OpenAI が Codex で Git バックエンド Pando を構築、Anthropic が FlashProve を発表、Cohere が Model Vault をオープンモデルに開放

OpenAI は、Codex を使って10週間で構築し、1日あたり約1ペタバイト（1 Po）のデータを配信するモノレポの Git バックエンド、Pando の詳細を公開した。Claude Code 2.1.317 は、アカウントのメールアドレスを送信する前に同意を求めるようになり、GitHub Copilot は JetBrains Air に登場した。Anthropic は推論の暗号学的証明を行う試作システム FlashProve を発表し、OpenAI は脆弱性への報奨金の中央値を4倍超に引き上げ、Cohere は Model Vault を他社のオープンモデルに開放した。Google は、どのエージェントも達成率が50 %を超えないエンジニアリングのベンチマーク PLE を公開し、12月1日から Gemini 2.5 Pro と 2.5 Flash 宛てのリクエストを、より新しいモデルへ転送する。

コーディングエージェント：OpenAI が Codex で Pando を構築、Claude Code 2.1.317、JetBrains Air に GitHub Copilot

OpenAI がモノレポの Git バックエンドを、Codex で10週間で構築した Pando に置き換え

11月2日 — OpenAI は、モノレポ（monorepo）の開発全体を支えるようになった新しい Git バックエンド、Pando の詳細を公開した。Git のプロトコルとクライアントに対応している。移行の背景には Codex がある。ブランチ、プッシュ、マージ、フェッチが急増し、2025年末には旧システムの信頼性が90 %を下回ることもあった。記事のグラフによると、2026年第3四半期にメインブランチへ統合されたコミット数は、2024年第1四半期を1 378 %上回った。

We built Pando, a new Git backend for our monorepo, to handle more pushes and fetches without changing how our engineers and agents use Git. Pando cut push latency by ~80% and now serves nearly a petabyte of Git data a day. We can grow Git capacity alongside agent usage.

🇯🇵 当社は、エンジニアやエージェントによる Git の使い方を変えずに、より多くのプッシュとフェッチを処理するため、モノレポ向けの新しい Git バックエンド Pando を開発しました。Pando はプッシュのレイテンシを約80 %削減し、現在は1日あたり約1ペタバイトの Git データを配信しています。これにより、エージェントの利用拡大に合わせて Git の処理能力を増強できます。 — X の @OpenAIDevs

負荷に対応するため、Pando は、ある時点のすべての参照について一貫した状態を示す方式を採用していない。各ブランチを独立して更新し、受信したパックファイルをそのまま地域別のキャッシュから他のクライアントへ再配信する。

OpenAI が測定した指標	公表値
プッシュのレイテンシの中央値	約5分の1（約 -80 %）
配信した Git データ	1日あたり約1ペタバイト（1 Po）
1時間あたりのピーク	1時間で57 To超、99 %超をキャッシュから配信
クローンとフェッチ	標準的な VM で10 Gbit/sの回線を使い切る
構築期間	Codex で10週間、2026年4月から本番稼働

中核部分は1人のエンジニアが設計し、エージェントのチームが実装した。エージェントは GPT-6 Astra を使って Lean と TLA+ のコードも記述し、Pando を形式化してバグを発見した。OpenAI は複数の修正を Git プロジェクトに還元しており、この技術を共有する方法を検討しているというが、製品や提供時期は示していない。

🔗 OpenAI による Pando の記事

Claude Code 2.1.317 がアカウントのメールアドレス送信前に同意を求め、Claude apps ゲートウェイにコストレポートを追加

11月3日 — Claude Code 2.1.317 が、前夜の npm での公開に続き、UTC 01時25分に GitHub で公開された。87項目のうち62項目は修正だが、プライバシー保護の仕組みも追加された。ウェブツールやシェルツールの呼び出しがアカウントのメールアドレスをネットワーク経由で送信する前に、Claude Code が同意を求めるようになった。同様に、/schedule は、新しくクラウドに作成したスケジュールタスクに、要求していないコネクターが付与された場合に警告し、その削除方法を示す。

2.1.317 の新機能	変更内容
Claude apps ゲートウェイ	コストレポート `GET /v1/organizations/analytics/cost`：開発者別、日別、IdP グループ別の支出
Agent SDK	`onFailure: "block"`：フックのコールバックが失敗すると、アクションを通過させずにブロックする
サブエージェントとチームメイト	会話とは別のモデルで動作する場合、そのモデルに保存された推論の強度を使用する
Read ツール	変更のないファイルを再度読むと、簡単な通知だけでなく内容を返す
OpenTelemetry	`anthropic.plan` や `anthropic.seat_type` などの属性を追加

修正点として、自動モードは、安全性チェックに403または422を返す LLM ゲートウェイ経由でも、毎ターン処理が止まることがなくなった。Grep と Glob は、検索が制限時間に達した際に、部分的な結果を完全な結果として表示しなくなった。また、claude auth status は、トークンの更新が遅れた後にユーザーをログアウトさせるおそれがなくなった。npm の安定版チャンネルは引き続き2.1.311となっている。

🔗 Claude Code 2.1.317 のリリースノート

GitHub Copilot が JetBrains Air に登場、Copilot の契約でローカル実行とクラウドタスクに対応

11月3日 — GitHub Copilot が JetBrains Air のエージェントの1つとして利用可能になった。JetBrains Air は、エージェントを使った開発のために設計され、Agent Client Protocol（ACP）に対応するあらゆるエージェントを利用できる JetBrains の環境だ。既存の Copilot 契約を使い、Air のエージェント選択画面から選ぶことで、タスクを委任し、実行を指示し、コードの横で結果を確認できる。Air は複数のセッションを並行して管理する。GitHub はこれを、JetBrains 向け Copilot プラグインと併用できる選択肢として位置づけており、置き換えとはしていない。

実行モード	必要条件	利用量の計上先
ローカル、JetBrains IDE 内	IDE に Air をインストールし、GitHub Copilot を選択し、Copilot アカウントでログイン	既存の Copilot 契約
クラウド、Air Teams 経由	Air Teams を利用する JetBrains の法人組織で、Air 管理者が Copilot を有効化	Copilot のプランに計上し、JetBrains AI クレジットは使用しない

各クラウドタスクは、新しい仮想マシン上の Docker コンテナーで動作し、すべての通信がプロキシを経由する。タスク間で状態は保持されない。GitHub は制限事項も挙げている。契約とクレジットの確認はクラウド環境の起動時にしか行われず、タスクごとに個人プランと組織プランを選択することはできない。また、Air では Copilot の支出上限を設定できず、管理者ができるのは Copilot の無効化のみとなる。

🔗 GitHub Changelog の発表

セキュリティ：Anthropic の FlashProve、OpenAI の脆弱性報奨金、CWE-bench v2 と CyberArena

Anthropic が大規模モデルの推論を暗号学的に証明するオープンソースの試作システム FlashProve を発表

11月2日 — Anthropic の Frontier Red Team は、証明可能な推論（provable inference）の研究用試作システム FlashProve を公開し、11月3日に X で発表した。これにより、応答が特定のモデルから生成されたことを検証できる。提供者はまず重みに対するコミットメント（commitment）を公開し、その後、各応答に簡潔なゼロ知識暗号証明（zkSNARK）を添付する。この証明は、その重みをそのプロンプトに適用すると、まさにそのトークン列が生成されることを示す。重みは非公開のままだが、モデルのアーキテクチャは公開される。Anthropic によると、Claude がシステムの改善とプロトコル仕様の作成を行い、そのセキュリティ特性は Lean で証明されている。

公開された測定結果（Llama 4 Maverick、4ビット重み）	公表値
H100 1基での証明スループット	毎秒約110トークン
証明のサイズ（1 024トークンのリクエスト）	約19 Mo
GPU を使わない CPU での検証	24スレッドで17秒
GPU 1基あたりの vLLM に対する追加コスト	約72倍、最大負荷では94倍
このモデルでの従来の比較対象 VerInf	1 000トークンに14,3時間、証明は93,6 Go

想定用途には、規制当局による開発ペースの監視、侵害された推論サーバーやモデルのすり替えの検出、テキストの出所確認が挙げられる。制約は明確で、コンテキストは最大1 024トークン、証明対象は貪欲デコーディング（greedy decoding）で動作するモデルの完全な特定バージョンであり、高速化されたコードには形式的な保証がない。コードは Apache 2.0 ライセンスで公開されているが、リポジトリは保守されないと明記されている。

🔗 Anthropic による FlashProve の記事 · FlashProve のリポジトリ

OpenAI がバグバウンティの報奨金中央値を4倍超に引き上げ、ボーナス込みで最大172 000ドルに

11月2日 — OpenAI は脆弱性報奨金プログラム（bug bounty）の報酬を引き上げ、11月3日に X でも発表した。深刻度が中、高、重大の脆弱性について、報奨金の範囲の中央値は平均で4倍超となる。ChatGPT、Codex、API プラットフォームの重大な脆弱性には、最大30 000ドルが支払われる。特に例外的な重大な発見は、引き続き基本報奨金が最大100 000ドルの対象となり、新しいボーナスを含めると最大172 000ドルになる。ボーナスには、信頼できる概念実証に対する品質倍率、5段階の継続参加特典、最近公開された機能を対象とする優先キャンペーンがある。

OpenAI が示した脆弱性の例	従来の報奨金	新しい報奨金
ChatGPT の中程度の脆弱性：書き込み権限なしでのファイル取り込み	750ドル	2 415ドル
ChatGPT の重大な脆弱性：クリック不要のアカウント乗っ取り	6 500ドル	51 577ドル
例外的な脆弱性：任意のユーザーの会話の読み取り	100 000ドル	171 925ドル

新しい報奨金の範囲は審査待ちの報告にも適用され、発表前の30日間に支給された報奨金については、OpenAI が差額を支払う。セキュリティチームは、11月20日と21日にオークランドで開催される PROMPT2PWN に参加する。

🔗 OpenAI による脆弱性報奨金の記事

Collinear AI が CWE-bench v2 を公開、脆弱性修正の公開タスク100件で Gemini 4 Argon が Claude Opus 5.5 を僅差で上回る

11月3日 — Collinear AI は Hugging Face のブログで CWE-bench の第2版を公開した。このベンチマークは、実際のオープンソースリポジトリで、機能を損なわずにセキュリティ上の弱点を発見し、修正するエージェントの能力を測る。公開データセットには、弱点の91分類（CWE）を網羅する100件のタスクが含まれ、決定論的に採点され、人手でも確認されている。どのモデルも見たことのないタスクで進歩を追跡するため、別途確保されたデータセットは非公開となっている。

評価対象モデル	pass@1 成功率	pass@4 成功率	1回の実行コスト
Gemini 4 Argon	67,8 %	81,0 %	3,92ドル
Claude Opus 5.5	67,3 %	78,0 %	1,83ドル
DeepSeek V4.1 Flash (1017)	57,0 %	記載なし	0,04ドル

評価された11モデルのうち、少なくとも1つのモデルが解決したタスクは95件だったが、首位のモデルでもデータセットの19 %ではすべての試行で失敗した。各タスクは、Docker コンテナー、指示、決定論的な検証器からなる Harbor 環境で、Hub から起動できる。強化学習（RL）による防御エージェントの訓練にも利用できる。Gemini 4 Carbon は評価対象モデルに含まれていない。

🔗 Hugging Face ブログの CWE-bench v2

CyberArena が12のエージェントをリアルタイムの攻防で対戦させ、GPT-5.6 Sol が防御力で首位に

11月3日 — 2077AI とカリフォルニア大学バークレー校の RDI センターは、サイバーセキュリティの試験を対戦形式に置き換えるベンチマーク、CyberArena を公開した。2つのエージェントに、同じ脆弱なサービスのコピーをそれぞれ与え、3ラウンドにわたって自分のサービスを修正しながら相手のコピーを攻撃させる。アリーナは、各フラッグ獲得とサービスの稼働状態チェックを検証し、対戦結果をランキングに反映する。

ランキング順位	評価対象エージェント	使用ハーネス	ランキングスコア
1	GPT-5.6 Sol	OpenAI Codex	78,6
2	Claude Opus 5	Claude Code	73,8
3	GLM-5.3	OpenCode	68,5
4	Gemini 3.7 Flash	Gemini CLI	67,1
5	Grok 4.6	Grok CLI	65,5

12のエージェントと40の課題による466件の有効な対戦では、防御力が差を生んだ。上位2モデルがフラッグを守り切ったラウンドの割合は83 %と81 %で、他のモデルは43～61 %だった。監査で最も多く見つかった誤りは、検証せずに修正を完了したと報告すること（監査対象の対戦の23 %）と、不完全な修正（21 %）だった。ランキングは以前の世代のモデルを対象としており、GPT-6 Sol と Claude Opus 5.5 は含まれない。アリーナのコード、課題、対戦のリプレイは公開されている。

🔗 Hugging Face ブログの CyberArena

企業でのオープンモデル：Cohere が Model Vault を開放、Together AI によると Revolut は自社ホストの GLM に移行

Cohere、Model Vaultを他社のオープンモデルに開放、DeepSeek V4.1 FlashからGPT-OSSまで

11月3日 — Cohereは、1月に提供を開始した、データ主権に対応する推論プラットフォームModel Vaultを他社のオープンモデルにも開放した。企業はCohereのモデルに加え、CohereがOpenRouterで最も利用されているオープンモデルと紹介するDeepSeek V4.1 Flash、GLM 5.3 Flash、MiMo V2.6 Pro、Gemma 4、NVIDIAのNemotron、TencentのHy3、さらにGPT-OSSとPhiの各モデル群を実行できる。標準設定では、プロンプトも応答も保存されない。

記事では2つの提供形態を区別している。Model Vaultは、顧客が選んだリージョンにある単一顧客専用のインフラで動作する。Model Vault Encryptedは、処理中のデータも暗号化する（confidential computing）。Cohereによると、Cohereもクラウド事業者も、モデルへの入力や出力を見ることはできない。この第2の提供形態は、すべてのモデルに対応しているわけではない。

モデル群	Model Vault	Model Vault Encrypted
Embed, Rerank, Parse, Transcribe, Translate (Cohere)	対応	対応
Gemma, GPT-OSS, Phi	対応	対応
Command, DeepSeek, GLM, MiMo, Nemotron, Hy3	対応	非対応

Model Vaultは米国、欧州連合、カナダで利用できる。Model Vault Encryptedは米国で利用可能で、欧州連合とカナダでは「近日中」とされている。料金はGPUの種類に応じ、時間単位または利用契約に基づいて課金されるが、記事に価格の記載はない。今後12か月で新世代モデルを投入する計画を示したシリーズEの資金調達から5日後、Cohereはスレッドに次の一文を添えた。

Try out world-class models while you wait for our next one

🇯🇵 当社の次期モデルをお待ちいただく間に、最先端のモデルをお試しください。 — Xの@cohere

🔗 Model Vaultに関するCohereの記事

Revolut、コーディング用に約2 000人のエンジニアを自社ホストのGLMに移行か、Together AIが再掲したツイートによると

11月3日 — Together AIは、Revolutがコーディングでオープンモデルを標準の選択肢にしたとするツイートを再掲した。

Europe’s largest private company just made open models its default for coding.

🇯🇵 欧州最大の非上場企業が、コーディングでオープンモデルを標準の選択肢にしました。 — Xの@togethercompute

引用されたギジェルモ・フロールのツイートは、このネット銀行でAI運用を統括するデビッド・アビトボルの発言に基づいている。現在、約2 000人のエンジニアが自社ホストのGLMを使い、Claude CodeとCodexは例外として認められるツールの一覧に移されたという。

ツイートで報告された指標	公表された値
対象エンジニア数	約2 000人
ハードウェア	NVIDIA B200 GPU 56基
総合的なコスト	100万トークンあたり30 cents、AnthropicとOpenAIの価格の約10分の1
開発リードタイム（lead time）	70 %改善

同じツイートによると、トークンの利用制限をやめたことで効果が現れたという。Together AIは、これらのオープンモデルを本番環境で動かすインフラの一部を担っていると述べているが、具体的な役割は明かしていない。情報は依然として伝聞にとどまり、Revolutの公式発表は見つかっておらず、GLMのバージョンも示されていない。

🔗 Together AIが引用したギジェルモ・フロールのツイート

物理世界のエンジニアリング：GPT-6 Astraがハードウェアを設計、GoogleがPLEを公開、化学分野のAntigravity、都市分野のNVIDIA

OpenAI、MazdaやChip Ganassi RacingとともにGPT-6 AstraとCodexを物理製品のエンジニアリングに活用

11月3日 — OpenAIは、機械設計、電子設計、シミュレーションといった物理製品のエンジニアリングに関する取り組みを紹介した。最もわかりやすい実例は、チームの2人が本業の合間のプロジェクトとして、GPT-6 Astraを使い、1週間足らずでCodexに話しかけるための小型機器を設計したことだ。Astraは外観、筐体、プリント基板、インターフェース、ファームウェアを設計し、製造委託先が1か月足らずで少量の試作品を製造した。OpenAIは、レビューを何度も繰り返す必要があったと認めている。モデルが製造上の制約、公差、組み立ての細部を常に考慮していたわけではないためだ。

OpenAIが公表した指標	公表された値
BenchCAD 2.0、より新しい社内モデル（名称非公開）	0,875（平均スコア）
BenchCAD 2.0、推論設定を最大にしたGPT-6 Astra	0,594
ハードウェアチームによるモデル利用量（トークン数）	2月以降23倍

BenchCAD 2.0は、3Dの部品や組立品の再構築と、プリント基板の接続関係の特定を評価する。産業分野では、OpenAIはレーシングチームChip Ganassi Racingとの協業を拡大する。同チームは既存部品の3Dスキャンを編集可能なCAOモデルと2D製造図面に変換している。また、Mazdaとの研究協力も発表した。GPT-6 Astraが、空気抵抗を減らすノーズ形状の探索をエンジニアに支援し、成果は「今後数か月以内」に公表するとしている。製品や提供時期の発表はない。

🔗 物理世界のエンジニアリングに関するOpenAIの記事

Google、どのエージェントも50 %を超えない工学ベンチマークPhysical-Engineering’s Last Examを公開

11月3日 — Google AI & Infrastructureチームは、実際のエンジニアリング業務を遂行するエージェントの能力を測るため、Mercorと共同で設計したベンチマーク兼公開コンペティションPhysical-Engineering’s Last Exam（PLE）を発表した。長時間の作業を要する85件の課題（機械30件、電気27件、土木18件、構造10件）では、エージェントに、平均61ファイルを含むコンテナ化されたプロジェクトフォルダーが与えられる。内容はPDF、表計算ファイル、メール、2DのCAO図面、3DのBIMモデルなどだ。成果物が得点を得るには、安全性に関するすべての条件を満たさなければならない。

順位	評価対象モデル	標準ハーネス	平均スコア
1	Claude Opus 5.5	Claude Code	48,3 %
2	GPT-6 Astra	Codex	45,8 %
3	Claude Sonnet 5.5	Claude Code	43,5 %
4	Gemini 4 Argon	Antigravity	40,6 %
5	Claude Opus 5	Claude Code	40,0 %

公開されている7種類のハーネスで14モデルを試験したところ、非公開テストセットで50 %を超えたモデルはなかった。最良の構成は、個々の制約については91 %を満たしたが、安全性と実現可能性の全検査を通過した成果物は41,3 %にとどまった。ハーネスよりもモデルの影響がはるかに大きく、モデル間では最大50ポイントの差があったのに対し、同一モデルにおけるハーネス間の差の中央値は3ポイントだった。Googleは29件の課題、採点スクリプト、評価用コンテナを公開し、非公開セットへの提出も受け付けている。

🔗 PLEに関するGoogle Cloudの記事 · PLEのランキング

Google DeepMind、医薬品設計の1サイクルを1時間に短縮するCheminformatics SkillsをAntigravityに導入

11月3日 — Google DeepMindは、Google Antigravity向けのCheminformatics Skillsを発表した。これにより、エージェント環境が化学者のための作業台になる。役割分担は明確で、言語モデルが作業を統括し、データベースを調べて推論する一方、オープンソースのライブラリRDKitとデータベースChEMBL、PubChemに基づく決定論的な化学ツールが分子計算を実行する。

実演では、創薬化学の典型的な題材を取り上げている。一部の肺がんの治療に使われるチロシンキナーゼ阻害薬クリゾチニブを剛直化し、環化された薬剤であるロルラチニブへと近づけるものだ。エージェントは数分で文献から数千の化合物を集め、マッチド分子ペア解析を行い、活性予測モデルを学習させ、新しい大環状化合物とその合成経路を提案する。DeepMindによると、通常は数日かかるこのサイクルが1時間で完了するという。記事は10月15日の抗菌ペプチドに関する記事を引き継ぐもので、AntigravityのScienceページを案内している。このページでは、Googleが申請に基づき、科学者10 000人を対象に、最上位プランとGemini 4 Argonを6か月間無料で利用できる枠を設けている。これらのスキル固有の利用条件は示されていない。

🔗 Google DeepMindの記事

NVIDIA、パートナーがフィジカルAIとエージェント型AIで構築する都市サービスをバルセロナで紹介

11月3日 — NVIDIAは、バルセロナで開催されるSmart City Expo World Congress（11月3日～5日）に合わせ、パートナーが同社のフィジカルAIとエージェント型AIの構成要素を使って構築している都市サービスを紹介した。利用されるのは、オープンモデルNemotron、世界モデルCosmos、Omniverseライブラリ、動画の検索と要約向けのMetropolisブループリントだ。

紹介されたパートナー	導入場所	公表された数値
1MillionBot	スペイン	住民向けエージェントの導入が150件超
ITMAX	マレーシア	2027年までに17 000台超のカメラを対象に
ITMAXとTeraSim	マレーシア	ピーク時間帯の移動時間を最大26 %短縮
Linker VisionとMVRDV	台湾	都市の樹冠の15年間の変化を10分でシミュレーション

1MillionBotは、Barcelona Supercomputing Centerで学習されたオープンソースモデルALIAとNemotronを組み合わせている。K2Kはヴロツワフで既設のカメラを活用し、HoneywellはナイジェリアにあるDangoteのレッキ製油所にNemotronエージェントを導入し、Cires TechnologiesはTanger Med港でデータ主権に対応するAIファクトリーを拡張している。NVIDIAの新製品発表はなく、導入事例を披露する内容だ。

🔗 都市に関するNVIDIAの記事

オープンな公開資料：Mistral Large 4の技術報告書、pplx-embed-v2-context、StateBench、FineDNA

Mistral、Le Chonkの構築過程を解説するMistral Large 4の技術報告書を公開

11月3日 — Mistralは、10月29日に重みが公開された、Le Chonkの愛称を持つMistral Large 4の技術報告書を公開した。11月2日にHugging Face、その後alphaXivに掲載されたこの文書は、総パラメーター数1兆、活性化パラメーター数520億のマルチモーダルな混合エキスパート（mixture-of-experts）モデルを説明している。要旨と序論によると、まず明らかにされるのはアーキテクチャ上の選択だ。低コストでモデルを提供するため、開発中に極限まで進めたKVキャッシュの削減が、エージェント型の課題で性能を損なっていた。チームはこの影響を測定した後、モデルの外科的変更（model surgery）で修正した。まず完全なアテンションに移行し、その後DeepSeekのスパースアテンション（DeepSeek Sparse Attention、DSA）に移行した。データ面では、エージェント自身が実行可能な環境、課題、参照解、検証器を書き、別のエージェントが報酬ハッキング（reward hacking）を防ぎながら不具合のある課題を修復する。

評価指標	報告書に記載された値
HarveyのLegal Agent Benchmark（初公開の数値）	15 %
Terminal-Bench 4.0	41 %
FrontierCode 2.0	19,7 %
サイバーセキュリティ（JailbreakBench、StrongREJECT、AgentHarmの平均）	96,6 %
NVFP4で量子化したチェックポイント	606 Go、GB300 GPU 4基で提供

較正を施したNVFP4量子化は、各評価で基準となるFP8と同等の性能を示す。また、3段階の推論設定（high、medium、low）は、応答の詳しさが異なる複数の教師モデルからの蒸留によって得られた。

🔗 alphaXivの技術報告書 · XでのMistralの発表

Perplexity、9Bと0.6Bのオープンな文脈埋め込みモデルpplx-embed-v2-contextを公開

11月2日 — Perplexityは、9月30日の9Bプレビュー版から1か月後、重みを公開した文脈埋め込みモデルpplx-embed-v2-contextを9Bと0.6Bの2つのサイズで公開した。文脈埋め込みは、文書全体を考慮して文章の一部分（chunk）を表現する。各モデルは、文書ごとに1つのint8ベクトル、または文章の各部分に1つのベクトルを返す。新しいのは学習方法だ。Perplexityは、単一の正解箇所（gold chunk）だけがクエリに答えると仮定する代わりに、自社の回答エンジンの文脈圧縮モデルから、段階的な関連度スコアを蒸留する。これにより、回答の裏付けとなる箇所が負例として扱われなくなる。

Perplexityが公表した指標	公開された結果
ConTEB、context-bench、Q2D-Chunk	9Bが3つのベンチマークすべてで首位
ViDoRe-V3、視覚的な文書	9BがNemotron-3.5-Embed-8Bを上回り、インデックスは4分の1の大きさ
markdown形式のViDoRe-V3	0.6Bがパラメーター数10億未満のモデルで首位
Q2D-Chunk、新しい公開ベンチマーク	実際のクエリ6 069件、10言語、文書71 100件

turbopufferと共同執筆した論文はarXivで公開され、Q2D-ChunkはHugging Face上で公開ランキングとして提供されている。9BはMITライセンスで公開されている一方、0.6Bのモデルカードにはライセンスの表示がない。スレッドにはAPIや料金への言及もない。

🔗 @perplexitydevsのスレッド · arXivの論文

Ai2、長文での状態追跡で最先端モデルの性能低下を示すベンチマーク StateBench を公開

11月3日 — Ai2 が、長文コンテキストでの状態追跡（long-context state tracking）に特化したベンチマーク StateBench を公開した。コード内で再代入される変数のように、長い文書の中で変化する情報をモデルが追跡し続けられるかを測る。不変代入から参照による代入まで、クローン＝ローズ理論に基づく四つの難易度を設けている。

難易度	代入の種類	Ai2 が示した例
r-trivial	不変代入	`let x = 4`
非周期	値による再代入	`x = 4` の後に `x = 2`
可解	自己参照による更新	`x = x + 5`
一般有限	参照による代入	`x = y`、変数の交換

Gemini 3.8 Flash、Claude Opus 5.5、GPT-6 Sol、GPT-6 Luna は最初の二つの水準では良好な成績を収めるが、後半の二つでは文書が長くなるにつれて正解率が低下し、最長の一般有限問題では 13 % 以下になる。最大 256 回の代入で学習し、最大 64 000 回で評価したパラメータ数 275M のモデルでは、アーキテクチャによる違いが明らかになった。Gated DeltaNet とハイブリッド型は最初の三つの水準でほぼ完全に汎化する一方、トランスフォーマーは性能が低下し、最後の水準はまったく学習できない。データとコードも公開されている。

🔗 Hugging Face ブログの StateBench 紹介記事

Hugging Face、言語モデルに DNA を学習させる Carbon-X の全学習データ FineDNA を公開

11月1日 — 過日の発表から。Hugging Face が、10月22日に発表した DNA を読み取れるモデル Carbon-X の学習に使った全データを FineDNA として公開した。Carbon-X は Qwen3-14B を基盤とする。Apache 2.0 ライセンスのこのデータセットは、学習の三つの段階を網羅している。

学習段階	データセットの規模	学習開始時のモデル
中間学習（mid-training）、23 構成	514,30 十億トークン、うち 302 十億トークンを読み込み	Qwen3-14B
SFT、8 分野	203 923 件の会話	Carbon-X-Base
RL	98 433 件のプロンプト	Carbon-X-SFT

中間学習では、学習量の 55 % を DNA、20 % を英語、15 % を生物学の文章、10 % を指示に割り当てる。GENERator と OpenGenome2 に由来する配列は、6-mers を読み取るトークナイザーに合わせ、六塩基の倍数に分割される。データセットを発表したルブナ・ベン・アラルによると、この段階がその後の学習を左右する。Qwen3-14B に直接 RL を適用しても FrontierVEP では偶然と同程度の成績にとどまるが、中間学習を経たモデルでは同じ手法で性能が向上する。

🔗 Hugging Face Hub の FineDNA · ルブナ・ベン・アラルによる X での発表

Gemini API、Gemini 2.5 Pro と 2.5 Flash を非推奨にし、12月1日からリクエストを Gemini 3.8 Flash と 3.5 Flash-Lite へ転送

11月2日 — Google は Gemini API のリリースノートに、2025年6月に公開した Gemini 2.5 Pro と Gemini 2.5 Flash の非推奨化を記載した。両モデルは Google AI Studio では提供されなくなり、API 経由の利用は過去に使ったことのあるユーザーに限られる。2026年12月1日から、API はエラーを返す代わりにリクエストを自動転送する。gemini-2.5-pro 宛てのリクエストは Gemini 3.8 Flash へ、gemini-2.5-flash 宛てのリクエストは Gemini 3.5 Flash-Lite へ送られ、新モデルの料金が適用される。

対象モデル	入力料金（百万トークン当たり）	出力料金（百万トークン当たり）
gemini-2.5-pro（プロンプト ≤ 200 000 トークン）	1,25 ドル	10 ドル
gemini-3.8-flash、2026年12月31日まで	0,75 ドル	3,75 ドル
gemini-3.8-flash、2027年1月1日から	1,50 ドル	7,50 ドル
gemini-2.5-flash	0,30 ドル（音声は 1 ドル）	2,50 ドル
gemini-3.5-flash-lite	音声を含め 0,30 ドル	2,50 ドル

Google は、この日付より前に識別子を変更するよう勧めている。移行には、関数呼び出しと thought_signature の検証、thinking_budget から thinking_level への置き換え、サンプリングパラメータの削除、モデルの応答ターンの事前入力廃止といった、互換性を損なう変更が含まれるためだ。

🔗 Gemini API のリリースノート · 非推奨化に関するページ

アシスタントのプラグインと連携：Perplexity Computer が Agent Plugins を採用し、電子商取引向けにも展開、Synthesia は ChatGPT プラグインの詳細を公開

Perplexity Computer、アプリ接続とスキルにオープン標準 Agent Plugins を採用

11月3日 — Perplexity Computer が Agent Plugins に対応した。アプリへの接続とスキルを一つのパッケージにまとめる形式だ。Computer のカタログは、生産性・コラボレーションからデータ・分析まで少なくとも 13 のカテゴリに分類され、HubSpot、IBISWorld、DoorDash Drive などが並ぶ。カタログから選ぶほか、GitHub や .zip ファイルから独自のプラグインを取り込める。@AskPerplexity によると、プラグインは Computer ですでに利用可能で、Enterprise アカウントへの展開も進んでいる。

Agent Plugins は、8月6日に発表された、特定のベンダーに依存しないオープン標準だ。仕様 1.0.0 は Agent Skills と MCP サーバーの共通形式を定め、必須のマニフェスト plugin.json、skills/ フォルダー、mcp.json ファイルを規定している。Perplexity の投稿は Amazon、Cursor、GitHub、OpenAI、Vercel の保守担当者に言及しているが、標準の公式サイトでは、発足時の運営委員会に GitHub ではなく Microsoft を挙げている。対応クライアントのページには、GitHub Copilot、VS Code、Cursor、Kiro、ChatGPT & Codex と並んで Perplexity Computer が掲載されている。Computer にとっては、9月の Skills Marketplace の延長に当たる。今回の発表に伴う記事や変更履歴は公開されていない。

🔗 @AskPerplexity による発表 · Agent Plugins 標準

Perplexity、Shopify、Meta 広告、Klaviyo をつなぐ Computer for e-commerce を発表

11月3日 — Perplexity が、オンラインブランド向けにエージェント Computer を活用する Computer for e-commerce を発表した。店舗データやランディングページには Shopify、広告には Meta、メールマーケティングには Klaviyo と接続し、ブランドがスキルに登録したデザイン指針や文体を適用する。

接続サービス	Computer の役割
Shopify	売上分析、商品提案、ランディングページ
Meta	静止画広告、成果の高い動画の別バージョン、キャンペーンの設定
Klaviyo	顧客データに基づく配信対象の選定、文面作成、確認後の配信予約または送信

企業は目標、予算、承認が必要な段階（ページ公開、メール送信、広告費の支出）を設定する。Perplexity が示した例は、夏物コレクションの 15 % 割引、予算上限 1 000 ドルで二週間の Meta キャンペーン、既存顧客向けの Klaviyo キャンペーンで、開始前にすべてを提示する。Shopify はすでに Computer の 400 を超える連携先に含まれていた。Perplexity は定期的なワークフローの設定支援も提供するが、料金やプランは明示していない。

🔗 Computer for e-commerce に関する Perplexity の記事

Synthesia、全プランで利用できる ChatGPT プラグインの詳細を公開

11月3日 — 前日に X で記事を伴わず発表した後、Synthesia はワークフロー担当プロダクトマネージャーのダン・スプーナーによる記事でプラグインの詳細を説明した。このプラグインは Synthesia のすべてのプランで ChatGPT から利用でき、無料で始められる。ChatGPT のプラグインメニューから有効化でき、その際に無料アカウントを作ることも可能だ。ユーザーが作りたい動画を説明するか、文書、プレゼンテーション、表計算ファイルを渡すと、ChatGPT が見た目のスタイルや長さなどをいくつか質問し、Synthesia が会話内で動画を作成する。

標準では、最も高速な形式とされる Syren で動画を制作する。アバターに台本を一字一句そのまま話させたい場合や、ブランドキット、テンプレートが必要な場合は、「Studio で作って」と指示すると Synthesia Studio に切り替わる。プラグインは動画ライブラリの検索にも対応し、ChatGPT に接続した他のプラグインと組み合わせて、単発または定期実行のワークフローを作れる。例えば、Zoom 通話の 60 秒の要約動画や、BambooHR の情報を基に毎日作る歓迎動画が挙げられる。記事が言及するのは ChatGPT のみで、Claude には触れておらず、料金やクレジット消費量も明示していない。

🔗 Synthesia の記事

Google、Google Classroom で Guided Learning を提供開始、検索でも試験導入し、幼稚園から高校までの生徒向け Gemini を標準で無効化へ

11月3日 — Google は、教育関連の発表を Guided Learning を中心にまとめた。これは、答えを直接渡す代わりに、質問と段階的な説明で生徒を導く Gemini の学習モードだ。主な記事によると、Google Classroom ではすでに世界中で利用できる。教師は授業教材に基づく課題を割り当て、クラスのどこに支援が必要かをリアルタイムで把握できる。Google 検索にも学生アカウント向けにこれらの機能を組み込み、11月後半に米国の一部の学校で試験導入する。

最も大きな制度上の変更は管理設定に関するものだ。幼稚園から高校まで（K-12）の生徒アカウントでは、学校の管理者が有効にするまで、Gemini、Gemini Notebook、Gemini in Classroom、Google 検索が全面的に無効になる。実施日は示されておらず、Google は今後数か月のうちに学校へ詳細を伝えるとしている。

Google が報告した指標	公表値
東京大学での無作為化試験	300 人超の学生、半日の学習
ウェブツールのみを使った場合の向上幅	+5,3 パーセントポイント
Guided Learning を使った場合の向上幅	+8,1 ポイント、向上幅は 1,5 倍
Google.org による資金提供	五つの団体に 9,5 百万ドル超

🔗 人工知能と学習に関する Google の記事 · Guided Learning の研究

Hugging Face の開発ツール：TRL の MOPD と Transformers 向け Model Integration Contracts

TRL、RL の専門モデルを単一モデルに統合する複数教師の蒸留手法 MOPD に対応

11月3日 — Hugging Face の事後学習ライブラリ TRL が、複数教師によるオンポリシー蒸留（Multi-Teacher On-Policy Distillation、MOPD）に対応した。セルヒオ・パニエゴの記事によると、Xiaomi が1月に MiMo-V2-Flash 向けにこの名を付け、その後 DeepSeek、Moonshot、NVIDIA、Liquid AI、Mistral が採用した手法だ。共通の SFT を経た後、数学、コード、指示追従といった各分野で、それぞれ RL による専門モデルを学習させる。その後、生徒モデルがすべての分野のプロンプトに回答し、該当分野の専門モデルが回答をトークンごとに評価する。

TRL では、まだ実験段階にある AsyncDistillationTrainer が、各プロンプトを対応する教師モデルへ振り分ける。同期版は開発中（PR 7215）で、TRL v1.17 のリリースノートにはまだ MOPD が登場していない。サンプルは SmolLM3-3B を中心とする Open-MOPD の専門モデルを用い、Hugging Face Jobs を通じて、H200 を四基搭載した一台のマシンで動作する。記事は落とし穴も指摘している。指示追従がプロンプトの 20 % を占めても、トークンでは 1～2 % にすぎない場合があり、その教師モデルから生徒モデルがほとんど学べなくなる。

🔗 Hugging Face ブログの TRL における MOPD 紹介記事

Hugging Face、マージ前に CPU で Transformers の性能退行を検出する Model Integration Contracts を提案

11月3日 — Hugging Face はタレク・ジアデの記事で、変更がメインブランチに入る前に一般的な CPU だけで Transformers のモデルをテストするための Model Integration Contracts（MIC）を提案した。きっかけは、7月30日に T5 向けの SDPA アテンションを有効にしたことで、学習中に UMT5 のデコーダーが未来のトークンを参照できるようになり、そのバグがメインブランチに約二か月残ったことだ。五か月分のコミットを再検証すると、実際のチェックポイントが 1 227 Mo なのに対し、66 Mo の小型 UMT5 でも、バグが存在する各コミットで検出できた。

一つの契約は、元のモデルの全種類の層を残した縮小モデル、実行可能な使用例、人間が確認した基準値を組み合わせる。これにより、Llama 4 Scout のパラメータ数は 108,6 十億から 44,7 百万に縮小される。コマンドラインツール tmic は LLM に契約を作成させ、人間が承認する仕組みだ。重みも重要になる。Whisper では、ランダムな重みで検出できたのは埋め込んだ 24 件の不具合のうち 18 件だったのに対し、過学習させた重みでは 24 件すべてを検出できた。11月1日時点では、Transformers の CI ジョブは失敗を報告するものの、まだ PR のマージを阻止しない。

🔗 Model Integration Contracts に関する Hugging Face の記事

短報

コーディングエージェントとツール

Claude Codeの10月まとめ — @ClaudeDevsのスレッドで、リリースノートに載っていない変数が紹介された。CLAUDE_CODE_EVEN_MORE_DANGEROUSLY_SKIP_PERMISSIONS=1は、bypass permissionsモードでも確認が残っていた一部の危険なrmコマンドを、確認なしで実行できるようにする。使い捨てのコンテナーに限って使うべき機能だ（Claude Code 2.1.311以降）。クラウドセッションは入力中にも準備が進み、差分の行へのコメントにも対応する。 🔗 出典
Copilot CLI 1.0.106-4から1.0.106-6 — 一晩で3つのプレビュー版を公開。/settingsが横断検索を備えた統合ダッシュボードになり、ユーザー専用のMCPコンテンツがモデルに送られなくなった。さらに67件の修正で、新たなエスケープシーケンスなどを無効化した。最新の安定版は引き続き1.0.105。 🔗 出典
Gemini CLI — 11月3日のナイトリー版で、前日にマージされたWhisperのダウンロード中断に関する修正がようやく公開された。さらに、mainにマージされた新たなPRでは、拡張機能のダウンロードを安全にするため、一時ファイルの一括移動、SSRFとDNSリバインディングへの対策、GITHUB_TOKENの利用先をgithub.comに限定する措置が加わった。安定版とプレビュー版に変更はない。 🔗 出典
Gemini API CLI v0.4.5 — 10月30日分の補足。文字起こしの既定モデルがGemini 3.5 Transcribeに変わり、動画の拡大パラメーターと、継続トークンによる長時間タスクの再開機能が加わった。Googleは11月2日、公式リポジトリgemini-skillsにgemini-api-cliスキルを追加した。 🔗 出典
DeepSeek Harness 0.2.2-alpha.3 — 安定版がないまま36回目のプレビュー版を公開。実験的な機能でコードレビューとGitのワークツリーを統合し、ローカルとPRの差分、エージェントへのコード引用、チェック状況の追跡に対応する。apply_patchツールも、既定では無効の状態で追加された。 🔗 出典
AmpのArtifacts — スレッドに紐づく文書（計画、報告書、通話メモ）を、エージェント、ユーザー、チームメンバーが共同編集できる。エージェントは変更を上書きせず、作業を再開する前に変更内容を読み込む。 🔗 出典
AmpのService Accounts — 独自のAPIキーを持つ、ワークスペース所有のアカウント。各プルリクエストのレビュー、文書作成、amp -oxでスレッドを開くCIジョブなど、チームの自動化に使える。料金の記載はない。 🔗 出典
Slack内のReplit Agent — 10月27日にも取り上げたReplit AgentのSlack対応が正式に発表された。チャンネルやダイレクトメッセージでメンションすると、コードベースへの質問、既存プロジェクトでの作業、新規プロジェクトの開始ができる。各チームメンバーが自分のアカウントを連携し、エージェントはその権限で動作する。 🔗 出典
Devinのリリースノート — 11月2日分では、コードスキャンの対象リポジトリ数の上限が500から1,000に増え、定期的な自動スキャンが加わった。未掲載だった10月30日分では、階層別の予算、OIDCまたはSAMLによるセルフサービスのSSO、SonarQube、Linear、Vantaの検出結果のインポートに対応した。 🔗 11月2日 · 🔗 10月30日
IBM Researchのエージェントハーネス — 同じオープンモデルGLM-5.3-flashを使ったAppWorldの90タスクで、IBMのオープンソースハーネスCUGAは81.1%を達成し、Hermesの46.7%、Deep Agentsの30.0%を上回った。IBMは、ベンチマークが1つだけで設定も異なるという評価の限界を認めている。 🔗 出典
Kimi Work 3.2.24 — プレビュー内のMarkdownファイルがノートのプロパティに対応し、ネットワーク設定がシステムのプロキシに従うようになった。ネットワーク診断はオフラインでも開ける。10月30日の3.2.23では、すでにHTMLプレビューをブラウザーのタブで開けるようになっていた。 🔗 出典

開発プラットフォームとAPI

GitHub MCPサーバー2.1.0 — 実験的な2つのツール、issue_artifact_readとissue_artifact_writeで、エージェントがイシューに紐づく成果物を読み取り、管理できるようになる。Insidersモードでも既定では無効で、issue_artifactsフラグで有効にする。 🔗 出典
DependabotとAgent Package Manager — Dependabotのバージョン更新が、apm.ymlに宣言されたエージェントのスキル、プロンプト、指示にも対応し、apm.lock.yamlも再生成されるようになった。セキュリティ更新には対応しない。github.comのすべてのプランで利用できる。 🔗 出典
CodeQLとDependabotのPython 3.15対応 — CodeQL 2.27.3はPython 3.15の構文に対応し、LLMが生成するデータ向けに「ai」脅威モデルを追加した。明示的な有効化が必要で、組み込みのデータソースはない。DependabotもPython 3.15へ移行したプロジェクトに対応する。 🔗 CodeQL 2.27.3 · 🔗 Dependabot
GitHub Desktop — 10月21日のGitHub CLIに続き、GitHub Desktop 3.6.10以降でも、自動更新される短期認証トークンへ移行する。漏えいしたトークンが悪用できる期間を短縮するための措置で、段階的に展開される。GitHub Enterprise Serverは対象外。 🔗 出典
GitHub REST APIのコストセンター — 新しいエンドポイントにより、すべてのコストセンターを順に調べることなく、ユーザー、組織、リポジトリ、エンタープライズのチームに対応するコストセンターを直接取得できる。 🔗 出典
OpenAIのSDK — openai-python 3.44.0とopenai-node 7.49.0で、ワークロードIDプロバイダーとフェデレーションルールが追加された。Live Responsesの委譲ツールを拡充した各バージョンに続く更新だが、APIの変更履歴にはまだ記載がない。 🔗 出典
信頼できる発行者としてのClaude — TeamおよびEnterpriseプランで、IDプロバイダーが企業管理の認証に対応していない場合、Claudeが各メンバーの身元を保証してプラグインを自動接続できる。ベータ版で、Atlassian、Figma、Linear、Notionなど14のプラグインに対応する。 🔗 出典
Claudeのテキスト透かし — Claude Fable 5.1とClaude Mythos 5.1に続き、Anthropicのテキスト透かしがClaude Mythos 5、Claude Opus 4.7、Claude Sonnet 4.6にも対応した。トークンや隠し文字は使わない。Sonnet 4.6では、temperature、top_p、top_kを変更すると、透かしが機能しなくなる場合がある。 🔗 出典

セキュリティ

Replitの隔離されたクラウドエージェント — Replitが取り上げたセキュリティ勧告で、同社の最高技術責任者ルイス・エクトル・チャベスは、管理された隔離型クラウドエージェントを標準にし、認証情報、ネットワーク、本番環境をエージェントの手が届かない場所に置くよう訴えた。引用されたSalt Securityの調査によると、回答者の86.4%がエージェントを稼働させている一方、自動停止する方法を把握しているのは17.5%にとどまる。 🔗 出典
Cognitionのセキュリティガイド — Corridor共同創業者のジャック・ケーブルが、10月の事件（Binanceでの63億4,000万ドルの盗難、Cursor内の悪意あるClaude Code拡張機能）を振り返り、フィッシング耐性のあるMFA、端末からのシークレットの排除、クラウド型コーディングエージェントの利用、公開から7日以上経過したnpmまたはPyPIパッケージの使用を推奨している。 🔗 出典
OpenAIのセキュリティスプリント — 報奨金の引き上げと同じスレッドで、OpenAIは次回の社内セキュリティスプリントを発表した。日程は示されていない。Cathedralの研究者が参加し、OpenAIのモデルを使って同社の防御を検証する。前回は製品開発エンジニアの25%が参加した。 🔗 出典
CiscoとDaybreak — CiscoはネットワークのテレメトリーをDaybreakおよびGPT-6 Astraと組み合わせ、脆弱性の発見と修正を迅速化している。また、Cisco Cloud Controlでのリスク露出状況の選別を速める方法をOpenAIと検討している。数値を示さない事例紹介。 🔗 出典

Google：Workspace、Cloud、研究

Google SlidesのGemini — 10月30日分の補足。Geminiが1回のリクエストで複数のスライドやプレゼンテーション全体を編集できるようになった。スタイル変更、Driveのコンテンツの取り込み、スライドの統合に対応する。英語のみで、少なくとも12月1日まではプロモーション用の利用上限が適用される。 🔗 出典
Google Vidsのアバター — 11月2日に発表された、アップロードした画像からアバターを作成する機能は、翌日には提供が停止された。新たな提供日は示されていない。 🔗 出典
Google Cloudの支出上限 — 10月31日分の補足。支出上限が一般提供となり、APIと毎月のリセットに対応した。AIサービスでは、リアルタイムの推定費用に基づいて数分以内に作動するが、プロビジョニング済みのスループットを停止することはない。 🔗 出典
シンガポールのGoogle — Googleがシンガポールに研究拠点を開設し、NUSおよびNTUとともに600万ドル超の助成を約束した。このうち150万ドルはアルツハイマー病の研究に充てられる。さらに、Google.orgとGoogle DeepMindがINSEADのThrive Labに300万ドルを拠出する。 🔗 出典

オープンモデルとコミュニティ記事

Open Math OSのMistral Large 4 — Mistralは、SAIRの数学研究環境でLarge 4（1.05Tの公開ウェイト、1Mのコンテキスト）を提供すると発表した。承認済みのチーム向けに「本日から」利用可能としているが、SAIRは10月27日の時点ですでに利用可能と説明していた。 🔗 出典
Orbital Trace — Mistralによる新たなデモ。同社によると、Large 4が軌道上の約19,000個の衛星とデブリをリアルタイムで追跡する3Dシステムを構築、テスト、最適化した。結果は動画でのみ公開され、リンクもコードもない。 🔗 出典
NextcloudのOlmo 3 — ドイツ連邦政府やスペインのCSICなどが利用するNextcloudが、AssistantとMail向けのローカルバックエンドllm2とともにOlmo 3 7Bを提供し、自社の倫理的AI評価で緑判定を付けた。7Bを使うことで、16または32 GBのVRAMを要求せずに済む。 🔗 出典
Dolci-Think-SFT-Clean-v2 — Ai2が、32Bモデルの推論向け事後学習データをフィルタリングした版を、告知なしで公開した。2,253,684行のうち203,303行（トークンの15.6%）を削除し、その中にはKimi K3が矛盾していると判断した数学の問題148,210問が含まれる。ライセンスはODC-BY。 🔗 出典
IBM ResearchのPalette — 20BのオープンモデルをLoRAで「デザイナー」と「コーダー」に微調整し、IBMのブランドデザインに沿ったプレゼンテーションを作成する。PresentBenchでは平均で2位となり、NotebookLMを1.1ポイント下回った（59.7対60.8）。ベースモデル名は示されず、公開されたウェイトも見当たらない。 🔗 出典
Claude OpusとOCRのループ — ダニエル・ファン・ストリーンが、学習を行わずにClaude Opusで小型OCRモデルのウェイトの0.0085%を変更した。所要時間は3時間未満、計算費用は約10ドル。古い文書2,165ページで、制御不能なループが3件から1件に減り、1881年の巻ではエラーが38%減少した。 🔗 出典
Qwenguard — コミュニティ記事で、ジョアン・ガレゴは、層にコンパイルしてQwen3.5-4Bの前段に置いたRISC-Vプロセッサーを、許可リストにないツール呼び出しを拒否するガードレールとして使っている。試験では、禁止された呼び出しは一度も通らず、通常のリクエストも一度もブロックされなかった。ただし、この仕組みは改ざんを可視化するもので、防止はしない。 🔗 出典

画像、動画、音声

Angle HealthのElevenAgents — 8言語対応、24時間稼働、HIPAA準拠の保護措置を備えた試験導入で、ElevenLabsのエージェントが医療従事者からの電話の約80%に対応した。そのうち90%以上を転送なしで解決し、1日当たり約9,000分を節約した。 🔗 出典
開発者向けSFX v3 — ElevenLabsの開発者向け記事が、Sound Effects APIでのeleven_text_to_sound_v3の呼び出しを詳しく説明している。prompt_influenceの既定値は0.3で、duration_secondsを除いて長さは自由に設定できる。ループ機能は引き続きv2のみ。ElevenLabsは段階的な更新と説明している。 🔗 出典
HeyGen VoiceとGrok Bot — HeyGenのみの発表によると、SpaceXSIのエージェントGrok Botがかける電話では、HeyGen Voiceを使ってユーザーに近い声で話すという。記事、モデル、提供状況の詳細はいずれも示されていない。 🔗 出典
HeyGen Insiders — フォロワーが1,000人以上のクリエイターを対象に、HeyGenの新製品・新機能の公開に合わせて投稿した短編動画の再生数に応じて報酬を支払うプログラム。7日間で20,000回以上の再生が条件で、エンゲージメントに応じて調整される報酬基準は公開されていない。 🔗 出典
LumaのExpression Sheet — 画像から作成する、キャラクターの6種類の表情を並べたシート。3組の表情セットと強度調整を備える。記事も料金情報もない。 🔗 出典
FLUX 3 Image Klein — Black Forest Labsが、精密な編集向けに設計したモデルのダウンロード数が100万件を超えたと発表した。対象期間とプラットフォームは示されていない。 🔗 出典

NVIDIAの計算とインフラ

半導体工場 — NVIDIAが提携先の性能向上を列挙した。Siemens Calibre内のcuLithoは最大17倍、PhysicsNeMoを使うApplied MaterialsのACE+は最大35倍に高速化し、Lam Researchのプラズマ予測は数日ではなくミリ秒で完了する。新製品の発表はない。 🔗 出典
Kubernetes上のDynamo — KubeConを前に再紹介された10月30日分の補足。AI Cluster Runtimeは、バージョンを固定して検証したレシピにdynamo-platform 1.4.2のチャートを組み込んでいる。Dynamo 1.5では、Rust製のネイティブなエンドポイントセレクターが加わる予定。 🔗 出典

企業、コミュニティ、ガイド

Heimstaden — 欧州の不動産管理会社が、オランダでバーチャルステージング画像1枚の費用を約50ユーロから0.10ユーロ未満に削減した。また、開発経験のない女性アナリストが、Codexを使って20,112件の資産の環境リスクを評価した。 🔗 出典
OpenAIの2人の採用 — Uber出身のジル・ヘイゼルベイカーが、世界全体の広報を統括する最高企業渉外責任者に就任する。元米陸軍長官のダン・ドリスコルは、新設された国家安全保障近代化担当上級顧問に就任する。 🔗 ジル・ヘイゼルベイカー · 🔗 ダン・ドリスコル
ArnisとGitHub Copilot — GitHub Blogが、Arnis（約900,000ダウンロード、約70人の貢献者）の唯一の保守担当者ルイ・エルプカムによる活用事例を紹介した。Copilotでイシューとバグを選別し、GitHub Copilotアプリのサブエージェントを起動してリグレッションを探している。体験談であり、製品の新機能はない。 🔗 出典
Game Off 2026 — 11月1日分の補足。テーマをSHIFTとするGitHubの第14回ゲームジャムは、提出時に各参加者がAIの使用状況を申告する条件で、AI支援による開発を認めている。itch.ioで12月1日まで開催。 🔗 出典
Perplexityの自律型エージェントガイド — 自律性の5段階、4つの能力、7つの推奨事項を紹介し、ハーバード大学とPerplexityの研究結果も掲載している。エージェントへのリクエストの57%は、生産性と学習に関するものだった。製品の新機能はない。 🔗 出典

これが意味すること

Pandoは、OpenAIにおけるコーディングエージェントの二つの側面を示している。エージェントはメインブランチへのコミット数を2024年初頭に比べて1,378%増加させ、負荷を急増させた一方、たった一人のエンジニアが設計した中核部分をもとに、10週間でその対策も構築した。改善をもたらしたのは新しいプロトコルではなく、ある時点における全ブランチの整合した状態を把握することを、意図的に断念した判断だった。ツールの分野では管理の強化が進んでいる。Claude Codeはアカウントのメールアドレスを送信する前に同意を求め、開発者ごとの支出を数値化する一方、Copilotが導入されたJetBrains Airでは、Air内で支出上限を調整できない。

セキュリティは、宣言よりも証明によって評価されるようになっている。FlashProveは、回答が確かに特定のモデルから生成されたことを検証できるが、約72倍の追加コストがかかり、コンテキストは1,024トークンに制限される。まだサービスではなく、試作段階だ。CyberArenaとCWE-bench v2も、エージェントについて同じ方向性を示している。上位のエージェントを分けるのは防御と有効性が持続する修正であり、検証せずに修正したと報告することが依然として最も多い誤りとなっている（監査対象の対戦の23%）。一方、OpenAIは現在、ChatGPT、Codex、または同社のAPIにおける極めて重大な脆弱性の報告に対して、最大172,000ドルを支払っている。

オープンモデルは二つの経路で企業への導入を広げている。Cohereは管理された環境内でモデルをホストし、Gemma、GPT-OSS、Phiでは処理中の暗号化にも対応する一方、Together AIが紹介した投稿によれば、Revolutは自社のGPUでGLMを稼働させ、その費用はAnthropicとOpenAIに支払っていた金額の約10分の1だという。伝聞による数字ではあるが、企業がいま何を比較しているかを示している。クローズドモデルの提供企業も動いている。GoogleはGemini 2.5 ProへのリクエストをGemini 3.8 Flashに振り向けることで、12月末までトークン単価を引き下げ、その後1月1日に3.8 Flashの料金を倍増させる。Mistral Large 4の報告書は、逆方向のトレードオフを示している。モデルの提供コストを下げるために進めたKVキャッシュの削減が、エージェント型のタスクの性能を損ない、修正が必要になった。

物理世界は、実演と測定結果の隔たりが最も大きい分野であり続けている。OpenAIはGPT-6 Astraを使って1週間足らずで設計した装置を披露したが、公差や製造上の条件を考慮するためにレビューを繰り返したことも認めている。同じ日、PLEでは、実際の工学案件で50%を超えたエージェントは一つもなく、最良の構成でも、すべての安全性検査に合格した成果物は41.3%にとどまった。見えてきた解決策はハイブリッド型だ。Google DeepMindでは、モデルが処理を統括し、決定論的な化学ツールが計算を行う。最後にStateBenchは、長い文書の内容を追い続けることが依然として難しいと示している。最も難しい問題では、最先端モデルの成績は13%以下に落ち込む。