大規模言語モデル

主要ニュース

1. 1

   Honeywell、AI駆動の自律型資産最適化に向けた6つのワークフローを提示

   Honeywellは、AI駆動のワークフローとエージェントベースの自動化を活用し、製造業者の労働力不足、熟練労働者の枯渇、製品の複雑性への対応を支援している。先月フェニックスで開催された2026 Honeywell User Group Americas Conferenceにおいて、Honeywellのデジタル信頼性リーダーであるOmar Sayeedは、資産監視、根本原因分析、処方的推奨、動的リスクベース保守戦略、生産信頼性トレードオフ評価、および現場作業者サポートの6つの中核ワークフローを提示し、これらが自律型資産最適化を可能にすることを説明した。 製造業者は労働市場の逼迫、労働力の問題、サプライチェーンの課題、期限達成圧力に直面している。接続された AI対応の保守ワークフローは、人的介入を自動化・削減しながら、資産の信頼性とパフォーマンスを維持するのに役立つ。ターボ機械メーカーSundyneおよびCompressor Controls Corpの買収というHoneywellの最近の施策は、資産信頼性サービスの拡大と、製造業者が規模を拡大して事業を展開するための手段としてのAIエージェントの位置付けに対する同社の戦略的焦点を浮き彫りにしている。

   成功には、堅牢なデータ収集、強固な制御インフラ、および分析プラットフォームの基盤が必要である。Sayeedは、多くの施設にとって最大の障害は断片化または低品質のデータであると強調した。AIはそれなしには役に立たない。組織は集中化された標準化された業務プロセスを確立し、段階的に障害予測から行動処方へ移行し、最終的には人的介入を最小限に抑えた自律的な制御判断を可能にする必要がある。

2. 2

   Google、内部ベンチマークの未達を理由にGeminiの提供開始を延期

   GoogleはAI技術Geminiの提供開始を延期することを決めた。同システムが社内で設定されたパフォーマンス目標を達成できなかったためだ。 この延期は、最先端のAI研究機関でさえ大規模モデルのスケーリングに技術的な課題を抱えていることを示している。先進的なAI導入を検討する企業にとっては、実際の運用開始時期が当初の予想より遅れる可能性があることを示唆している。

   同社は具体的な提供開始日をまだ発表していない。パフォーマンスのギャップを埋めた上でテクノロジーを公開する準備を進めている。

3. 3

   Googleの Gemini 3.5 Pro が数ヶ月遅延、コーディング機能が期待値に及ばず

   Googleのフラッグシップ AI モデルである Gemini 3.5 Pro は、コーディング機能に関する Google の内部期待値に満たなかったため、予定より数ヶ月遅れている。 この遅延は、生成AI分野で激しい競争に直面している Google の AI 開発パイプラインに潜在的な弱さがあることを示唆している。Google の AI ツールに依存するビジネスおよび開発者にとって、次世代機能へのアクセス時期が後ずれすることを意味する。

   記事では Gemini 3.5 Pro の具体的な発表予定時期や「数ヶ月」を超える正確な遅延期間は明記されていない。

4. 4

   Gemini 3.5 Pro の遅延でGoogle株が下落

   最強フラッグシップAIモデルであるGemini 3.5 Proの提供で同社がスケジュールに遅れている、という報道を受けてGoogleの株価が下落した。 AI競合各社が独自モデルで進展を遂行する中での遅延であり、高い競争性を持つ先進AI機能市場での競争圧力が生じている。AIパートナーを評価する企業にとって、ベンダー間のタイミングと機能ギャップは重要な要素である。

   Gemini 3.5 Proの新たな提供予定時期や遅延がいつまでに解決されるのかについて、当該記事では明記されていない。

5. 5

   AIエージェントはスニペットではなく全文書が必要—ウェブ検索の効率化

   AIエージェントのウェブ検索方法を分析したところ、従来の検索APIはスニペットとリンクのみを返すため、エージェントは毎回クエリのたびに生のHTMLを取得して整形し直す必要があることが判明した。同じ質問を3つの検索方法（プレーン検索結果、ニューラル検索、事前インデックス化されたウェブサービス）で実行した結果、スニペットをループ処理すると、全文書を事前処理されたものにアクセスするのに比べて約4倍多くのトークンがかかることが明らかになった。複数の検索が必要な調査タスクの場合、エージェントは既に見たことのあるコンテンツに対して繰り返し「検索税」を支払わなければならない。 コーディングエージェントとLLM搭載システムが本番環境に移行するにつれ、検証はオフラインテストからライブテレメトリーへと移行する。つまりエージェントは訓練されたことのない実世界のクエリに対応する必要がある。ウェブ検索はエージェントが市場、ニュース、組織の変化に関する最新情報を得る手段だが、今日の検索APIはオーバーヘッドにトークンを無駄にしており、推論に充てることができない。エージェントループ（調査パイプライン、GTMブリーフィング、市場監視）を構築するチームにとって、検索ツールの選択がコストと速度を直接左右する要因となる。モデルやプロンプトではなく。

   Seltzはエージェント向けの専用ウェブインデックスで、スニペットからコンテンツを再構築する強制をせず、単一の呼び出しで完全な構造化文書（人物プロフィール、フル記事テキスト、ウィキペディアエントリー）を返す。発見フェーズの後の深掘り検索に最適であり、発見クエリ（オープンウェブ検索）と深掘りクエリ（インデックス化された全文書）をチェーンして組み合わせることで、各ループの反復で実際に必要とされている検索方法を使い分けることができる。

6. 6

   Kimi K3オープンモデルがGPT-5.6 SolおよびClaude Fable 5と同等のベンチマーク成績を達成、中国AI価格上昇

   Kimiは280兆パラメータのオープンモデル「K3」を発表した。このモデルは100万トークンのコンテキストウィンドウを備えている。Kimiのベンチマークテストでは、K3はClaude Fable 5とGPT-5.6 Solに次ぐ成績だが、Claude Opusおよび中国のライバルGLM-5.2を含む他のテスト済みシステムを上回っている。Artificial Analysisの独立テストでは、K3は人工知能指数で57ポイントを獲得し、Fable 5（60）、GPT-5.6 Sol（59）、Opus 4.8（56）に次ぐ4位にランクされている。モデルの完全な重みは7月27日までにリリースされる予定である。 K3は超低価格の中国AIの終焉を示唆している。Kimiの価格設定は入力トークン当たり0.30ドル（キャッシュヒット時）および出力当たり15.00ドルで、前世代のK2.6（入力0.16ドル、出力4.00ドル）の約19倍高い。中国のプロバイダー全体がフロンティアモデルの価格を引き上げている。タスク当たり0.94ドルのK3は、GPT-5.6 Sol（1.04ドル）と同じ範囲に位置するが、Claude Opus 4.8（1.80ドル）の約半分の費用であり、価格リーダーというより競争力のあるミッドレンジオプションとして位置付けられている。

   K3は精度向上（AA-Omniscience指数で33%から46%に向上）を上回る幻覚率（51%）を示しており、896人の専門家のうち16人のみを活性化する混合専門家アーキテクチャを使用している。このモデルは現在Kimi.com、モバイルアプリ、およびKimi Codeを通じて利用可能である。長時間実行されるタスク向けの分離環境を備えた計画中のKimi Hosted Agentプラットフォームはウェイトリスト登録受付中である。