AIが長時間タスクをこなす性能、想定を超えるスピードで成長 MythosとGPT-5.5がブレークスルーか
AIエージェントが自律的にタスクを処理できる時間が、研究機関の予想を上回る速さで伸びている。複数の第三者機関による最新の評価では、米Anthropicの「Claude Mythos Preview」（以下、Mythos）や米OpenAIの「GPT-5.5」といった最新モデルが既存モデルの性能を大きく上回り、既存の評価環境が測定限界に達しつつあることが明らかになった。
米国の非営利研究機関METRは5月8日（現地時間、以下同）、Mythosの評価結果を公開し、同モデルが50％の確率で完遂できるソフトウェアエンジニアリング、機械学習、サイバーセキュリティに関するタスクの長さ（50％タイムホライズン）を「16時間以上」と算出した。METRは現行の測定に使用しているタスク群では、16時間を超える測定が信頼性に欠けると指摘し、同モデルの能力の上限を正確に評価できていないとした。
METRによる、ソフトウェア関連タスクの50％タイムホライズン測定結果。Mythosの測定結果（グラフ右上）はグラフの上限値となっている（出典：公式ブログ）
英国の政府機関AI Security Institute（AISI）は2月、AIモデルが80％の確率で完遂できるサイバーセキュリティ関連タスクの長さ（80％タイムホライズン）が2024年後半以降「4.7カ月ごとに倍増」していると推定。これは25年11月時点の試算「8カ月ごと」から大幅に加速している。
しかし、その後公開されたMythosとGPT-5.5はこの推定値をさらに上回った。AISIはこの成長スピードが新たなトレンドになるのか、これらのモデルが特殊なのかは不明だとしている。
AISIによる、各モデルの80％タイムホライズン測定結果。MythosとGPT-5.5の測定結果（グラフ右上）が既存モデルの性能を大きく上回っている（出典：公式ブログ）
METRとAISIは、AIの性能が想定を上回る速さで向上している状況を受けて、より高性能なモデルを評価できる手法を開発中だとしている。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
こんなメディアも見られています
ITmedia AI＋に関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
SpecialPR
アクセスランキング
-
1
プロンプトガチャはもう古い――「ハーネスの父」が明かす、AI駆動開発の極意
-
2
なぜルネサスは、TSMCに勝てなかったのか “電子立国ニッポン”当時を知る日立のキーマンが語る
-
3
「もうプロンプトは書かない」 Claude Code生みの親が明かす“ループエンジニアリング”の衝撃
-
4
富士通では「Copilot」10万ライセンスの利用率が“9割超え” 「導入したけど使われない」をどう防いだ？
-
5
「それは“FDE”ではない、ラベルの貼り替えだ」 結局、割高なベンダー依存から抜け出せない企業の共通点
-
6
1バイト違えば不合格のCOBOL移行、OpenAI新モデルの正解率は？
-
7
「Claude Mythos 5」、危害の兆候を顧みず実在の開発者を標的に──AnthropicとAISIが分析結果を公開
-
8
サイバー攻撃AIツール「ARTEX」とは 中国政府と連携する攻撃者も使用、各国で悪用確認
-
9
チームみらい安野貴博党首ら「サイバー攻撃から国民守る」緊急提言、デジ庁に提出 「AIにはAIを」
-
10
「6億台のコネクテッドカー」動かす光技術 IOWNは欧州のデータセンター危機を救うか？
SpecialPR
ITmedia AI＋ SNS
@itm_aiplusをフォロー
インフォメーション
注目情報をチェック
ITmedia AI＋をフォロー
あなたにおすすめの記事PR