18 モデル×153 回の自律実行で測った nanoGPT 最適化の実測ランキング、Qwen 3.8 27B がローカルでライセンス検証を 30 分でリバースエンジニアリング、Anthropic 年換算 650 億ドルでも支出の 28% は Opus 4.8 ほか6件
今日の3行
- Prime Intellect が 18 のフロンティアモデル × 153 回の自律実行で nanoGPT 最適化を実測しました。Fable 5 が最速で 2,726 秒、DeepSeek V4 Pro は 26M トークンに抑えられるなど、モデルとエージェントの組み合わせごとのコスト対効果が分かります。
- Qwen 3.8 27B がローカル環境で商用アプリのライセンス検証を 30 分でリバースエンジニアリングしました。GB10 構成なら 50 tok/s が出るため、オープンウェイト 27B クラスのローカル実行が現実的な選択肢になっています。
- FT 報道と Ramp AI index によると、Anthropic の年換算売上は 7 月時点で 650 億ドルに達しましたが、モデル別支出は Opus 4.8 が 28.0% を占め、Fable 5 は 8.0% にとどまります。高価格モデルが普及していない市場の実態が実測で示されました。
1. 18 モデル × 153 回の自律実行で測った nanoGPT 最適化の実測ランキング
要点 Prime Intellect が 18 のフロンティアモデルで nanoGPT オプティマイザー speedrun を 153 回自律実行し、モデルとハーネスの組み合わせ別の実測ランキングを公開しました。ベストは Fable 5（claude-code · high）の 2,726・81.7% で、以下 Opus 5（claude-code · max、2,920・53.6%）、Kimi K3（prime-agent · max、2,930・52.2%）、Kimi K3（kimi-code · max、2,974・45.8%）、Opus 4.8（claude-code · max、3,018・39.4%）、GPT-5.6 Sol（codex · xhigh、3,042・35.9%）と続きます。DeepSeek V4 Pro（claude-code · max）は 3,205・12.3% で、26M トークンに抑えられています。GLM 5.3（claude-code · xhigh）はデータなしです。41 件の完全なエージェント軌跡（ツールコール・サブエージェント・スクラッチパッドを含む）も公開されています。
なぜ重要か どのモデルとどのエージェントの組み合わせがコスト対効果で勝つかが実測で分かります。Fable 5 が最速、DeepSeek V4 Pro は 26M トークンで抑えられるなど、モデル選定の根拠になるデータです。
2. Qwen 3.8 27B がローカル環境で商用アプリのライセンス検証を 30 分でリバースエンジニアリング
要点 XDA Developers の実機テストで、Qwen 3.8 27B が商用アプリのライセンス検証を約 30 分でリバースエンジニアリングしました。実行環境は Nvidia GB10（Grace Blackwell）チップ搭載の Lenovo ThinkStation PGX（128 GB ユニファイドメモリ、273 GB/s 帯域幅）で、初期状態の 15〜30 tok/s が、SGLang・NVFP4・DFlash2 スペキュラティブデコーディング構成でコード・推論タスクなら約 50 tok/s に達します。Artificial Analysis では 4B〜40B クラスのオープンウェイトモデル 135 件中トップ（インテリジェンス指数 52）で、SWE-bench Pro の数値は実行コストがはるかに高いモデルを上回っています。テストではジャイルブレイク試行を拒否して署名証明書から成りすましを見抜き、その後は静的解析だけでフレームワークの逆アセンブルと arm64 数千行の解析を行い、ベンダーがバイナリ内に隠した公開検証鍵を復元しました。最初に復元した鍵は署名検証は通るものの整合性チェックのハッシュが不一致となりましたが、モデルが自己修正し、バイト単位で一致する鍵に到達しています。このモデルは 17 GB の VRAM に収まります。なお、理由付けの努力量はデフォルトで最大のため、些細なリクエストでも数百〜数千トークンを消費します。
なぜ重要か オープンウェイトの 27B クラスが SWE-bench Pro で高額モデルを上回り、GB10 構成なら 50 tok/s が出ます。ローカル実行が現実的な選択肢になったことが分かります。
原典 I gave Qwen 3.8 27B a reverse-engineering job and it finished in 30 minutes
3. Anthropic の最上位モデルがユーザー獲得に苦戦、安価なツールが伸長
要点 FT の「事情を知る人物」への取材にもとづく報道で、Anthropic の年換算売上は 7 月時点で 650 億ドルに達しました（5 月時点では 470 億ドル）。Anthropic は Q2 の黒字化を宣言したのと同じモデルで Q3 も黒字を見込んでおり、年 10 万ドル以上を支出する顧客は 6,000 社だと投資家に伝えています。OpenAI の年換算売上は当四半期で 35% 増となり 400 億ドルを超え、7 月の GPT 5.6 投入が伸び悩んでいた年初からの業績を押し上げました。記事では Ramp のクレジットカード利用企業 70,000 社の請求データからモデル採用を推定する Ramp AI index も紹介されており、7 月の Anthropic モデル別支出は Opus 4.8 が 28.0%、Sonnet 4.6 が 8.3%、Fable 5 が 8.0%、Opus 4.6 が 6.9%、Sonnet 5 が 3.6%、Opus 5 が 3.5%、Opus 4.7 が 1.7%、Sonnet 4.5 が 1.3%、Haiku 4.5 が 1.0%、Opus 4.5 が 0.7% です。Opus 5 は 7 月 24 日にリリースされたばかりであることも踏まえると、Fable 5 のコストが人気を抑えたという見方を裏付けるデータです。
なぜ重要か Fable 5 の支出シェア 8.0% に対し Opus 4.8 が 28% という実測は「高価格モデルは普及していない」市場の実態を示します。料金・モデル選定の判断材料になります。
原典 Anthropic’s best AI model struggles to attract users as cheaper tools thrive
4. Fable の高コストで「どの作業にどのモデルを使うか」のルーティングが始まった
要点 Drew Breunig は、Fable 以前はコーディングハーネスやコンテキスト戦略の改善に時間をかけすぎるのは馬鹿らしく感じられた、と述べています。同じ価格（あるいはそれ以下）で新しいモデルが登場し、問題の大半を覆い隠してくれたからです。しかし Fable が登場すると、それは今も信じられないほど素晴らしいものの、コストが非常に高く、Opus は（5.6、K3、GLM も同様に）必要なコードの大半に十分な性能でした。「そこで私たちは、どの作業をどこに割り当てるかを考え始めた」と Breunig は書いています。
なぜ重要か フラッグシップ全振りから脱却し、タスクごとに Opus・K3・GLM を使い分ける運用が標準になりつつあります。コスト戦略の転換点として参考になります。
5. マルチベンダーの AI ウォーターマーク・C2PA・メタデータを除去する OSS が GitHub で急上昇
要点 ShadowAqueduct/watermark-remover は、複数ベンダーの AI ウォーターマークを除去する OSS です。Unicode テキストのクリーニング、統計的リライトフックの適用に加え、PNG・JPEG・SVG・PDF・DOCX・HTML・MD から C2PA とメタデータを除去します。GitHub で急上昇しています。
なぜ重要か AI 生成物の検出と来歴が簡単に剥がせるという現実は、AI コンテンツの信頼性議論に直結します。エコシステムの動向として押さえておきたいです。
原典 ShadowAqueduct/watermark-remover
6. AI 支援でアセンブリ直書きの JIT コンパイラを 5μs で実現した pgrust の手法解説
要点 高速な JIT コンパイルは伝統的にブラックアートで、アセンブリの知識が必要でした。現状、自前の JIT コンパイラを持つ本番データベースは存在せず、すべて LLVM を使うか C/C++ コードを生成するかのどちらかで、どちらもコンパイル時間が長く適用範囲が制限されています。pgrust の開発では当初 JIT コンパイラの実装はとても難しいと考えましたが、AI 支援のおかげで予想よりはるかに簡単で、pgrust が高速な理由のひとつになりました。pgrust の JIT コンパイラは約 5μs でコードをコンパイルし、SQL クエリの一部ではなくすべてを JIT コンパイルできるようになっています。JIT コンパイルは正しく行えば 2〜5 倍、場合によってはそれ以上の性能向上が得られ、主な用途は実行時に得た情報でプログラムの振る舞いが変わるケース（言語インタプリタや、実行時までスキーマが不明なデータのパースなど）です。記事では正規表現エンジンを例に、自前の高速 JIT コンパイラの作り方を解説しています。
なぜ重要か 「AI があればアセンブリ直書きも現実的」という開発手法の転換点です。性能が勝負の領域で LLVM 依存を外す選択肢が増えていることが分かります。