トピック
AIのソフトウェアの進歩
AIの進歩のすべてが、より多くの、より優れたハードウェアを問題に投入することから生まれるわけではない。アルゴリズム、データの質、学習手法の改善によって、AIシステムにできることは劇的に増えうる。そのおかげで、モデルはより少ない計算で同じ能力に達せられる。
Epochは、こうした計算効率の向上（アルゴリズムの進歩とも呼ばれる）を長期にわたって追跡し、それがどれほどの速さで起きているか、何が原動力になっているか、そして今後のAIの進歩のペースにとって何を意味するかを調べている。
- ニュースレターAI進歩の原動力のうち、最も理解されていないもの
- ニュースレター推論モデルがもたらすもの
- データインサイトGPT-6 Astraは数学のベンチマークでは首位だが、ソフトウェアエンジニアリングではそうではない
OpenAIのGPT-6 Astraは、Epoch能力指数（ECI）で166のスコアを記録して首位に立ち、Claude Fable 5.1の164、GPT-5.6 Solの162を上回った。Math-ECIの170は新記録だが、ソフトウェアエンジニアリングのベンチマークでは、SWE-ECIの164がFable 5.1の167になお及ばない。
- レポート研究開発が自動化されても、並列化の制約が技術的特異点を遅らせうる
AIの研究開発が自動化されて何百万もの仮想の研究者が生まれても、その仕事を分割し、調整し、まとめ直す私たちの能力によって、進歩に上限がかかるかもしれない。並列化の技術が知能爆発のモデルに欠けているパラメーターである理由を、Epoch AIが論じる。
- データインサイトOpenAIのCodexのコードベースへの貢献に、AIによる生産性向上の兆しが見られる
OpenAIのCodexの共同開発者が、非常に大きな労力を要するコードをマージした稼働日の割合は、2025年第2四半期の約2%から2026年第2四半期には約8%に上がった。
- ニュースレターソフトウェアによる知能爆発をめぐる議論には実験が必要だ
これまでの議論は、多くの人が思っているよりも心もとないデータと仮定の上に成り立っている。前に進むにはよりよい証拠が必要で、それを少しずつでも得るには実験が最善の方法である。
