Googleが新フロンティアモデル「Gemini 4 Argon」を発表／OpenAIがAIモデル「GPT-6.1 Sol」を公開：週末の「気になるニュース」一気読み！（2/3 ページ）

AnthropicがAIモデル「Claude Sonnet 5.5」を発表

　Anthropicは9月28日、AIモデル「Claude Sonnet 5.5」を発表した。9月22日に公開した「Claude Opus 5.5」に続く、Claude 5.5ファミリーの2つ目のモデルだ。Claude Platformの他、Amazon Web Services、Google Cloud、Microsoft Azureでも利用でき、APIのモデル名は「claude-sonnet-5-5」となる。

　API価格は100万トークンあたり入力2ドル、出力10ドル、キャッシュ読み取り0.20ドルで、Sonnet 5と同じだ。ただし同じ作業に必要なトークン数が少なく、同社のテストでは1タスクあたりのコストがSonnet 5より最大30％低かったという。出力の生成速度も30％以上速くなり、同社はSonnetモデルとして最速としている。

　位置付けとしてはOpus 5.5を補う、より速く安価なモデルで、範囲が明確な日常的なタスクやバグ修正、ドキュメントやスライド、スプレッドシートの作成に最も適しているとしている。

　同社が公表したベンチマークでは、エージェント型コーディングのTerminal-Bench 4.0で70.6％となり、Sonnet 5の10.3％から大きく伸びた。さまざまな職業における実世界の作業を評価するGDPval-AA v2.1でも1844と、Opus 5.5（1846）とほぼ並ぶ。ただし同社は、持続的な判断を要する複雑な作業では、引き続きOpus 5.5の方が明らかに強いとしている。

　安全面では、サイバーセキュリティの能力が大幅に向上していることから、同社の最上位モデル向けと同様のサイバー関連のセーフガードとフォールバックの仕組みを、Sonnetとして初めて搭載した。

　リスクの高いサイバーセキュリティ関連のタスクは、Sonnet 5に切り替えて処理される。推論内容の抽出（蒸留）を防ぐ分類器も、Sonnetとして初めて搭載したとのことだ。

　なお、大量処理やコスト重視の用途向けの「Claude Haiku 5.5」も、今後数週間のうちにClaude 5.5ファミリーに加わる予定だ。

GoogleがGemini Audioファミリーのテキスト読み上げモデル「Gemini 3.8 Flash TTS」を発表

　Googleは9月23日、テキスト読み上げ（TTS）用の新モデル「Gemini 3.8 Flash TTS」と「Gemini 3.8 Flash-Lite TTS」を発表した。Flash TTSはキャラクターの声作りや細かな演出向け、Flash-Lite TTSは吹き替えや音声エージェントなど、大量の処理を低コストでこなす用途向けのモデルとなっている。

　Flash TTSでは、役割やアクセント、声質を自然言語で指示して、独自の音声を一から作れる。100以上の言語／方言に対応し、すぐに使える既製の声も2000種類以上用意されている。30秒の音声サンプルから声を再現する機能もあるが、対象は自分の声か使用権のある声に限られる。声を作る前に、元の音声と同じ話者が口頭で同意した録音を提出する必要があるとのことだ。

　両モデルとも、せりふごとに演技の指示を書き込める他、2人の話者による掛け合いを1つの台本から生成できる。「笑い」や「ため息」といったタグで、笑い声や相づちを入れることも可能だ。何時間にも及ぶ長尺の音声でも声質を保てるという。人による聞き比べ評価のVoice Arenaでは、日本語を含む主要言語で競合を抑えて上位に入ったとしている。なお、生成した音声には全て電子透かし「SynthID」が埋め込まれる。

　提供はGemini APIとGoogle AI Studioで同日から始まった。一般向けには、Flash TTSを「Gemini Notebook」（旧NotebookLM）で、Flash-Lite TTSを「Google Vids」で使える。Gemini Enterprise向けのAPI提供は近日中の予定だ。