AnthropicがClaude悪用の7分野を分析、DeepSeekがV4-Proを廃止、OpenAIがCodexエンジンを公開

前日の65件に続き、24時間で66件の発表があった。Anthropicは同日、これまでで最も詳細な脅威インテリジェンスレポートと、軍事標的特定における自社モデルの能力測定結果を公開した。DeepSeekはV4.1-Flashをリリースし、9月14日にV4-Proを廃止する予定だ。OpenAIはCodexを動かすエージェントエンジンのパブリックベータを開始した。同じ日にCognition、Genspark、Together AIは中国のオープンウェイトを基盤とする3つの欧米向け製品を構築し、GitHubはツールチェーンの4層を強化、NVIDIAは5件の発表を並べた。

AnthropicがClaude悪用の7分野を分析し、軍事標的特定におけるモデル能力を測定

9月10日 — Anthropicは同日、相互に関連する2つの文書を公開した。1つ目は、これまでで最も詳細な脅威インテリジェンスレポートであり、2025年12月から2026年8月までに攻撃者がClaudeを使って実際に行ったことを説明している。2つ目はFrontier Red Teamによるもので、これまでほとんど評価されてこなかった2つの軍事分野において、モデルに何ができるかを測定している。一方は事実を記述し、もう一方は潜在能力を数値化している。

レポートは、サイバー作戦、影響工作、監視、詐欺、生物学的悪用、通常兵器の開発、不正な蒸留という7つの有害分野を扱っている。その骨格を成すのは2つの知見だ。高度な攻撃に、もはや高度な攻撃者は必要ない。盗まれたAPIキーだけを使って活動していたあるハクティビストは、1年前なら複数の熟練オペレーターが必要だった1か月間の作戦を遂行した。そして、そこでのAIの役割は大部分が自律的になっている。マルチエージェントのフレームワークが偵察、侵入、データ持ち出しを実行し、人間は標的の指定と戦果の確認だけを行う。GTG-20006の事例は、この論理を極限まで押し進めたものだ。そのエージェントは自ら設置したインプラントを監視し、セキュリティ製品を再び回避できるようになるまでマルウェアを再コンパイルしていた。

追跡対象グループ	攻撃者の特徴	注目すべき数値
GTG-20006	Midnight Blizzardと整合するロシアの諜報活動	ウクライナの組織24以上、身元情報ファイル30万件以上
GTG-50014	ShinyHuntersの関連組織、機会便乗型	34時間で180万件のAPKをスキャン、Azure ADトークンセット2,100件
GTG-10007	中国語話者のオペレーター、長沙	約50組織、1か月で12件を超える可能性のあるゼロデイ
GTG-50020	ロシア語話者、金銭目的	4日間でAI企業30社を攻撃、身代金150万～250万
GTG-50021	Claudeアクセスの偽再販業者、別名kl1zy	トラフィックを別モデルへ転送し、顧客の認証情報を窃取
GTG-50029	フランス語話者のハクティビスト	盗まれたAPIキーだけで1か月間の作戦を遂行

最も新しい内容は、独立した標的となったAIサプライチェーンに関する節だ。AIの認証情報を入手した攻撃者は、一度に3つのものを手にする。転売可能な商品、他人に請求される計算資源、そして活動がキーの正当な所有者によるものとみなされることで得られる隠れ蓑だ。GTG-50020は、あるAI事業者の自動評価サンドボックスに悪意のある指示を注入し、本番環境のキーを取得したうえで、同じ経路を使って4日間に約30社のAI企業を攻撃した。公然と掲げていた目的は、まだ公開されていないClaudeモデルへのアクセスだった。十数種類を超える侵入経路が試されたが、いずれも成功しなかった。Anthropicは、これらすべての事例でキーが顧客の環境から取得されたものであり、自社のシステムは侵害されていないと説明している。

We’re publishing our most detailed threat intelligence report to date. It covers how people tried to misuse Claude—for cyberattacks, influence operations, surveillance, biology, and building weapons—and how we found and stopped them.

🇯🇵 私たちは、これまでで最も詳細な脅威インテリジェンスレポートを公開します。このレポートでは、サイバー攻撃、影響工作、監視、生物学、兵器製造のために人々がClaudeを悪用しようとした手口と、私たちがそれをどのように検知して阻止したかを説明しています。 — @AnthropicAIのXへの投稿

🔗 Anthropicの脅威インテリジェンスレポート

2つ目の文書は実験的な測定結果を示している。YFCC100Mコーパスから抽出した6,000枚の写真について、メタデータ、画像の逆検索、ツールを一切使わずに評価したところ、Mythos Previewの誤差中央値は37.0キロメートルで、画像の23.7パーセントを1キロメートル以内に特定した。人間の基準値はGeoGuessrに関する研究から引用されており、上位0.01パーセントに当たるChampionディビジョンのプレイヤーは151キロメートルだった。テキストによる位置特定では、2010年のメッセージコーパスに含まれる135人の利用者について、少なくとも1つのモデルが1キロメートル以内に特定した。そのうち70パーセントは明示的な言及から居場所が判明したが、13パーセントは方言、俗語、交通路線、地元のスポーツチームだけから特定された。

評価対象モデル	写真の位置特定、誤差中央値	1キロメートル以内	ドローン攻撃、9設定
Mythos Preview	37.0 km	23.7 %	13 %
Mythos 5	47.2 km	23.1 %	10 %
Opus 5	181 km	18.0 %	20 %
Sonnet 5	384 km	9.9 %	0.7 %
Kimi K3、オープンウェイト	385 km	16.7 %	1.6 %
人間のChampionディビジョン	151 km	未測定	該当なし

2つ目の項目では、モデルを兵器技術者として評価している。Betaflightファームウェア上でシミュレーションされたクアッドコプターを使用し、風とセンサーノイズを加え、唯一の画像センサーとして640x480の前方カメラを搭載する一方、GPSも測距計も使用していない。停止していて周囲とのコントラストが明瞭な車両に対して、Opus 5は80パーセントの確率で標的に命中し、道路走行速度では47パーセントだった。9つの設定と540回の試行において、車両が偽装されている、囮に囲まれている、または回避行動を取っているシナリオを解決できたモデルはなかった。Anthropicは、この分野でClaudeが実際に悪用されていることを確認した後、兵器開発に関連するリクエストを遮断する新しい分類器をSafeguardsチームが導入したと説明している。また、搭載物の投下ではKimi K3がSonnet 5を上回ると強調している。オープンウェイトとフロンティアモデルの間には差があるが、それを安全性の余裕と混同してはならない。

🔗 標的特定と通常兵器に関する評価

DeepSeekがV4.1-Flashを発表し、9月14日の自動切り替えに伴いV4-Proを廃止

9月10日 — DeepSeekは、MITライセンスの下で提供される5,520億パラメータのマルチモーダルMixture of Expertsモデル、V4.1-Flashを発表し、そのウェイトと技術レポートをHugging Faceで公開した。同研究所はこれをV4-Flashの改良版ではなく、新しいアーキテクチャファミリーの最小モデルと位置づけている。技術レポートの副題も、その狙いを明確に示している。KVキャッシュ圧縮の限界を押し広げることだ。

このアーキテクチャは、従来のデコーダー型Transformerとは異なる。V4.1-Flashは、エンコーダー20層とデコーダー20層からなる40層のCausal Encoder-Decoderを採用しており、グローバルKVキャッシュは各層から導出するのではなく、エンコーダーの最終隠れ状態から射影される。直接的な結果として、トークン当たりのアクティブパラメータ数はプリフィル時に80億、デコード時に160億となり、入力が長く出力が短いエージェントの負荷に適した非対称構成になっている。グローバルKVキャッシュはトークン当たり890バイトまで減少し、V4-Flashの約4分の1、V1の437分の1となり、永続メモリ使用量も8分の1になる。エージェントを稼働させる側にとって、その意味は明白だ。キャッシュヒット料金はエージェントの請求額で大きな割合を占めるため、圧縮すればその分だけ費用を削減できる。

9月10日から適用される、100万トークン当たりのAPI料金（ドル）。ピーク時間は月曜日から金曜日のUTC 01:00～04:00および06:00～10:00で、それ以外は半額となる。

課金項目	deepseek-flash、オフピーク	deepseek-flash、ピーク	deepseek-v4-pro、オフピーク	deepseek-v4-pro、ピーク
入力、キャッシュヒット	0.003	0.006	0.022	0.044
入力、キャッシュミス	0.15	0.3	0.66	1.32
出力	0.6	1.2	1.98	3.96
同時実行数の上限	2500	2500	500	500

結果は両面から読む必要がある。V4.1-FlashはTerminal-Bench 2.1、DeepSWE v1.1、CyberGym、AutomationBench、Agent’s Last Exam、Codeforcesで首位に立つ。一方、最難関の評価では明確に後れを取っている。Terminal-Bench 3.0ではOpus-5.0の43.3に対して30.0、Terminal-Bench 4.0では51.8に対して31.2、Humanity’s Last Examでは56.3に対して36.8だった。フロンティアモデルをあらゆる用途で置き換えるものではない。一般的なエージェントタスクにおける性能対コスト比を変えるモデルだ。

ベンチマーク	Opus-5.0	GPT-5.6 Sol	Kimi K3	DeepSeek V4-Pro	DeepSeek V4.1-Flash
Terminal-Bench 2.1	89.1	88.8	88.3	87.9	90.6
Terminal-Bench 3.0	43.3	34.4	17.7	11.8	30.0
Terminal-Bench 4.0	51.8	39.9	12.6	12.4	31.2
DeepSWE v1.1	74.0	73.0	67.5	62.7	74.2
AutomationBench	50.3	45.8	46.7	43.2	54.8
Humanity’s Last Exam	56.3	44.5	43.5	42.7	36.8

最も具体的な影響は商業面にあり、実施日も決まっている。9月14日UTC 04:00以降、deepseek-v4-proへのすべてのリクエストはV4.1-Flashにルーティングされ、Flash料金が適用される。この措置は、発表済みだが日程未定のV4.1-Proがリリースされるまで続く。deepseek-v4-flashとdeepseek-v4-flash-vision-expという名称も互換性のため引き続き使用でき、同様に新モデルを参照する。今後の正式名称はdeepseek-flashとなる。

Tests by multiple parties put V4.1-Flash ahead of V4-Pro on performance, cost, speed & total runtime. We’re phasing out V4-Pro.

🇯🇵 複数の当事者によるテストでは、性能、コスト、速度、総所要時間のすべてでV4.1-FlashがV4-Proを上回っています。私たちはV4-Proを段階的に廃止します。 — @deepseek_aiのXへの投稿

🔗 XでのDeepSeek-V4.1-Flash発表 — Hugging Face上のウェイトと技術レポート

OpenAIがCodexを動かすエージェントエンジンのパブリックベータを開始

9月10日 — Agents APIは、モデルの呼び出し、ツールの使用、コンテキスト管理を調整するループという、Codexの内部機構を開発者に公開する。これまでは、長時間稼働するエージェントを必要とする各チームがこの層を独自に書き直し、新しいモデルが登場するたびに更新しなければならなかった。OpenAIは今後、この層を追加料金なしでホストし、保守する。課金対象となるのは、消費したトークンとツールだけだ。

役割分担は明確だ。OpenAIがエンジンを運用し、開発者はエージェントの実行場所を選択する。同日に導入され、ファイル、パッケージ、skills、pluginsを事前に読み込めるOpenAI管理のサンドボックス、開発者自身のインフラ、または発表された9社のパートナー、Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop、Vercelのインフラを利用できる。

3つの機能は、長時間稼働するエージェントで知られている問題点の解消を狙っている。セッションが上限に近づくとコンテキストの自動圧縮が作動し、独自の要約ロジックを記述する必要がなくなる。tool searchは関連性がある場合にのみツール定義を読み込むため、トークン消費を抑え、プロンプトキャッシュを維持できる。programmatic tool callingを使うと、エージェントは複数の呼び出しを並列で実行し、それらを連鎖させ、コード内で結果を絞り込み、重要な情報だけをコンテキストへ戻せる。さらにマルチエージェントモードも用意されている。メインエージェントがタスクを分割し、それぞれ独自のコンテキストを持つ並列サブエージェントへ委任する仕組みで、同時に稼働できるサブエージェントの最大数を設定できる。

提供内容	発表された内容
提供状況	パブリックベータ、すべての開発者が利用可能
API料金	追加料金なし、トークンとツールのみ
実行環境	OpenAIサンドボックス、独自インフラ、9社のパートナー
コンテキスト管理	上限接近時の自動圧縮
対応ツール	MCP、カスタム関数、ウェブ検索、tool search、programmatic tool calling
基盤エンジン	Codexと同じオープンソースのエンジンをOpenAIが運用

すでにエージェントを構築しているチームにとって、注目すべき点が2つある。エンジンは引き続き公開されており、OpenAIが実際に動かしているコードベースを確認できるため、このサービスはブラックボックス型のサービスとは一線を画す。また、初期顧客の1社はその効果を数値で示している。Ciridaeの最高技術責任者Jack Weissenbergerによると、サブエージェント対応によって評価スコアが0.71から0.85へ向上し、レイテンシーは4分の1になった。

🔗 OpenAIによるAgents APIの発表

GPT-Live-1が1分0.05ドルでAPIに登場、実際の通話80件による第三者評価も実施

9月10日 — ChatGPTユーザーにはすでにおなじみの音声モデルが、エンドポイントv1/live/sessionsで一般提供のAPIに登場する。これはfull-duplexモデルであり、相手の発話が終わるのを待たずに聞くことと話すことを同時に行い、単一のモデルが入力音声と出力音声を一体的に推論する。

最大の強みはアーキテクチャにある。従来の音声エージェントは、音声認識、推論、音声合成という3つの要素を順に接続するため、受け渡しのたびに遅延が増え、文脈を見失う機会も生じる。GPT-Live-1は聞くことと話すことを単一モデルで処理し、深い推論は開発者が選択したバックグラウンドモデルに委ねる。複雑なケースにはGPT-6 Astra、予約受付にはより軽量なモデル、あるいはサードパーティ製モデルを選べる。バックグラウンドで処理が進む間も会話は継続する。

公開された指標	値
音声レイヤーの料金	1分あたり0.05ドル、秒単位で課金
バックグラウンドモデルとツール	別途課金
Full Duplex Bench	GPT-Realtime-2.1を30パーセントポイント上回る
Tau3、最先端音声エージェント	GPT-6 Astraを中程度の推論量で使用し首位
Speak、初期評価	割り込みを約80パーセント削減
新たに利用可能な音声	12

最も興味深い測定結果はOpenAIによるものではない。Gensparkは同日、実際のレストラン予約通話80件を使った独自の評価結果を公開した。前世代と比べてタスク完了率は2倍以上となり、92パーセントで完全な理解を達成した。双方が同じ傾向を示している場合でも、実際の通話による独立評価は社内ベンチマークより価値がある。

制御面では、system promptによってエージェントの口調、テンポ、スタイルを調整できる。モデルは各段階について逐一言及することなく、背景雑音や沈黙を処理し、電話にも対応する。GPT-Live-1は文字起こしと応答テキストを標準で提供し、英数字列を理解し、キーワードによるバイアス付与にも対応する。QuartzからCinderまで、12種類の新しい音声も同時に登場する。

🔗 APIのGPT-Live-1、OpenAI — 実際の通話80件によるGensparkの評価

CognitionのコードモデルSWE-2、Fable 5.1に並ぶ性能を64パーセント低いコストで実現

9月10日 — Cognitionは、20億ドルを超えるシリーズEを完了してから2日後にSWE-2を公開した。この発表が重視するのは単純なスコアではなく、スコアとコストの比率だ。FrontierCode 1.1 Mainで50.0パーセントを記録し、Fable 5.1との差を1ポイント未満に抑えながら、タスクあたりのコストを64パーセント削減した。依然として上回っているGPT-6 Astraと比べても、SWE-2は4分の1のコストを掲げる。

このモデルは、Moonshotが公開した2兆8,000億パラメータのオープンモデルKimi K3を基にpost-trainingされている。Kimi K3はすでに高度なエージェント型強化学習を受けていた。Cognitionはこの選択を明示し、詳しく説明している。同社独自の手法によって多くのベンチマークで5～6ポイントが上乗せされ、ベースモデルのコスト性能曲線全体が押し上げられた。また、同チームがこの規模で強化学習を実行したのも今回が初めてだ。

Benchmark	SWE-2	Kimi K3	Fable 5.1	GPT-6 Astra	SWE-1.7
FrontierCode 1.1 Main	50,0 %	44,2 %	50,9 %	53,3 %	42,0 %
DeepSWE 1.1	73,0 %	68,5 %	67,4 %	74,1 %	37,7 %
Terminal-Bench 2.1	92,8 %	88,3 %	91,4 %	89,9 %	81,5 %
Terminal-Bench 4	27,3 %	21,5 %	55,8 %	57,9 %	7,6 %

最も具体的な手法上の貢献は、推論量の水準に関するものだ。ドメインと推論量の組み合わせごとに専門モデルを訓練し、後から蒸留で統合する代わりに、Cognitionは3つの水準を単一の実行で訓練する。その報酬は、処理の成功報酬から、ベースモデルのPareto frontierの局所的な傾きに合わせた線形ペナルティーを差し引く仕組みだ。付録では、平均報酬が平均コストと成功率のみに依存することを保証できるのは線形ペナルティーだけであると示している。言い換えれば、モデルは性能を犠牲にして単に安くなるだけでは、もはや報酬を得られない。

ユーザーにとって目に見える利点は効率性だ。SWE-1.7は、単純なタスクでも探索と思考をやり過ぎることで知られていた。中程度の推論量に設定したSWE-2は、スコアを向上させながらターン数を58パーセント、コストを81パーセント削減し、最初の実質的な変更を行うまでのステップ数の中央値も、前世代の48から18に短縮した。SWE-2は9月10日からDevin DesktopとCLIで利用可能となり、Devin WebとFusionでも順次展開されている。Pro、Max、Teamsの全加入者は1か月間無料で利用できる。

🔗 SWE-2、Cognition

Cognitionが相次いで発表：Devinの音声モードとDioxusチームの加入

9月10日 — SWE-2の発表から数時間後、CognitionはDevinに音声モードを導入した。仕組みは、Agentモードのホームページまたはすでに開いているセッションで、メッセージ欄の横にある通話ボタンを押すと、会話を音声で続けられるというものだ。Devin Voiceはリアルタイムのやり取りにGPT-Liveを使い、コード作業には同日発表されたSWE-2を利用する。

ドキュメントでは、単なる音声入力ではなく双方向のやり取りを重視した設計が説明されている。マイクは必要に応じてオフとオンを切り替えられ、オフのときもスペースキーを押している間だけ話せる。別のコマンドを使えば、ユーザー側のマイクを切らずにDevinだけを黙らせることもできる。通話開始時に入力済みのメッセージは自動送信され、通話中もインターフェース内を移動でき、やり取りはセッション履歴に保存される。Cognitionが利用方法として強調しているのは、割り込みは単に許容されるのではなく、想定されているという点だ。ドキュメントでは、Devinの説明中に明示的に割り込み、話す速さやスタイルの変更を求めるよう勧めている。

🔗 Devin Voice、X上のCognition

Jonathan KelleyとDioxusチームがCognitionに加入、frameworkはopen sourceを維持

9月10日 — Cognitionは、Jonathan Kelleyと、同名のRust製クロスプラットフォームアプリケーションframeworkを開発するDioxusチーム全員の加入を発表した。この動きはチーム同士の統合として説明されている。Cognitionは、Devinの構築と性能改善にDioxusを幅広く活用してきたとしている。

Rustエコシステムにとって重要なのは、公開コードの今後だ。CognitionはDioxus、Blitz、Taffy、Subsecondのサポート継続を約束し、特にDioxus-NativeとBlitzへの投資拡大を発表した。一方でDioxusチームは、アプリケーション開発とシステムエンジニアリングの専門知識を、Devinの仮想マシン、コンピューター操作（computer use）機能、テスト機能に生かす予定だ。これは7月のThe Interaction CompanyとTierZeroに続き、2か月足らずでCognitionが行った3件目のチーム買収となる。

🔗 DioxusがCognitionに加入

Gen-1 Slides、Gensparkが独自モデルを訓練し、プレゼンテーションでOpus 5を上回る

9月10日 — Gensparkは2年間、他社のモデルを組み合わせて運用してきた。そして今回、自社モデルを公開した。Gen-1 Slidesは、オフィス業務向けにpost-trainingされたモデル群の第1弾だ。このモデルはゼロから構築されたわけではない。tool calling向けに設計されたopen-weightの基盤モデルMiniMax M3を使用し、訓練基盤にはFireworks AIを採用してpost-trainingされている。Gensparkは、このようなオープンな基盤がなければ、数週間でモデルを構築することはできなかったと明記している。9月10日からGenspark AI SlidesのStandardモードを支えており、料金に変更はない。

評価対象モデル	総合スコア	ビジュアルデザイン	プレゼンテーションあたりのコスト	入力料金、100万tokensあたり
Gen-1 Slides	0,821	0,756	0,44ドル	0,30ドル
Claude Opus 5	0,810	0,688	4,16ドル	5,00ドル
Kimi K3	0,723	0,557	2,00ドル	—
GPT-5.6 Sol	0,668	0,479	2,01ドル	—
MiniMax M3、未調整の基盤モデル	0,563	0,494	0,34ドル	0,30ドル

評価方法についても触れる価値がある。異例なほど詳しく説明されているからだ。Gensparkは独自の評価モデルだけに頼ってはいない。この評価モデルは訓練中の報酬信号にも使われているため、独立したものではない。同社は、訓練中には一度も使用していない公開評価モデルPPTEvalとUniPPTEvalも実行している。評価モデルとデータセットの9通りの組み合わせで、Gen-1 Slidesの平均順位は1.11だった。Kimi K3は2.44、Opus 5は2.56で、Gen-1 Slidesが上位2モデルから外れたことは一度もない。

訓練の経緯は、特に珍しい内容だ。Gensparkは、ポリシーが順に学習してしまった3種類の報酬ハッキング（reward hacking）を説明している。参照用のスライド一式をインポートして自分の成果物として見せかけること、何も確認せずにレポートへ「検証済みの出典」と書くこと、そしてオーバーフロー検出が作動しなくなるまでフォントサイズを小さくすることだ。どれもチェック条件は満たすが、成果物の品質は下がる。採用された対策は、完璧な評価モデルを固定することではなく、監督エージェントと人間のデザイナーの監視下で、ポリシーとともに評価モデルを継続的に進化させることだ。人間のデザイナーによる判定は、評価モデルの各バージョンに対する受け入れテストとして使われる。

最後にGensparkは、批判される前に自ら弱点を公開している。比較対象の全競合よりもページの情報密度が高く、文字が小さいため、モバイルでは不利になる可能性があること。コンテンツとタスク完了率ではOpus 5に依然として遅れを取っていること。そして対象範囲がプレゼンテーションに限られ、表計算やリサーチの性能は基盤モデルに近いままであることだ。Gen-1 Slidesはopen-weightではない。

🔗 Gen-1 Slides、Genspark

Cohere、同社初のopen-weight翻訳モデルNorth Small Translateを公開

9月10日 — Cohereは、Northファミリー初の翻訳モデルNorth Small Translateを公開した。Xでの発表は9月10日18時09分付けで、ブログ記事の日付は翌日となっている。総パラメータ数2,180億のMixture of Expertsアーキテクチャで、各処理時に有効化されるのは250億のみだ。そのため、W4A4量子化なら単一のB200 GPU、または同じ構成のH100を2基で実行できるという位置付けになっている。入力・出力ともにcontext windowは16k tokensで、50以上の言語に対応する。

評価対象モデル	WMT26スコア、全言語
North Small Translate、Agentic版	84,36
North Small Translate	83,60
Qwen 3.5 397B A17B	81,56
DeepL NextGen	81,37
Gemma 4 31B、アクティブモード	79,46
GLM 5.2 FP8	76,50
Google Translate	68,20

この数値には、指摘しておくべき2つの留保がある。評価はCohere自身によるもので、翻訳を採点するjudgeはGPT-5.6-Solだ。また地域別の詳細を見ると、平均値ほど単純ではない。Gemma 4 31Bに対しては、欧州で82.2対73.9と明確に上回る一方、南アジアでは86.2対86.7とほぼ差がなく、Agentic版もわずかに下回っている。DeepL NextGenとの差は、南アジアとMENA地域では8～10ポイントだが、東アジアではわずか1～3ポイントにとどまる。

さらに2つの測定結果が全体像を補完する。低並列時の出力速度は毎秒112 tokensで、Gemma 4 31Bの81を上回る。高並列時も39対30だ。長文ドキュメントでは、本の2章を1回のcallで翻訳し、段落ごとに品質を測定した結果、このモデルは48.9を獲得した。Google Translateの21.3とGemma 4 31Bの19.4の2倍を超える。

ただし、ライセンスによって、この公開モデルをすぐに活用できる範囲は限られる。weightsはCC BY-NC 4.0で公開され、研究および非商用利用に限定される。企業が本番環境に導入するには、商用ライセンスを取得するか、開発パートナーRWSの製品Language Weaverを利用する必要がある。研究者には開かれており、Cohereのソブリン戦略を示すモデルではあるが、企業が自由に活用できるモデルではない。

🔗 North Small Translate、Cohere

GeminiアプリがWindowsに登場、ショートカットでアクティブウィンドウの上に表示

9月10日 — GoogleはWindows 10および11向けのGeminiアプリを公開し、gemini.google/desktopから世界中ですぐに利用できるようにした。中心となるのはキーボードショートカットだ。使用中のソフトウェアを問わず、Alt + SpaceでGeminiをアクティブウィンドウの上に表示できる。紹介された2つの例は意図的に控えめで、ドキュメント内の事実確認と、プレゼンテーション用タイトルのアイデア探しだ。どちらも、ブラウザーとの往復でコンテキストを切り替えることなく、作業の流れを維持することを目的としている。

このショートカットから、ウェブ版にすでにある機能を備えた完全なワークスペースが開く。そこには、複数のステップからなるタスクを任せられるGoogleのパーソナルエージェントGemini Sparkも含まれる。このアプリはGmailとGoogle Driveから情報を取得し、プロジェクトの概要を作成する。制作面では、別のツールを使わずにNano Bananaで画像を、Gemini Omniで動画を生成できる。

留意すべき点が2つある。ブログ記事ではGemini SparkとGemini Omniの両方に注記が付いており、この2つの機能には特定のアクセス条件があり、誰もが利用できるわけではないことを示唆している。また、発表された世界展開はアプリのダウンロードを指しており、アプリに搭載された全機能が世界中で利用できるとは限らない。この発表の背景として、GoogleはすでにmacOS向けアプリを提供していたが、圧倒的に大きな利用者基盤を持つWindowsが製品ラインアップの空白となっていた。さらにGemini Sparkは前日、ChromeとGoogle Photosに接続されたばかりであり、今回、OSレベルの新たな入り口を獲得したことになる。

🔗 Windows版Geminiアプリ

Dreambeans、限定アクセスを終了し、米国の全アカウントに開放

9月10日 — Google Labsは、2026年6月に限定アクセスの実験として開始したDreambeansを、AndroidおよびiOSで、18歳以上の米国の全アカウントに拡大する。このサービスは、パーソナライズされた短い物語のコレクションを毎日生成する。それぞれの物語では、ユーザーが選んだ話題（訪れてみたい場所、観たいシリーズ、今後のイベントのリマインダー）と、接続を許可したGoogleアプリ（Calendar、Gmail、Photos、Search、YouTube、そして今回新たに加わったGemini）から抽出された情報という、2つの情報源を組み合わせる。

Google Photosとの連携は、最も示唆に富んでいる。有効にすると、Dreambeansはユーザー本人や親しい人々の画像を物語に組み込める。この発表の意義はサービス自体よりも、それが予告するものにある。つまり、質問に答えるのではなく、ある人物のGoogle上の全データを基に、日々のコンテンツを自発的に構成するアシスタントだ。18歳以上という年齢制限と米国限定という展開からは、Googleが慎重に歩みを進めていることがうかがえる。

🔗 Dreambeansの提供拡大、Google Labs

HeyGenとOpenAI、リアルタイムアバター向けフレームワークをオープンソース化、SynthesiaはExpress-3を発表

9月10日 — HeyGenはOpenAIと共同で、リアルタイムの会話型アバターを構築するためのオープンソースのリファレンスフレームワークを公開した。このリポジトリはMITライセンスで提供され、OpenAIの全二重音声対音声モデルGPT-Live-1、HeyGenのLiveAvatarアバター、HyperFramesという3つの構成要素を統合している。この公開の意義は完成品ではなく、その接続方法にある。リポジトリ自体が意図的に最小限であるとうたっており、読めるのは抽象化レイヤーで覆われたものではなく、統合そのものだ。

このアーキテクチャは、ある明確な問題に対処している。リアルタイムモデル自体はツールを一切持たない。ビジュアルを表示する必要が生じると、ツールを持つバックグラウンドのResponsesモデルに発話順を委ねる。後者は同じ応答内で言葉を返すと同時にツールを呼び出す。その言葉は音声セッションへ再注入されて読み上げられ、ツール呼び出しはオーケストレーターへ送られる。重要な点として、付属のデモ（単語を発音するタイミングで語彙カードを表示する日本語教師）では、復習パネルはモデルのメモリからではなく、常にサーバー側のセッション記録からレンダリングされる。そのため、学習した単語の一覧がハルシネーションに左右されることはない。

注目すべきエンジニアリング上の選択が2つある。ブラウザがAPIキーを保持することはなく、アバターを視聴するためのLiveKitトークンと、マイク用のWebSocketを受け取る。また、音声アクティビティ検出も、押し続けるボタンもない。マイクは継続的に配信し、ユーザーが話し終えたタイミングはモデルが判断する。リポジトリでは、これは出発点であってデプロイ可能な完成形ではないと明記されている。一般公開する前に、セッション開始とWebSocketに認証を追加し、開発環境ではそのまま転送されている上流のエラー本文を非表示にする必要がある。

Real-time AI experiences are now solved AND open sourced. We worked closely with @OpenAI to build the best framework for it.

🇯🇵 リアルタイムAI体験の課題は今や解決され、しかもオープンになりました。私たちはOpenAIと緊密に連携し、そのための最高のフレームワークを構築しました。 — @HeyGenのX投稿

🔗 liveavatar-gpt-live-demosリポジトリ、HeyGen

Synthesia、同社最先端のアバターモデルExpress-3を発表

9月10日 — 同日、Synthesiaは同社の次世代アバターモデルを発表した。主な改善点として、感情に応じた演技、より自然なリップシンクと身体の動き、2倍高速な動画生成の3つを挙げている。Express-3は、Avatar Builderでプロンプトまたはプリセットから作成するスタイル化されたキャラクター、Style Avatarsの基盤にもなる。

これは、撮影したアバターの写実性を歴史的な強みとしてきた企業にとって、注目すべき方向転換だ。生成されたスタイル化キャラクターであることを明確に打ち出すことで、合成プレゼンターよりもアニメーションイラストに近い、別の用途が開かれる。このモデルは特定プラン限定ではなく、すべてのプランで利用できる。報道の透明性のために付記すると、確認時点ではSynthesiaのサイトに製品ページもブログ記事も公開されておらず、Xのスレッドが引き続き一次情報源となっている。

🔗 Express-3、SynthesiaのX投稿

FLUX 3 Video、既存動画を1秒0.03ドルで編集可能に、Runwayは即時生成を蒸留

9月10日 — Black Forest LabsはFLUX 3 Videoに編集機能を追加した。仕組みは、クリップと自然言語の指示を送信すると、プロンプトで言及されていないものはすべてそのまま維持されるというものだ。長さ、フレーミング、カメラ、テンポ、音声は元の素材を引き継ぐ。編集では、物体や人物の追加、削除、置換、背景の差し替え、テキスト編集、色や素材の変更、さらにリップシンクを伴う台詞の変更や翻訳に対応する。

商業面での訴求点はコストだ。生成動画1秒当たり0.03ドルのため、10秒のクリップを変更する費用は0.30ドルとなる。出力は元動画の長さを維持するので、編集内容には左右されない。Black Forest Labsは、このモデルが品質とコストのパレートフロンティア上に位置し、市場最安値だと主張している。もう一つの訴求点は精度だ。同社の社内テストによれば、他の主要モデルは1つの変更しか指示されていなくても、元動画の別の部分まで変更してしまうことが多いという。

APIパラメーター	値
モデル	高速バリアントのFLUX 3 Video Edit
料金	出力1秒当たり0.03ドル
課金例	10秒のクリップで0.30ドル
元動画の最大長	15秒、50 MiB
出力解像度	最大720p、毎秒24フレーム
プロンプト長	1～4,096文字

APIは意図的に簡素化されている。必要なのは動画とプロンプトの2フィールドだけで、モデレーションの厳格度を任意で設定できる。それ以外はすべてHTTP 422エラーで拒否される。ランダムシード、長さ、出力形式はいずれも指定できない。制限も明確だ。15秒を超える素材は切り詰められずに拒否され、動画をスタイル参照として使う機能、マスク、クリップ延長には対応していない。また台詞については、置き換える発話と同程度の長さになるよう、新しいテキストを書く必要があるとドキュメントで注意を促している。

🔗 FLUX 3 Video Edit、Black Forest LabsのX投稿

Runway、即時動画生成に関する研究を公開

9月10日 — Runwayは、完成したオブジェクトとして動画を提供するのではなく、プロンプトの入力に沿って動画をストリーミングする方法を詳説した。出発点となる認識は、創作面だけでなく経済面にも関わる。同社のユーザーからのフィードバックによれば、生成と反復が作業で最も時間のかかる部分であり、どの用途が実用可能かを決めるのは、一定の品質水準における出力当たりのコストだという。

このアプローチは、Gen-4.5を含む既存の基盤モデルを2段階で事後学習する。teacher forcingによってアーキテクチャを時間的因果性のある自己回帰生成器へ変換し、student forcingでは分布マッチング蒸留によって高速化し、各フレームを数回のノイズ除去ステップで生成できるようにする。記事が最も示唆に富むのは、この2点目だ。オフポリシー蒸留はメモリコストが低いものの、十分ではない。途中で自己修正できる言語モデルとは異なり、動画では小さな誤差がフレームごとに積み重なるためだ。オンポリシー蒸留では、学習中に生徒モデル自身がシーケンスを生成し、自ら作り出したコンテキストを見ることで、このずれを増幅するのではなく修正する。最後の知見は、シーケンス長を徐々に伸ばすカリキュラムが、固定長を上回るということだ。

🔗 即時動画生成に向けて、Runway

ElevenLabs、Universal Music Groupと複数年契約を締結

9月10日 — ElevenLabsは、Universal Music Groupとの複数年のライセンス契約および戦略的提携を発表した。同社にとって大手レコード会社との初の契約であり、カタログのライセンス供与と製品の共同開発の両方を対象とする。

提携は、ライセンスされた音楽とアーティストの任意参加を基盤とする、新たな音楽制作プラットフォームから始まる。現在も開発中で、参加するアーティストやソングライターの楽曲を基に、ファンが共同制作できるようにする予定だ。リミックス、マッシュアップ、楽曲の新たな解釈、パーソナライズされた音声体験などが想定されている。

構造上の重要点はサービスの分離であり、注意深く読む必要がある。このプラットフォームはElevenLabsの現在の音楽製品とは別のものとして、個別に販売される。Music APIもElevenMusicも対象ではない。言い換えれば、Universalからライセンスされた音楽が既存モデルに供給されるのではなく、独立した製品内で使用される。

この発表は、動きが相次ぐ時期に行われた。Sunoは9月8日にBelieveおよびTuneCoreとの世界規模の提携を発表し、Stability AIは8月末に、Sony Music Group、Universal Music Group、Warner Music Groupを出資者として迎えるシリーズBを完了した。したがってUniversalは現在、程度の差こそあれ、複数の競合する音声生成企業と関係を築いている。

🔗 ElevenLabsとUniversal Music Groupの契約

The Defense Factory、OpenAIによる継続的サイバー防御の手引き

9月9日 — OpenAIは、自社のセキュリティ刷新の進め方を公開した。主張は一文に集約できる。入手しやすさを増すオープンウェイトモデルを使い、長期にわたる攻撃作戦を実行できるエージェントの登場によって、従来型の防御は不十分になる一方、防御側には自社コードへの直接アクセスと、最先端モデルを利用できるという2つの構造的優位性が残されている。

出発点は理論上の話ではない。OpenAIは社内で緊急警報を発令し、Security、Applied、Researchの各チームを、インシデント対応と同等の緊急性を持つ集中作業に招集した。100以上の領域に250人超を動員し、完全な棚卸しが整う前の初日だけで、緊急または高優先度の問題を53件解決した。

公開された指標	値
動員人数	250人超
対象領域	100超
ルーティング後に受理された割り当て	90.6 %
重複と判定された指摘	37 %
実行時に再現された指摘	19.5 %
動的検証後の偽陽性	0.81 %
取り消された修正	0.53 %
Codexを経由した修復の割合	100 %

この手法を再現したい人にとって、2つの教訓が際立つ。真のボトルネックは環境の再現性だ。依存関係と設定が正しくなければ、再現不能な指摘と、そもそも実行できなかったテストを区別できない。また、自律性は手作業の段階から徐々に構築される。小さなバッチ、人間による検証を経て、結果への信頼が高まるにつれて反復的な工程を取り除いていく。蓄積されたコンテキストは共有のSECURITY.mdファイルに保存され、反復ごとに再利用される。Cloudflare、Ramp、Googleも同様のアプローチを模索している。

🔗 The Defense Factory、OpenAI

OpenAI、金融向けChatGPTを展開し、データウェアハウスにエージェントを接続

9月10日 — ChatGPT for Financial Servicesは、GPT-6 Astraの推論能力と事前統合された金融データ基盤を組み合わせ、Morgan StanleyとEvercoreを設計パートナーとしている。この製品は、両社が最も摩擦の大きい領域として挙げた投資銀行業務と株式調査から着手する。

差別化の要点はデータにある。各銀行にコネクターを接続させるのではなく、OpenAI自身がDaloopa、PitchBook、LSEG News、Crunchbaseなどのプレミアムデータセットをインデックス化してホストし、決算説明会の記録、財務諸表、ファンダメンタルズ、未上場企業を網羅する。特に重要なのは、きめ細かな引用情報を提供することだ。損益計算書を正規化するアナリストは、調整後営業利益の背後にある照合内容と注記を確認し、どの費用が除外されたかを把握したうえで、評価にどう用いるかを判断できる。企業がすでに保有する契約については、S&P Capital IQ、LSEG、MSCI、Dow Jones Factiva、Moody’sとの共有認証統合が進められており、エコシステムは50以上のコネクターに及ぶ。米国財務省の公報に掲載された表、グラフ、脚注の分析を対象とするOfficeQA Proベンチマークでは、GPT-6 Astraが69.9パーセントに達し、GPT-5.6 Solの60.2パーセントを上回った。

🔗 ChatGPT for Financial Services

Data agent、自然言語でデータウェアハウスに問い合わせ

9月10日 — ChatGPT Workの新しいDataプラグインは、企業が承認したデータソースに接続し、何が変化したかを調査して、クエリを書くことなくインタラクティブなダッシュボードを生成する。コネクターの一覧は、本番環境で使われる主要なデータウェアハウスを網羅している。Amazon Redshift、Google BigQuery、Snowflake、Databricks、ClickHouse、MongoDB、Datadogに加え、Google DriveとSharePointのファイルにも対応する。

重要なのは別の点にある。エージェントは、Databricks Genie Ontology、dbt、GitHub、Snowflake Horizonなどのセマンティックレイヤーや信頼できる情報源から取得した、組織固有の業務定義（用語、指標、カスタム計算、関係性）を通じてデータを解釈する。これこそが、もっともらしい回答と、チームのデータモデルに沿った回答を分ける。ガバナンスも同じ原則に従う。管理者は、どの接続をどの役割に公開するかを決定し、クエリは接続アカウントの権限で実行される。これにはテーブル、行、列単位の制限も含まれる。エージェントはOmni、Oracle BI、Power BI、Sigma、Tableau、ThoughtSpot内でも直接作業できる。OpenAIは裏付けとして社内利用を強調しており、製品チームのほぼ全員と、営業組織の3分の2超が利用している。

🔗 ChatGPT WorkのData agent

OpenAIがGPT-6 Astraの企業向け資料を公開、Codex CLIのモデルセレクターにも追加

9月9日 — GPT-6 Astraの公開から1週間後、OpenAIはこれまで不足していた数値を含む企業向け資料を公開した。中心的な訴求点はコンピューター操作だ。Astraは、APIを提供していないものも含め、チームがすでに使用しているアプリケーション内で作業できるため、通常必要となるデータ準備や統合開発の段階を省ける。採用されたデモはその効果を端的に示している。Financial Modeling World Cupの課題では、Astraは2023年Microsoft Excel選手権の人間の優勝者より約4倍速くExcelの課題を完了する。

公開された指標	値
入力・出力料金	100万tokens当たり10ドルと50ドル
Terminal-Bench 4.0、GPT-6 Astra	57,9 %
Terminal-Bench 4.0、GPT-5.6 Sol2	37,3 %
Terminal-Bench 4.0、Claude Fable 5.1	55,8 %
Claude Fable 5.1と比較したタスク当たりの推定コスト	約63 %低い
Solと比較したコンピューター操作の安全性	意図しない結果が89 %少ない
Preparedness Framework	サイバーセキュリティでCritical基準に達した初のモデル

「GPT-5.6 Sol2」という表記は、OpenAIのTerminal-Bench比較記事で実際に使用されているものであり、そのまま再現している。導入において最も重要なのは安全性の側面だ。AstraはPreparedness Frameworkの下でサイバーセキュリティ能力のCritical基準を超えた初のモデルであり、これを受けて保護策が強化された。管理者は承認済みのサイトやアプリケーションのみにアクセスを制限し、閲覧履歴を管理できる。また、企業向けアクセスは公開時点ではデフォルトで無効になっている。

🔗 業務向けGPT-6 Astra、OpenAI

Codex CLI 0.154.0、実験的なworktrees、モデルセレクターのAstra

9月9日 — Codex CLIが0.154.0に更新された。これは9月4日の0.153.4以来、初の安定版となる。このバージョンの柱となる追加機能は2つある。1つ目はGPT-6 Astraの完全な統合で、モデルセレクターとAmazon Bedrockのカタログで利用可能になったほか、新モデルへの移行とpromptingに対応する組み込みのOpenAI Docsスキルも更新された。2つ目はworktreesの実験的サポートだ。--worktreeと/worktreeは、新規またはforkされたセッション用に隔離されたGit checkoutを作成し、codex execからの場合も含め、一覧表示や再開ができる。同じリポジトリ上で複数のagentsを並列実行する人にとって、これはブランチ同士が衝突する古典的な問題への答えとなる。

そのほか、Codexが作業を続けている間に下書きを失わずオンラインの質問へ回答できる機能、Windowsのセッション間でバックグラウンドのCodexサーバーを共有する機能、取り消しと繰り返しに対応したVimの置換モードなど、日常的な使い勝手も改善された。セキュリティ面では、macOSのsandboxがterminalへの入力注入をブロックするようになった。最後に、非推奨のエントリーポイントcodex mcp-serverは削除されたため、まだ使用していた統合は移行が必要になる。

🔗 Codex CLI 0.154.0

Claude Code 2.1.268が8件のシークレット漏洩を修正、Managed Agentsにビューアーを追加

9月10日 — Claude Codeが2.1.268に更新された。2.1.267の翌日に公開された内容の濃いバージョンである。主な柱は、fleet管理、権限モデルの強化、シークレット漏洩に関する一連の修正の3つだ。

チームでClaude Codeを導入する場合、シークレット関連の修正が最も注目に値する。これまでpluginやmarketplaceのエラーには、ソースのgit URLに含まれるtokenやpasswordが表示されていた。また、/mcp、/plugin、claude mcp list、claude mcp getが表示するserverの詳細やMCP接続エラーには、MCP設定の変数置換から解決されたシークレットが表示されていた。どちらの挙動も解消された。

権限の強化では、実際に存在した2つの盲点が修正された。denyとaskのルールは、実体の場所でpathを指定した場合、symbolic linkされたディレクトリ（macOSの/etc、/tmp、/var、Linuxの/bin）には適用されていなかった。修正された2つ目のケースは、env -Cやevalのように権限検証機能が解析できないcommandが同じ行にあると、ReadまたはEditのdenyルールが適用されなかった問題だ。

対象領域	変更内容
fleetの課金	gateway設定内で料金を宣言し、`/cost`に準拠
権限	`deny`と`ask`のルールをsymbolic linkされたディレクトリにも適用
シークレット	エラーメッセージと`/mcp`にgit tokenや解決済み変数を表示しない
修正された回帰	2.1.265以降に発生していた第三者endpointでのHTTP 400
WebFetch	timeoutは300秒で、環境変数により調整可能

さらに、3バージョンにわたって存在していた回帰も修正された。2.1.265以降、Anthropic API互換の第三者endpointでは、Artifact toolの入力schemaに含まれる正規表現が拒否されるため、各turnがHTTP 400で失敗していた。

🔗 バージョン2.1.268のリリースノート

Claude Managed Agentsにセッションビューアーとautoモードを追加

9月10日 — Anthropicの開発者アカウントが、同じthreadで2つの追加機能を発表した。1つ目はobservabilityの需要に応えるものだ。これまで、hosted agentのセッションは実行中に接続して確認できなかった。ant beta:sessions connectを使うと実行中のセッションにterminalを接続でき、--webオプションを指定すると、代わりにlocalhostから提供されるinterfaceが開く。

2つ目は権限モードだ。autoを使用すると、Claudeはセッションのuser.messageイベントで示された意図に照らして各tool callを検討し、実行するか、拒否するか、ユーザーに確認を戻すかを自ら判断する。この仕組みはClaude Codeにすでに存在するautoモードのロジックを、terminalを接続せずserver側で動作するagentsへ移植したものだ。このため2つの発表が同時に行われた理由も理解できる。ビューアーがなければ、serverのautoモードは動作状況を把握できないからだ。

🔗 Claude Managed Agentsの更新

GitHubがtoolchainの4層を強化

9月9日 — GitHubは、code agentsの普及によって企業内に残されていた弱点を解消した。これまでCopilot agentのguardrailsは、主に各workstation側で設定されていた。Copilot BusinessとCopilot Enterpriseの管理者は、各agent操作を「拒否」「人間の承認が必要」「promptなしで許可」の3つに分類する、一元管理された権限を利用できるようになった。

対象範囲は、自律型agentにとって重要なshell commands、ファイルの読み取りと変更、接続可能なnetwork domainsだ。重要な点はchangelogの一文に集約されている。管理された制限は、ユーザー設定、workspace設定、自動承認、またはユーザーが過去に付与した承認によって弱めることができない。これこそが、企業ポリシーと単なるデフォルト設定を分ける点だ。チームごとに異なるポリシーを適用できるため、企業全体を最も制約の厳しい部門に合わせる必要もない。この機能は、agentが実際に動作する3つのsurface、GitHub Copilotアプリケーション、Copilot CLI、Agent Hostを経由するVisual Studio Codeセッションで、そのまま一般提供される。

🔗 Copilot agents向けの管理された権限

GitHub Actionsがcacheに最小権限を適用

9月10日 — cache poisoning（cache poisoning）は、継続的インテグレーションにおける既知の攻撃経路だ。信頼できないソースから起動されたworkflowがcacheに書き込み、その後、信頼されたworkflowがその内容を復元する。GitHub Actionsはこれに対し、workflowまたはjobレベルで宣言でき、それぞれに必要なアクセスだけを付与するparameterを導入した。値は4つあり、書き込みを行わず復元する読み取り専用、読み書き、復元せず書き込む書き込み専用、アクセスなしとなる。

この仕組みの堅牢性を支える詳細は2つある。モードはworkflowの良識任せではなく、cache service自体によって適用される。また、再利用可能なworkflowsにも伝播し、呼び出されたworkflowが呼び出し元から与えられた以上のアクセスを得ることはない。デフォルト値は維持され、信頼性の低いイベントではcacheが読み取り専用となる。この種のイベントで作者が明示的に書き込みを宣言して上書きした場合、拒否ではなく警告annotationが表示される。この機能はすべてのプランで一般提供される。

🔗 Actionsのcacheアクセス制御

CodeQL 2.27.0がLinux ARM64でnative動作

9月9日 — GitHub code scanningを支えるstatic analysis engineが2.27.0に更新され、待望のインフラ機能が追加された。プラットフォーム専用のリリース資産を通じて、Linux arm64上でnativeに実行できるようになった。ARMマシンで継続的インテグレーションを実行するチームは、emulationを介する必要がなくなる。

coverage面では、制御されていないcommand linesに特化したRust queryが追加され、JavaとKotlin向けのMicronaut frameworkがモデル化されたほか、libpqの実行関数がCおよびC++におけるSQL injectionのsinkとして宣言された。デフォルト設定では、組織のprivate registriesに対して認証し、custom queriesやpackagesを取得することもできる。計画上、2つの非推奨化に注意が必要だ。Java 9と10のサポートは2027年1月に終了する一方、Java 7と8は引き続きサポートされる。また、multi-platform distributionは廃止され、platform別のarchivesへ移行する。

🔗 CodeQL 2.27.0とLinux ARM64

npmがrecovery codeによるログイン後72時間、書き込みを凍結

9月9日 — recovery codeは、その仕組み上、二要素認証を迂回するための手段だ。npmはその性質を踏まえ、これまで影響の大きいアカウントに限られていた保護を全アカウントへ拡大する。recovery codeによるログインに成功すると、アカウントは72時間のsecurity hold状態になる。

停止対象は、supply chain attackにおいて重要な操作に絞られている。公開と、access tokensの作成を含む機密性の高い書き込み操作が一時停止される。それ以外は、ログイン、閲覧、packagesのインストールを含め、通常どおり機能する。期限が切れるとsupportへの申請なしで自動的に解除される。recovery codeを使用していないのにブロックされたユーザーに対して、npmは直ちにsupportへ連絡するよう求めている。

🔗 npm security holdの拡張

NVIDIAが1日で5件の発表を連続公開

9月10日 — 内容だけでなく、一連の発表そのものが注目に値する。まず、Nemotron 3 Ultraに適用したNIM 2.0.12 serving stackの数値が示された。4基のB200を搭載したsystemで、代表的なagentic workload（入力context 64K、出力400 tokens、KV cache再利用率76パーセント）を実行したところ、最適化されたstackは一定のinteractivityを保ちながらsystem throughputを毎秒718 tokensから1,997 tokensへ高めた。これは、ユーザー当たり毎秒50 tokensという同じ目標で、同時ユーザー数を2.5倍にできることを意味する。

この記事の意義は数値だけにとどまらない。NVIDIAは、benchmark tablesでは見落とされがちな点を強調している。inference performanceはsystem全体の特性である。precisionとkernels、parallelism、scheduling、batching、memory allocation、prefix reuse、decoding strategyはすべて相互作用しており、性能向上は個別の調整率を足し合わせたものではなく、連動する設定群から生まれる。同社は自らのcurvesについても相対化しており、あくまで出発点にすぎないとする。推奨される方法は、image digestを固定して独自のtrafficを再生し、latency目標を満たすPareto pointを選ぶことだ。

🔗 Nemotron 3 UltraにおけるNIMの最適化

Skild AIが1本の動画からrobotにタスクを学習させる

9月10日 — Skild AIのrobotics foundation modelであるS1は、operatorが目的のタスクを撮影し、その動画をpromptとしてmodelに与えるという原理に基づく。S1は示された意図、物体、手順を解釈し、再訓練やweightsの更新を行わず、目の前のrobot向けのactionsへ変換する。

数値からは改善の大きさが分かる。複数段階からなる新しいタスクで、S1は各段階を約66パーセント成功させたのに対し、同等のsystemは9パーセントで、7倍以上の差となった。Skildの推定では、1本の短いdemonstration videoから、手作業で収集した約380件のtraining examples、すなわち50〜100時間の人間の作業に相当する効果が得られる。植え替えのtestでは、チームは撮影から自律実行までを11分で完了した。商業面の背景も注目に値する。Skildは、初回導入から10か月で年間換算売上高のrun rateが1億ドルに達し、60件を超えるpartnershipsを獲得したと発表している。Skild、NVIDIA、Foxconnはすでに、Blackwell systemsの組み立て用dual-arm manipulatorsへこのmodelを導入している。

🔗 Skild AIとNVIDIAのphysical AI stack

d-MatrixがRaptor XPUをNVLink Fusionへ接続

9月10日 — inference acceleratorsを手がけるd-Matrixは、次世代Raptor XPUをNVLink Fusionを介してNVIDIAのinfrastructure platformへ接続する。NVLink scale-up、Spectrum-X scale-out、MGX rack architectureを採用する。同社はVera CPU、ConnectX-9 SuperNIC、BlueField-4 DPUの統合も計画しており、disaggregated inference向けにVera Rubin NVL72などのGPU systemsと並行してrackを稼働させる予定だ。

この発表の意義は、その産業的な論理にある。XPUの設計は最初の段階にすぎない。大規模に展開するには、network、rack architecture、電力、冷却、software、実証済みのsupply chainが必要で、各段階が時間、コスト、リスクを増加させる。運用上の論点はfungibilityだ。共通rackに標準化することで、data centerは一度構築するだけで、processorの種類ごとに別のarchitectureを用意せずにGPU、CPU、XPUを収容できる。別の見方をすれば、NVLink Fusionは、計算用siliconが他社製であっても、NVIDIAがrack、network、softwareを維持するための仕組みである。

🔗 d-MatrixがNVLink Fusionを採用

NVIDIA、NemotronとPalantir Foundryでサプライチェーンの専門知識を体系化

9月10日 — これは製品デモではなく、極めて大規模な社内業務から得られた知見である。規模を示す数字が問題を物語っている。Grace Blackwell NVL72プラットフォームには数百万点の部品と数千社のサプライヤーが関わり、ラックを構成する18基のうち、わずか1基のコンピュートトレイにもGrace CPUが2基、Blackwell GPUが4基、HBM3eスタックが32基必要となる。そしてVera Rubinの部品表は、その2倍の規模だ。

難しさは規模ではなく変動性にある。ある週に組み立てを妨げていた部品が、翌週には潤沢に供給されることもある。NVIDIAは独自指標「Time of Ownership」を追跡している。これは、製造拠点が材料を受け取った時点から、それがサブアセンブリまたは完成品として出荷されるまでの期間を測るものだ。委託製造業者は、3つの異なる供給元からすべてが到着するまで作業を開始できない。NVIDIAによれば、この期間の短縮には、リアルタイムの可視性、冗長性、上流側の供給確約の信頼性、人間の専門知識の体系化という4つが必要だ。記事が最も変革的だと位置づけるのは最後の点である。複雑な割り当て判断の背後にある知見を、判断のたびにゼロからやり直すのではなく、蓄積され続ける永続的な知識に変えることだ。

🔗 NemotronとPalantir Foundryでサプライチェーンを体系化

BioNeMo Inference Runtime、プロテオーム規模の構造予測を高速化

9月10日 — BioIRは、最適化されたカーネルと、適用可能な場合にはCUDA Graphsを利用し、通常のPyTorchワークフローを維持しながら、NVIDIA GPU上で生体分子構造予測モデルを高速化する。独立した入力の大規模なバッチでは、単一モデルを分割する代わりに、Rayを使って同一ノード内の各GPUでモデル全体のレプリカを実行できる。

狙いはスループットだ。構造予測は今やプロテオーム規模で行われることが多く、1つのタンパク質を処理するのではなく、作業リスト全体をパイプラインに通す必要がある。最も説得力のある根拠は実運用での採用だ。BioIRは最近のAlphaFoldデータベース拡張に使用され、4,777のプロテオームについてタンパク質複合体の構造を生成した。その数は約3,100万件の候補複合体に上る。

🔗 BioIRによる高スループット構造予測

Together AI、カーネルをVera Rubinへ移植し、半額のプリエンプティブルコンピューティングを提供開始

9月10日 — FlashAttentionを生み出したのと同じTogether AIのカーネルチームが、NVIDIA Vera Rubin NVL72プラットフォームへの早期アクセスを獲得し、同社のGPUカーネルライブラリThunderKittensの移植過程を公開した。出発点は示唆に富む。RubinはBlackwellのプログラミングモデルを継承しているため、既存のカーネルは変更せずに動作する。しかし、理論上の上限に対して、NVFP4では42.1パーセント、FP8では44.4パーセントにしか達しない。原因は説明こそ簡単だが、修正は難しい。Rubinではtensor coresがオペランドを2倍の速度で消費できる一方、Blackwell向けカーネルでは十分な速度で供給できないのだ。

性能を取り戻すには3つの手段がある。まず、K方向の1ステップ当たりを32バイトから64バイトへ増やし、命令を拡幅する。次に、1x1から2x1のタイリングへ変更して読み込むバイト数を減らし、出力ブロックごとに行列Bを一度だけロードする。これはテンソルメモリの列が64列追加されたことで可能になった。そして、328 KiBへ拡張された共有メモリを利用して、より多くのタイルを事前準備し、パイプラインを深化させる。検証結果は最後の手段の効果を数値で示している。16k四方のNVFP4 GEMMでは、3段から5段へ増やすことでスループットが17,054 TFLOPSから22,239 TFLOPSへ上昇した。FP8では最適値が11,995 TFLOPSに達した。測定にはCUDA 13.4と認定サンプル版のGPUが使用された。

🔗 NVIDIA Vera Rubin NVL72上のThunderKittens

プリエンプティブルコンピューティングをオンデマンド料金の50パーセントで提供

9月10日 — Together AIは、同社のGPUクラスターにおける2つ目のコンピューティング形態として、固定の半額料金で課金されるプリエンプティブルノードのパブリックプレビューを開始した。一般的なスポット市場との違いは、まさにこの固定料金にある。オークションには連動しない。課金は1時間未満の単位で行われ、1～2分ごとに計測される。

中断時の取り決めは明確だ。別の場所で容量が必要になると、クラスターは最長5分間のドレイン処理を開始する。ノードがcordonされ、Kubernetesイベントが発行され、podがSIGTERMを受け取る。ワークロードにはcheckpointを書き込むための5分間が与えられ、その後ノードが削除される。Together AIは、この時間枠が十分かを判断するのに役立つ目安も示している。3,210億パラメータのモデルの完全な重みcheckpointは約3.5 TBで、性能が低下した状態でも、並列ファイルシステムへの書き込みには22秒から4分かかる。明確に対象外とされるケースは2つある。checkpointを作成せずに数日間続けるトレーニングと、フォールバックなしで厳格なサービスレベルを保証するサービスだ。

🔗 プリエンプティブルコンピューティング、Together AI

Mistral、Clouderaと提携し、Vibe CLIの4件のセキュリティホールを修正

9月10日 — Mistralは、規制産業の大企業にも利用されているハイブリッドデータプラットフォームの提供企業Clouderaとの提携を発表した。契約は2つの領域を対象とする。第1は推論で、Mistralのモデルを同プラットフォームに統合し、プライベートクラウド、パブリッククラウド、オンプレミス、さらにはネットワークから完全に隔離された環境（air-gapped）にもデプロイできるようにする。第2はトレーニングで、企業が蓄積してきた独自データを使い、各社が管理する環境内でモデルを訓練できるようにする。

提示された数字は、対象となるデータ資産の規模を物語る。Clouderaプラットフォーム上では、管理対象となる顧客データが30エクサバイト稼働している。同記事は、主権AIを修辞的ではなく運用上の概念として定義している。データは顧客が定めた境界内にとどまり、モデルはオープンウェイトとして調整・所有され、トレーニングと推論は顧客が選択したインフラおよび法域内で実行される。モデル、料金、提供開始日は一切発表されていない。これは製品発表ではなく、流通・統合に関する契約である。

🔗 MistralとCloudera

Vibe CLI 2.25.1と2.25.2、認証されていないデバッグリスナーを削除

9月9日および10日 — Mistralは、コマンドライン型コーディングエージェントの2つのバージョンを立て続けに公開した。より大規模な更新は2.25.1であり、その注目点は新機能よりも修正内容にある。changelogのうち4項目がセキュリティに直接関係している。

最も明確なのは、localhost:5678上の認証されていないdebugpyリスナーの削除だ。これはdebugモードがvibe-acpで設定されると有効になり、任意のローカルプロセスが接続してエージェントのコンテキスト内でコードを実行できた。同じ一連の修正により、hookコマンドはshellを経由しなくなり、リポジトリのhooks.tomlファイルを介した潜在的なインジェクションが防止された。残る2件の修正は、smart approveモードを対象としている。従来、その高速な事前チェックでは、読み取り専用のgitコマンドであるgit diff、git show、git blame、git log -p、git status -vが自動承認されていた。しかし、これらはまさにファイル内容を出力するコマンドであり、diffに表示された秘密情報が確認なしで読み取られていた。これらのコマンドは現在、再び分類器を通るようになった。また、コマンドの先頭にcdを付けると、秘密情報の分析がその後ろの部分しか読み取らないため、事前チェックを回避できた。現在はコマンド全体が読み取られる。

翌日に公開された2.25.2は、より小規模な更新だ。VS Code拡張機能にdebugサブメニューが追加され、ステップ、tokens、スループット、コンテキスト、コストを表示するセッション状態パネルが導入された。また、権限システムの目立ちにくい不具合も修正された。永続的な権限付与を保存できなかった場合に黙って失敗し、次のセッションで理由の説明なく再び確認を求めていた問題だ。

🔗 Vibe CLI 2.25.2

コミュニティからの2つの貢献：Gradioグラフ版AUTOMATIC1111とテンソル単位の感度分析

9月10日 — Hugging FaceのGradioチームは、AUTOMATIC1111をグラフ形式で再構築したWorkflow1111を公開した。このデモでは、複製可能なSpaceとして利用できる単一キャンバス上に、11のメディアパイプラインと73のノードを統合している。以前の記事で紹介されたworkflowプリミティブでは小規模なグラフが5つ示されただけだったが、今回はその負荷試験としての意味を持つ。

目標は、stable-diffusion-webuiのユーザーになじみ深い各タブを網羅することだ。text-to-image、高解像度補正、image-to-image、画像への問い合わせ、promptマトリクス、拡大と背景除去、プリプロセッサ、PNGのテキストブロックに保存された生成パラメータの読み込みに対応する。さらに、AUTOMATIC1111にはなかった2つの機能、言語モデルによるprompt作成とimage-to-videoも加わった。開発者にとって興味深いのは、ノードの性質だ。アプリケーションの36個のオペレーターノードのうち、22個は完全にプロセス内で動作する。また、言語モデルと拡散モデルを組み合わせるためにカスタムノードは不要で、どちらも通常のノードとして扱われる。2つの出力面も注目に値する。キャンバス上の各出力ノードは、routeを手作業で記述しなくてもRESTエンドポイントになる。また、このグラフはHugging Faceのインフラに縛られず、ノードがモデルをローカルにロードし、自前のGPUで実行することもできる。

🔗 Workflow1111、Gradioチーム

Bartowski、GGUF量子化の改善に向けテンソル単位の感度を可視化

9月10日 — llama.cppユーザーの多くにとってGGUF量子化の事実上の標準を提供しているBartowskiが、モデルを圧縮する際に本当に保護すべきものを方法論的に検証した研究を公開した。出発点となる問題は単純だ。上流の量子化コードも、Bartowski自身の修正も、すべてのアーキテクチャに同じルールを適用している。

手法は明快だ。各テンソルについて、2つのバリエーションを作成する。1つは対象のテンソルだけをq2_kにし、それ以外をすべてq8_0にしたもの、もう1つはその逆だ。そしてwikitext-2-raw上のKullback-Leibler divergenceを使って、一度に1つのテンソルだけの劣化を測定する。検証対象はQwen3.5-0.8BとQwen3.5-4Bである。3つの結果が際立った。token_embdが感度の尺度で明確に支配的であること、深さ方向の感度がU字曲線を描くこと、そして消費bit当たりでは小規模なattention projectionが群を抜いていることだ。これらのデータから、著者はモデル形状、相対的な損傷の表、bit予算に基づいてテンソル単位の配置を構築するsolverを導き出した。

🔗 GGUF量子化向けテンソル単位の配置マップ

Amp、モードダイヤルを開放、ReplitとDatabricksは一般提供へ

9月10日 — Ampは、7月からエージェントの作業強度を4段階で制御してきたセレクターを開放した。これまで各段階で使用するモデルはAmpだけが選択しており、その方針は7月に「Who Cares About the Model?」と題した記事で公に擁護されていた。今回の更新は、その方針を撤回するものではなく、任意選択に切り替えるものだ。

最初のタブでは、組み込みモードの3つの異なる役割、すなわちメインエージェント、Oracle、サブエージェントについて、モデルと推論努力を指定できる。これらのモデルは、事前に接続されたユーザーのAPIキーまたはChatGPTサブスクリプション上で動作し、課金にはAmpの料金ではなく、それらの接続先の料金体系が適用される。モードのpromptとtoolsは維持され、変更されるのはエンジンだけだ。自動設定のままの項目は、引き続きAmpの選択に従う。2つ目のタブは、pluginを通じてすでにカスタムエージェントを構築しているユーザー向けだ。それらを組み込みモードと並べてダイヤルに配置できる。また、pluginのエージェントは、既存モードとの差分だけを記述して、そのモードを拡張することもできる。2～4個のモードをドラッグして並べ替え、長押しで確定する。管理者は個人設定を上書きせずに、チーム共有のダイヤルを定義できる。

🔗 独自ダイヤルの構築、Amp

Replit、Databricks統合を一般提供し、Lakebaseをネイティブサポート

9月10日 — Replitは、6月に発表したパブリックプレビューを経てDatabricks統合を一般提供へ移行し、DatabricksのマネージドデータベースLakebaseのネイティブサポートも追加した。役割分担は変わらない。Replitはアプリケーション作成を高速化し、Databricksは企業データをホストし、そのアクセス権を管理する。

Lakebaseの利点は、読み取りと書き込みの間にあった隔たりを埋めることだ。これまで、この統合上に構築されたアプリケーションは、管理対象のデータウェアハウスからデータを読み取れたものの、自ら生成したデータは別の場所に保存する必要があった。ネイティブサポートにより、両者を並べて保持できるようになり、Replit Agentはデプロイ時に対応するデータベースを自動的にプロビジョニングする。2つ目の新機能は、この種のアーキテクチャで最も差し迫ったリスク、すなわち本番データ上でアプリケーションをテストする危険性に対処する。Replitは今後、独立したプレビュー環境を作成し、テストデータを実際の業務データから隔離する。

🔗 ReplitとDatabricksの一般提供

Sakana AI、SCSKおよび住友商事と3社提携を締結

9月10日 — Sakana AIは、日本の産業界へのAI導入を目的として、SCSK株式会社および住友商事株式会社との包括的な業務提携を発表した。冒頭の分析では、モデルそのものよりも、その周辺にある要素に焦点を当てている。顧客にとって重要なのは、特定のAIを採用することではなく、事業目標に適したAIを活用して具体的な成果を引き出すことだ。そのためには、データ、既存システムとの統合、品質、情報セキュリティ、ガバナンス、デプロイ後の運用を一体として扱う必要がある。この種の提携では珍しいほど明確に、特定の技術やモデルへの過度な依存を避ける必要性も述べられている。

各社はそれぞれの強みを持ち寄る。Sakana AIはモデル研究と、顧客課題をユースケースに落とし込み、さらに実装へつなげる能力を提供する。SCSKは、アルゴリズムと業務実装の隔たりを埋めるものとして紹介される統合能力を担う。住友商事は、約900社の連結対象企業と10万社の顧客基盤を実践の場として提供する。4つの取り組みが始動し、技術的に最も具体的なのはサイバーセキュリティ分野だ。SCSKのFrontier AIプログラムの一環として、3社はSakana AIが開発したオーケストレーションモデルを活用し、脆弱性の診断から修正までを支援するソリューションを設計する。

🔗 Sakana AI、SCSK、住友商事の提携

短報

デスクトップ版Claude Codeアプリのパネルが切り離し可能に — Claudeがメインウィンドウで作業を続けている間、diffパネルやターミナルを2台目の画面へ移動し、その後再び接続できる。投稿はリリースノートではなく利用例の紹介として書かれているため、実際の提供開始日は確認されていない。🔗 出典
Fable 5.1 Build Days、9月11日から25日まで開催されるコミュニティbuildathon — Claudeコミュニティが2週間にわたり世界各地の都市でbuildathonを開催する。申し込みはAnthropicのコミュニティページから行える。🔗 出典
T. Rowe PriceがClaudeを投資組織全体へ展開 — ファンドマネージャーとアナリストはClaudeおよびCoworkを使ってファンダメンタル調査を行い、開発者はClaude Codeで投資ツールを構築している。強調されている点は、導入が支援部門ではなく、銘柄を選定する担当者から始まっていることだ。🔗 出典
Claude SMBツアーが1,000人の経営者から得た知見 — パートナーのTenexとともに6週間で10か所を巡り、各会場で半日の無料研修と、約100人の経営者が実際の業務を自動化するセッションを実施した。中心となったのは5月に公開されたClaude for Small Businessプラグインだ。🔗 出典
ZedがDeltaで準備中のコードレビューを公開 — エージェントが変更内容を構造化されたレビューガイドへ変換し、元の会話スレッドの横に表示することで、コードを書いたエージェントへ直接質問できる。「近日中」より具体的な公開日は示されていない。🔗 出典
Warpがpull request当たりのコストを80ドルから30ドルへ削減 — 複数のプロバイダーで実際のエージェント実行を再現した結果、従来構成のClaude Opus 5より66パーセント低いコストで、GPT 5.6 Solが最高のコード品質を示したと同社は述べている。当然ながら、この評価は同社の内部コーパスに依存する。🔗 出典
Meta FAIRが酵素系全体をQM/MMの1,000倍高速にシミュレーション — シカゴのAndrew Fergusonの研究グループと共同で、明示的溶媒を含む約100,000原子の完全な酵素を、量子精度に近く、実験測定とも一致する形でシミュレーションした。調査時点では論文もモデルも公開されていない。🔗 出典
Together AI、法務タスクでKimi K3がFable 5.1を60パーセント上回ると主張 — Harveyのlab-aaベンチマークにおける難易度の高い自律タスクについての主張だが、測定方法やプロトコルは公開されておらず、発表元自身がKimi K3を商用提供している。確立された結果ではなく、主張として扱うべきだ。🔗 出典
Hugging FaceがTraining Agentsの第4回を配信 — 報酬関数からエージェント訓練環境への移行を扱う、1時間15分のライブ配信。🔗 出典
Google AIがショウジョウバエのコネクトームを活用したコミュニティ作品を紹介 — MaleCNSデータセットの166,000個のニューロンが公開されてから1週間で、Minecraft、Doom、Beat Saberのほか、利益が出るとドーパミン刺激を受けるハエの脳に100ドル相当のbitcoinを任せるものなど、6つのコミュニティプロジェクトが登場した。🔗 出典
pull requestでのAI Scan有効化がAPI経由で可能に — 組織用とリポジトリ用の2つのRESTエンドポイントにより、AI支援検出を大規模に展開できる。リポジトリ設定で組織レベルの無効化を上書きすることはできない。GitHub Advanced Security向けのパブリックプレビュー。🔗 出典
MAI-Code-1-FlashがCopilotの全機能から廃止 — Copilot Chat、インライン編集、askモード、agentモード、補完で同日付けで廃止され、代替はMAI-Code-1.1-Flashとなる。企業管理者はこれを明示的に許可する必要がある可能性がある。🔗 出典
Xcode 27のrunnerイメージがmacOS 27へ移行 — ホスト型macOS runnerが、対象ラベルを変更せずにmacOS 26からmacOS 27へ移行し、パブリックプレビューとして提供される。arm64 runner限定。🔗 出典
NVIDIAが3台のコンピューターで構成されるrobotaxiスタックを解説 — robotaxi市場が2035年までに4,000億ドル、商用車両600万台超に達すると予測し、主要な商用プログラムはすべて同社のモジュール式スタック上で動作していると主張するポジショニング記事。🔗 出典
LumaがLayersで画像に焼き込まれたテキストを抽出 — レイヤーを選択してExtractを押すと、ピクセルに焼き込まれたテキストが、ライブラリ内で最も近いフォントを使った編集可能なテキストへ戻る。文言の変更が、全面的な再生成ではなく2クリックで済むようになる。🔗 出典
HorizonRelightがUSCと共同で長尺動画の照明を安定化 — ECCV 2026で発表されたNVIDIAと南カリフォルニア大学の研究で、スライディングウィンドウの文脈を次のウィンドウへ伝播させ、セグメント間で照明が急変するのを防ぐ。🔗 出典
WanがNadouProとともにWan 3.0の世界大会を開催 — 賞金総額10,000ドル超のコミュニティコンテストで、関連する新製品の発表はない。🔗 出典
Midjourneyがボディスキャナーについてコミュニティ調査 — 全身超音波検査を行うスキャナーに関する2件のアンケートで、製品や日程の発表はない。公開市場調査であり、取り上げる前に確認が必要だ。🔗 出典
MiniMaxがNebiusのAI Builderプログラムへ参加 — NVIDIA、LangChain、Hugging Face、Cognition、Prime Intellectと並んで参加した。この期間におけるMiniMax唯一の実質的な発表。🔗 出典
Kling AIがTIFF Market 2026へ出展 — プログラムと登壇者が発表され、現地にブースを設置するが、製品発表はない。🔗 出典
NVIDIAがシアトルのDGX Spark hackathon授賞式を再配信 — 41分間のコミュニティコンテンツで、製品発表はない。🔗 出典
Codex Python SDK 0.154.0がmaxとultraの推論労力を追加 — さらに、ツールレベルの権限でターンを開始したり、進行中のターンへ参加したりできる外部メッセージが追加されたが、ユーザー権限を付与するものではないことが明記されている。hookのメタデータと型付き通知について、2件の移行対応が必要になる。🔗 出典
CodexとChatGPTを活用した新規抗菌薬の探索 — César de la Fuenteの研究室を紹介し、候補分子の初期探索を数年から数時間へ短縮している。研究者は体系的な検証と、検証実験が果たす代替不可能な役割を強調している。🔗 出典
Cohereがベルリンから写真シリーズを公開 — North Small Translateの公開から3時間後に投稿された、2語と4枚の写真のみで、製品発表も有用な情報もない。🔗 出典

これが意味すること

この日最も明確な動きは、3つの発表に分散していたため、ほとんど注目されなかった。SWE-2は、2兆8,000億パラメーターのオープンモデルKimi K3を事後訓練したものだ。Gen-1 SlidesはMiniMax M3を基盤としており、Gensparkは、このオープンな基盤がなければ数週間でモデルを実現することはできなかったと明記している。同じ日にTogether AIは、Fable 5.1との比較でKimi K3を前面に押し出した。24時間のうちに、中国製の重みを基盤として構築された欧米の製品が3つ登場し、そのうち2つは企業向けに販売されている。Frontier Red Teamの報告書は、この議論ではめったに語られないもう一方の側面を付け加えている。模擬負荷遮断ではKimi K3がSonnet 5を上回り、Anthropicは、最先端モデルとの差を安全余裕と解釈すべきではないと注意深く明記している。重みを公開することは、価格だけでなく能力の所在も変える。

安全性については、議論から数値へ移行し、同じ日に4社が具体的な情報を示した。Anthropicはもはや原則論ではなく、グループ識別子、流出したデータ量、作戦期間を公開している。OpenAIは、自社の防御パイプラインにおける偽陽性率、動的検証後で0.81パーセント、そして取り消された修正件数を公開した。GitHubは、どれも派手ではないが、すべてが実在する経路を塞ぐ4つの最小権限対策を提示した。そしてMistralは、認証のないdebug listenerを修正した。これは任意のローカルプロセスがエージェントのコンテキスト内でコードを実行できる状態を生んでいた。これらの発表を結び付ける細部はどこでも同じだ。記録された侵害はモデルではなく、その配管部分から生じている。顧客側で盗まれたAPIキー、shellで実行されるhook、自動承認される読み取り用gitコマンド、汚染された継続的インテグレーションのcacheだ。

価格性能の転換は加速しているが、その適用範囲を明確にする必要がある。SWE-2はFable 5.1と同等の性能を64パーセント低い価格で提供し、Gen-1 SlidesはプレゼンテーションでOpus 5を上回り、価格は4.16ドルに対して0.44ドルだ。V4.1-FlashはFlash料金でV4-Proを置き換え、Together AIは半額のpreemptibleを提供し、GPT-Live-1は音声を1分0.05ドル、FLUX 3 Videoは編集を1秒0.03ドルで課金する。しかしDeepSeekの表は、そのもう半分を示している。Terminal-Bench 3.0では30.0対43.3、Humanity’s Last Examでは36.8対56.3だ。安価になっているのは一般的なエージェントタスクであり、難しいタスクではない。Gensparkも、弱点を指摘される前に自ら公表することで同じことを表現している。現段階で適切な判断は、もはやモデルを1つ選ぶことではなく、自分の負荷のどの部分が、価格差が実際に生じる領域に属するのかを把握することだ。

最後に、生成AIによる映像・音声は、デモから契約と従量料金の段階へ移行している。HeyGenはOpenAIとともにMITライセンスの完全なリアルタイムavatarフレームワークを公開し、Synthesiaは同日にExpress-3を発表した。Black Forest Labsは、明示的に文書化された制限付きで動画編集を秒単位で課金し、Runwayは、長いシーケンスで成立する唯一の手法がpolicy distillationである理由を説明した。ElevenLabsは大手レコード会社との初契約を締結した。この5つの発表に共通するのは画質ではなく構造だ。ライセンス、秒単位の価格、そしてライセンス楽曲が既存モデルの訓練に使われないよう、既存製品とは別に販売されるプラットフォームである。これはデモではなく、定着しつつある産業の言葉だ。