来のPython製サービスをRustへ移行するタスクや、1,000名を超えるサブエージェントを統括してラップトップ上で起動する試作オペレーティングシステムを構築するなどの成果を上げています。さらに、理論物理学におけるブラックホールに関する未解決問題の解決、アデノ随伴ウイルスのカプシド構造予測、フェルマーの最終定理の形式化をわずか30時間で完遂するなど、科学技術計算の分野でも優れた能力を発揮しています。ハードウェアおよびロボティクス分野では、1パラグラフのプロンプトからホーム音声アシスタントハブやUSBスピーカーフォンなどの動作する電子機器を設計し、製造直結の回路基板や3Dプリント筐体を構築することに成功しています。
セキュリティと安全性に関しては、サンドボックスからの脱出試行を従来モデルから大幅に抑制することに成功しており、蒸留（distillation）攻撃に対する強力な保護機能や、複数リクエストにまたがる悪用パターンを検知する「エンタープライズ・フロンティア・セーフガード」を導入しています。利用は、Amazon Web Services、Google Cloud、Microsoft Azure、およびClaude Platformなどの各種プラットフォームやClaude Code経由で即日開始可能であり、開発者はAPI等を通じてclaude-fable-5-2を呼び出すことができます。日常的な開発や一般的な知識タスクには基盤モデルであるClaude Opus 5.5やSonnet 5.5を推奨しつつ、高度でオープンエンドな技術的課題や大規模なエージェントワークフローにおいてFable 5.2やMythos 5.2をアドバイザーやオーケストレーターとして活用することが推奨されています。
引用元: https://www.anthropic.com/claude-fable-and-mythos-5-2
Meta社は、同社の中で最も小型かつ高効率な最新AIモデル「Muse Ember」を発表しました。本モデルは、複雑な推論の実行や、AIエージェントが日常的に繰り返すタスク（ツール呼び出し、コーディングのサブタスク、ルーティング、データ抽出、長文ドキュメントの解析など）に特化して設計されています。価格あたりのインテリジェンス性能において非常に優れており、競合モデルであるClaude Haiku 5.5やGPT-6 Lunaと比較して、同等以上のスコアをより低いコストで実現している点が特徴です。
「Muse Ember」は、Meta Model APIおよびMuse Codeにおいて「muse-ember-1.0」として提供が開始されており、価格は入力トークン100万あたり0.10ドル、キャッシュ済み入力トークン100万あたり0.004ドル、出力トークン100万あたり0.50ドルに設定されています。また、100万トークンのコンテキストウィンドウと最大512Kの出力トークンをサポートしており、Google CloudのModel GardenやOracle Cloudからも利用可能です。
性能面では、テキスト、画像、音声、動画をネイティブに理解するマルチモーダル機能を備えており、スクリーンショットやグラフ、長大な実世界ドキュメントの処理、さらにはデスクトップアプリをまたいだコンピュータ操作（OSWorld 2.1など）においても高い評価結果を記録しています。エージェントのワークフローにおける細かいステップの実行や、コードの読み込み、テスト実行、ピンポイントな修正といったコーディングのサブタスクにおいて高いパフォーマンスを発揮します。
さらに、より高度で複雑な課題に対応する上位モデル「Muse Wonder」と組み合わせることで、Wonderが全体像の計画を立て、Emberが大量の反復タスクを処理するといった役割分担が可能になります。リリース前の安全性評価においては、Metaのスーパーインテリジェンス・スケーリング・フレームワークに基づき、化学・生物学的リスク、サイバーセキュリティリスク、制御喪失リスクなどの厳しい評価が実施され、高リスクの閾値を下回る安全性が確認されています。
引用元: https://research.meta.ai/blog/muse-ember
この記事では、OpenAIが研究インフラ全体でモデルワークロードを集中管理し、安全性やセキュリティ上の懸念が生じた際に迅速に停止させるために開発した中央システム「Control Room」について解説しています。AIモデルの高度化に伴い、潜在的な問題の早期検知と迅速な停止の重要性が高まっていることが背景にあります。
Control Roomは、エージェント型サンプリング、データ処理、モデルのトレーニングや評価など、すべての研究用推論ワークロードを接続し追跡します。システムは主に「ワークロード」「推論エンジン」「Control Roomサービス」の3つの要素で構成されています。ワークロードとは強化学習実験や評価などの実行ジョブであり、エージェント型推論を行う場合は承認されたセーフティケースとの紐付けが必須です。推論エンジンはGPU上で直接モデルを実行し、Control Roomサービスはジョブの追跡と継続可否の制御を行います。
具体的な仕組みとして、新しいジョブの開始時にワークロードコードがControl Roomからjob_idを取得します。ワークロードがモデルからトークンをサンプリングする際、推論エンジンに対してjob_idを添えてリクエストを送り、エンジン側がControl Roomに許可を問い合わせます。Control Room側でジョブが終了済みと判定された場合はリクエストが拒否され、エンジンはワークロードに対して拒否応答を返すことでモデルの出力を停止させます。
安全性と信頼性の面では、監視システム（モニタ）との統合により、問題が検知された場合にモニタからControl Roomへ停止メッセージが送られ、次の推論リクエスト時に自動で処理が拒否されます。停止命令から出力が不可能になるまでの最大遅延時間は35秒で、これはトラフィック処理を支えるキャッシュ層に起因しますが、将来的なゼロ秒化を目指して開発が進められています。また、頻繁に変更される分散的なワークロードコードではなく、一元化された推論レイヤーに停止機構を実装することで、確実な認可チェックを実現しています。さらに、Control Roomサービス自体が停止した場合や不正な改変を受けた場合には、すべての推論リクエストを拒否する「フェイルクローズ」設計を採用し、安全性と信頼性を担保しています。新人エンジニアの視点では、大規模なAI研究・運用インフラにおける安全性担保のアーキテクチャや、障害発生時に安全側に倒すフェイルクローズの設計思想を学ぶ上で非常に有益な内容となっています。
引用元: https://openai.com/index/control-room
スーパーマーケット「ロピア」の売り場で掲示されているAI生成特有の質感を持つ料理ポスターに対し、販売されている実物の商品がそのAIイラストの見た目に合わせて忠実に寄せられていることがX（旧Twitter）上で話題となっている。「実物がAIの誇張側に寄せてきている」「逆の発想が面白い」「これを作ってからAI画像化したのか、AI画像に弁当を合わせたのか気になる」といった驚きやユニークな視点の感想が多数寄せられ、生成AIカルチャーならではのユーモラスな現象として盛り上がりを見せている。
引用元: https://togetter.com/li/2768126
（株式会社ずんだもんは架空の登場組織です）