小型モデルが怖いくらいに高性能になってきている。

まだこれを処理中です、笑。

Gemini 3 Pro Deepthinkに、複雑なセキュリティパズルの解決を試させました（実は勝ちようのないパラドックスでした）。約15分ほどの推論の後、信じられないほどプロっぽく見える、非常に構造化された回答を吐き出してきました。面白半分で、その解答をGemma 4 (31B)に渡しました（ツールを有効にして）。

Gemmaはそれを完全に引き裂きました。Geminiが私に答えをねじ込むためにこっそり紛れ込ませようとした、ハードな物理的制約違反と、偽の数学方程式を見抜いたのです。致命的な論理の欠陥を明確に指摘し、Geminiに対して「出力のプロっぽさに目がくらんでいる」と言いました。残酷。

いちばんヤバいのは？ 31Bの引数をDeepthinkにそのまま返したら……即座に折れて、内部検証に失敗しており論理が破綻していることを認めました。

皆さんが全編のやり取りを読めるように、HTMLのログを添付しました。31Bのオープンウェイトモデルがエージェント的な査読を行い、最前線のMoEモデルを脅して屈服させられるなんて、私には正気の沙汰に思えません。ファイルを見てください。

全文の会話

今日学んだこと：大きいモデルは賢いとは限らない……少なくともいつもではない。