Pangram、AI画像・動画の検出モデル公開 DF26で98.7%

Pangramは11月4日にコンピュータビジョンのモデルを2つ投入した。Pangram Image 1.0はAI生成画像を検出する。Pangram Image Flash 1.0はより小さく速い弟分で、AI生成動画をフレームごとに走査し、どの部分が生成器から出たものかを言い当てるのが仕事だ。
今回の投入で、ヒートマップ出力、動画のネイティブアップロード、Chrome拡張、画像と動画の両方のAPIアクセスが加わった。X上で同社は、Image 1.0がAI生成画像の99.2%を識別し、偽陽性率は0.27%に収まると述べている。
この2つの数字はスライドに載せられる類のものだ。そして脚注を読むべき類のものでもある。
99.96%はどう測られたか
画像評価では、Pangramは実写100枚を用意し、12種類の画像生成器でその合成ミラーを作った。プロンプトは元の写真にできるだけ合わせて書かれ、1,200枚の合成画像が得られた。このセットでImage 1.0は99.96%の精度だと同社は報告する。
これは特定の問いに対してよく設計されたテストだ。実写それぞれに同じ場面と同じ被写体の合成版があるので、モデルは「ビーチの写真は本物、商品写真は偽物」と学習してズルができない。ピクセルを見るしかない。
開かれたインターネットにモデルを向けたときに何が起きるかのテストではない。Pangramもそう言っている。この数字は実写と合成を対にしたこの条件での性能であり、ネット上で出会うあらゆる画像に対する万能の精度ではない、と。
この区別は聞こえ以上に重要だ。検出器の実世界の誤り特性は、テストセットに入れることを誰も思いつかなかった画像に支配される。スクリーンショットのスクリーンショット、メッセージアプリを3つ通った画像、古いJPEG、プリントのスキャン、透かし帯のあるもの、テストセットを固定した後に出た生成器の出力。きれいな実写100枚のミラーセットでは、そのどれも測れない。
0.27%という偽陽性率のほうが、2つの見出し数字より興味深い。偽陽性は人を告発する側だからだ。0.27%なら、実画像およそ370枚に1枚がフラグを立てられる。1日に数枚を確認する報道機関なら処理可能なレビュー待ち行列だ。1億件のアップロードを走査するプラットフォームなら25万人が濡れ衣を着せられる。だからその規模のどこも単一の分類器に頼らない。
動画の数字のほうが不穏だ
動画ベンチマークが、このリリースの居心地の悪いところだ。
PangramはFlash 1.0をDF26で評価した。DF26は2026年9月7日に投稿されたプレプリントで説明されるベンチマークだ。実動画271本と、7つの現代的な動画モデルが生成した合成動画2,420本を含む。内容は意図的に狭く、意図的に難しい。カメラに向かって直接話す1人の人物、公式声明、スタジオインタビュー。実際に被害を出すディープフェイクの形式だ。視聴者がその人物を本物だと前提する形式だから。
ベンチマークの著者らは、人間も最先端のディープフェイク検出器もほぼ偶然の水準だったと報告している。そして現代の生成器による分布シフトへの頑健性を明示的に試す評価を求めている。
この結果は少し頭に置いておくといい。ほぼ偶然とは、手間をかけたコイントスだ。検出器はよくできている。古い世代の偽物で訓練し評価したのであり、新しい生成器は同じ痕跡を残さない。あごのラインの歪みを見つけるよう学習した検出器は、あごが歪まなければ役に立たない。
PangramはFlash 1.0がDF26で98.7%を出し、次点の検出器より29ポイント上だと述べる。独立に再現されれば、前世代のツールを壊すために設計されたベンチマークでの大きな差だ。同時に、企業が選んだベンチマークで、自社のハーネスで測った企業報告の数字でもある。正直な立場は「有望、未検証」だ。
製品が実際に何をするか
機能一覧のほうがマーケティングより情報量が多い。
ヒートマップ出力は、画像内の合成素材の位置を示す。よくある現実のケースで効く機能だ。完全な生成画像ではなく、実写に生成要素が1つ差し込まれたもの、あるいは実画像に生成領域が塗り重ねられたもの。そこではYes/Noのラベルは役に立たない。ヒートマップは編集者にどこを見るべきかを教える。
動画のネイティブアップロードは、ダッシュボード内でフレームごとの解析を走らせ、動画のどの部分がフラグされたかを示す。2分のクリップなら、判定ではなく疑わしさのタイムラインができる。人間のレビュアーにはそれが正しい出力だ。
Chrome拡張は、SNS、ショッピング、賃貸サイト上のAI生成素材にフラグを立てる。最後のカテゴリが人々の金を損させる。賃貸物件の写真は、生成画像が誰かの実際の金を損させる古典的な場所だ。
7月のプレビューから何が変わったか
2026年7月29日のリサーチプレビューは、512×512ピクセル以上の画像のみを受け付け、ディープフェイクと顔交換は確信を持って検出できないケースとして明記していた。正直な制限であり、大きな穴でもあった。顔交換が最もよくある有害事例だからだ。
バージョン1.0は、ディープフェイク、低解像度画像、フロンティア生成モデルでの性能向上をうたう。最小入力は256×256になり、512未満には信頼度低下の断りが付く。新しいモデルは、圧縮、縮小、ぼかし、ノイズといった変換を検出するよう訓練したと同社は言う。SNSプラットフォームが加えたものでも、検出を逃れようとする主体が加えたものでも。
最後の一文は多くを担っている。実世界のAI画像のほとんどは、少なくとも1つのプラットフォームで再圧縮されてから手元に届く。無傷のPNGでしか動かない検出器は実験器具だ。
アクセスも広がった。プレビューでは画像APIは招待制で、ダッシュボードの動画入力は将来対応とされていた。今はどちらもある。
誰も解いていない構造的な問題
検出は、片側だけが反復できる分類問題だ。生成器が良くなるたびに痕跡の分布が動き、古い分布で訓練した検出器は精度を失う。防御側は勝ち続けなければならない。攻撃側は、問題になる1枚で一度勝てばいい。
その差を埋めるためにC2PAのような来歴標準が作られた。カメラの撮影に対する暗号署名は、ピクセルについての統計的な推測とは種類の違う主張だ。署名は剥がせるが、存在するときそれは確率ではない。
2つのアプローチは競合ではなく補完だ。来歴は「出所が分かるか」に答える。検出は「生成っぽく見えるか」に答える。報道機関は両方を欲しがり、プラットフォームも両方を欲しがる。どちらも単独では足りない。
Pangramの主張は要するに、検出は解かれた問題ではなく、研究デモではなくヒートマップとAPIを備えた製品として売るべきものだ、という話だ。妥当なビジネスである。99.2%という数字は会議のアポを取る。DF26の98.7%こそ、ベンチマークのハーネスと新しい生成器を持った誰かに、細部まで問い詰められるべき数字だ。
使う人向けの実用的な脚注
検出器が「この画像はAI生成」と言えば、手がかりがある。「この画像は本物」と言っても、何も得られない。この非対称性は問題に組み込まれていて、どんな精度の数字でも変わらない。0.27%という偽陽性率は、片方向でどれくらい恥をかくかを教える。良い偽物をどれくらい見逃すかは発表のどこにも書かれていない。そちらの数字はいつも悪い。
だからトリアージの道具として使い、ヒートマップは残し、判定と一緒にモデルのバージョンを記録し、主要な生成器が出るたびに評価をやり直す前提でいること。検出器の精度の半減期は数か月単位だ。
関連記事
Antigravityのリモートエージェント、クラウドVMで動く代わりに手放すもの
Antigravity 2.29でリモートエージェントが登場し、セッションとツールがGoogle管理のクラウドVMで動くようになった。ノートPCを閉じても作業は続くが、ローカルのMCPサーバーやskillsは失われる。
NVIDIA、世界モデル「Cosmos 3」の派生4種とデコード基盤「VFlash」を相次いで公開
NVIDIAは11月5日、16BのCosmos 3 Nanoを専門化した4つのチェックポイントをOpenMDW1.1で公開し、学習レシピと推論コードも添えた。翌日には幾何出力を並列生成するデコード基盤VFlashを発表している。
GitHubトレンドの4分の1を「エージェントskills」が占め、導入方法は4通りに分裂
11月8日のGitHubデイリートレンド15件のうち4件がエージェントskillsのリポジトリだった。形式は`SKILL.md`とYAMLフロントマターだけで単純だが、導入経路は4製品でばらばらで、重複が優先順位の問題を生む。
Thinking Machinesの「Inkling 2 Small」、594Bの疎なMoEで86.3% 重みは「来週」のまま
Thinking Machinesは11月5日、総パラメータ594B・トークンあたり17B活性の疎なMoE「Inkling 2 Small」を発表した。SWE-Bench Pro v2 Hardで86.3%を記録し、Apache 2.0の重みは公開1週間後以降とされる。