AIが次世代AIを作り始めている
GoogleのGemini 4 Neonと、OpenAIのGPT-6.2 AstraおよびSolは、モデルの知能だけで競い合っているわけではありません。どちらも、より少ないトークンと低コストで、タスクをより確実に完了できるよう取り組んでいます。
しかし、より重大な進展は、OpenAIの新しいシステムカードにあります。
GPT-6.2 Astraは、AIによる自己改善能力について、OpenAIが「高」の閾値に達したと評価した初の外部公開モデルです。社内評価によると、小規模モデルの学習タスクではベースラインの学習時間を42.9%削減でき、学習後のタスクでは性能差の74.8%を埋めることができます。
これは自律的で再帰的な自己改善ではありません。人間の研究者が、依然として目標を定め、アイデアを選び、結果を評価しています。
Mark ChenとJohn Schulmanは、残されたボトルネックは研究のセンスだと指摘しています。つまり、実験をただ速く実行するのではなく、どのアイデアが重要かを見極める力です。
私の見立てでは、AI研究そのものが、新たな計算需要の源であり、新たな生産性の乗数になりつつあります。
経済的な評価基準は、生成されたトークン数でも実行された実験数でもありません。検証済みのモデル能力向上を生み出すコストです。
研究の自動化が進むほど、独立した評価、再現性、監督は価値を増します。減ることはありません。
次のAIのサイクルは、自らの後継モデルの構築を支援するシステムによって動かされるかもしれません。しかし、その改善を検証する能力によって、そのサイクルをどれだけ速く、かつ安全に加速できるかが決まります。
#stocks
$GOOGL.US