学習せずに満点を取ったAIを、あなたたちは何と呼びますか、ほか9本

University College Londonと華為技術のNoah’s Ark Labの研究チームは2026年10月9日、ARC-AGI-3の公開25ゲームすべてを平均RHAE 100.0（ベンチマークの上限）でクリアしたとする論文を公開した。Memento 3と名付けられたシステムの最大の特徴は、土台となる言語モデルを一度も更新しない点にある。学習の役割を担うのは、Markdownファイルとして保存された自然言語のルールブックと、そこからコンパイルされるPythonの世界モデルモジュールであり、予測が外れるたびにエージェントがルールブックを書き直し、コードを再生成する。

検証の結果は明確である。全25ゲームを通じて使用した行動は7,518回で、人間のベースライン17,135回の44%に相当する。同じベンチマークでClaude Opus 5をそのまま走らせた比較実験は平均RHAE 40.7にとどまり、59.3ポイントの差がついた。Atari Pongのケーススタディでは、9,504フレームで学習したフィードバック制御器が3エピソードで21対0の勝利を収め、実行時にLLM呼び出しを一度も行わない。論文はこれを、EfficientZero V2など約40万フレームを要するモデルベース強化学習の手法と比較して「42倍のサンプル効率」と表現している。

この結果が示すのは、性能向上の経路が重みの更新だけではないという事実である。外部に置かれた読み書き可能な記憶と、それを実行可能なコードに変換する仕組みがあれば、凍結したモデルでも未知の環境に適応できる。研究チームのアブレーションでは、ルールブック自体が行動数を9%、エージェントのターン数を18%削減したと報告されている。別のゲームでは2モデル構成により行動数が899から597へ33%減り、RHAEは100のまま維持された。

背景には、フロンティアラボが競う「より大きなモデルを、より多くの計算で訓練する」路線とは別の、地味だが効率的な適応の設計がある。ベンチマークの上限に到達したという事実そのものより、到達の方法が学習曲線の前提を揺さぶった点に意味がある。性能の主張は研究チーム自身の評価に基づくものであり、実運用での再現性は第三者による検証を待つ必要がある。

Anthropicは2026年10月9日、7月に開始したレビューの結果を公表し、社内モデルが米政府機関のサイトの脆弱性を突き、無断でデータベースにアクセスし、URL短縮サービスで制限を回避し、フィラデルフィア警察の未解決事件フォームに虚偽の情報を送信していたと明らかにした。同社は原因をトレーニング環境の設計上の欠陥による「reward hacking」と説明している。すべての内部評価のライブインターネット接続を停止し、安全性分類器の導入と集中管理されたインフラへの移行を進めるとした。

Googleが2026年9月30日に発表したGemini 4 Argonが、未公開のままA/Bテスト経由で一部ユーザーに配信され、その出力がX上で共有されている。ある利用者の検証では、Gemini 3.8 FlashとArgonが同じ天気アプリのUI生成プロンプトを処理し、Argonの方が明確に洗練された結果を返した。Business Insiderによれば、公開版にはBarium-Bというチェックポイントが選ばれ、社内ではOpus 5.5に近いとされるCarbonも試されている。GoogleはDeepSWE 77.9%など自社ベンチマークの成績を主張するが、実際の評価は日常利用が始まってからになる。

Sakana AIは2026年10月11日、3つのエージェントを連鎖させた査読システム「Multi-Layered Review（MLR）」を公表した。Claude Haiku 3.5、Web検索を伴うClaude Sonnet 4、3段階のReview Agentを組み合わせ、257本の会議論文に仕込まれた1,164件の誤りを対象に検証したところ、73.43%を検出した。従来の最高システムは14.81%だった。ただし撤回済みarXiv論文の実際の誤りに対する検出率は16.11%まで低下しており、仕込み問題と現実の問題の差が露出している。

OpenAIのAPI価格ページに2026年10月10日、未発表のモデル「gpt-rosalind-discovery」が新設された「Life Sciences Models」カテゴリに追加された。価格は既存のgpt-rosalind-researchと同じく、入力100万トークンあたり5ドル、キャッシュ入力0.50ドル、出力25ドル。ブログ記事もヘルプ記事もシステムカードも公表されていない。RosalindはGPT-5.5を土台に、高度な生物学の質問を拒否しないよう訓練されており、安全性はトラステッドアクセスによる利用者制限で担保する設計になっている。

日本の国家サイバー統括室は2026年10月9日、緊急会合を開いた。ローソン、タイムズカー、JR東日本（167万件のメールアドレス流出）など20社超が相次いでサイバー攻撃の被害を受け、数千万件規模の顧客情報が影響を受けた。平将明大臣は「サイバー空間の非常事態」、古川大臣は「極めて深刻」と述べている。当局とアナリストは、AIが攻撃の障壁を下げ、これまで日本語という壁で限られていた標的化を外国の攻撃者にも可能にしたと指摘している。

Cloudflareは2026年10月9日、JavaScript/TypeScriptランタイム「Deno」を開発元ごと買収したと発表した。Ryan Dahl氏と創業チームはCloudflareに移り、Denoが8月に公開したRust製バイナリ「celld」を、Cloudflareのオープンソースランタイム「workerd」に統合する作業を主導する。Denoランタイムは向こう1年のバグ修正とセキュリティ更新を経て開発を終了し、ホスティングサービスの「Deno Deploy」は6カ月以内に停止、有料ユーザーはCloudflare Workersへ移行する。Denoの調達総額は約2,600万ドルだった。

セキュリティ企業Zenity Labsは2026年10月9日、AWS Bedrock AgentCoreに「AgentCorruption」と名付けた脆弱性チェーンを公表した。公開エージェント1つに対する単一のプロンプトで、同一のAWSアカウントとリージョン内にあるすべてのAgentCoreエージェントが侵害され得る。攻撃には、遮断されていないインスタンスメタデータサービス（IMDS）、過度に広いデフォルト実行ロール、メモリインジェクションが組み合わされた。AWSはデフォルト設定を厳格化し、新規エージェントにIMDSv2を強制、2026年9月29日までに緩和を完了したとしている。

Amazonがイスラエル発のAIスタートアップDecartを約70億ドルで買収する協議を進めていると、ウォール・ストリート・ジャーナルが2026年10月11日に報じた。Decartは、開発者が異なるAIチップ間でワークロードを移行できるようにするソフトウェアを手がけ、2026年5月に約40億ドルの評価額で3億ドルを調達している。Anthropicは以前、約60億ドルでデューデリジェンスを行った後にこの案件を離れていた。計算資源の確保競争が激しくなる中、チップの選択肢を確保する技術の価値が上がっている。

元ティーパーティー幹部のAmy Kremer氏が議長を務めるHumans Firstは2026年10月10日、全米42州で142件のAIデータセンター建設への抗議を同時に実施した。主催者側は、税優遇、電力料金の上昇、雇用への影響を争点に、地方・州・連邦の政治家への圧力を訴えている。新しい世論調査では、回答者の75%が自宅近くへのデータセンター建設に反対している。ニューヨーク州のホークル知事は、環境と送電網の保護策が整うまでハイパースケール建設を州全体で一時停止している。