AIニュース 2026年11月7日

振り返り · 本紙 10 月 26 日の深掘り

コンピュータを操作する AI の進歩は何に従うか。最初の試験場 OSWorld では Sonnet 4.6 がすでに 72.5% を取り、人間の基準 72.36% と並んだ。手順の長い OSWorld 2.0 では、今年 6 月の論文の最高は 20.6% にとどまる。

コンピュータ操作エージェントでどの仕事が先に自動化されるかは、何度でもやり直せるテスト環境にできるかで決まり、スコアはリーダーボードか論文の数字で本紙の測定ではない。本紙 10 月 26 日の深掘りの読みはこうだ。課題を何度でもリセットしてやり直せるテスト環境にできるかが、コンピュータを操作する AI の進歩の速さを決める。OSWorld 2.0 のスコアは課題を最後まで完了して初めて数えられ、6 月の論文の最高は Claude Opus 4.8 だった。二つの版はモデル、測った時期、ステップ数の設定が違うので、それぞれ人間の基準からどれだけ離れているかを見るしかない。本紙は、第二版が第一版と同じ道筋で上がると見込む。2027 年 6 月 30 日までに公式リーダーボードの最高完了率が 60% 以上に達するという判断である。そのときなお六割を下回れば、やり直せるかどうかより課題の長さのほうが進歩の速さを決めることになる。手順の長さは二つ目の変数である（カード）。 どう確かめたか →