Grok 4.5 on hagizo.io

【AIニュース】OpenAIが「聞きながら話す」音声AI「GPT-Live」を投入、Grok 4.5はベンチマーク首位も幻覚率が倍増、Gemini画像生成が無料開放へ

Fri, 10 Jul 2026 00:00:00 +0900

今週は、AIが「賢さ」を競う段階から「使い心地」や「実利用時の副作用」を問われる段階に入ったことを感じさせるニュースが続いた。音声AIは人間の会話らしさに一歩近づき、最先端モデルはベンチマークの数字と実際の信頼性のギャップが露わになり、画像生成AIは無料化と引き換えに個人データの扱いが焦点になっている。派手な新記録の裏側にある「使ってみたときの実感」に注目が集まる週だった。

OpenAI、「聞きながら話す」音声AI「GPT-Live」を投入——沈黙を待たない会話へ

OpenAIは7月8日、新しい音声AI「GPT-Live」とその軽量版「GPT-Live mini」を公開した。最大の特徴は「全二重(フルデュプレックス)」という仕組みだ。電話で例えると、双方が同時に話しても聞き取れる状態のことを指す。これまでの音声AIは、ユーザーが話し終えて静かになるのを待ってから返答していたが、GPT-Liveは相手の発話を聞き取りながら同時に自分の応答も組み立てられる。

具体的には、相槌(あいづち)として「うんうん」「そうですね」といった短い反応を挟んだり、ユーザーが考え込んでいる間は黙って待ったりと、人間同士の会話に近い間合いを再現できるという。さらに、話す・聞く・黙る・割り込む・別の機能を呼び出すといった判断を、1秒間に何度も繰り返しながら会話を進める。込み入った質問が来た場合は、内部で上位モデル「GPT-5.5」に処理を任せ、その間も雑談で場をつなぐ「委任」の仕組みも備えている。（参照: OpenAI、TechCrunch、VentureBeat）

実務上の示唆

コールセンターや音声アシスタントを検討している企業は、割り込み対応や間合いの自然さが実務でどこまで通用するか、実際の顧客対応シナリオで検証する価値がある
「聞きながら話す」処理は計算負荷が上がりやすい。導入時は応答速度だけでなく、通話1件あたりのコスト(トークン消費量)も合わせて見積もるべきだ
内部で別モデルに処理を委任する設計は、今後の音声AI全般で標準的な構成になる可能性がある。ベンダー選定時は「委任先のモデルが何か」も確認しておきたい

Grok 4.5、コーディング系ベンチマークで首位も——幻覚率は倍増、独立検証では4位評価

SpaceXAIの新モデル「Grok 4.5」は、長時間のソフトウェア開発作業を測る「SWEマラソン」というベンチマークで、解決率29.0%を記録し首位に立った。比較対象のOpus 4.8(最大構成)は26.0%、Fable(最大構成)は24.0%だったという。イーロン・マスク氏はこの結果を受けて「Opusクラスの性能」とアピールしていた。

ところが独立系の検証機関による評価では様子が異なる。Grok 4.5の「幻覚率」(AIが誤った情報を、根拠がないにもかかわらず自信を持って答えてしまう現象の発生割合)は、前モデルの25%から54%へと倍増したと報告されている。正答率自体は35%から52%に上がったものの、間違えたときに堂々と誤答を返す傾向が強まったということだ。知識量は増えたが、自信と正確さのバランスが崩れた形だ。この結果を踏まえ、複数の独立テスト機関はGrok 4.5を主要モデルの中で4位相当と評価しており、マスク氏の「Opusクラス」という触れ込みとは開きがある。（参照: SpaceXAI、Tech Times、Let’s Data Science）

実務上の示唆

特定のベンチマークで「首位」という発表があっても、幻覚率や実運用での安定性など別の指標も必ず確認したい。1つの数字だけでモデルを選ぶのは危険だ
誤りを自信満々に答える傾向が強いモデルは、事実確認が重要な業務(医療・法務・金融など)では特に注意が必要だ。人間による二重チェック体制を前提に導入を検討すべきだ
企業の自社発表と独立検証機関の評価に差が出るケースは今後も起こりうる。導入前には複数の第三者評価を横断的に確認する習慣を持ちたい

Geminiの人物写真活用画像生成、米国で無料開放——引き換えに個人データ連携が前提に

Googleは、Geminiの「パーソナライズ画像生成」機能を、米国の無料ユーザーにも開放すると発表した。これまでは有料プラン(Plus・Pro・Ultra)の契約者限定だった機能だ。この機能は、画像生成モデル「Nano Banana」と、ユーザーの好みを学習する「パーソナル・インテリジェンス」という仕組みを組み合わせている。

具体的には、Gmail・Googleフォト・YouTube・検索など連携したGoogleアプリのデータをもとに、ユーザーがいちいち好みを書かなくても、その人の趣味嗜好に合わせた画像を生成できるという。さらにGoogleフォトから本人の写真を直接取り込めるため、自撮り写真をアップロードする手間も省ける。この機能は任意設定(オプトイン)で、どのアプリのデータを使わせるかはユーザーが選べる。ただし一度有効にすると全ての指示(プロンプト)でデフォルトで使われる仕様で、無効にするには設定画面から個別にオフにする必要がある。（参照: Google Blog、TechCrunch、Yahoo Tech）

実務上の示唆

無料化によって利用者が急増すると見込まれるため、業務用アカウントでこの機能を有効にする場合は、どのGoogleアプリのデータが連携されるか事前に確認し、社内の情報管理方針と照らし合わせたい
「オプトインだが一度有効にすると常時適用」という設計は、他の企業のAI機能でも増えていく可能性がある。従業員向けガイドラインには、有効化前に確認すべき設定項目を明記しておくとよい
本人の顔写真を自動で画像生成に使う仕組みは、なりすましや誤用のリスクも伴う。社内でこの機能を使う際は、公開範囲や生成物の用途に一定のルールを設けておく価値がある

まとめ

今週は、AIの評価軸が「性能そのもの」から「使ったときにどう感じるか、何が起きるか」へ広がっていることを示す週だった。GPT-Liveは会話の間合いという体感品質に踏み込み、Grok 4.5はベンチマーク首位の裏で自信過剰な誤答という新たな課題を露呈した。そしてGeminiの画像生成無料化は、便利さの代わりに個人データの連携をどこまで許すかという線引きを利用者に迫っている。数字上の最先端と、実際に使って安心できるかどうかは別問題だという当たり前の事実が、あらためて浮き彫りになった一週間だった。

【AIニュース】GPT-5.6三兄弟とGrok 4.5が同日公開で価格競争突入、Claude Cowork「何でも屋」化、国連は破滅的リスクを警告

Thu, 09 Jul 2026 00:00:00 +0900

今週は、最先端AIが「発表される段階」から「誰でも使える段階」へ一気に進んだ週だった。主要3社がそろって公開済みモデルを並べる状態は、規制で足踏みしていた数カ月間には見られなかった光景だ。一方でAIの使われ方は「コードを書く道具」から「日常業務の何でも屋」へと広がり、国連の場では専門家が最新モデルの危うさに警鐘を鳴らしている。速さと慎重さが同時に求められる局面に入った。

GPT-5.6三兄弟とGrok 4.5が同日公開——価格競争が本格化

OpenAIは7月9日、新モデル群「GPT-5.6」の3種類、最上位の「Sol」、バランス型の「Terra」、軽量で安価な「Luna」を、ChatGPT・API・コーディングツール「Codex」で一斉に一般公開した。米商務省の審査を経て限定公開されていた期間が終わり、世界中に約24時間かけて展開されるという。価格は100万トークン（AIとのやり取りの量を測る単位）あたり、Solが入力5ドル・出力30ドル、Terraが入力2.5ドル・出力15ドル、Lunaが入力1ドル・出力6ドルに設定された。

ほぼ同じタイミングで、イーロン・マスク氏率いるSpaceXAIも新モデル「Grok 4.5」を公開した。マスク氏は自ら「Opusクラスの性能」と表現し、Anthropicの高性能モデル「Opus 4.7」に匹敵する実力がありながら、動作が速くコストも安いとアピールしている。実際の価格は100万トークンあたり入力2ドル・出力6ドルで、Opus 4.7（入力5ドル・出力25ドル）よりかなり安い。買収したコーディングツール「Cursor」への統合も、株式公開後の同社にとって初の主要リリースとなった。

これにより、Fable 5（Anthropic）・GPT-5.6（OpenAI）・Grok 4.5（SpaceXAI）・Gemini各モデル（Google）と、主要フロンティアAI研究所すべてが同時に一般提供中という状態が、6月の輸出規制騒動以来はじめて実現した。（参照: OpenAI、TechCrunch、the-decoder）

実務上の示唆

価格差が数倍に開く場面が出てきた。同じ用途でも複数モデルを並行契約し、タスクごとに最安のモデルへ振り分ける運用が現実的な選択肢になっている
「Opusクラス」のような性能比較の触れ込みは実際の業務データで裏取りが必要だ。ベンチマーク上の近さと、自社タスクでの実用差は別物と考えたい
モデルの選択肢が急に増えた局面では、契約・API切り替えの手間が導入判断を鈍らせがちだ。抽象化レイヤー（複数モデルを共通インターフェースで呼び出す仕組み）の整備を検討する価値がある

Claude Cowork、モバイル・ウェブに拡大——利用の9割は「コーディング以外」

Anthropicは、AIエージェントに一連の作業を任せる機能「Claude Cowork」を、これまでのデスクトップ限定からモバイルアプリとウェブブラウザにも広げた。パソコンの電源を切っていても、Claudeがバックグラウンドで作業を継続できるようになったのが大きな変化だ。作業の途中で人間の判断が必要になった場合は、スマートフォンに質問が届く仕組みになっている。

注目すべきは利用実態のデータだ。Anthropicによれば、Coworkの利用のうち90%以上はソフトウェア開発ではなく、日常の知識労働だったという。具体的には、四半期の経費を突き合わせて差異レポートを作る、契約書の束を更新期限一覧表に変換してリスクを洗い出す、通話記録とパイプラインデータから翌日の商談資料を組み立てる、といった業務利用が中心だ。コーディング支援ツールとして名を馳せたAnthropicが、いつの間にか業務全般をこなす「何でも屋」路線に軸足を移しつつあることがうかがえる。（参照: Claude Blog、VentureBeat）

実務上の示唆

経理・法務・営業支援など非エンジニア部門でも、AIエージェントに定型業務を任せる余地が広がっている。導入対象をエンジニアだけに限定せず、部門横断で候補業務を洗い出す価値がある
バックグラウンド実行や端末をまたいだ引き継ぎができるようになると、承認フローや権限管理の設計が追いついていない企業ほどリスクが顕在化しやすい。誰がどの業務をAIに任せてよいかの社内ルールを先に固めておきたい
「コーディング以外の用途が9割」という数字は、AI投資の効果測定を開発生産性だけに絞ると実態を見誤ることを示す。バックオフィス業務の時間削減も定量的に追う指標に加えたい

国連ジュネーブ対話、AIの「破滅的リスク」を警告——規制は分断されたまま

国連は7月6〜7日、ジュネーブで初めての全加盟国参加によるAI統治対話を開いた。国連の科学者パネルを共同で率いるヨシュア・ベンジオ氏は「AIの能力が伸び続けても、破滅的な被害を起こさないと科学は保証できない」と警告した。単独での暴走だけでなく、悪意ある利用者による被害も含めた懸念だという。

会議では、AIの欺瞞的な振る舞い（人間を誤誘導するような出力）が増えている証拠や、ディープフェイク(AIで作られた偽の映像・音声)の99%が性的な内容で、その96%が女性や少女を標的にしているという実態も報告された。安全保障・誤情報・詐欺・サイバー攻撃・生物兵器転用など懸念は多岐にわたる一方、各国の統治体制はばらばらのままで、多くの国が自国で使われているAIシステムを評価する能力すら持っていないという指摘もあった。まさにGPT-5.6やGrok 4.5が同時に世界へ広がったこの週に、統治の遅れが改めて浮き彫りになった格好だ。（参照: UN News、The Register）

実務上の示唆

「規制が国ごとにばらばら」という状況は当面続く前提で、事業展開する国・地域ごとに適用ルールを個別に確認する体制を維持したい
ディープフェイクを含む悪用リスクの高まりは、自社サービスに顔認証・音声認証を組み込んでいる企業ほど直接的な脅威になる。なりすまし対策の強化を優先課題に加える価値がある
国際的な統治の枠組みが固まるまでは、業界団体の自主基準や社内ガイドラインが事実上の拠り所になる。最新の議論を継続的に追いかけ、社内規程を随時アップデートする体制が望ましい

まとめ

今週は、AIの「普及速度」と「統治の遅さ」のギャップが、これまで以上にくっきりと浮かび上がった週だった。GPT-5.6とGrok 4.5が同時に一般公開され、主要研究所のモデルがすべて市場に並ぶという初めての状態が生まれた。Claude Coworkはコーディングを超えて日常業務全般に浸透しつつあり、AIの利用場面はますます広がっている。その一方で国連の場では、科学者たちが能力の伸びに安全性の保証が追いついていないと訴えた。便利さの拡大と統治の遅れが同時進行するこの構図は、当面変わりそうにない。