Anthropicの実際のClaude使用状況に関するレポートを読んでいて、数字がまるでレンガのように衝撃を受けました。 彼らは10万回もの会話を繰り返しました。 ここで私が止まった部分です: ほとんどの作業は通常90分ほどで終わります。 Claudeなら、同じ作業が80%早く終わる。 それは毎週何時間も努力せずに節約している人のことです。 その後、報告書はさらに大きくなります。 これらの上昇を米国経済全体に適用すると、現在のモデルだけでも今後10年間で労働生産性は年率1.8%上昇します。 最近のペースのほぼ倍だ。 そして、これらのどれもより良いモデルは含まれていません。 これは今のところ人々がすでにClaudeを使っている方法です。 これは、AIが実際の職場で何をしているのかという確かな証拠を初めて見た瞬間かもしれません。 静かなシフト。 大きな衝撃。 もう起きている。

このMITの論文には本当に衝撃🤯を受けました 論文は「ARC」についてで、ベンチマークの見方が完全に変わりました。 研究者たちはARCを論理パズルのように扱っていませんでした。彼らはすべての作業を視覚的な変容として扱いました。 グリッドイン→グリッドアウト。それ以上に複雑なことはありません。 彼らは小さなVision Transformerを作り、ARCの小さなデータセットでゼロから訓練し、シンプルなキャンバスのトリックを使って各例を画像のように配置しました。 さらにスケールの変化や翻訳、古典的なコンピュータビジョン作品で見られる基本的な視覚的事前処理も加えました。 それです。 思考の連鎖も、促しも、巧妙な象徴的なトリックもない。 ただピクセルを見て、形がどのように動いたり、反転したり、成長したり、崩れたり、引き継がれたりするのかを学ぶモデルに過ぎません。 ワイルドな部分は? この小さなモデルは単独で54.5%、U-Netと組み合わせると60.4%の達成率を記録しています。 これは、小さなモバイルアプリサイズのモデルで人間の平均的なパフォーマンスに相当します。 ARCがこのように解けるのを見ると、ベンチマーク全体が違った印象になります。 タスクは突然、隠れたルールではなく画像マッピングのように見えます。リフレクションタスクは実際にリフレクションのように見えます。 対称性の課題は対称性のように見えます。重力の課題は、キャンバスの上をまっすぐ「落ちて」いく部分のように見えます。 正直、まだ整理が進んでいません。 ここ数年で読んだ中で最も現実的なARCの結果かもしれませんし、ベンチマークを文字通り扱った結果です。

アンソロピックは、これまでテストしたすべての人間エンジニアよりも高いスコアを出した。 Claude Opus 4.5は昨日リリースされ、GPT-5.1-Codex-Max、Gemini 3 Pro、そしてすべての人間候補者を社内コーディング試験で破りました。 誰も話題にしていないことをお伝えします: