ELYZAは、コンタクトセンターの電話応対業務を評価する日本語エージェントベンチマーク「ELYZA Agent Tasks: Customer Service」を公開した。通信、EC・フリマ、ホテル、宅配の4ドメイン96シナリオで、音声とテキストの両方を評価でき、Apache-2.0ライセンスでGitHubに置かれている。評価ではテキストのタスク遂行の最高スコアがgemini-3.6-flashの0.781で、音声入出力の3モデルはタスク遂行とツールがいずれも0.3を下回った。
AnthropicがClaude Haiku 5.5を公開した。約1年ぶりのHaiku級更新で、価格はOpenAIのGPT-6 Lunaと同じ水準である。Artificial AnalysisのIntelligence Indexでは最大effortで43となり、GPT-6 Luna（38）を上回った一方、出力トークン量は約3倍と多い。同日にSonnet 5.5のキャッシュ読み取り料金の引き下げも発表された。
Anthropicが高速・低価格モデルClaude Haiku 5.5を公開した。価格は100,000トークンまで入力$0.10／出力$0.50で、GPT-6 Lunaと同額である。100,000トークン超は$0.50／$2.50に上がり、新トークナイザーでは同じ長文プロンプトが約1.25倍のトークン数になるとSimon Willisonは報告している。
Microsoft AIはコーディングモデルMAI-Code-1.1-Flashを発表した。6月にMicrosoft Buildで公開したモデルと比べ、コードの品質が向上し、トークン効率は25%高く、コストは4分の1である。GitHub Copilotで本番稼働しており、ローカル実行向けのダウンロードも可能で、GitHub Copilotでの実験的提供は月末までに始まる。
Anthropic@AnthropicAIAIスコア5757Introducing Claude Haiku 5.5: the cheapest, fastest, and most capable small model we’ve ever released. On average, it costs around 75% less to run than Claude Haiku 4.5.
Claude@claudeaiAIスコア5656
Mistral AI@MistralAIAIスコア3333Mistral Large 4は、複雑なワークフローにわたって情報を収集し、完成した成果物を生成する汎用エージェントを動かす。
TIIは、エミラティ方言に重点を置いたアラビア語音声認識モデル「Falcon-ASR」を発表した。パラメータ数は1.6Bである。6つのアラビア語テストセットの平均WERは20.92%で、公表済みの最良結果より2.25ポイント良い。Hugging Face Demo Spaceで試用でき、APIは計画中である。
OpenAIはGPT-6をIntelligent UIとともにChatGPTで世界的に順次提供している。応答が速くなり、ビジュアルや、そのまま操作して使えるインタラクティブな体験が提供されるという。
Google DeepMindは、テキスト、画像、音声、動画、コードを共通の埋め込み空間に写像するオープンな埋め込みモデルEmbeddingGemma 2を公開した。Gemma 4アーキテクチャをベースに740Mパラメータで、Apache 2.0ライセンスで提供される。MTEB Codeのスコアは68.76から78.68に向上し、コンテキストウィンドウは8Kトークンに拡大した。
Mistral AI@MistralAIAIスコア1919Mistral Large 4は、サイバーセキュリティ分野で世界最強クラスのAIモデルの1つである。
Mistral AI@MistralAIAIスコア5353
Mistralは、総パラメータ1兆、アクティブ520億のネイティブマルチモーダルモデルMistral Large 4（ML4）のパブリックプレビューを開始した。プレビューAPIはMistral Studioで試用でき、ウェイトは今月末に公開予定である。コーディング、エージェント型ワークフロー、マルチモーダル理解で高い性能を示すとしており、Artificial Analysis Cyber Indexでは世界上位5モデルに入るとしている。
選定理由：サイバーセキュリティや金融、法務での評価結果に加え、学習基盤とRLの運用規模まで示されており、オープンウェイト大型モデルの位置づけを比較しやすい。
Reflectionは、コーディング、エージェント、科学用途向けのテキスト専用MoEモデルBeam（総パラメータ501B、アクティブ23B）を発表した。ゼロから学習したモデルで、Apache 2.0の重みは今月公開予定である。Latent Spaceは、GLM 5.3やDeepSeek V4.1 Flashなどが総じて先行すると指摘している。
Z.ai@Zai_orgAIスコア4747
Latent SpaceのAINewsが、10/1/2026〜10/2/2026のX、Reddit、各種コミュニティの話題をまとめた。OpenAIのGPT-6.1 Solは入出力100万トークンあたり$2/$10で、Agent ArenaではSol [Max]が5位、Sonnet 5.5 [Max]が3位に入ったと紹介している。エージェント基盤、研究、推論ハードウェア、政策の話題も並ぶ。
Microsoft AI（MAI）は、ストリーミング文字起こしモデルMAI-Transcribe-2-Streamingと、音声合成モデルMAI-Voice-2.1、高速版のMAI-Voice-2.1-Flashを発表した。MAI-Transcribe-2-Streamingは60言語に対応し、Artificial Analysisで最終・部分の両方の文字起こし精度が1位とされる。MAI-Voice-2.1は23言語・26ロケールに対応し、料金は100万文字あたり$22である。
GoogleはGemini 4シリーズのGemini 4 Argonを紹介した。コーディング、金融、法務、サイバーセキュリティ、科学などで複雑なタスクを深く遂行するディープ ワークに強いとしている。金融、コーディング、法務、税務のモデル性能を測定するVals Indexで1位を獲得したという。
Googleは新しいフロンティアモデル Gemini 4 Argon を発表した。複雑で長期的なワークフローで深い推論を持続できるよう構築され、Fairwind Program を通じて信頼できるサイバーセキュリティ担当者へ順次展開する。導入価格は100万入力トークンあたり2ドル、100万出力トークンあたり10ドルで、キャッシュ済み入力トークンは入力トークン価格の95%オフとなる。
選定理由：価格、出力トークン上限、各ベンチマークの数値に加え、段階的公開とセーフガードの内容が一続きで示されており、位置づけを把握しやすい。
Google DeepMindはフロンティアモデルGemini 4 Argonを発表し、信頼されたサイバー防御担当者向けのFairwind Programで提供を始めた。DeepSWE v1.1で77.9%を記録し、出力トークン上限は従来の64Kから1Mに拡大された。開発者、企業、一般向けにはガードレールの改良後、できるだけ早く提供する方針で、導入価格は入力$2、出力$10（いずれも100万トークンあたり）である。
選定理由：社内での活用例やベンチマーク結果、段階的な提供方針と安全対策が一つの発表にまとまっており、モデルの位置づけを把握しやすい。
Googleは新フロンティアモデル Gemini 4 Argon を発表した。まず Fairwind Program を通じて信頼できるサイバー防御者に提供を始める。導入価格は入力100万トークンあたり$2、出力$10で、開発者、企業、一般ユーザーへの提供は米国政府の任意の事前アクセス手続きに関与しつつ段階的に広げる。
選定理由：社内での移行や最適化の実績と、ベンチマーク結果、段階的に公開する際の安全対策が同じ記事で示されており、性能と運用方針を併せて把握しやすい。
Qwen@Alibaba_QwenAIスコア3838Qwen3.8-27Bが@nebiustf経由で利用可能になった。エージェント構築でもディープリサーチでも、この27B dense モデルはマルチステップのワークフローに対応できる。🥳
Qwen3.8-27B is now live on Nebius Token Factory. A compact 27B dense model for coding, research, and agent workflows, with a focus on planning and completing tasks across multiple steps. Start building: https://tokenfactory.nebius.com/endpoints?modals=endpoint-details&model-id=Qwen/Qwen3.8-27B
OpenAIはGPT-6.1 Solを発表した。コーディング、コンピュータ操作、専門業務でAstraに近い知能を持つとしている。標準APIの入力・出力トークン価格はAstraの5分の1である。
Googleは、Gemini 3.8 Flashを使った開発者4人の作例を紹介した。同モデルは3.7 Flashからソフトウェア開発、エージェント型タスク、多段階推論が大きく向上し、より高コストなフロンティアモデルに迫る性能を示すこともある。ロケット軌道のシミュレーションや自動変速機の対話型モデルなどが作られており、Google AntigravityとGoogle AI Studioで利用できる。
Holo4は、GUI・コード・MCP・APIを使い分けて操作するエージェント型モデルシリーズで、27B dense版と35B-A3B（Mixture of Experts）版の2サイズが提供される。OSWorld 2.0ではHolo4 27Bが61.7%を記録し、Opus 5.5の81.8%には及ばないものの、パラメータ数とコストは大幅に少ないとされる。両モデルはH Models APIで利用可能で、Holotron4 Nanoも併せて公開された。
国立情報学研究所のLLMCは、日本語に強いオープンな大規模言語モデル「LLM-jp-4.1」シリーズを公開した。llm-jp-4.1-8b-thinking、32b-a3b-thinking（MoE）、33b-thinkingの3モデルをApache License 2.0で提供し、SFTとDPOの学習データも公開する。STEM分野の性能向上、ツール呼び出しへの新規対応、回答の詳細さの調整が主な改良点である。
AnthropicはClaude Sonnet 5.5（claude-sonnet-5-5）を公開し、Claude API、Amazon Bedrock、Google Cloud、Microsoft Foundryなどで利用可能とした。Claude Sonnet 5向けのコードは5点で動かなくなる可能性があり、thinkingの無効化方法やtool_choiceの扱いが変わる。
Google DeepMindは、音声生成モデルGemini 3.8 Flash TTSとGemini 3.8 Flash-Lite TTSを発表した。Flash TTSは自然言語プロンプトによる声の新規作成や行単位の演技指示に対応し、Flash-Lite TTSは大量処理とコスト効率に特化している。両モデルは本日からGemini APIとGoogle AI Studioで提供が始まっている。
GoogleはGemini 3.8 Flash TTSとGemini 3.8 Flash-Lite TTSの2つのテキスト読み上げモデルを発表した。Flash TTSは自然言語プロンプトで100以上の言語や方言の音声をゼロから作成でき、Hume AIのVoice Design Benchmarkで総合1位（71.4）を獲得した。両モデルは本日から順次、Gemini APIとGoogle AI Studioで提供される。
Googleは音声生成モデルGemini 3.8 Flash TTSとGemini 3.8 Flash-Lite TTSを発表した。自然言語プロンプトで新しい声を作成でき、100以上の言語と方言に対応する。本日からGemini APIとGoogle AI Studioで利用でき、Gemini NotebookとGoogle Vidsにも順次提供される。
選定理由：音声設計、複製、行単位の演出指示までの機能と提供先が整理されており、TTSを制作や開発に組み込む際の比較材料になる。
Qwen@Alibaba_QwenAIスコア3131Qwen-Image-2.1 by @Alibaba_Qwen just landed as the #1 open source model in the Image Edit Arena and Text-to-Image Arena! With 1367 pts in the Image Edit Arena, Qwen-Image-2.1 took the #1 spot among open. It landed #16 overall, just 3 pts from GPT-Image-1.5-high-fidelity at #15. See the leaderboard for the Text-to-Image arena below. Congrats to the @Alibaba_Qwen team on this contribution to the open source ecosystem!
OpenAIはGPT-6 SolとLunaの2モデルを発表した。フロンティア級の知能を日常業務に届けるモデルで、性能とコストのバランスがそれぞれ異なるとしている。
Qwen@Alibaba_QwenAIスコア2626We're excited to offer Day0 OpenVINO support for Qwen-Image-2.1 Read more about what you can accomplish here: https://ms.spr.ly/6019a5nm5
Anthropicは長時間のエージェント型コーディングと知識work向けモデルClaude Opus 5.5（claude-opus-5-5）を公開した。コンテキストウィンドウは標準で1Mトークン、最大出力は128kトークンで、価格は100万トークンあたり$4 / $20である。Claude APIのほか、Amazon Bedrock、Google Cloud、Microsoft Foundryなどで利用できる。
選定理由：価格差、thinkingやtool_choiceの仕様変更、新しいベータ機能がまとまっており、移行時に確認すべき点を把握しやすい。
xAIはコーディングと知識業務向けの最上位モデルGrok 4.7を発表した。価格と速度はGrok 4.6と同じで、入力は100万トークンあたり$2、出力は$6である。CursorとGrok Buildで本日から利用でき、Grok APIなどでも提供される。
xAIは音声文字起こしモデル「Grok Voice Transcribe 2.0」を公開し、同価格の前世代「Grok Voice Transcribe 1.0」より精度が2倍になったとしている。Artificial Analysisの公開リーダーボードでは、ストリーミング対応の32モデルの中で精度が首位となった。料金はバッチが1時間あたり0.10ドル、ストリーミングが1時間あたり0.20ドルで、1.0と同一である。
Google DeepMindは、音声対話モデルGemini 3.8 LiveとGemini 3.8 Live Extended Thinkingを発表した。前者は規模とコスト効率、後者は複雑なタスク向けの設計である。Extended ThinkingはArtificial AnalysisのSpeech to Speech Quality Indexで総合1位（82.6）となり、両モデルとも本日から順次提供される。
選定理由：コスト重視のLiveと高難度向けExtended Thinkingの2モデルの位置づけと、ベンチマーク結果、提供範囲が一度に整理されている。
Googleは音声対話モデルGemini 3.8 LiveとGemini 3.8 Live Extended Thinkingを発表した。前者は規模とコスト効率、後者は高度な多段階推論を重視している。Extended ThinkingはArtificial AnalysisのSpeech to Speech Quality Indexで82.6の1位となり、いずれも発表日から順次提供が始まっている。
選定理由：低コスト向けと高難度タスク向けの2モデル構成で、音声エージェントの評価指標や提供先が具体的に示されており、用途に応じた選択を考えやすい。
ZhipuのGLM-5.3は、GLM-5.2以前のMITから独自ライセンスへ変更された。Model as a Serviceを運営し、関連会社を含む連続12か月の売上が100億ドルを超える場合、商用利用前にZ.AIのセキュリティ審査が必要となる。「affiliates」が定義されておらず採用の障壁になると指摘し、Kimi K3やMiniMax M3も制限的な条件を課している。MotifのMotif-3はMITライセンスで公開されている。
