Import AIは2026年7月27日(現地時間)、AIシステムのプログラミングおよびロボット制御能力の向上が複数の研究で示されたと報じた。EpochとMETRは、人間にとって週単位を要するプログラミングタスクをAIが完了できることを示すベンチマーク「MirrorCode」を発表。Anthropicは、大規模な汎用モデルが自律的にロボットタスクを20倍高速で完了することを示し、Sundayも大規模事前学習モデルと少量データによるチューニングがロボットの汎化性向上に寄与すると報告している。
EpochとMETRが発表した「MirrorCode」は、AIシステムが長期間を要するプログラミングタスクをどの程度実行できるかを評価するベンチマークである。本ベンチマークでは、AIシステムがソースコードやウェブへのアクセスなしに、CLI (コマンドラインインターフェース) を介して既存のソフトウェアプログラムを再実装する能力を測定する。具体例として、Appleが開発した構成言語「pkl」、系統樹を操作する「gotree」、CSVデータ列を選択・並べ替えする「qsv_select」が使用された。
「MirrorCode」の結果によると、Claude Opus 4.7およびGPT-5.5はgotreeの再実装に成功し、Opus 4.7はpklも再実装した。Opus 4.7は一つのタスクを14時間、251ドルの推論コストで完了し、これは人間が2〜17週間を要するとされる作業に相当する。しかし、全25のターゲットプログラムのうち8つは100%の解決に至らず、Pythonリンターであるruffや数学パッケージのgiac_subset、メール認証ライブラリのmailauthで特にAIが苦戦した。
Anthropicは、同社の汎用モデル「Opus」ラインをスケールアップすることで、ロボットの能力が大幅に向上することを示した。2025年8月(現地時間)のClaude Opus 4.1では、四足歩行ロボットに知的なタスクを実行させるのに181分を要したが、2026年5月(現地時間)にはOpus 4.7が自律的に9分35秒でほとんどのタスクを完了した。Anthropicは、この進歩がモデルのロボット機能に特化した取り組みの結果ではなく、より一般的なスケーリングから生じたと述べている。
ロボットスタートアップのSundayも、大規模な事前学習モデルと少量の高品質データを組み合わせることでロボットの汎化性を改善できることを報告した。同社の新しいモデル「ACT-2」は、778回の衣類折り畳みタスクにおいて99.1%の成功率を達成。shortsやTシャツといったシンプルな衣類では高い成功率を記録し、blouseのような複雑な衣類でも90%以上の成功率を示した。Sundayは、この秋に「Memo」をベータプログラムを通じて家庭に展開する予定である。
参考: Import AI (Jack Clark) (アーカイブ) — 2026年7月27日 22:30 (JST)
原文ハイライト"Autonomously completes robot tasks 20X faster"