何が起きたか
Exabaseの創業者が、AI記憶ベンチマーク「BEAM」で最高スコアを報告しました。同社のシステム「M-1」は、100Kトークンで76.9%、1Mトークンで75.0%、10Mトークンで68.0%を記録。従来の最高成績はHindsight（73.4%、73.9%、64.1%）でしたが、M-1は全スケールで上回りました。
なぜ重要か
10Mトークンは年間の長日常対話に相当する規模で、従来のモデルはこのスケール対応が困難でした。M-1は小型モデル（Gemini 3 Flash）を使用しながら、大型モデル（Gemini 3 Pro）に依存していた従来システムを上回ったことで、効率的な記憶システム設計の道を示しています。
注目点
M-1はクエリあたりの消費トークン数で次点システムより約20%少ないという効率性を示す一方、10Mスケールでの多セッション推論は9.6%と弱点があり、今後の課題として認識されています。詳細は https://exabase.io/research/exabase-achieves-state-of-the-art-on-beam-benchmark を参照。
こういう要約が、毎朝あなたのメールに届きます。
BEAMは従来のベンチマークでカバーしていない矛盾解決やイベント順序付けといった能力を評価する、最難関の記憶ベンチマークです。10Mトークンというスケールでは、モデルのコンテキストウィンドウ詰め込み（context stuffing）は不可能であり、根本的に機能する記憶機構が不可欠です。ExabaseはこのスケールでHindsightに3.9ポイント、Honcho に27.4ポイント以上の差をつけ、特にスケール拡大時の効率性が優れていることを示しました。同時にM-1は、大型モデル（Gemini 3 Pro）を使用していた従来最高成績者を、小型モデル（Gemini 3 Flash）で上回ったことで、モデルサイズと記憶能力の関係について新たな知見を提供しています。一方、多セッション推論での大幅な性能低下は、記憶システム全体の今後の課題と指摘されています。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
カマラータ氏はInceptionV1の猫・車ニューロンをV字検出器だと再解釈
Google DeepmindのGemini 4 ArgonがARC Prizeによると、4,800ドルでARC-AGI-3において97.5パーセントを記録し2位となった
MicrosoftのSurface Laptop UltraはNvidiaのRTX Sparkプラットフォームを採用し、2,599ドルから（最大5,899ドル）
Nieman Labによると、10月30日発効のMetaの新たな商用規約により、ビジネスユーザーと結びついたウェブサイトのコンテンツをクロールしAI学習に利用できる可能性がある
Vercelが木曜に公表したデータによると、TypeSafe AIのJevは、9月15日の限定リリースから2週間以内に有料チームの35%が使用した
Reflection AIがエージェント型コーディング向けオープンウェイトモデルBeamを発表
