コンテンツにスキップ
4All API ドキュメント
メインサイト ニュース コンソール

[AINews] OpenAI、2026年末までにAGI基準に到達へ

· Latent Space 翻訳済
播客深度访谈

通常、Latent Space では AGI のタイムラインについて議論することを避けています。こうした主張は定義が曖昧で、責任の所在も明確にできないからです。しかし今となっては、この話題を取り上げないことのほうが、より重大な過ちなのかもしれません。前回、OpenAI の AGI タイムラインに注目したのは 9 か月前でした。現在、予想されていたとおり、Chief Scientist の Jakub Pachocki は、未発表の Astra モデルこそが、2026 年 9 月までに実現する計画の「自動化 AI リサーチ・インターン（Automated AI Research Intern）」だと述べています。Sama は『TIME』のインタビューでさらに踏み込み、OpenAI は 2026 年 12 月までに、AGI を実現したと社内で発表する見込みだと語っています。

『TIME』：

  • OpenAI の幹部は、同社が AGI に近づいていると考えている。Sam Altman は、2026 年末までに、OpenAI が AGI の基準を満たす社内システムを保有すると見ている。一方、Mark Chen は、OpenAI は AGI への道のりの 80% をすでに終えていると考えている。

  • OpenAI はすでに自動化 AI リサーチ・インターンを手にしている――つまり……

カウントダウンを始めましょう。

AI Twitter まとめ

オープンソース・ロボットのブレークスルー：Hugging Face と Pollen が 399 ドルの Microduck を発表

  • Microduck の発表：今回、最も注目を集めたハードウェア発表は Microduck です。Pollen Robotics と Hugging Face が共同開発した、高さ 25 cm のオープンソース二足歩行ロボットで、価格は 399 ドル。クリスマス前の出荷が予定されています。シミュレーション環境で学習したモデルを実機にデプロイでき、15 個のアクチュエーターに加え、カメラ、スピーカー、LiDAR、NFC、Bluetooth、Wi-Fiなど、かなり充実したセンサーおよび通信コンポーネントを備えています。@pollenrobotics、@Thom_Wolf、@ClementDelangue による紹介では、強化学習によるカスタマイズ性と、すぐに利用できる複数の事前学習済みポリシーが強調されています。

  • 技術的な意義：この製品の面白さは、単に「安くてかわいいロボット」という点だけではありません。より重要なのは、オープンなシミュレーター、シミュレーション環境からハードウェアへの転移、そしてコミュニティがロボットのポリシーを学習できるほど十分に低価格な形態と価格を組み合わせた、全体的な設計にあります。単にデモを見るためのロボットではないのです。Hugging Face はすでに Hugging Face Space を通じてシミュレーターを公開しており、@HuggingApps が詳しく紹介しています。コミュニティによる学習から実機へのデプロイまでをつなぐ、このオープンな循環こそが、@yacineMTB や @gneubig など、複数の研究者にすぐ購入を決断させた理由です。

  • 初期の盛り上がりとコミュニティによる実験：今回の発表は、ロボット分野で異例の広がりを見せました。Thom Wolf は複数の実験を共有しており、画像検出器を迅速に統合することで、ロボットがリアルタイムにレーザーポインターを追従できるようにしました（@Thom_Wolf）。その後、Microduck が5 秒に 1 台のペースで売れたと報告し、さらに売上が 100 万ドルに達したと発表しています（@Thom_Wolf、@Thom_Wolf）。低価格、オープンなシミュレーター、具現化強化学習の組み合わせにより、Microduck は近年で最も説得力のある「コンシューマー向けフィジカル AI」製品の発表の一つとなりました。

GLM-5.3-Flash／Ox Alpha の正体が判明、ローカル・オープンソースモデルが過熱

  • Ox Alpha は GLM-5.3-Flash だと確認：今週最大のモデル関連ニュースの一つは、謎のモデル Ox Alpha が、実際には Z.ai / 智谱の GLM-5.3-Flash であると確認されたことです。@theo、@UnslothAI、@togethercompute がこの点に言及しています。複数の投稿で繰り返し引用されている公開仕様には、総パラメーター数 3,200 億、アクティブ・パラメーター数 180 億、コンテキストウィンドウ 100 万トークン、そして**ハイブリッド・アテンション（hybrid attention）**が含まれます。コーディングおよびエージェントのベンチマークでも、非常に強い性能を示しています。

  • オープンウェイト + 量子化 + ローカルデプロイ：このモデルが急速に注目を集めた理由は、ユーザーがすぐにローカルのワークフローへ組み込んだからです。Unsloth によれば、128GB のメモリ上で 3-bit GGUF 版を実行できます（@UnslothAI）。一方、@danielhanchen は、4-bit 量子化によって 93% の精度を維持できると主張しており、256GB のメモリを搭載した Mac 1 台、または DGX Spark 2 台で実用的に動作させられるとしています。これは、オープンソースモデルのエンジニアが注目する、リリース後のエコシステムの反応そのものです。量子化手法、デプロイ方法、実際の運用上の制約が、ほぼ即座に現れています。

  • 価格性能比のストーリー：複数の投稿が、GLM-5.3-Flash を効率面での新たなブレークスルーとして紹介しています。@togethercompute は、DeepSWE では Luna にほぼ匹敵する一方、同じ予算でこなせる作業量は2 倍以上だと述べています。@theo は、その性能は自身のモデルランキングを変えるのに十分だと評価しています。また、@zainhas は、推論の強度を max ではなく high に設定することを推奨しています。精度はほぼ同等である一方、トークン使用量は 2 倍になるためです。Baseten も、リリース初日に122 TPS を超えるサービングスループットを実現したと強調しています（@baseten）。Databricks はさらに、270 token/s の速度を引用し、GLM-5.2 と比べて品質は 10% 高く、コストはわずか 10 分の 1だと述べています。