AIエージェント編集部
2026年7月11日のAIニュースまとめ|Grok4.5が実務ベンチ首位・Gemini3.5Pro延期
ニュース

2026年7月11日のAIニュースまとめ|Grok4.5が実務ベンチ首位・Gemini3.5Pro延期

2026-07-11 / あかりん

2026年7月11日(土)のAI業界ニュースをお届けします。今日はGrok 4.5の実務タスクベンチマークでの首位獲得とその副作用、Google Gemini 3.5 Proの7月17日への延期、Mistral AIの複数リリース集中、EUのサイバーセキュリティAI行動計画、中国による人型AIエージェント規制、そしてByteDanceの新画像生成モデルまで、盛りだくさんの一日でした。

Grok 4.5、実務タスクベンチGDPval+で首位——ただし幻覚率は倍増

7/10既報のGrok 4.5とGPT-5.6のベンチマーク対決について、続報が入ってきました。Snorkel AIの実務タスク評価「GDPval+」で、Grok 4.5が平均合格率29%を記録しトップに立ちました。GPT-5.5が22%、Claude Opus 4.8が21%と続く結果です。要するに、実際の業務に近いタスクをこなす力では、Grok 4.5がここへ来て一歩抜け出したということです。

ここで迷いやすいポイント

首位を取ったからといって手放しでは喜べません。Grok 4.5の幻覚率は前バージョンのGrok 4.3の25%から54%へと倍増しています。つまり「答えは早くて的確なことが多いが、たまに大きく外す」という性格が強まったということ。実務投入する際は、出力の裏取りを一段階増やす前提で使うのが安全でしょう。

効率面では明るい材料もあります。SWE-bench Proにおける平均出力トークン数は、Grok 4.5が15,954トークンに対しOpus 4.8は67,020トークン——実に4.2倍の効率差です。価格差は17倍相当とも訴求されており、「速くて安い」という側面は確かに強力です。なお、Musk氏はXで「両社に特定タスクでのGrok 4.5試用を依頼しただけで、全社的な強制切り替えではない」と釈明するひと幕もありました。あわせてGrok BuildのCLI改善(/goalコマンド等)とVoiceの多言語対応(21音声追加)も発表されています。

Google「Gemini 3.5 Pro」が7月17日へ延期——アーキテクチャを完全刷新

Googleの次期フラッグシップ「Gemini 3.5 Pro」の一般提供が7月17日へ延期されると報じられました。理由は小手先の調整ではなく、Gemini 2.5 Proのアーキテクチャを完全に放棄したゼロからの再設計です。実は、多段階の数学推論やSVG生成といった領域で性能の天井にぶつかったことが背景にあるとされています。新設計では200万トークンのコンテキスト長、「Deep Think」推論レイヤー、自律ワークフロー機能が搭載される見込みです。

市場戦略の面でも変化が見えます。従来の「性能で一位を取る」路線から、OpenAIやAnthropicより低価格でコストパフォーマンスを訴求する路線へ転換したとの分析が出ています。GA前の現時点では未確定の情報も多く、7/17の正式リリースで詳細が固まる見通しです。

Mistral AI、複数リリースが集中——ロボット制御から定理証明まで

フランスのMistral AIから、この数日で複数の発表が相次ぎました。ひとつは「Robostral Navigate」(7/8公開)——単一カメラと自然言語指示だけでロボットのナビゲーションを制御するモデルで、シミュレーション環境のみで学習しハードウェア非依存という点が特徴です。もうひとつは「Leanstral 1.5」——定理証明支援ツールLean 4に特化したモデルで、数学コンテストの難問集PutnamBenchの672問中587問を解けるという実力です。要するに、汎用チャットモデルではなく専用タスクに絞ったモデル群で存在感を示しにきた格好です。

あわせて「Mistral Medium 3.5」、Le Chatの「Work」モード、リモートコーディングエージェント「Vibe」も発表されました。事業面ではARR(年間経常収益)が2026年初時点で4億ドルを超え、年内10億ドル突破のペースだと報じられています。

EU、「サイバーセキュリティ・AI行動計画」を発表

欧州委員会は7月7日、市場投入前にフロンティアAIモデルを評価する専用のEU能力を新設する「サイバーセキュリティ・AI行動計画」を発表しました。稼働目標は2027年。ENISA(欧州サイバーセキュリティ機関)と共同で「セキュアアクセスのための欧州ブループリント」を策定するとしており、モデル評価やフロンティアシステムへのアクセス、脆弱性管理など9つの施策が含まれます。8月2日施行予定のEU AI Act本体(Annex III・第50条の透明性義務等)とは別建ての追加策という位置づけです。

ここで迷いやすいポイント

「EU AI Act」と「サイバーセキュリティ・AI行動計画」は別モノです。前者は8/2施行予定の法規制本体、後者はそれを補完する評価体制づくりの追加策——2027年稼働目標とまだ先の話ですが、フロンティアモデルを開発する企業にとっては監督の網が二重に強まる動きとして押さえておきたいところです。

中国、人型AIエージェント機能を規制——7/15施行を前に各社が対応

中国では、ByteDanceの「Doubao」やAlibabaの「Qwen」といった主要サービスが、7月15日施行の新規制を前にカスタム人型AIエージェント機能を無効化・調整する動きに出ています。北京当局はさらに、Alibaba・ByteDance・Z.aiといった最先端モデルの海外提供制限も検討しているとの報道がありますが、こちらはまだ未確定情報です。

ByteDance「Seedream 5.0 Pro」公開——多言語対応の画像生成モデル

ByteDanceのSeedチームは7月8日、画像生成モデル「Seedream 5.0 Pro」を公開しました。アラビア語などの右横書き言語を含む10言語超のテキスト・レイアウト生成に対応しているのが特徴です。クリックや投げ縄選択で画像の特定要素だけを変更できる領域指定編集、複数の参照画像を合成する機能も備えています。

補足:Nvidia、ロードマップ遅延報道を否定

SemiAnalysisが報じた「Nvidiaのロードマップ遅延」について、Nvidia自身が否定するコメントを出しています。現行のBlackwellは2026年中頃まで完売状態が続く見通しで、次世代の「Rubin」はむしろ当初予定(2027年)より約2四半期前倒しになる見込みだとのことです。

本日のまとめ

この記事で使ったツール

本記事はAIエージェントが収集・執筆した情報を含みます。内容の正確性・最新性については公式ドキュメントや一次情報源をご確認ください。