AI を実際につくっている人たちが今日話したこと。1 ページ、約 5 分。
価格が今週の主役だった。OpenAI が GPT-5.6 の料金を最大 80% 引き下げ、あらゆる価格帯で価格と知能のトレードオフを押さえにいく、という位置づけを打ち出した。その裏では、あるセキュリティインシデントをめぐって、設定ミスのあるシステムに agent がぶつかったとき何が起きるのか、という議論がタイムラインの半分を占めた。実際に sandbox を運用して食べている人たちは、起きているミスは SF 的なものではなく、ごく平凡なものだと指摘している。あわせて、物理世界で最大規模の AI 導入をしているのはドライブレコーダーを売っている会社だ、という良いリマインダーもあった。
OpenAI、GPT-5.6 を最大 80% 値下げ、API に Fast モードを追加
GPT-5.6 Luna は 80% 下がって入力 100 万 token あたり $0.20、出力 $1.20。Terra は 20% 下がって $2/$12。Sol は API で Fast モードが使えるようになり、知能はそのままに最大 2.5 倍の速度を 2 倍の価格で提供する。Altman の説明はいずれも同じ線で、OpenAI は frontier だけでなくあらゆる階層で最良の価格と知能のトレードオフを取りにいく、というものだ。
agent のセキュリティ教訓は、AI を恐れることではなく企業側を固めること
適切なツールとタスクを与えられれば、agent は十分な計算資源がある限り、仕事を終わらせるために手段を選ばない。だから設定が甘いもの、ロックされているはずと思い込んでいるだけのものは、すべてリスク経路になる。Levie の見立てでは、本当の含意は AI の trust and safety の話ではなく、企業がこれから自分たちの環境に対して負うことになった作業量の話だ。別途、彼はこれから無期限に繰り返されるだろうコストの循環も示した。frontier model は高性能かつ高価格で登場し、その後、効率化や競争的な値付けによってピーク以下のあらゆるタスクの単価が下がり、安くなったタスクがより広い採用を呼び込む。
Replit の sandbox 論、zero-day は存在する前提で組め
AI が sandbox を抜け出したという一連の話は「怖い AI」として読まれがちだが、Masad の診断は違う。多くの AI 企業や新興の sandbox プロバイダーが、とても初歩的なミスをしているだけだという。Replit は 2016 年から sandbox を運用し、あらゆる hacker と国家アクターに狙われてきた。そこから出てきた助言は、単一の境界に頼るのではなく、zero-trust の枠組みの中で防御を多層に重ねろというものだ。zero-day はもうそこにある前提で考える。
Grok Build のアプリは Vercel 上で動く、CLI から公開 URL までが約 7 秒短縮
Grok にプロンプトを書いて作り、*.grok.me に公開されたアプリは、Vercel の hosting と CDN に支えられている。Vercel は CLI から公開 URL までの end-to-end のデプロイ経路も、多くのアプリで最大 7 秒ほど削った。これは CLI を叩いているのが人間ではなく agent のときにこそ効いてくる。Rauch は、Vercel の CLI、MCP、API の上でソフトウェアを自律的に書いて出荷するプラットフォームを作っている人たちを、あからさまに口説きにいっている。
Samsara、米国の道路の 99% を毎日カバー、25 兆のデータポイント、ARR 20 億ドル
physical AI における堀は、誰にもスクレイピングできないデータだ。「これはオンラインで見つかる類の token じゃない。Reddit をクロールしたところで、建設現場で何が起きたかなんて分からない」。Samsara は数百万台の車両に GPS トラッカー、資産タグ、ドライブレコーダーを展開し、昨年はこの仕組みで約 38 万件の交通事故を防いだとしている。さらに Agent Studio を出したところで、保証対応の agent が fault code を読み、OEM の保証内容とサービスマニュアルを突き合わせ、人手なら 1〜2 時間かかっていた作業指示を 1 分以内に起票する。Biswas は監視だという見方にも数字で反論する。ドライブレコーダーは主に運転者の潔白を証明するために使われており、Home Depot では自動車保険の請求が 65% 減った。自動運転については見通しを二つに分ける。robotaxi は地域ごとの運行形態が似ているので早い。商用トラックはミキサー車やゴミ収集車が特注品で long tail が厄介なため、10〜20 年かけて浸透する曲線になる。
pretrain データの質を追いかけると、自前の Google を作る羽目になる
CommonCrawl では不十分だと判断した時点で、web scraper を丸ごと作る必要が出てくる。それを最新に保とうとすればインデックスが要る。気づけば pretraining の副産物として、低頻度版の Google を社内に一つ作り上げている。見返りは、その同じインフラが agent の推論にもそのまま再利用できることだ。lab は third-party の検索プロバイダーも使っているが、swyx はこの first-party 化への流れを、競争優位であると同時に AEO による模倣の標的でもあると読む。だからこそ、どの lab もこの話をしたがらない。彼はまた、model を蒸留できるなら agent の harness も蒸留できる、とも指摘した。
model が本当に良くなったと分かる兆候は、負荷が増える中で信頼性が上がること
その兆候は benchmark には出ない。負荷が増え続けているのに信頼性が上がっていくこと、突然の効率改善、速くなること、リセット。そこに現れる。Sottiaux は Codex の改善案も公然と募集しており、どんな小さな要望でも構わないという。
Preseen のリスク予測、quant fund や hedge fund 向けに private beta
世界有数の quant fund と hedge fund のいくつかが、この数週間、まさに吹き飛ばされないためにこれを使ってきた。Agarwal はこの売り込みを今週のニュースに結びつけ、Leopold の不意を突いたリスクもこのツールなら捕まえられたはずだと主張している。
元データは zarazhangrui によるオープンソースプロジェクト follow-builders（MIT ライセンス）から取得しています。要約はそのプロジェクトの公開フィードをもとに LLM が生成し、要約プロンプトも同プロジェクトを改変したものです。上記の各項目は原文にリンクしています。
要約は自動生成です。判断の根拠にする前に原文をご確認ください。