2026年8月14日金曜日

Fable 5・GPT-5.6・Grok 4.5 を実務で使い分ける — 価格・ベンチマーク・性格の違いを整理する

2026年の夏、上位モデルが短期間に出揃いました。Anthropic の Claude Fable 5、OpenAI の GPT-5.6（Sol / Terra / Luna）、SpaceXAI の Grok 4.5。さらに8月には Grok 4.6 が続いています。

「どれが最強か」という比較記事は多いのですが、実務で回してみると、その問いはあまり役に立ちませんでした。3モデルは強さの序列ではなく、性格が違います。この記事では公式資料で確認できる事実と、限定的な利用から見えた傾向を分けて整理します。

前提として、以下の点を断っておきます。

使用感に関する記述は限られた利用例に基づく傾向であり、普遍的な性能評価ではありません
価格、公開日、製品機能、ベンチマークは公式資料で確認しています
ベンチマークは実行環境、推論設定、エージェント・ハーネスによって結果が変わるため、単純な総合順位とはみなしません

1. 結論：最強は1つではない

モデル	実務上の位置づけ	向いている場面
Grok 4.5	速く大量に実装するエンジニア	低コストで試行回数を増やす、実装を素早く回す
GPT-5.6	計画から完了まで進めるプロジェクトリーダー	ツールを使う複雑な作業、長い工程、批判的レビュー
Claude Fable 5	難点を見抜くシニアアーキテクト	設計、複雑な問題、完成度や忠実度を重視する実装

これは公式な能力分類ではなく、傾向を理解するための比喩です。

2. 公開時系列を正確に押さえる

日付	出来事
2026年6月9日	Anthropic が Claude Fable 5 を初回公開
2026年6月12日	米政府の措置を受け、Anthropic が Fable 5 へのアクセスを停止
2026年7月1日	Fable 5 の提供を世界的に再開
2026年7月9日	OpenAI が GPT-5.6 Sol / Terra / Luna を一般公開
2026年7月16日	SpaceXAI が Grok 4.5 を公開

Fable 5 の提供再開を起点にすると、3モデルは約1週間おきに利用可能になりました。ただし Fable 5 の正式な初回公開は6月9日です。「3モデルすべてが3週間以内に初公開された」という書き方は正確ではありません。

出典：Anthropic：Fable 5初回公開 / Anthropic：提供再開 / OpenAI：GPT-5.6 / SpaceXAI：Grok 4.5

3. GPT-5.6

3.1 3階層のモデル構成

モデル	位置づけ	API価格（100万token、標準処理）
Sol	最上位。難しいエージェント作業向け	Input $5 / Output $30
Terra	日常業務とコストのバランス	Input $2 / Output $12
Luna	高速・低価格・大量処理向け	Input $0.20 / Output $1.20

Terra と Luna は2026年7月30日に値下げされ、この価格になりました。Sol は変更されていません。日常利用の選択肢として Terra の位置づけが、この値下げでかなり良くなっています。

出典：OpenAI：2026年7月30日の価格改定

3.2 推論設定とマルチエージェント

GPT-5.6 には思考量を制御する設定があります。

max は xhigh より長く考え、代替案の探索・検証・修正に多くの計算を使う
ultra は標準で4エージェントを並列に動かし、結果を統合する

並列実行は品質や所要時間を改善する可能性がありますが、token 消費と費用も増えます。ultra を常用すると、コスト面では Fable 5 と近い水準になります。

実務上の印象としては、Ultra は複数視点から批判的に検討する傾向があり、Fable 5 は自ら選んだ方向へ深く掘り下げる傾向があります。設計レビューのように「別の視点を出してほしい」場面では Ultra、「一つの方向を詰めてほしい」場面では Fable 5 が噛み合います。ただしこれは限定的な利用例に基づく印象であり、一般的な優劣を証明するものではありません。

3.3 Programmatic Tool Calling

GPT-5.6 は Responses API の Programmatic Tool Calling に対応しています。モデルがメモリ上で軽量なプログラムを実行し、複数ツールの呼び出し、中間結果の処理、次の行動の選択をまとめて進められる仕組みです。

ツールを多用するエージェント作業で GPT-5.6 が強い理由の一つがこれです。ただし「他社モデルには同等の仕組みがない」とまでは断定できません。各社のエージェント・ハーネスにも、プログラム実行や複数ツールを統合する機能があります。

出典：OpenAI：GPT-5.6の機能と推論設定

4. Claude Fable 5

4.1 公式な位置づけ

Anthropic は Fable 5 を、長時間かつ複雑なプロジェクト、難しい知識労働、大規模なコード変更に向く最上位モデルとして説明しています。

複数段階の計画を立て、サブエージェントへ作業を委任できる
自分の作業を検証し、テストを作成できる
大規模移行、複雑な実装、長期間の自律作業を想定している
画像を使い、実装結果を設計や目標と照合できる

API価格は100万token当たり Input $10 / Output $50。3モデル群の中では最も高価ですが、「Opus より上」という単純な製品階層ではありません。Anthropic は Fable 5 を Mythos クラスの一般利用向けモデルと説明しています。

出典：Anthropic：Claude Fable 5

4.2 実務上の使用感

難点を深く考え、設計や完成度を高めることが得意
自分で方向性を選び、結論へ強く寄せる傾向がある
指示どおりの実行より、周辺も考えて改善することがある
応答開始や完了までの待ち時間が長い
重要な設計レビューでは有力だが、日常的な小作業には重い

指示から少し広がる点は、評価が分かれるところです。周辺まで考えて改善してくるため、依頼内容と微妙にずれることがある。ただ内容としては間違っていないので、突き返しにくい。この挙動を「気が利く」と取るか「余計」と取るかで、使い勝手の評価は変わります。

これらは限定的な利用例から見られる傾向です。速度や指示追従性は、利用製品、混雑状況、推論設定、プロンプト、ツール構成に左右されます。

5. Grok 4.5

5.1 公式な位置づけと価格

Grok 4.5 は、コーディング、エージェント作業、知識労働を対象とするモデルとして2026年7月16日に公開されました。公式情報では約80 token/秒で提供され、API価格は100万token当たり Input $2 / Output $6 です。

SpaceXAI は「Cursor と並行して訓練した」と説明しています。なお Cursor については SpaceX が買収手続きを進めていると報じられており、「xAI が買収を完了した」という表現は正確ではありません。

出典：SpaceXAI：Grok 4.5 / AP：SpaceXによるCursor買収計画

5.2 実務上の使用感

応答と実装が速く、チャット用途以上にプログラミングで強い
完成度は Fable 5 に届かない場合があっても、実務を素早く進められる
低価格なので、同じ予算で試行・検証・改善を多く回せる

Grok はチャット用途のイメージが先行しがちですが、4.5 はコーディング用途で評価すべきモデルです。「安いから弱い」とは限りません。低コストで試行回数を増やせること自体が、開発上の強みになります。

5.3 後継モデル Grok 4.6

2026年8月13日に Grok 4.6 が公開されました。第三者評価では、Artificial Analysis Intelligence Index 上で GPT-5.6 Sol Max とほぼ同水準、Fable 5 Max の少し下と報じられています。

新規導入なら 4.6 も有力な候補です。ただし公開直後であり、公式ドキュメント、価格、独立評価はまだ十分に揃っていません。安定した API 仕様と検証済みの価格を重視するなら Grok 4.5、最新能力を試したいなら Grok 4.6、という判断になります。

出典：Axios：Grok 4.6を含むモデル動向

6. ベンチマークの読み方

各社資料を見ると、すべての指標で同じモデルが首位という状態にはなりません。

OpenAI が公表した GPT-5.6 の結果

Artificial Analysis Coding Agent Index：Sol Max が80で、Fable 5 を2.8ポイント上回る
Terminal-Bench 2.1 および DeepSWE で最高水準
Terra は Coding Agent Index で Fable 5 をわずかに上回る
Luna は同指標で Opus 4.8 を上回る

SpaceXAI が掲載した Grok 4.5 の結果

ベンチマーク	Fable 5	Grok 4.5	読み方
DeepSWE 1.1	70.0%	53.0%	Fable が上
Terminal-Bench 2.1	84.3%	83.3%	ほぼ同水準だが Fable が上
SWE-Bench Pro	80.4%	64.7%	Fable が上
SWE Marathon	24.0%	29.0%	Grok が上

注意点が2つあります。

1つは比較対象です。SpaceXAI の当該比較表に載っている OpenAI モデルは GPT-5.5 であり、GPT-5.6 Sol ではありません。したがって「SWE-Bench で Grok 4.5 が GPT-5.6 Sol を上回った」とは、この資料からは結論できません。

もう1つは指標自体の信頼性です。OpenAI は SWE-Bench Pro に評価上の問題があると指摘しています。ベンチマークを引用するときは、同じハーネス、同じ推論予算、同じ採点条件で比較されているかを確認する必要があります。

出典：OpenAI：GPT-5.6 / SpaceXAI：Grok 4.5 / OpenAI：コーディング評価の分析

7. 実務で感じられる「性格」の違い

以下はベンチマークではなく、限定的な利用例から見られる傾向です。

観点	Grok 4.5	GPT-5.6	Fable 5
応答速度	最も軽快	速い	遅い
指示への従い方	素早く実行へ進む	指示を整理し、計画とツールを使う	周辺事情も考え、独自判断を加えやすい
考察のスタイル	実装志向	複数案を検討して批判的に確認	1つの方向を深く掘る
主な魅力	価格と速度	統率力、検証、ツール運用	深さ、設計、完成度

Anthropic 系の応答には共感的な前置きが多い、Fable 5 は指示から少し広がりやすい、と感じられる場合があります。ただしこれは固定されたモデル特性とは限らず、システムプロンプトや利用環境の影響も考えられます。

見落としやすいのが待ち時間の影響です。Fable 5 と GPT-5.6 の max / ultra は思考時間が長く、投げ直しのコストが高くなります。結果として、実行前に「どのモデルを使うか」を毎回検討することになり、選択そのものが作業時間に乗ってきます。

8. 実践的な使い分け

やりたいこと	選択肢	理由
同じ予算で実装と検証を何度も回す	Grok 4.5 / 4.6	4.5 は API 単価と速度が明確。4.6 は最新能力を重視する場合の候補
複数ツールを使う長い作業を計画から完了まで進める	GPT-5.6 Sol / Max	ツール連携と長工程の管理を重視
複数視点で設計や成果物を厳しくレビューする	GPT-5.6 Sol / Ultra	4エージェント並列による検討が可能。ただし高コスト
難しい設計や大規模実装を深く考える	Fable 5	長期・複雑プロジェクト向け。ただし高価格で待ち時間も考慮
日常的なコーディング	GPT-5.6 Terra	品質と価格のバランス。値下げ後はさらに使いやすい
大量の軽量処理	GPT-5.6 Luna	2026年7月30日の値下げで最安クラス

1モデルに固定するよりも、Grok / Luna / Terra で低コストに案を出し、Sol や Fable で重要部分をレビューする組み合わせが合理的です。

なお GPT-5.6 Luna の単価は Grok 4.5 を大きく下回ります。ただし判断材料は単価だけではありません。1タスクに必要な token 数、成功率、待ち時間を含めた総コストで見る必要があります。単価が安いモデルが失敗を重ねて結果的に高くつく、というのはよくある話です。

9. まとめ

速度と試行回数を重視するなら Grok 4.5。最新能力を優先する場合は Grok 4.6 も候補
複雑な工程、ツール運用、批判的レビューには GPT-5.6 Sol
難しい設計と長期・高完成度の作業には Fable 5
日常利用では値下げ後の Terra、低価格大量処理では Luna が有力
「最強モデル」を1つ選ぶより、課題の重要度、待ち時間、成功率、総 token 数を含むタスク単位の費用で使い分けるほうが実践的

モデル選定は、性能表を見比べる作業ではなく、予算と時間の配分を決める作業です。そう捉え直すと、比較記事の順位が入れ替わっても慌てずに済みます。

参考資料

2026/06/05 マルチモーダル・エージェント時代が本格化、開発現場の選択肢が急速に拡大

マルチモーダル・エージェント時代が本格化、開発現場の選択肢が急速に拡大

2026年06月05日

この1週間でAI開発の現場選択肢が大きく変わった。オープンモデルがマルチモーダル・コンピュータユース・エージェント機能で商用モデルに追いついき始めて、「どのモデルを選ぶか」という判断軸が今までと違ってきてるな、という感じ。

① MiniMax M3：1M長コンテキスト+マルチモーダル+コード実行で商用モデル級へ

MiniMax AI が6月初旬にリリースした MiniMax M3 は、今のオープンウェイト陣営で初めて「本当に使える」段階に到達したモデルの一つ。要するに、長コンテキスト・マルチモーダル・コード実行能力を同時に備えたオープンモデルが、ようやく商用モデルと肩を並べるようになった、ってことだ。

MiniMax M3 は以下のスペックで公開されている：1M（100万トークン）のネイティブコンテキストウィンドウ、画像・動画入力を含むネイティブマルチモーダル対応、コンピュータユース（ScreenQuery や UI Agent 機能）。ベンチマークは SWE-Bench Pro で59.0%（GPT-5.5 や Gemini 3.1 Pro を上回る）、Terminal-Bench 2.1 で66.0%、MCP Atlas で74.2%、OSWorld-Verified で70.06%。これらの数値は、単なる学術ベンチマークではなく、実務的なコード作成・システム操作タスクでの性能を示している。オープンウェイトモデルとしては初めて、商用最先端モデルの性能レベルに到達した。

# MiniMax M3 の利用例
from minimax_sdk import MiniMaxClient

client = MiniMaxClient(api_key="your-key")
response = client.chat.create(
    model="minimax-m3",
    messages=[{
        "role": "user",
        "content": "This screenshot shows a form. Fill it out with the provided data.",
        "image_url": "https://example.com/form.png"
    }],
    max_tokens=2048
)
print(response.choices[0].message.content)

これはかなり大きい転機。これまで「コード生成なら商用モデル一択」って状況だったのが、今ならオープンモデルでも十分本番運用できるレベルになった。特にシステム導入案件で「顧客のデータセンター内での推論が必須」とか「商用APIへの依存を避けたい」みたいな制約がある場合、選択肢が一気に広がる。ただし、1M コンテキストでも「本当に全て取り込める」わけではない実務課題とか、マルチモーダルが「画像認識の精度」レベルに留まる可能性とか、導入時の工夫の余地はまだ多い。PoC から本番移行するには「このモデルで本当に足りるのか」の検証フェーズが必須になるな。

ソース: MiniMax M3 - Hugging Face Blog

② Holo3.1：コンピュータユース・エージェントがローカル推論時代へ

Hugging Face から6月2日に公開された Holo3.1 は、「コンピュータを操作する AI」というジャンルを大きく前に進めた。要するに、Web・デスクトップ・モバイル画面を見て「ここをクリックする」「このテキストを入力する」という一連の動作を自動化するモデルが、ローカルマシンで動かせる段階に来た、ってことだ。

Holo3.1 ファミリーは、3つの本番環境対応度を改善している：環境（Web・デスクトップ・モバイル）、エージェントフレームワーク、デプロイメント対象。初めてローカル推論向けの量子化版（Quantized Checkpoints）をリリースしており、FP8・Q4 GGUF・NVFP4 の3バリエーションが提供されている。これにより、エッジデバイスや組織内 GPU でも動作可能になった。Web 自動化（UI Agent）の精度も向上し、複雑なマルチステップタスク（例：フォーム入力→検索→結果の抽出）をより確実に実行できるようになっている。

# Holo3.1 でローカル推論を実行
from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "huggingface/holo3.1-local-fp8"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    device_map="auto",
    load_in_8bit=True
)

# スクリーンショットベースのタスク指示
inputs = tokenizer(
    "Click the 'Submit' button in this screenshot and wait for confirmation.",
    return_tensors="pt"
)
outputs = model.generate(**inputs, max_length=512)
print(tokenizer.decode(outputs[0]))

SIer現場的には、これはけっこう革新的。これまで「UI自動化」といえば RPA ツール（UiPath とか Automation Anywhere）か、スクレイピングで限定的に対応するしかなかった。でも Holo3.1 なら「画面を見てテキスト指示に従う」っていう柔軟な自動化が、ローカル環境で実行できる。特に既存システムの大量手作業の削減とか、複数システムにまたがる定型業務の自動化とか、RPA では手に負えないケースに活躍しそう。ただし、本番環境での「確実性」「エラーハンドリング」には試行錯誤が必要。Holo3.1 が100%確実に動くわけではなく、失敗時の人間介入のワークフロー設計が実装の鍵になるな。

ソース: Holo3.1: Fast & Local Computer Use Agents - Hugging Face Blog

③ Microsoft MAI-Code-1-Flash：GitHub Copilot の新時代、OpenAI 依存を減らす動き本格化

Microsoft が6月2日に発表した MAI-Code-1-Flash は、一見すると「もう一つのコード生成モデル」に見えるけど、実は大きな産業地図の変動を示してる。要するに、Microsoft が「OpenAI のモデルに頼らず、自社モデルで GitHub Copilot を動かす」という戦略に本格シフトした、ってことだ。

MAI-Code-1-Flash は GitHub Copilot と VS Code に統合されて、開発者の自然言語記述（例：「ユーザー認証を処理する関数を書いて」）からソースコード生成を行う。リリース直後の報告によると、従来より高速な応答時間（Flash は軽量版の意味）と、コスト削減を実現しているとのこと。Microsoft は同時に「AI Credits」という新しい課金モデルを GitHub Copilot に導入し、全プラン（Personal・Business・Enterprise）で月次の無料利用枠を設定。Copilot Code Review（GitHub Actions 統合）と User-Level Budget（組織・エンタープライズ向け）も一般提供開始した。OpenAI への API コスト支出を減らしつつ、開発者に低価格のコード支援を提供する戦略が明確化している。

# GitHub Copilot で MAI-Code-1-Flash を使用
# VS Code のコマンドパレット (Ctrl+Shift+P) で以下を実行：
# > GitHub Copilot: Select Model
# > MAI-Code-1-Flash

// VS Code で下記のコメント行を書くと、自動補完が提案される
// Fetch data from API endpoint and parse JSON response
function fetchAndParseData(url) {
    // [Copilot が自動生成]
}

これまで「コード生成 AI 導入」といえば、OpenAI の API 使用料が経営層を悩ませるケースが多かった。けど今は Microsoft が低価格の代替手段を提供し始めてる。既存 Microsoft Stack（GitHub・Azure・VS Code）を使ってる組織なら、追加コストほぼゼロで次世代コード支援が得られる、ってわけだ。これは SI 受託案件の原価構造を大きく変える可能性がある。一方、OpenAI の GPT-5.5 や Gemini 3.1 Pro みたいな最先端モデルと比べると、MAI-Code-1-Flash は「十分な性能」ではあるけど「最高峰」ではない感じ。高度なアルゴリズム実装とか、複雑なビジネスロジック生成とかには、まだ商用モデルの方が頼りになるかもしれない。組織のコード生成タスクを「ルーチン業務向け（MAI-Code-1-Flash）」と「創造的業務向け（高性能モデル）」に分けて使い分ける戦略が現実的になったな。

ソース: Microsoft unveils new AI models to lessen reliance on OpenAI and lower costs for developers - CNBC

2026/06/04 大手テックがAI戦略をリセット〜ついに企業向けの『相応しいAI』が見えてきた

大手テックがAI戦略をリセット〜ついに企業向けの『相応しいAI』が見えてきた

2026年06月04日

ここ数日のAI業界、テック大手の動きが面白いことになってます。つまり、AzureもGoogleも「このAIだけ使いなさい」じゃなくて「好きなAI選んでいいですよ」という方向へシフトし始めたってわけ。SIer出身の目線で見ると、これ、企業にとってはものすごく良いニュースなんです。

① Microsoftが『AI中立』宣言〜ClaudeがAzureで正式サポート対象に

これまでAzureで推される王様はOpenAIのモデルがメインでした。でも先日のMicrosoft Buildイベント（6月2日）で、Microsoftがこっそり大転換を発表したんですよ。

Microsoftの開発者向けビッグイベント「Build 2026」で、企業向けAIプラットフォーム「Azure AI Foundry」の戦略が明かされたらしい。新発表は2つのMicrosoftモデル――コード生成を得意とするMAI-Code-1-Flashと、複雑な推論タスク向けのMAI-Thinking-1なんだけど、その傍らでマイクロソフトが「Azure AI FoundryではAnthropicのClaudeを含む、OpenAI以外のモデルも、これからは我々が正式にサポートします」と宣言したってこと。要するに、企業がAzure上でClaudeを使いたいと言ったら「どうぞ」と公式対応するようになったわけ。それも単なる「まあ動きます」じゃなくて、エンタープライズSLA（サービス保障）まで付けるってんだから本気度が違う。これまでテック企業は「ウチのクラウド使うなら、ウチのAIを使いなさい」が当たり前だったんですよ。特にMicrosoftはOpenAIに深く投資してるから、Azure上ではOpenAI以外は『まあ動くけど推奨はしません』みたいなスタンスだった。それが「複数のAIモデルをちゃんとサポートします、どれを選んでも大丈夫です」に転換した。これは、生成AIの市場が本格的な『競争ステージ』に入った証拠なんですよ。

日本の大企業やSIerにとって相当大きい転換です。これまでは「MicrosoftのAzureを使うなら、OpenAIのAPIと組み合わせるしかない」という実装が多かったけど、これからは「自社ニーズに合わせて複数のAIをAzure上で使い分ける」運用ができるようになる。入力コストが違うモデルを用途ごとに使い分けるとか、セキュリティ要件でベンダーを変えるとか、こういう柔軟な実装が可能になるわけ。実は、ここが日本企業にとって重要で、「どのAIが最適か」という選択肢が増えることで、RFP段階での提案力や、長期的な運用コストの最適化が大きく改善される。SIer現場からすると、単なる「新機能が増えた」じゃなくて、「提案の幅が広がった」という意味で、かなりビジネスインパクトがあるんです。

ソース: Microsoft unveils new AI models to lessen reliance on OpenAI and lower costs for developers

② Googleが検索を『AI時代の相棒』に〜98言語でPersonal Intelligenceが展開

一方、Googleも大きく動いてます。検索エンジンをAI化する戦略が加速してるんですよ。

GoogleはI/O 2026で発表した「AI Overviews」や「Personal Intelligence」といった機能を、世界中にグローバル展開するってアナウンスしたってこと。Personal Intelligenceというのは、簡単に言うと『ユーザーが何度も同じことを検索しなくていいように、Googleがその人が知りたいだろうことを先読みしてくれる機能』らしい。メール、カレンダー、ドキュメントといった個人のデータと連携して、「明日の会議、この情報があると役立つんじゃないか」「さっき送られてきたレポートの背景情報、調べた方がいいですよ」みたいなプロアクティブな提案をしてくれるってわけ。それがね、98言語で世界中に展開されるんですよ。当然、日本語ユーザーも含まれているってこと。つまり、Google検索を毎日使ってる日本のビジネスパーソンなら、これからは「情報が必要だ」と思ったときに、AIが『これ、関連する情報です』と先に差し出してくるようになる。検索自体が『受動的なツール』から『パーソナルアシスタント』に進化するってイメージですね。規模も大きい――Google検索の日々のユーザーは数十億人単位なので、この機能がどう浸透するか見ものです。

ビジネス視点から見ると、これは『個人の検索時間』から『企業の意思決定の質』への進化を意味してます。これまでは「情報をGoogleで探して、自分で整理する」という時間的コストがあったけど、これからはGoogleが「この情報、まとめておきました」と先に提供してくる。営業、企画、マーケティングといった『情報をもとに判断する』職種の人たちにとって、仕事の『最初の30分の情報収集時間』が圧倒的に短縮される可能性がある。さらに大事なのは、これが98言語で同じレベルで使えるようになるってこと。日本企業がグローバル展開するときの『各地域の情報収集コスト』を大きく削減できるチャンスなんです。言語の壁がAIで均されるってのは、日本企業にとって、地味だけどかなり有利に働く変化だと思いますよ。

ソース: Google Search's I/O 2026 updates: AI agents and more

エッジAI時代へのシフト、オープンウェイトがついに『本当に使える』段階へ

2026年6月4日

ここ数日のAI業界の動きを見てると、確実に時代が変わってきた感じがする。クラウドのLLMも強いけど、もう『ローカルで動く、本当に実用的なモデル』が選択肢になる段階に入ってる。SIer現場で使うとなると、この変化は結構でかいと思う。

① MiniMax M3 - オープンウェイト陣営が『GPT級』を実現

中国のMiniMaxが6月1日にM3を発表したんだけど、これはかなり話題になってる。要するに、オープンウェイト（つまりモデルの重みが公開される）でありながら、プロプライエタリなGPT-5.5やOpusと同等のコード生成能力を持つ最初のモデル、ってことらしい。

MiniMax M3は、フロンティア級のコーディング能力、100万トークンのコンテキストウィンドウ、そしてネイティブなマルチモーダル機能（画像・動画入力、コンピュータ操作）を単一モデルで実現した初のオープンウェイトモデルだとのこと。SWE-Bench Proでは59.0%を達成しており、GPT-5.5の58.6%を上回るスコア。入力トークンは12倍、出力トークンは12.5倍のコスト削減を実現してるらしい。ただし、ベンチマークはMiniMaxが自社インフラで測定したもので、クローズドソースなOpus 4.8（SWE-Bench Pro 69.2%）にはまだ水を開けられてる。それでも、オープンウェイトでGPT級のコーディング性能が手に入るってのは大きい。

これまではプロプライエタリなモデルを使うしかなかったわけだ。クラウドのAPI経由で高い従量課金を払うか、オンプレミスなら性能で妥協するか。でもM3みたいなのが出てくると、『ローカルで走らせて、データをクラウドに上げない』という選択肢が現実的になってくる。特に金融とか製造業で「生データはオンプレ」という案件は多いから、ここが変わるのは本当に現場的には大きい。ただし、『公開予定だけど未公開』らしいので、そこは注意。あと中国企業ってだけで政治的リスク評価が必要な案件も出てくるだろう。

ソース: MiniMax M3: Frontier Coding, 1M Context, Native Multimodality

② Microsoft MAI-Thinking-1 - 推論専門の自社モデル、OpenAI依存から脱却

Microsoftが6月2日のBuild 2026で発表した、MAI-Thinking-1ってのが結構興味深い。これはMicrosoftが『自分たちで作った』初めての推論特化モデルで、OpenAIのGPTシリーズに依存しない選択肢を握ろうとしてる動きだと思う。

MAI-Thinking-1は、35億個のアクティブパラメータを持つスパースMoE（混合エキスパート）モデルで、全体では約1兆パラメータ。256,000トークンのコンテキストウィンドウを持ってるらしい。ベンチマークでは、AIME 2025で97.0%、AIME 2026で94.5%という数学・多段階推論のスコアを記録。SWE-Bench Proではそのままではなく、Surge（Microsoftの評価パートナー）による人間評価で、Claude Sonnet 4.6より評価されたとのこと。重要なのは『OpenAIのデータを使わずに、商用ライセンス済みデータだけで学習した』という点。Microsoftがクラウド内でのエージェント実行環境を整備してるという背景もある。

SIer的には『これはMicrosoft Azure環境での統一感』が売りになってくるはずだ。これまで「推論はOpenAIのAPI」って依存関係があったけど、これがMicrosoftの自社モデルで完結するようになると、ライセンスカウント、コスト構造、ベンダロックイン、セキュリティ評価が全部変わる。特に金融機関とか大企業が「ベンダーリスク管理」を考えるときに、『複数ベンダーのモデルをハイブリッド運用』ってシナリオが現実的になってくる。ただし、新参者なのでSWE-Benchで直接比較すると、まだOpus 4.8より下。本番案件で採用するには、ローカル環境でのPoC実施がほぼ必須になると思う。

ソース: Microsoft Build 2026: MAI-Thinking-1 Is First In-House Reasoning Model

③ Nvidia RTX Spark - AI推論がPC内で走る時代へ

Nvidiaが6月1日に発表したRTX Sparkってのは、要するにPC・ラップトップに『AIエージェントをローカルで走す』ための専用チップ。あの「Copilot+」とかいう話の次段階だと思う。

RTX Sparkは、MediaTekとの共同開発による統合チップで、CPU + GPUを一体化。Dell、HP、Lenovo、ASUS、Microsoft Surfaceなど主要メーカーで今秋からのデスクトップ・ノート投入予定らしい。NvidiaのCEO Huang氏は『PCを再発明する』と言ってるぐらい、Nvidiaはこれに力を入れてる。クラウドAPI経由ではなく、ローカルでAIエージェントを走せることで、レイテンシ低減、プライバシー保護、クラウドコスト削減を同時に実現するという触れ込み。

これね、SIer現場では割と大きい。今までは『GPUは高い、AIはクラウド』という固定観念があった。でもエンドユーザーのPC全体がAI実行環境になると、『社内で大量のPC資産がある製造業・金融』で、昨日までは運用コストの塊だったPCが、今日からは『分散推論インフラ』になる可能性がある。オンプレミス派の企業にとって、これは文字通り『ゲームチェンジャー』。ただし、実装レベルでは『統一的なプロンプト管理』『ローカルモデルのバージョン管理』『セキュリティパッチの全PC展開』みたいな運用の複雑さが一気に増す。PoC止まりになるケースも多いと思う。

ソース: Nvidia unveils new chip to bring AI directly to personal computers

2026/06/03 コード生成AIが実用段階へ、Anthropicが1000億ドル企業に

生成AIが日々のシゴトを変えていく──リアルな進化の景色

2026年6月3日

AIの話って「すごい、すごい」で終わることが多いんですけど、実は今、仕事の現場で本当に使える段階に来ているんです。コードが自動で書けるようになった、Anthropicがとんでもない評価額に達した──こういった動きって、日本の企業や働き手にも直結してくるんですよね。

① Microsoftが「説明文を書くだけでコード完成」の新モデルを発表

開発者向けのAIが、また一段階進んだ。Microsoftが先日、MAI-Code-1-Flashという新型AIモデルを公開しました。このモデルの何がすごいかというと、開発者が自然言語で「こういう機能を実装してほしい」と書くと、実際に動作するコードを吐き出してしまうんです。

Microsoftが発表したMAI-Code-1-Flashは、人間が書いた説明文からアプリケーションやWebサイトのソースコードを自動生成する初のモデルとのこと。これまでもコード生成AIはありましたが、より自然な説明文から、より実用的で完成度の高いコードが出てくるようになったらしいんです。また同時にMicrosoftは、音声認識や音声生成、画像生成といったクラウドベースのモデルも更新。さらに興味深いのは、小規模なAionモデルがWindows PC上でそのまま動くようになったということ。これまではAIを使おうと思うと、どうしても外部のサーバーに頼る必要がありましたが、これからはローカル環境で処理できるようになるわけです。開発の生産性がぐんと上がることが想定される一方で、セキュリティとコスト管理の面で大きな転換が起きようとしているんです。

日本企業にとってこれが何を意味するかというと、実は結構大きいんです。ソフトウェア開発の人材不足は深刻ですし、海外との開発スピードで勝つには「いかに早く、いかに少ない人数で実装するか」が勝負。このタイプのAIが浸透すれば、ジュニア開発者でもシニアレベルの生産性を出せるようになるかもしれません。ただし気をつけるべきは、「AIが出したコードの品質・セキュリティをちゃんと審査できる人材」が必須になるということ。単純なコード生成ツールとして使うのではなく、品質管理の一環として組み込まないと、むしろリスクが増えかねません。