要点

• 100 万トークンあたり 100K までは入力 $0.10、出力 $0.50 (Haiku 4.5 は $1/$5)、超えると $0.50/$2.50、キャッシュ読み取り $0.01。
• 平均約 75% 減という Anthropic の試算は、新トークナイザー (約 30% 増) と、9 割が 100K 以下だった Haiku 4.5 の構成を織り込む。
• コンテキスト 1M、出力 128K (従来は 200K と 64K)、thinking は既定でオン、effort は low〜max (既定 medium)、出力はテキスト。
• effort max で Terminal-Bench 4.0 39.2% (Sonnet 5.5 70.6%、Haiku 4.5 0%)、OSWorld 2.1 オフライン版 72.4% (Luna 48.9%)。
• Sonnet 5.5 のキャッシュ読み取りも $0.10 に半減 (エージェント作業の大半で約 20% 減)、SDK にブラウザとコンピュータの操作を追加。

見方と論点

• Simon Willison: 100K までは Luna と同額、超えると 5 倍 (Luna の値上がりは 272K から)、トークン約 1.25 倍は隠れた値上げ。
• Artificial Analysis: max で指数 43 (Luna 38) だがタスクあたりのコストは 3 倍、low で答え始めまで 9.93 秒 (Luna 3.05 秒)。
• システムカード: プロンプトインジェクション成功率は 83.2% から 7.1% に減ったが、漏れた答えを黙って使う率は 17% (Haiku 4.5 は 2%)。

技術要素

• claude-haiku-5-5 は日付の接尾辞も別名もない ID で、Bedrock は anthropic.claude-haiku-5-5 と東京・大阪の jp. プロファイル。
• エラーになるもの: budget_tokens、1 以外の temperature、0.99 以外の top_p、top_k の指定、アシスタントのプリフィル。
• 応答は thinking ブロックから始まることがあり、これは max_tokens に数えられ、前のターンを変えた後に送り返すと拒否される。
• 新たな拒否 (stop_reason: "refusal") にフォールバックはなく、thinking は high 以下なら切れるが Claude Code では切れない。
• Claude Code 2.1.293 の haiku が Haiku 5.5 を指すのは Anthropic API だけで、Bedrock、Google Cloud、Foundry は 4.5 のまま。
• 毎月のクレジット: Max は $100 か $200、Team は最大 $500 で Claude Platform 専用、対話型 Claude Code やほかのクラウドは対象外。

要点

• GPT-6 はテキスト、ビジュアル、フォームやチャート、地図、計算機のような操作要素を組み合わせて答え、素のテキストで返すこともある。
• ネイティブでストリーミングできる部品のライブラリとコンパイラーにより、インターフェースはモデルの生成に合わせて少しずつ表示される。
• 考えたりツールを使ったりしながら回答を始め、Web 検索の要る質問では GPT-6 Instant は GPT-5.6 Instant より平均 44% 早く答え始める。
• Plus 以上は 10-07 から GPT-6 Sol、Free と Go は 10-08 から GPT-6 Luna で、Pro の推論は Astra のまま Intelligent UI 非対応。
• システムカード: Sol は自傷で、Luna は自傷、ゴア、性的な内容で後退したが、レビューした違反はきわどいがおおむね安全とする。

見方と論点

• SiliconANGLE は Google の Generative Interface になぞらえ、Search Engine Journal は計算機のサイトが訪問を奪われるとみる。
• HN はラムの献立にターキーの写真を見つけ、MY TECH BLOG のサブネット計算ツールはブロードキャストアドレスを整数のまま表示した。
• OpenAI のヘルプ記事は Free と Go に GPT-5.6 Luna しか挙げず、44% は答え始めるまでの時間で完了までの時間ではない。

技術要素

• メニューで GPT-6 が Latest に代わり、Instant〜Extra High は GPT-6.1 Sol でなく GPT-6 Sol (October)、GPT-5.6 Sol は残る。
• Web と更新済みのアプリだけで別の利用枠はなく、Layout and visuals をオフにしてもテキストだけの回答にはならない。
• API: 10-07 の変更は chat-latest だけ (100 万トークンあたり $5/$30、テキスト出力)、Sol と Luna に October 版はない。

要点

• Qwen3.8-Flash-Next は 125B パラメータでアクティブ 6B、RAM と VRAM の合計で Q2_0 は 37.6 GB、IQ3_S は 54.8 GB を要する。
• VRAM 12 GB 以上 (RTX 20〜50 か対応する AMD)、RAM は Coder なら 32 GB、全サイズなら 64 GB、ディスクは約 80 GB が要る。
• 作者の RTX 5070 と 64 GB では、Q2_0 は出力 94 tok/s、32K のプロンプトの読み込み 2,650 tok/s、IQ3_S は 53 と 1,620 tok/s。
• PC Watch: RTX 3060 と DDR4 で IQ2_XS は 34〜44 tok/s、23K の読み込みに約 25 秒、48 GB 改造の RTX 4090 で IQ3_S は 87〜129。
• 09-24 からの 44 リリースで Claude Code (0.1.17)、DNS リバインディング対策 (0.1.38)、Codex の Responses API (0.1.39) を追加。

見方と論点

• Hackaday は VRAM をキャッシュに使う点を挙げ、PC Watch は「デコードは実用的だが、プリフィルが遅い」とエージェントの待ちを指摘。
• HN では 4 bit 未満の量子化を疑う声があり、視覚のテストで誤差は llama.cpp の約 3 倍、Coder は CJK のテキストに弱い (#438)。
• ライセンス: Model as a Service か AI Work Assistant の事業者が商用で使うには、Qwen から別のライセンスを得る必要がある。

技術要素

• 127.0.0.1:8080 で OpenAI、Anthropic、ステートレスな Responses の API を提供し、既定では 1 件ずつ処理する。
• Claude Code は ANTHROPIC_BASE_URL でつなぎ、Codex のツールのループでは各ターンでプロンプトの約 96% をキャッシュから再利用した。
• MTP が最大 3 トークンを下書きして 1.6〜1.8 倍に速め、出力は貪欲デコードと同一、/metrics は vLLM の指標名を使う。

要点

• テキストのみの疎な MoE で総 501B、アクティブ 23B、52 層、コーディング、推論、エージェントの作業に向けて訓練した。
• 事前学習は 6,144 基の GB300 で 23.8T トークン、RL は 10.5K 基で 4 週間、約 13 億のサンドボックスで 1 億超のロールアウト。
• Reflection の表: SWE-bench Verified 80.9、SWE Bench Pro v1 65.5、DeepSWE v1.1 44.4、MCP Atlas 78.7。
• 主張: 推論の計算量 3〜4 分の 1 で GLM-5.2 並みとするが、生成トークン数からの見積もりで、プリフィルと attention を除く。
• 10-08 の時点で Hugging Face には何もなく、Apache 2.0 の重み、モデルカード、技術報告は 10 月後半の予定。

見方と論点

• Reflection は欧米のオープンウェイトのフロンティアを押し上げると打ち出し、TechCrunch は主張が独立に検証されていないと指摘する。
• AINews は最先端の中国のモデルが概して先を行くとし、早期アクセスを得た Artificial Analysis はトークン効率の高さを見込む。
• HN の最上位のコメントは DeepSeek V4.1 Flash より大きく全指標で劣るとするが、成り立つのは両者がそろう 9 行中 7 行。

技術要素

• 局所と大域の attention を交互に置き、細かいルーティングのエキスパート、補助損失なしの負荷分散、実効 1M のコンテキスト。
• reasoning effort のパラメータで応答の長さと精度を引き換え、RL のロールアウトは最大 256K トークン。
• 早期アクセスは platform.reflection.ai で、価格、制限、サービングのハードウェア、配布のパートナーはまだわからない。

要点

• Gemma 4 ベースで、270M のテキストとコードの中核に視覚 (170M) と音声 (300M) のエンコーダーを任意で足し、768 次元の空間を共有。
• EmbeddingGemma 1 と比べて MTEB Code は 68.76 から 78.68 に上がったが、MTEB の多言語は 61.15 から 61.36 にとどまる。
• Pixel 11 Pro のアクティブ RAM はテキストのみ約 191 MB、全モダリティ約 567 MB、LiteRT は TPU でテキストを 8.3 ms で埋め込む。
• ウィンドウは初代の 4 倍の 8,192 トークンで、1 入力に画像なら約 29 枚、動画なら約 58 フレーム、音声なら約 5.5 分が入る。
• Qdrant (パートナー): 768 次元の 1 ビット化で RAM は 30 分の 1、nDCG@10 は 99% を保ち、次元よりビットを削るほうがよかった。

見方と論点

• Google: キャプション生成、書き起こし、テキスト埋め込みの連結を 1 モデルで置き換え、端末内のゼロショットのルーティングにも使える。
• HN: simonw はホスト型のモデルが引退しても動かせるオープンな重みを評価し、2 人はテキストの検索は v1 と変わらないとする。
• クラスメソッド: transformers 5.18.0 はモデルを認識せず、日本語のクエリでも 3 枚の試験画像を正しい順に並べた。

技術要素

• google/embeddinggemma-2 には sentence-transformers 6.1.0 以降と [image,audio,video] が要り、テキストはタスクの接頭辞付き。
• float16 では NaN か黙って劣化したベクトルが返り、切り詰めたら正規化し直し、クエリと文書の次元をそろえる。
• 安全性の調整もアライメントもなく、Ollama のタグは 256K のコンテキストを表示、Unsloth の llama.cpp 手順はテキストのみ。

要点

• QA と CS 向けに、機能ごとの 1 ページに Notion の設計仕様書、Zendesk のヘルプ記事、GitHub のコードの記述を並べる。
• 毎日、まとめた差分ごとに利用者の想定質問を LLM に 1 つ書かせ、質問の書けない差分 (大半を占める) は何もしない。
• その質問に現在の wiki で答えさせ、更新後の出典と合えば何もせず、食い違えば節を直し、答えられなければ節かページを足す。
• 各ページが出典ごとの hash を記録し、一致しなければ古いと判定し、古いページが 1 件でも残ると lint が失敗して push できない。
• エージェントは回答を一時置き場にだけ残し、毎日の定期更新が規約に沿って、別のエージェントの確認を経て昇格させるか削除する。

見方と論点

• Karpathy のパターンはよい答えをそのまま書き戻し、出典が不変の Astro-Han のスキルは出典の hash をわざと持たない。
• クラスメソッド: 書き戻しは「論文が劣化を測った『複数ラウンド編集』そのもの」で、論文では最先端モデルでも文書の 25% が壊れた。
• 未解決: どのページも引いていない変更は質問の選別だけが頼りで、Slack や問い合わせを取り込むには人ごとの閲覧権限が要る。

技術要素

• 古さは LLM の判断を挟まず hash だけで決まり、ページ A を直すと、A を根拠に書いたページ B も古いと判定される。
• コードはヘルプ記事が説明する本番のリリースの版に固定して引用し、一時置き場の回答は次の回答の根拠に使わない。
• 書かれていないもの: モデル、ハーネス、コスト、hash の関数、昇格の規約、検索で、直近のリリースだけで PR は 2,000 件超。