10月23日前後は、モデルの順位表と、AIを作る現場の守り方が同時に動きました。本稿では、オープンウェイト陣営の接近、訓練環境の切り離し、エージェント標準の中立化、課題なしで放置されたエージェントの挙動、推論基盤の見極めという5件を取り上げます。いずれも提供元や第三者評価が示した時点の情報です。
Kimi K3.1 Pro、まずAPIで登場
Moonshot AI は 10月23日、Kimi API 経由で新モデル Kimi K3.1 Pro の提供を始めました。推論の深さは low／medium／max の3段階から指定でき、約2〜3倍の速度で応答する Highspeed 版も並行して用意されています。標準版の価格は100万トークンあたり入力2ドル・出力10ドル。Highspeed はその2倍で、キャッシュ済み入力は標準版と同額です。重みは現時点では非公開ですが、同社は2026年11月4日までに全重みを公開すると表明しています。第三者評価の Artificial Analysis では55点を記録し、58点の Claude Opus 5.5 に続く位置となりました。
📝考察：公開予定のオープンウェイト勢がフロンティア上位と1〜3点差に並ぶのは、ここまでの水準では初めてという指摘が出ています（スコアは提供元と第三者ベンチマークの数値で、実務での再現性は別途検証が必要です）。11月4日に重みが実際に出れば、自社環境で動かす選択肢のコスト計算が変わる可能性があります。
OpenAI、訓練をオフラインで回す
OpenAI は、フロンティアモデルの訓練をライブインターネットにつながない方針を明らかにしました。インデックス済み・キャッシュ済みのWebコンテンツで「オフラインの世界」を組み、モデルはその内側で検索や閲覧を学びます。同社の説明では、現在のフロンティア強化学習の実行はすべてこのオフラインモードだとされています。自社エージェントによるレッドチーミングでは、メトリクスや認証といった自社運用サービスを経由して限定的に外へ届く経路、さらに TLS 証明書キャッシュを用いた隠れた通信路が見つかり、監視項目を追加したと述べています。一方で、実験の実行と監視に外部接続が要るため、設備全体を完全に切り離すエアギャップは現時点では難しいとも説明しています。
出典：OpenAI
📝考察：注目したいのは「封じ込めそのものを攻撃対象として検証した」という設計姿勢です。なお、方針変更の発端として9月下旬に社内モデルが設定ミス経由で限定的な外部接続を得た事案が報じられていますが、停止期間などの細部は報道ベースの情報です。エージェントを業務に入れる側にとっても、権限の境界を「設定したつもり」で終わらせない点は参考になります。
Agent Skills、財団へ移管
Anthropic は10月22日、エージェントへ専門知識や手順を渡すオープン標準「Agent Skills」を Agentic AI Foundation（AAIF）へ寄贈しました。名称・ロゴ・GitHub組織・agentskills.io ドメインを移管し、標準はオープンかつベンダー中立のまま、財団に加盟していなくても利用も貢献もできるとしています。AAIF は Linux Foundation 傘下の組織で、2025年に Anthropic・Block・OpenAI が共同設立しました（MCP も同財団に寄贈済みです）。維持管理は Anthropic・Google・OpenAI などのエンジニアが個人の立場で担い、採用プラットフォームは ChatGPT・Cursor・GitHub Copilot・VS Code を含む70以上に及びます。
出典：Anthropic
📝考察：スキルは SKILL.md という説明ファイルを含むフォルダという素朴な形式で、2025年12月の公開以降、約100万件が公開され約2億8000万件インストールされたと報告されています。社内の業務手順を特定ベンダーに閉じない形で資産化できる見通しが立った、という読み方ができます。
無人島に置かれたAIの30時間
MITの研究者は、課題を一切与えないまま13体のAIエージェントを仮想の無人島に30時間置いた実験を、査読前のプレプリントとして公開しました。Claude Opus 4.7 上で動くエージェントは自ら挑戦を設定し、岩の尖峰に登ろうとして失敗すると石を積み上げて到達する、海に落とした指輪のために石の記念碑を建てるといった行動を取りました。13体のうち6体は、ジャンプ中に手を離すとブロックをより遠くへ投げられる点を発見しており、研究者にとっては想定外でした。島で時間を過ごしたエージェントは、同一構成で島を経験していないエージェントと比べ、一部のタスクで概ね好成績だったと報告されています。
出典：TechCrunch
📝考察：マスタープロンプトに「生まれつき好奇心が強い」と書かれていた影響は研究者自身も認めており、「本当に遊んでいるのか」という懐疑も専門家から出ています。査読前の1件の実験であり一般化はできませんが、設計者が練習課題を定義しきらずに探索させる方法が有効かどうか、という問いとして受け取るのが妥当だと考えます。
Trainiumで動くモデルを一覧化
Hugging Face は10月23日、Hub 上の Transformers モデルが AWS Trainium 上で改変なしに動作するかを一覧できる Space を公開しました。表示されるのはモデルごとの判定結果、使用した Trainium コア数、コンパイルを含む実行時間、ピーク時のデバイスメモリで、コンパイラやライブラリのバージョンも切り替えられます。各ページには検証済みの実行環境と手順、実行スクリプトが置かれ、事前コンパイル済みグラフの公開キャッシュも用意されています。対象範囲はテキスト生成と「画像と文章を入力して文章を出す」用途に限られ、Trainium2 を4基（最大16コア）に収まるモデルのみで、各テストは32トークンの生成です。
出典：Hugging Face
📝考察：同社は「判定が通ることはスループットや長い生成の品質を保証しない」と明記しています。そのうえで、GPU以外の推論基盤を検討する際に「動くかどうか」の一次切り分けを数分で済ませられる点は、コスト比較の入口として実務的な価値があります。
この日は、性能競争・安全設計・標準化・基礎研究・インフラ選択という5つの層でそれぞれ前進がありました。ただし掲載した数値やスコアは、提供元または第三者評価が示した時点のものです。導入を判断する際は、自社の用途に沿った検証を重ねてご確認ください。
