MiniMaxは企業ワークフローやコーディング、コンピュータ操作向けの新モデルM3.1 Flashを公開した。Artificial AnalysisのIntelligence Indexで42点となり、前モデルM3の29点から13ポイント上昇、タスクあたりの評価コストは約0.51ドルから約0.22ドルに下がった。一方、AA-Omniscienceではハルシネーション率が93%と高く、API価格は入力100万トークンあたり0.15ドル、出力0.60ドルである。
GoogleはGemini 4世代の最初のモデルGemini 4 Argonを一般公開し、Google AI ProとUltraの購読者がGeminiアプリで使えるようになった。Artificial Analysis Intelligence Indexでは53でGPT-6 Astraと並び、API導入価格は入力100万トークンあたり$2、出力$10である。
選定理由：Google自社の比較表と第三者のIntelligence Indexを並べ、価格も競合と対比しているため、性能とコストの位置づけを把握しやすい。
MiniMaxが推論モデル「MiniMax M3.1 Flash」を公開した。Artificial Analysis Intelligence Indexで42点を獲得し、前モデルのM3より13点高く、タスクあたりのコストは半分以下に下がった。API価格は入力100万トークンあたり$0.15、出力100万トークンあたり$0.60で、コンテキストは最大100万トークン、テキストと画像を扱える。一方、Artificial Analysisによるとハルシネーション率は93%と報告されている。
xAIのGrok 4.6が、Amazon Bedrockで一般提供された。コンテキストウィンドウは500kで、推論の強度はlow、medium、high、xhighから設定できる。料金は入力が100万トークンあたり2ドル、キャッシュ入力が同0.50ドル、出力が同6ドルである。
xAIのGrok 4.6が、Gemini Enterprise Agent PlatformのModel Gardenから利用可能になった。Grok 4.6は長時間稼働するエージェントや対話型・視覚的な作業向けのフラッグシップモデルで、500kのコンテキストウィンドウを備え、推論の度合いをlow、medium、high、xhighから設定できる。料金は入力が100万トークンあたり2ドル、キャッシュ入力が同0.50ドル、出力が同6ドル。
Google DeepMindは、テキスト、画像、動画フレーム、音声を単一のベクトル空間に写像するオープンウェイトの埋め込みモデルEmbeddingGemma 2を公開した。パラメータ数は740Mで、Google Pixel 11 Pro上のアクティブRAMはテキストのみで約191MB、フルマルチモーダルで約567MBとされる。Google AI Edge GalleryとForesightでのデモに加え、MediaPipe TasksやLiteRTで開発できる。
Latent SpaceのAINewsは、10月15〜16日分のAI動向をまとめた。Metaが816B総パラメータ・42B activeのMoE「Muse Spark Open」をオープンウェイトで公開し、Artificial AnalysisのIntelligence Indexで39を記録した。冒頭では新番組「High Taste Testers」の試験公開も告知している。
Google DeepMind@GoogleDeepMindAIスコア4343Four Gemini 4 Argon agents, one shared Minecraft world, one goal: defeat the Ender Dragon. 27 hours and 2,783 self-written programs later, the dragon fell. https://x.com/i/article/2111007444981645312
Elorianが初のモデル「Glimpse」を研究プレビューとして公開した。APIとチャット画面で提供され、推論中に画像の一部を切り抜き、動画のフレームを取り出し、コードで測定できる。価格は100万トークンあたり入力$0.60、出力$3で、同社の評価では科学チャートの推論と短尺動画のキャプション生成でGPT-6 Astraを上回る。
Perplexity@perplexity_aiAIスコア3939Gemini 4 ArgonがWANDRで新記録を樹立した。 現在、PerplexityでProおよびMaxの購読者向けに提供されている。
Goodfireの Nick Cammarata は、多義性や重ね合わせとされてきた多くの事例が、エージェントによるさらなる分析で解消されるとして、「Neural Networks Are Already Clean」という作業仮説を示した。同日、Metaは816B総パラメータ/42B活性のMoEで1Mトークンのコンテキストウィンドウを持つMuse Spark Openを公開した。Artificial AnalysisのIntelligence Indexでは39で、米国のオープンウェイトモデルでは首位だった。
NVIDIAとIIT MadrasのAI4Bharatは、インド憲法の22言語にわたる約2.8兆トークンのNemotron-pretraining-Indic-v1を、生成に使ったGPU高速化パイプラインとともに近日公開すると発表した。プロンプト、LLMワークフロー、品質チェックまで含む生成レシピを開放する。Nemotron 3.5 Super VLのIndic継続事前学習では、報告された5つのIndicベンチマークすべてでスコアが上がった。
Google DeepMind@GoogleDeepMindAIスコア2626Gemini 4 Argonは、量子コンピューティング、核融合、タンパク質設計などの分野で、すでに新たな科学的ブレークスルーを切り開いている。🧵
GoogleはGemini 4 Argonを本日よりGeminiアプリで提供開始した。最先端の推論能力と複雑なワークフローでの性能向上を掲げ、Google AI ProおよびGoogle AI Ultraのユーザーが利用できる。macOS版アプリではGoogle Antigravityのエージェント型コーディングインターフェースも直接使えるようになった。
選定理由：モデルの応答スタイルの変化に加え、macOS版GeminiアプリでAntigravityが使える点やタスク機能の対象プランが整理されており、利用判断の材料になる。
Gemini 4 Argonが一般提供（GA）となり、Google はAPI、Geminiアプリ、AI Mode、Antigravityなどで提供を開始した。導入価格は入出力100万トークンあたり$2/$10で、11月30日以降は$4/$20に倍増する。同日のAI Engineer NYCには約20,000人が参加し、Anthropic、Vals AI、Coatueの基調講演が行われた。
Simon Willisonはllm-gemini 0.35でGemini 4 Argonに対応した。ArgonはGemini APIと月額$100のプラン向けに提供が始まり、価格は入力$2/百万、出力$10/百万である。12月1日に倍額となる予定で、Artificial Analysisのベンチマーク実行コストは$2,407だった。
Google DeepMindはGemini 4 Argonの安全性とセキュリティへの取り組みを公表した。シミュレーション型サイバー攻撃12シナリオをすべて解決し、コーディングでの不正近道は2%まで低下した。Argonの段階的な一般提供と、Fairwind Programの対象拡大も始まっている。
選定理由：悪用防止、ミスアラインメント監視、プロンプトインジェクション耐性の三層で、具体的な数値を挙げて安全対策を説明している。
Cursor@cursor_aiAIスコア3939
Google DeepMind@GoogleDeepMindAIスコア6060
Googleは、Gemini 4 Argonの安全性とセキュリティへの取り組みを公開した。サイバー攻撃シナリオ12件すべてを解決する一方、リアルタイム防御や監視を重ねている。プロンプトインジェクション耐性はGray SwanのIPIベンチマークで、15回の適応的攻撃での成功率を0.7%に抑えた。Argonは広く提供が始まり、Fairwind Programも拡大される。
選定理由：悪用防止、ミスアラインメント監視、プロンプトインジェクション耐性の三つの防御を、評価結果の数値とともに整理しており、設計の考え方を比較しやすい。
Google DeepMind@GoogleDeepMindAIスコア5353
Google DeepMindはGemini 4 Argonを公開した。物理理解、コード生成、視覚的・意味的推論が大きく進歩したとしており、Embodied Reasoning（ERQA）ベンチマークで純粋な推論により87%を記録し、他のフロンティアモデルを上回ると説明している。gemini-4-argonとしてGoogle AI Studio、Gemini API、Google Antigravityで利用できる。
選定理由：ロボット制御やReal2Simなど四領域の具体的なプロンプト例が並び、物理推論モデルの使い方を自分の作業に置き換えて検討しやすい。
Google DeepMindは最新のフロンティアモデルGemini 4 Argonを、API、Google Antigravity、Geminiアプリ、検索のAIモードで提供開始した。導入価格は入力100万トークンあたり$2、出力$10で、Vals Indexで1位とされる。コーディング、金融、法務、サイバーセキュリティ、科学などの複雑な業務を想定している。
選定理由：コーディングや科学、安全性評価まで具体的な適用例と提供条件がまとまっており、実務での使いどころを比較しやすい。
GoogleはGemini 4 Argonの本格展開をGeminiアプリとAntigravityで開始したが、対象は有料ユーザーのみで、下位プランでは全機能を使えない。性能自体は変わらず、社内ではYouTubeのコメントシステム改善などに使われたという。
選定理由：有料ユーザー限定という提供範囲と、Google社内での活用例が整理されており、導入時期や用途を考える材料になる。
Googleは、複雑なワークフロー向けのフロンティアモデルGemini 4 Argonを開発者向けに提供開始した。実際のソフトウェアエンジニアリング、企業のナレッジワーク、サイバーセキュリティ防御を対象とする。Gemini APIの有料枠のほか、Google AI Studio、Android Studioで利用できる。
GoogleはGemini 4 Argonを、AI StudioとGemini API、Google Antigravity、Geminiアプリ、Google検索のAIモードで順次提供開始した。導入価格は入力100万トークンあたり2ドル、出力10ドルで、Vals Indexで1位を獲得したとしている。コーディング、金融、法務、サイバーセキュリティ、科学などでの深い作業を想定し、安全性スタックも強化したという。
選定理由：価格、提供先、社内事例、安全性評価がまとまって示されており、コーディングや科学分野での使いどころと導入条件を比較しやすい。
Googleは最新のフロンティアモデルGemini 4 Argonを提供開始した。AI StudioやGemini platformのAPI、Google Antigravity、Gemini app、AI Modeで利用でき、導入価格は入力100万トークンあたり$2、出力$10である。Vals Indexで1位とされ、コーディングや金融、法務、サイバーセキュリティ、科学分野での活用事例も示された。
選定理由：コーディングや科学研究、安全性評価まで具体的な数値付きの事例が並び、導入先ごとの使いどころと提供条件を比べやすい。
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。
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。
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。
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。
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。
Googleは推論とコーディング性能を高めたGemini 3.8として、汎用の3.8 Flashとサイバーセキュリティ特化の3.8 Flash Cyberを発表した。3.8 Flashは入力100万トークンあたり0.75ドル、出力3.75ドルの初期提供価格で、Cyberは新設のFairwind Programを通じてパートナーに提供される。
Google DeepMindとGoogle Researchは、グローバル気象AIモデルWeatherNext 3を発表した。リアルタイムの衛星データを学習に用い、最大5kmの解像度で毎時予報を生成する。Search、Gemini、Maps、Google Maps Platform、Cloudなどに今日から順次組み込まれ、降水予報は1日以上先で最大50%精度が向上するとしている。
選定理由：衛星データの直接学習や5km解像度など、前世代WeatherNext 2との差分が数値で整理されており、改良点を把握しやすい。