Groq 3長文速度とGPT-5.6 Kiro対応

先に結論

本日の判断を変えるのは、model名だけでなく長い入力でのdecode速度と一定の対話速度を保った電力効率を測る公開結果が出たことです。Groq 3 LPXはGemma 4 31Bの100K入力で第三者測定があり、Vera Rubin NVL72はAgentXでNVIDIAによるpreview測定が示されました。一方、GPT-5.6はKiroでSol・Terra・Lunaを選べるようになりましたが、公開された費用削減率はKiro内の特定評価であり、一般API料金や別coding agentへ移せる値ではありません。

収集日時: 2026年8月25日 05:30（Asia/Tokyo）
対象期間: 2026年8月23日 17:30〜2026年8月25日 05:30
情報区分: 開発元の発表本文を個別に確認した机上調査です。第三者測定と開発元測定は分けて記載します。
検証状況: KFBはGroq 3 LPX、Vera Rubin NVL72、Kiroのいずれも実機・実サービスで検証していません。価格、地域別rollout、購入経路、長時間安定性は未確認です。

本日の要点

• 100K入力時の3,431 output tokens/sは、Gemma 4 31BとGroq 3 LPXを固定したArtificial Analysisの測定です。
• Vera Rubinの最大30倍という値はNVIDIA測定のpreviewで、SemiAnalysisのreview待ちです。
• GPT-5.6のKiro対応は利用可能になりましたが、82%の費用削減を別環境の料金比較へ転用しません。

ニュース一覧

1. Groq 3 LPXがGemma 4 31Bを100K入力で測定

• 何が変わったか: Artificial AnalysisはNVIDIAが自社データセンターに用意したGroq 3 LPX systemで、Gemma 4 31Bの100K context benchmarkを実行しました。2026年8月20日の結果として、median output速度は3,431 tokens/sです。10K入力では3,382 output tokens/sでした。
• 性能・動作環境への影響: 100K測定は共通のo200K_basetokens tokenizerを使い、NVIDIAの説明では精度やmodel qualityを落とさない構成です。SPEED-Benchのcoding問題はNVIDIA測定でmedian 4,767 output tokens/s、P80 5,520 output tokens/sでした。これはprefill速度、TTFT、request throughput、消費電力の値ではありません。
• どの読者・機器に向くか: 数万〜数十万tokenの履歴を持つcoding agentをrack-scaleで配信し、1 user当たりのdecode待ちを短くしたいAI基盤運用者の検討材料です。手元のGPU、Mac、公開cloud endpointの速度目安にはなりません。
• 今日の判断: Groq 3 LPXを候補にする場合だけ、100K入力、Gemma 4 31B、output速度という三条件を調達・検証要件へ写します。NVIDIAが示した将来の2T級model構成はprojectionなので、実測結果と分けます。
• 未検証範囲: KFBは実行していません。system全体のchip数、batch、concurrency、warm-up、反復数、TTFT、prefill、peak memory、power、価格、一般提供時期は発表本文だけでは確定できません。
• 公式情報: NVIDIA Technical Blog：Groq 3 LPXの長文推論測定（2026年8月24日公開）

2. Vera RubinがAgentXのthroughput／MWをpreview公開

• 何が変わったか: NVIDIAは、production型のcoding agent sessionを再生するSemiAnalysis InferenceXのAgentX workloadで、Vera Rubin NVL72とBlackwellを比較しました。Vera Rubin NVL72はDeepSeek V4-Pro workloadを1 user当たり160 tokens/sで処理する条件で、GB300 NVL72より最大30倍のAI-factory throughput／MWというpreview結果です。
• 性能・動作環境への影響: AgentXは長文prefill、KV cache再利用、tool callの空白時間、動的concurrencyを含み、tokens／MWをE2E normalized interactivity、generation中のstandard interactivity、E2E latency、TTFTと合わせて読みます。GB300 NVL72については、DeepSeek V4 Pro 1.6TでH200 NVL8より最大15倍のthroughput／MW、最大10分の1のtoken costというNVIDIA測定も示されました。
• どの読者・機器に向くか: megawatt単位の電力枠でagentic inference rackを選定する事業者向けです。単一H200、desktop GPU、個人の電気代、別modelのtoken単価には適用できません。
• 今日の判断: Vera Rubinの30倍はSemiAnalysis review待ちと明記して比較候補へ置き、確定値として設備計画へ入れません。Blackwell対H200もDeepSeek V4 Pro 1.6Tと同じAgentX条件を再現できる場合だけ参照します。
• 未検証範囲: KFB実測ではありません。公開dashboardの全configuration、model artifact、runtime version、precision、rack台数、電力測定境界、価格前提、review後の値の変化は未確認です。
• 公式情報: NVIDIA Technical Blog：Vera RubinとBlackwellのAgentX電力性能（2026年8月24日公開）

3. GPT-5.6 Sol・Terra・LunaがKiroで利用可能に

• 何が変わったか: OpenAIはGPT-5.6 familyのSol、Terra、LunaがAWSのsoftware development agentであるKiroで利用可能になったと発表しました。要件整理、設計、実装task、review、property-based testingまでをKiroのspec-driven workflowへ組み込む提供です。
• 性能・動作環境への影響: OpenAIとAWSのtestでは、Terminal-Bench 2.1でGPT-5.6 TerraがKiro内の成功taskを約82%少ないcostで完了したと報告しています。ただし、発表本文は比較baseline、token価格、反復数、分散を詳述していないため、一般APIや他agentの費用削減率として扱いません。
• どの読者・機器に向くか: Kiroを使い、工程ごとにSolの能力、Terraの均衡、Lunaの速度・費用を選びたいsoftware team向けです。local model、GPU購入、Kiroを使わないIDEの選択には直接つながりません。
• 今日の判断: 既存Kiro projectがある場合だけ、同じrepositoryとtask setで従来設定との成功率、総token、経過時間、費用を小規模に比較します。model名だけを変えて82%削減を予算へ織り込みません。
• 未検証範囲: KFBはKiroで実行していません。地域・account別rollout、各modelのKiro内単価、rate limit、context上限、data handling、既知の問題、一般APIとの設定差は発表本文では未確認です。
• 公式情報: OpenAI：GPT-5.6 in Kiro（2026年8月24日公開）

情報の確認範囲

候補JSONのsummaryは本文へ転記せず、採用した3件の公式発表を個別に開き、公開日、測定主体、model、input長、提供範囲、review状態を確認しました。AppleのVisual CoT研究は推論原理が中心で当日の機器・model選択へ直結しないため除外しました。Spectrum-X Ethernetは大規模networkの性能更新ですが、今回の上位2件よりmodel配信の選択へ直接つながる範囲が狭いため除外しました。同じNVIDIA sourceを2件採用したのは、一方が100K長文のoutput速度、もう一方がAgentXのthroughput／MWで、異なる設備判断を変える測定だからです。

公式情報源

• NVIDIA Technical Blog：Groq 3 LPXの長文推論測定（2026年8月24日公開、2026年8月25日確認）
• NVIDIA Technical Blog：Vera RubinとBlackwellのAgentX電力性能（2026年8月24日公開、2026年8月25日確認）
• OpenAI：GPT-5.6 in Kiro（2026年8月24日公開、2026年8月25日確認）