この1週間の気になる生成AI技術・研究をいくつかピックアップして解説する今回の「生成AIウィークリー」（第140回）は、AIがPCを“操作する側”から“PC自体”になる新概念「Neural Computers」や、競技プログラミングで単独1位を達成したAI「GrandCode」を取り上げます。
また、一部のコーディング評価でClaude Opus 4.6やGPT-5.4を上回るオープンソースAI「GLM-5.1」や、アイデアを入力するだけで国際会議レベルの研究論文を自動生成するGoogle開発のAI「PaperOrchestra」をご紹介します。
そして、生成AIウィークリーの中でも特に興味深いAI技術や研究にスポットライトを当てる「生成AIクローズアップ」では、Suno v5以上の精度を示す、商用利用可能な日本語楽曲対応ローカル音楽生成AI「ACE-Step 1.5 XL」を別の単体記事で取り上げています。
全人類を抑え、競技プログラミングで単独1位を達成したAIモデル「GrandCode」
AI開発チーム「DeepReinforce Team」は、競技プログラミングにおいて人間のトッププレーヤーを打ち破るAIシステム「GrandCode」を発表しました。
これまで競技プログラミングはAIにとって人間が優位性を保つ最後の砦とされており、これまでのAI（Gemini 3.1 Pro）でも、実際の大会環境外での評価で8位にとどまっていました。
今回開発されたGrandCodeは、仮説の提案、メインのコード生成、テストケースの生成、そして長い文脈の要約といった複数のAIエージェントが連携するマルチエージェント強化学習システムです。
その性能は、2026年3月21日から29日にかけて開催されたCodeforcesの3回の公式ライブコンテストにおいて、GrandCodeはレジェンダリーグランドマスターを含むすべての人間の参加者を抑え、全大会で堂々の単独1位を獲得しました。
GrandCode: Achieving Grandmaster Level in Competitive Programming via Agentic Reinforcement Learning
DeepReinforce Team: Xiaoya Li, Xiaofei Sun, Guoyin Wang, Songqiao Su, Chris Shum, Jiwei Li
Project | Paper
一部のコーディング評価でClaude Opus 4.6やGPT-5.4を上回るオープンソースAI「GLM-5.1」をZ.aiがリリース
Z.aiが次世代フラグシップモデル「GLM-5.1」を発表しました。エージェント型のコーディングを得意としたモデルで、SWE-Bench Proでは58.4%と、Claude Opus 4.6やGPT-5.4を上回るスコアを記録しています。
GLM-5.1の特徴は、長時間にわたるタスクで性能が落ちにくい点です。従来のモデルは使い慣れた手法を早い段階で使い切ってしまい、時間を与えても改善が頭打ちになる傾向がありました。GLM-5.1は問題を分解し、実験と検証を繰り返しながら戦略を修正し続けることで、数百ラウンド・数千回のツール呼び出しにわたって最適化を持続できます。
総合ベンチマークを見ると、推論系ではGemini 3.1 ProやGPT-5.4がリードする分野も多く、GLM-5.1が全方位で最強というわけではありませんが、コーディングやサイバーセキュリティといったタスクでは実力を示しています。
AIは道具としてPCを操作するのではなく、AI自身が“新たなPC”になる新概念「Neural Computers」をMetaなどが提案
AIが単にツールを操作する段階から、計算、メモリ、そして入出力をひとつの学習された実行環境（ランタイム）に統合する「ニューラル・コンピュータ」（Neural Computers、NC）という全く新しいマシンの形態がMetaなどの研究者らから提唱されました。
あらかじめ書かれたプログラムを処理する従来のコンピュータや、外部の環境でタスクをこなすAIエージェント、環境の動きを学習するワールドモデルとは異なり、ニューラル・コンピュータはAIモデルそのものが稼働するコンピュータになることを目指しています。
この研究の最終的な目標は、「完全なニューラル・コンピュータ」（Completely Neural Computer、CNC）と呼ばれる汎用的なマシンの完成です。CNCが実現すれば、安定した処理の実行や、アップデートが可能になり、一度獲得した能力をシステム内に保持して繰り返し使えるようになります。
現在、その第一歩として、プログラムの内部構造データを使わず、画面の入出力の記録のみから基礎的な動作を学習できるかが検証されています。具体的には、動画生成モデルを活用し、ユーザーの指示や画面のピクセル、マウスなどの操作データから、コマンドラインやGUIの画面遷移を生成する実験が行われました。
その結果、入出力の自然な連動や短期間のコントロールといったインタフェースの基礎的な動きは、すでに獲得できていることが示されました。
Neural Computers
Mingchen Zhuge, Changsheng Zhao, Haozhe Liu, Zijian Zhou, Shuming Liu, Wenyi Wang, Ernie Chang, Gael Le Lan, Junjie Fei, Wenxuan Zhang, Yasheng Sun, Zhipeng Cai, Zechun Liu, Yunyang Xiong, Yining Yang, Yuandong Tian, Yangyang Shi, Vikas Chandra, Jürgen Schmidhuber
Paper | GitHub | Blog
Google、アイデアから国際会議レベルの研究論文を自動生成するAI「PaperOrchestra」発表
Googleの研究チームが、未整理の研究アイデアや実験ログから、国際会議にそのまま投稿できるレベルのAI研究論文（LaTeX形式）を自動生成するシステム「PaperOrchestra」を発表しました。
今回開発されたPaperOrchestraは、複数の特化型AIエージェントが協力して作業を進めるマルチエージェントの枠組みを採用することで、これらの課題を克服しています。
具体的には、論文の全体構成を作成するエージェントをはじめ、概念図やデータグラフを自動生成するエージェント、適切な文献を検索して深い考察を伴う関連研究をまとめるエージェント、本文を執筆するエージェント、そして模擬的な査読者の視点で内容の推敲と修正を繰り返すエージェントが連携して動作します。
また、研究チームはシステムの性能を正確に評価するため、トップレベルの国際会議（CVPRおよびICLR）で実際に採択された200本の論文から、執筆前の未整理データを逆算して作成した新しいベンチマーク「PaperWritingBench」を構築しました。
比較評価の結果、PaperOrchestraは文献レビューの質においては50%～68%、論文全体の質においても14%～38%という高い勝率マージンを達成し、より人間に近い高品質な論文を作成できることが実証されています。
