MetaがMuse Wonderを発表、NVIDIAがVera Rubinラック設計を公開、Anthropicが小型モデルの自律的な自己複製を測定

Metaが、エージェント型のタスク向けに設計された、同社史上最高性能のモデルであるMuse WonderとMuse Wonder Fullを発表した。前者はMeta Model APIとMuse Codeを通じて利用でき、入力100万トークン当たり4ドル。後者はMuse Codeの有料会員限定で、いずれも重みの公開は発表されていない。OCP Global Summitでは、NVIDIAがVera Rubinラックの設計をOpen Compute Projectに提供する一方、AnthropicのFrontier Red Teamは、小型モデルがネット接続機器上で自力で自己複製できるようになるまで、あと数か月と推定している。コード分野では、Artificial AnalysisのFrontierCode 1.1ランキングでClaude Opus 5.5が52,2 %で首位に立った。Googleはこの日、Fitbit EdgeのリストバンドからAlphaProtein Novoで設計された酵素まで、医療と健康に関する発表を行った。

MetaがMuse WonderとMuse Wonder Fullを発表、エージェント型のタスク向け最先端モデル

10月12日 — MetaはMuse WonderとMuse Wonder FullからなるMuse Wonderシリーズを発表し、これまでで最も高性能なモデルと説明した。個人および業務でのエージェント型のタスク向けに設計された、2つの最先端モデル（frontier models）だ。Muse WonderはMeta Model APIとMuse Codeですでに利用できる。Muse Wonder FullはMuse Codeの有料会員限定となる。Muse Wonderは「近日中」にパーソナルアシスタントMuseにも搭載され、まず有料会員向けに提供される。

AI研究を全面的に刷新してから14か月、そして9月2日に公開されたMuse Spark 1.3を経て、Metaは今回を段階的な性能拡大（scaling ladder）の「次の段階」と位置付けている。両モデルは、ギガワット規模のデータセンターPrometheusで、規模が非公開の「より大きく、より強力な」基盤モデルをもとに訓練された。強調されている機能は2つ。会話をまたいで重要な文脈を保持するアクティブメモリー（Active Memory）と、行き詰まった際に手法を変え、追加の説明を求め、重要な操作の前に確認するようモデルを促すアクティブフォーカス（Active Focus）だ。

結果は記事内の画像にのみ掲載されている。Metaが測定した表で、全モデルをmax設定で評価している。Muse Wonderシリーズのモデルが14項目中7項目で首位となり、その中にはMetaの独自指標Personal Superintelligence Indexも含まれる。ただし、Artificial Analysis Indexなど6項目ではClaude Opus 5.5が上回り、GDP.pdfではGPT-6 Astraが上回っている。

ベンチマーク（抜粋、Metaによるmax設定での測定）	Muse Wonder Full	Muse Wonder	Claude Opus 5.5	GPT-6 Astra
Personal Superintelligence Index（Metaの独自指標）	59,1	54,3	55,2	54,5
DeepSWE 1.1	79,0	78,8	74,2	74,1
SWE-Marathon	57,5 (xhigh)	53,1	46,3	42,5
MemoryBench	85,5	85,6	81,5	81,4
Terminal-Bench 4.0-AA	57,1	52,0	59,6	59,1
ProgramBench	59,0	50,0	70,5	52,5
Artificial Analysis Index	56	52	58	53

モデルのバージョン	提供される利用方法	発表された料金
muse-wonder-1.0	Meta Model APIおよびMuse Code、コンテキストは1Mトークン	100万トークン当たり、入力4ドル、キャッシュ済み入力0,20ドル、出力20ドル
muse-wonder-full-1.0	Muse Codeの有料会員限定、コンテキストは1Mトークン	Power Usage（月額50ドル）およびMaximum Usage（月額200ドル）の契約

安全性についてMetaは、化学・生物・放射線・核（CBRN）およびサイバー分野での悪用に対し、これまでで最も強固な安全対策を備えると主張している。同時に、防御目的で最先端のサイバー能力を利用する道は維持するとしている。Muse Wonderを同社史上最もアラインメントの高いモデルと位置付け、追加の安全性評価を含む完全な報告書を「近日中」に公開すると約束している。

🔗 Metaの研究記事 · モデルと料金のページ

OCP Global Summit：NVIDIAがVera Rubinラック設計を提供、MetaがSpectrum-6を採用

10月12日 — サンノゼで開催されたOCP Global Summitの開幕に合わせ、NVIDIAはオープンアーキテクチャMGXを通じて、Vera Rubinの主要なラック（rack）と演算トレー（compute tray）の設計をOpen Compute Project（OCP）に提供した。掲げる目標は、次世代AIファクトリーの共通基盤をメーカーに提供することだ。MGX 1.2仕様では、ラック全体でのブラインドメイト（blind-mate）式液冷接続、5 000 Aの液冷母線（busbar）、ファンを搭載しない演算トレー、最大250 kWのラックを追加した。NVIDIAは、エージェントの処理（ツール呼び出し、オーケストレーション、サンドボックス内での実行）向けに設計されたVera CPUラック仕様も公開した。訓練と推論の基盤は引き続きVera Rubin NVL72が担う。

ソフトウェア面では、AIファクトリープラットフォームの運用基盤であるDSX OSに、DGX Cloudの運用から生まれた4つのオープンソースコンポーネントが追加される。これには、訓練前にGPUクラスターに負荷をかけて検証するCluster Readiness Engineと、NVIDIAによれば「数日ではなく数時間」でクラスターを利用可能な状態にするCluster API Providerが含まれる。

NVIDIAのハイパースケールおよびHPC担当副社長イアン・バックは、これらの提供に合わせてパートナー各社の発表も紹介した。最も具体的なのは、Spectrum-6 Ethernetスイッチを採用するMetaの発表だ。同社のN-IceCubeスイッチは、液冷ネットワークラックIcePackに搭載され、オープンソースのネットワークOSであるFBOSSで動作する。

サミットで紹介された発表	言及されたパートナー	発表された主な内容
MGX 1.2とVera CPUラック	OCPコミュニティ	5 000 Aの母線、最大250 kWのラック
DSX OSのオープンソースコンポーネント	NVIDIAのプロジェクト	DGX Cloudから生まれた4つのツール
Open Data Center Specification v0.7	AMD, Google, Meta	AIファクトリーの建物の共通設計
OCP Grid Resilience Specification	Google, Meta, Microsoft	電力網の障害後、2 s未満でほぼ最大負荷に復帰
800 VDCのK-1プラットフォーム	Visionbay, Vertiv	将来のVera Rubin導入向けに設計
MetaでのSpectrum-6採用	Meta	102,4 Tb/s、最大8つのネットワークプレーン、100 000基を超えるGPU
Falcon Transportプロトコル	Google	将来のConnectX-10 SuperNICとBlueField DPU
USFP光モジュール規格	Cisco, TE Connectivity, Amphenol	レーン当たり400 Gb/s（詳細は下記）

いずれの発表にも、価格や提供開始日は示されていない。ジェンスン・フアンは10月21日水曜日にGTC Berlinの基調講演を行う。

🔗 OCP Global Summitに関するNVIDIAの記事

USFP：NVIDIAとCiscoがレーン当たり400 Gb/sの着脱式光モジュールを準備

10月12日 — これらの発表の一つとして、NVIDIAとCiscoはUSFP（Ultra-Dense Small Form Factor Pluggable）規格の計画を紹介した。NVIDIAによれば、レーン当たり400 Gb/sの電気信号向けに設計された初の着脱式光モジュールだ。最初に計画されている送受信器（transceivers）は、OSFPに近いサイズに16本の双方向（full-duplex）レーンを収め、スイッチとSuperNICの両方で最大12,8 Tb/sに対応する。32レーン以上への拡張も可能だという。現在のレーン当たり200 Gb/sのモジュールに対し、NVIDIAは前面パネルの帯域密度が4倍、エネルギー効率が約1,3倍になると発表している。また、専用の冷却装置を内蔵せずに最大100 Wの熱を放散できる。狙いは、ネットワークの階層を追加せずに、より多くの1,6 Tb/sのエンドポイントを接続することだ。TE ConnectivityとAmphenolはケージ、コネクター、モジュールを準備しているが、現時点では計画にとどまり、発表には日付も価格も示されていない。

🔗 NVIDIAとCiscoの発表

AnthropicのFrontier Red Teamがネット接続機器上での小型モデルの自己複製を測定

10月12日 — ウィリアム・ジョウとダニエル・フリーマンによる研究で、AnthropicのFrontier Red Teamは、小型モデルが保護の弱いネット接続機器上で自力で自己複製できるようになるまで、あと数か月かもしれないと推定している。チームは、1台約55ドルで購入した無名ブランドのAndroid TV端末15台にGemma4-26B-A4Bを分散させた。モデルの処理速度は毎秒0,39トークンだった。

9Bモデルは、試験した9種類のハードウェアのうち8種類で推論を開始できた。エミュレートしたAndroidマシン8台からなる隔離ネットワークでは、最初から最後までの自己複製に成功したのはGLM-5.2だけだった（5回の試行中4回で、8ノード中8ノードへの複製に成功）。侵入は意図的に極めて容易に設定されていたため、Anthropicはこれを性能の上限とみている。30B以下の公開モデルの進歩が現在のペースで続けば、小型モデルも2026年末までにこの水準に達するという。ただし、チーム自身も粗い推定だとしている。

このようなワームは遅く、200万台を超える機器群でも、最大でH100約40基相当の能力にとどまる。しかし、適応は可能だ。前世代のメモを引き継ぐことで、Qwen3.5-9Bの成功率は6世代で45 %から61-84 %に上昇した。制御不能な自己複製を完全に実行するものは、まだ存在しない。防御面では、ゾンビ端末のネットワーク（botnet）であるMiraiに対し、インターネット接続事業者が感染した加入者を隔離したことで、14日間で感染の92 %が解消された事例を研究は挙げている。

Like coding agents in 2024, we’re seeing signs of life for AI worms.

🇯🇵 2024年のコードエージェントと同じように、AIワームにも生命の兆しが見えています。 — AnthropicのFrontier Red Team、研究記事

コードエージェント：Artificial AnalysisによるFrontierCode 1.1のランキング、GitHubの動きを追うAmp、LightOnのColGrep-Agent-2B

独立したランキングがコードエージェントの実際の成果を測定する一方、AmpとLightOnは、その周辺にあるプルリクエストの追跡とコード検索に取り組んでいる。

FrontierCode 1.1：Artificial AnalysisがClaude Opus 5.5を52,2 %で首位に

10月12日 — Artificial Analysisは、Cognitionがオープンソースのメンテナーと共同で構築したベンチマーク、FrontierCode 1.1の独自ランキングを公開した。このベンチマークは、エージェントが提案した変更が単にテストを通過するかだけでなく、メンテナーがその変更をマージするかを検証し、過剰な変更や対象範囲外の変更を減点する。Artificial Analysisは、全150タスクのうち非公開の100タスクからなる主要セット（Main）を、オープンソースの評価ハーネスStirrupで実行し、各タスクを3回試行する。必須チェックに失敗した試行の得点はゼロとなる。

Leading models still fail more than 40% of the time

🇯🇵 最も優れたモデルでも、今なお40 %を超える割合で失敗しています。 — Xの@ArtificialAnlys

Claude Opus 5.5が必須チェックを通過したのは試行の58 %にとどまり、100タスク中9タスクは、評価された22モデルのいずれも成功できなかった。XiaomiのMiMo-V2.6-Proは、重みが公開されたモデルの中で首位となり、45 %を記録した。コストの差は、得点の差よりはるかに大きい。

評価モデル（設定）	FrontierCode 1.1の得点	タスク当たりのコスト
Claude Opus 5.5（max、フォールバックあり）	52,2 %	10,15ドル
GPT-6.1 Sol (max)	49,1 %	0,81ドル
Claude Fable 5.1（max、フォールバックあり）	49,0 %	12ドル
MiMo-V2.6-Pro	45,4 %	0,18ドル
GPT-6 Luna (max)	41,9 %	0,09ドル

Artificial Analysisによれば、GPT-6.1 Solは、Anthropicの最上位モデルのタスク当たりコストの10分の1未満で、Fable 5.1と同等の成績を達成している。これらの得点は、CognitionがDevinについて公開している得点とは比較できない。Devinの得点は、多くの場合、独自の評価ハーネスを使ってExtended版で測定されている。

🔗 Artificial AnalysisのFrontierCodeランキング

Ampが自ら作成したプルリクエストを追跡、GitHubの課題やPRごとにorbを起動

10月12日 — Ampは、自ら作成したプルリクエストを継続して追跡するようになった。エージェントがGitHubでPRを作成すると、そのコメント、レビュー、最新コミットのCI結果を購読できる。チェックの失敗やレビュー担当者からの質問は同じスレッドに届き、Ampはすでに持っている文脈を使って対応できる。

この機能は「ファーストクラス」（first-class）と呼ばれるGitHub Webhooksとの統合に基づいている。Amp自身がイベントを受信して処理し、ユーザーまたはエージェントが、それを単一のorb、つまりAmpエージェントが動作するリモート環境へ送るか、毎回新しいorbへ送るかを選ぶ。これにより、リポジトリに新しい課題（issue）やPRが作成されるたびにorbを起動するよう指定でき、必要ならラベル（label）で対象を絞り込める。各orbは課題を読み、要約を作成し、その後のコメントも同じスレッドに届く。orbは7月23日からすでに外部のウェブフックに反応できていた。今回の新機能は、Ampが管理するGitHub専用の統合と、各購読の変更や一時停止ができるSettings → MCP & Integrations → GitHub内の管理画面だ。リポジトリにAmpのGitHubアプリをインストールするだけで利用できる。記事では料金に触れていない。

🔗 Ampの記事

ColGrep-Agent-2B : LightOn、Claude Codeのコード検索をローカルエージェントに委ねる

10月12日 — LightOnは、コーディングエージェントとリポジトリの間でローカルに動作する、20億パラメータのコード検索エージェントColGrep-Agent-2BをApache-2.0ライセンスで公開した。質問を受けると、LightOnのマルチベクトル意味検索エンジンColGrepで検索し、有望なファイルを読み、参照をたどって、パス、行範囲、コードを返す。これにより、最先端モデルが探索を何度も繰り返す必要がなくなる。

Sonnet 5.5を使うClaude Codeに接続し、学習に含まれていない13のリポジトリを対象とした52の検索質問（624セッション）で評価したところ、grepと比べてAPIのトークン数を34 %、キャッシュを含むAPIコストを40 %削減し、正確性に統計的に有意な差はなかった。LightOnは、測定対象がコード検索であり、タスク全体の実行ではないと明記している。MiniCPM5-2Bをファインチューニングしたこのモデルは、brew install lightonai/tap/colgrep && colgrep --install-agentでインストールでき、約2,5 GBのGGUF版がダウンロードされる。Python環境、推論サーバー、APIキーはいずれも不要で、M3 Proでは20秒ほどで応答する。

🔗 Hugging Faceに掲載されたLightOnの記事

Googleの健康分野：Health GuardianとFitbit Edgeのリストバンド、AlphaProtein Novoが新たな酵素を設計

Googleはこの日、健康分野に注力した。一方ではGoogle HealthとFitbitの一般消費者向け機能を発表し、もう一方では研究成果を振り返り、これまで注目されていなかったGoogle DeepMindの取り組みを紹介している。

Google Health：Health Guardian、100種類以上の活動を検出、Fitbit Edgeのリストバンド

10月12日 — Google Healthは、秋の発表を一連の記事にまとめている。Health Guardianは、血圧やインスリン抵抗性など、健康状態の緩やかな変化をバックグラウンドで監視する。Google Health Premiumの契約者は、アプリ内のコーチHealth Coachを使ってこうした変化を解釈し、医師と共有する情報を整理できる。Googleによると、文脈に基づく推論（contextual reasoning）を用いた運動セッションの自動検出は、精度が約2倍になる。

発表された新機能	数値を含む詳細	発表された提供時期
Health Guardian	血圧とインスリン抵抗性の傾向、月次レポート	今月後半、Fitbit AirとFitbit EdgeのPremium契約者向け
活動の自動検出	10種類から100種類以上の活動へ拡大、運動セッションの検出漏れを半分以上削減	今月後半、Fitbit Air、Fitbit Edge、Pixel Watch 3〜5で提供
Fitbit Edgeのリストバンド	179,99 ドル、11,5 mm、最大7日間のバッテリー持続時間、バッテリー交換可能	予約受付中、10月27日に店頭発売
Flo Healthとの提携	月経周期データを同期、Floの月間利用者は80百万人超	来年初め

手首からHealth Coachにアクセスする窓口として紹介されたFitbit Edgeは、Google初の修理可能な活動量計リストバンドだ。Abbott（グルコースセンサーLingo）、MyFitnessPal、Function Healthとの連携も加わる。

🔗 Google Healthの新機能 · Fitbit Edge · Flo Healthとの提携

Googleの健康研究の総括：AlphaProtein Novoが自然界に存在しない酵素を設計

10月12日 — ヨッシ・マティアス（Google Research）とプシュミート・コーリ（Google DeepMind）が、Googleの健康分野での研究を振り返った。5年間で査読付き論文90本、引用9万件超、さらに2026年には、これらのモデルを活用するチームにGoogle.orgが6,000万ドル超を提供している。記事の大部分はすでに知られた成果を紹介しているが、自然界の酵素を出発点とせず、ゼロから（de novo）酵素を設計するGoogle DeepMindの機械学習処理系（pipeline）、AlphaProtein Novoを取り上げている。

カリフォルニア工科大学およびピッツバーグ大学との共同研究として10月5日にbioRxivで公開されたプレプリントでは、研究チームは、医薬品の重要な構造であるピペリジンを合成するための新たなニトレン転移酵素を作り、その選択性を前例のないものと評価している。また、自然界の酵素が変性する条件でも、環境毒性物質DEHPを分解する酵素を作った。記事は新たな活用例も2つ紹介している。バルセロナでは、国際保健研究所がシャーガス病を対象にAlphaFoldで3万の化合物を仮想スクリーニングし、別の用途に転用できる可能性のあるFDA承認済みの薬を2つ見つけた。チルドレンズ・マーシー病院では、すでにシーケンス解析済みの小児白血病症例から、DeepSomaticが見逃されていた変異を10個検出した。

🔗 Googleによる健康分野のAI研究の総括 · bioRxivのAlphaProtein Novoプレプリント

業務に特化したモデル：法律向けのZ.aiのGLM-Legal、顧客対応向けのFinのApex 2.0

2社が既存モデルを出発点に、特定の業務に向けた追加学習を行い、その成果を数値で示している。

GLM-Legal：Z.aiがGLM-5.3-Flashを法律業務に特化

10月12日 — Z.aiは、GLM-5.3-Flashを基に構築した法律モデルGLM-Legalを発表した。契約書のレビュー、証拠分析、法令遵守など、実際の業務フローを想定している。拡充した法律コーパスによる中間学習（mid-training）の後、数万の現実的な法律業務環境で強化学習による追加学習を行った。24の実務分野を網羅するHarveyの法律エージェント評価基盤Harvey LABで、GLM-Legalの全項目合格率（all-pass rate）は19,2 %に達し、ベースモデルを12,5ポイント上回った。

Harvey LABで評価されたモデル	全項目合格率（Z.aiの数値）
GLM-Legal	19,2 %
Kimi K3	12,9 %
Claude Fable 5	11,3 %
GLM-5.3-Flash	6,7 %
GPT-6 Astra	5,4 %

記事本文に記載されているのはGLM-Legalのスコアだけで、ほかのスコアは発表投稿のグラフに由来する。LegalBenchとPLawBench（中国法）について、Z.aiは最高水準の非公開モデルと同等と主張しているが、スコアは公開していない。GLM-Legalはベータ版で、法律事務所、法律ソフトウェア企業（legal tech）、企業法務部門、独立した法律実務家は、フォームからAPIアクセスを申請できる。同社のデスクトップエージェントプラットフォームAutoClawにも「近日中」に導入される予定だ。価格もモデルの重みの公開も発表されていない。

🔗 GLM-Legalに関するZ.aiの記事 · XでのZ.aiの発表

Apex 2.0とApex Flash 2.0：FinがNemotron 3を基に顧客対応モデルを構築

10月7日 — 顧客対応AIエージェントのFinは、今回はNemotron 3 Superを基に構築した回答生成モデルの新版、Apex 2.0を公開した。NVIDIAは10月12日にこの公開を歓迎した。Finがすでに本番環境でClaude Sonnet 4.6を上回ると述べていたApex 1.0と同様に、チームは重みが公開されたベースモデルを独自の追加学習で調整している。指示と選好に基づく調整、報酬モデルの改良、回答するか確認を求めるかを判断するための重点的な学習例、根拠のない約束の排除を行った。Finは、量子化によって、測定可能な品質低下なしに運用コストも削減したとしている。

Finのモデル	NVIDIAのベースモデル	バージョン1.0に対して発表された改善
Apex 2.0	Nemotron 3 Super	ユーザーが確認した解決 +8,6 %、ハルシネーション -16,5 %
Apex Flash 2.0 (Fin Voice)	Nemotron 3 Nano	応答が24 %高速化、ハルシネーション -46 %、英語のみから9言語へ拡大

Apex 2.0は、12,000社を超えるFinの全顧客に提供されている。記事には料金の記載がない。

🔗 Apex 2.0に関するFinの記事

モデルの学習と配信：QwenGyre、ReplaySSM、Transformersの/v1/systemoneエンドポイント

3つの取り組みが、モデルのソフトウェア基盤を扱っている。非常に長い実行期間を持つエージェントの学習、ハイブリッドモデルのデコード、意思決定モデルの配信だ。

QwenGyre：Qwenが非常に長い実行期間を持つエージェントの強化学習に弾力的な資源配分を導入

10月12日 — Qwenチームは、1回の実行が数時間に及び、環境とのやり取りを数百回繰り返し、生成される軌跡（rollout）ごとに100万トークン近くに達するエージェント向けのオンライン強化学習フレームワーク、QwenGyreを発表した。ここから2つの問題が生じる。長い生成処理の間にGPUが遊休状態になることと、実行が分岐すると、コンテキストの圧縮、サブエージェント、再試行などによって軌跡が重複することだ。弾力的スケジューラー（Elastic Scheduler）は、実行を中断せずに軌跡生成と学習の間でGPUを再配分する。Colocate方式に対して最大1,85倍、非同期方式（Async）に対して最大1,78倍高速になる。軌跡処理器（Trajectory Processor）は、分岐した履歴を、共通のプレフィックスを共有し重複を除いたツリーに整理する。

1軌跡あたり約70万トークンの条件でQwen3.8-2.4T-A95Bに適用すると、QwenGyreは48ステップでNL2RepoBenchの成績を52,5 %から58,5 %へ引き上げた。発表投稿によると、非同期方式と比べて学習全体の所要時間を約44 %削減した。論文は9月27日からarXivで公開されているが、コードリポジトリの発表はない。

🔗 XでのQwenの発表 · arXivのQwenGyre論文

ReplaySSM：NVIDIAとDao AI Labがハイブリッドモデルのデコードを高速化

10月12日 — NVIDIAとプリンストン大学のDao AI Labは、ハイブリッドモデルのデコード中にSSM層の状態を保存する新しい方法、ReplaySSMを発表した。対象は、Nemotron 3、Qwen3.5〜Qwen3.8、Kimi-K3、GLM-5.3-Flashなど、状態空間層とアテンション層を交互に配置するモデルだ。本番環境のバッチサイズでは、コンテキスト長が100Kトークンまでの範囲で、デコードの遅延に最も大きく影響するのはアテンションではなくSSM層となる。ReplaySSMは、チェックポイントと直近の入力を保持する小さなバッファで状態を表現する。出力はトークンごとに計算するが、メモリ上のチェックポイントを書き換えるのは16トークンごとで、支配的なメモリ転送量をおよそ半分に減らす。

vLLMで測定した構成	vLLMに対して発表された改善
デコードステップ、バッチサイズ1	なし
SSMカーネル、バッチサイズ256	1,46〜1,80倍高速
デコードステップ全体、バッチサイズ256	1,20〜1,47倍高速
投機的デコード、バッチサイズ512、120Bクラスのモデル	スループットが1,85倍と2,10倍

NVIDIAによると、この技術はTensorRT-LLM、vLLM、FlashInferに統合され、GLM-5.3-FlashとKimi-K3の本番環境で稼働している。論文はarXiv、コードはGitHubで公開されている。

🔗 ReplaySSMに関するNVIDIAの技術記事 · arXivのReplaySSM論文

/v1/systemone：transformers serveがLLMまたはVLMを意思決定モデルに変える

10月12日 — Hugging Faceは、ライブラリ内蔵サーバーtransformers serve向けの/v1/systemoneエンドポイントをTransformersにマージした。サーバーは回答を生成する代わりに、モデルのlogitsに基づいて複数の選択肢を評価する。リサンドルによると、対応する250のLLMとVLMはどれも、テキストを生成せずに「JEVのような」意思決定モデルとして使えるようになる。マーク・サンによるPR 49322は、現時点ではすべての自己回帰モデルに対応し、サーバーに渡すdecision_configを追加している。意思決定モデルごとにプロンプトの構成や温度の設定方法が異なるためだ。マーク・サンは、Transformersで意思決定モデルの標準化を「近日中」に行うと発表している。この機能は、まだどの公開リリースにも含まれていない。最新版のv5.19.0は10月6日付だ。llama.cppは10月2日からすでにこの形式の配信に対応していた。

🔗 Xでのリサンドルの発表 · GitHubのPR 49322

エージェント向けに再設計するウェブページとファイル：OpenAIのBrowser Annotation API、Perplexity ProjectsのGit開発基盤

OpenAIとPerplexityは、ウェブページとファイルシステムという身近な2つの環境を見直し、エージェントがより多くのコンテキストを得られるようにしている。

Browser Annotation API：サイトがChatGPTのブラウザー注釈をカスタマイズ

10月12日 — OpenAI Developersは、ChatGPT LearnのAnnotations Extensibilityガイドに記載されたBrowser Annotation APIを紹介した。ChatGPTデスクトップアプリの内蔵ブラウザーにある注釈モードは、コードを変更しなくても、すでにあらゆるサイトで動作する。ページの一部を選択してコメントを付け、CodexまたはChatGPT Workにコンテキストとして送信できる。安全なページ（HTTPSまたはlocalhost）上でdocument.oai.annotationを通じて公開されるこのAPIにより、サイト側は、選択できる対象、選択に付随するコンテキスト、送信前に変更をプレビューする操作部品を指定できる。

ガイドは9つの連携方法を詳しく説明している。カードを1つの選択可能なオブジェクトにする（oai-annotation-container、oai-annotatable）、サイトのボタンから提案コメント付きの注釈を開く、カスタム操作部品（registerControls()）で余白トークンなどをプレビューする、キャンバスに描画したオブジェクトを選択可能にするといった方法だ。ガイドの対象はアプリのDevDay 2026版以降で、ChatGPT EnterpriseとEduでは、管理者がこうしたカスタマイズを許可する必要がある。注釈は、ChatGPTがサイト上で実行できる操作を公開するWebMCPのサイトツールを補完する。

🔗 @OpenAIDevsの発表 · Annotations Extensibilityガイド

Perplexity Projects：エージェント向けのGit開発基盤として構築されたファイルシステム

10月12日 — Perplexityは、人とエージェントが長期にわたる作業を共同で進めるPerplexity Computerのワークスペース、Projectsのファイルシステムに関する技術記事を公開した。各エージェントは専用のサンドボックスで作業し、共有Gitリポジトリに変更を記録する。これを支えるのは、各サンドボックス内のCLI、コントロールプレーン、Gitサービス、AWS S3を基盤とするストレージ（S3Files）、文書からのテキスト抽出という5つの構成要素だ。サービスは、最後に受け付けたコミットを起点とする送信だけを受理する。それ以外の場合、エージェントは変更を再適用して再送し、マージの依頼（pull request）は行わない。ファイル操作の多い処理で約400倍遅かったFUSE仮想ファイルシステムは採用されなかった。

Perplexityが公開した指標	公表値
本番環境で古い状態を理由に拒否された送信	2 % 未満
送信レイテンシーの中央値	1,7 s 未満
送信レイテンシーのp99	8 s 未満
社内の金融関連質問150問に対するgrepでの正答率	0,627
インデックスを用いたセマンティック検索での正答率	約0,37

この記事は製品の新規発表ではない。Projectsは7月から提供されており、ComputerのナレッジウィキであるBrainも同じ基盤を利用している。

🔗 Perplexityの技術記事

短報

Copilot CLI 1.0.96 — 安定版に移行した。新たな内容はなく、10月9日と10日のプレビュー版にあった9項目を引き継いでいる。権限に関する各判断を誰が行ったかをタイムラインに表示する機能や、大文字と小文字を区別しないモデル識別子などが含まれる。🔗 出典
GitHubでのプッシュ実行者の記録 — GitHub Enterpriseの顧客を対象に、申請制の限定パブリックプレビューを提供。プッシュされた各コミットに、プッシュを実行した人の認証済みの身元が記録される。ルールセットの条件「Committer must match pusher」は、コミッターのメールアドレスが、そのユーザーの確認済みメールアドレスのいずれとも一致しないプッシュをブロックする。🔗 出典
初心者向けCopilotアプリ — GitHub Blogのシリーズの新しい回では、Copilotが自動で適用できるよう、プロジェクトのルールをリポジトリに置く方法を紹介している。カスタム指示、.github/skills内のエージェントスキル、カスタムエージェント、PlaywrightなどのMCPサーバーを取り上げたチュートリアルで、製品の新機能はない。🔗 出典
Zed 1.23.3と1.24.2 — 安定版とプレビュー版に含まれるのは、修正（Markdownプレビュー、編集予測、リモートプロジェクト選択）、Node.js v24への移行、エージェントパネルの保存ポイント（checkpoints）に関する任意のテレメトリーのみ。🔗 出典
Codex Ambassadors — OpenAIが、この6か月間のプログラムの応募受付を再開した。毎月1回の貢献（イベントまたはコンテンツ）を条件に、Proサブスクリプション、CodexとAPIのクレジット、承認されたイベントへの支援を提供する。北米、中米、アフリカ、中東、東欧を優先する。🔗 出典
HyphaでのDecisions API — Hyphaでエージェント開発を統括するセルヒー・ショホリエフによる測定では、OpenAIのDecisions APIはマルチラベル分類でF1が98,1 %となり、GPT-6.1 Solエージェントの93,5 %を上回った。コストは約7分の1、p90レイテンシーは28分の1だった。顧客による数値で、測定方法は公開されておらず、@OpenAIDevsが紹介した。🔗 出典
Gemini 3.5 Flashが非推奨に — 10月8日分の補足。Gemini APIのリリースノートの同じ項目では、gemini-3.5-flashも非推奨となっており、Google AI Studioで選択できなくなった。このモデルへのリクエストはgemini-3.6-flashに転送され、提供終了日は発表されていない。🔗 出典
Kimi Work 3.2.16 — メンテナンス版。PDFプレビューエンジンを更新し、内蔵ブラウザーがバックグラウンドタスクによって中断されなくなった。派生した会話が二重に送信される問題など、8件の修正内容を詳述している。🔗 出典
Gensparkで障害 — Gensparkが具体名を明かしていないMicrosoftのサービスの障害により、月曜日に一部のユーザーがログインできなくなった。Gensparkは16時20分UTCにサービスの復旧を発表し、影響を受けたユーザーへの補償を準備している。🔗 出典
TutorMoments — Ai2が最近のモデルをAIチューターの評価にかけた。明示的な指示を与えた場合、GPT-6 Astraが首位（適切な学習支援で0,938、適切な要求水準で0,915）となり、Claude Sonnet 5.5とClaude Opus 5.5を上回った。新しい閲覧ツールでは、モデルの回答と人間のチューターの回答を比較できる。🔗 出典
UIBK-Embedding-v1 — アブデルラフマン・アブダッラーが、密検索と後段で相互作用を行う検索（ColBERT）を単一のエンコーダーに統合した、1億7,900万パラメーターの英語検索モデルをApache 2.0で公開した。BEIRでnDCG@10が59,79となり、公式MTEB結果がすべてそろった10億パラメーター未満のモデルの中で最高得点だとしている。🔗 出典
Sparseup-fr — ロイック・ブルドワが、Linkupの1億5,000万パラメーターの疎な埋め込みモデルをフランス語で再現した。RTX 6000 Pro 1台で約55時間かけて学習し、クリーンアップしたNanoBEIR-frで56,37と56,50を記録。英語版の52,40と51,66を上回り、作者によると、公開された疎なモデルの中で新たな最高性能となった。🔗 出典
Model Pulse — タルデリ・ステケルによるコミュニティーツールが、Hub上の164万モデルについて、2024年7月以降のダウンロード数と「いいね」数を日ごとに復元する。約11億5,000万行のParquetデータとしてApache 2.0で公開され、毎日更新される。🔗 出典
Hubのcontributor権限 — Hugging Faceの細かく権限を設定できるアクセストークンとサービスアカウントのトークンに、contributor権限を付与できるようになった。リポジトリを作成でき、書き込みは自ら作成したリポジトリに限られる。CI/CDパイプライン、学習タスク、エージェント向けの権限だ。🔗 出典
Microduck Arena — Pollen RoboticsがHugging FaceのSpaceを公開した。小型二足歩行ロボットの方策を強化学習で訓練し、2 m SprintやHill Climbなど4種目で走らせることができ、実物のロボットは不要。🔗 出典
Relight Studio — Lumaが、すでにうまく仕上がったショットの光の方向を、最初からやり直さずに変えられる機能を紹介した。投稿にはモデル、料金、提供開始日の記載がない。🔗 出典
HeyGen Lessons — HeyGenが教育向けのサービスを紹介した。OpenAIのDotsがクラスの関心を引くものを見つけて授業を調整し、HeyGenのMCPが教師のアバターと声で動画化する。投稿にはリンク、料金、日付の記載がない。🔗 出典
不動産業者とそのアバター — HeyGenの導入事例によると、火災で撮影場所を失ったバンクーバーの不動産業者が、アバターを使って1日2本のReelsを投稿し、10か月でInstagramのフォロワーを4倍に増やした。🔗 出典
x.aiがSpaceXSIに変更 — 10月12日の確認で判明したが、情報源に発表や変更日の記載はない。x.aiのホームページ、ニュース、APIドキュメント（「SpaceXSI Docs」）は、Grok 4.7の紹介ページまでSpaceXSIブランドになっている。10月10日には、サイトはまだSpaceXAIと表示していた。🔗 出典

これが意味すること

今日の数値を見ると、誰が測定したのかに目を向ける必要がある。Metaは自社で測定した結果を画像で公開し、独自の指標ではMuse Wonder Fullを首位に置いている（Claude Opus 5.5の55,2に対して59,1）。一方、同じ表のArtificial Analysis Indexでは、Opus 5.5が優位を保っている（56に対して58）。Z.aiは投稿内のグラフでGLM-Legalと競合を比較し、スコアを公開せずにLegalBenchで同等だと主張している。FinはApex 2.0を自社の前のバージョンと比較している。独立したFrontierCodeのランキングは、性能の水準を現実的に捉え直す材料になる。最高のモデルでも52,2 %にとどまり、1タスクあたりGPT-6.1 Solの0,81ドルからOpus 5.5の10,15ドルまで開くコストの差が、順位と同じくらい目立つ判断基準になっている。

インフラでは、チップを取り巻く仕組み全体が改善を生み出している。NVIDIAのOCPへの貢献は、電力供給（最大250 kWのラック、5 000 Aのバスバー、電力系統の異常後に2秒未満でほぼ全負荷へ復帰）とネットワークに及ぶ。ネットワークでは、Metaで102,4 Tb/sのSpectrum-6と、1レーンあたり400 Gb/sのUSFPが挙げられる。ソフトウェアも同じ考え方に沿っている。ReplaySSMはSSM層のメモリートラフィックを約半分にし、QwenGyreは長い軌跡の終了を待っていたGPUを再び稼働させる。NVIDIAは、AMD、Google、Meta、Microsoftと共同で策定した標準とともに設計をOCPに提供することで、AIファクトリー向けの共通基盤をメーカーに提供するという目標を示している。

エージェントには、エージェント向けに設計された環境が提供されている。ウェブページは、ChatGPTのブラウザー内でユーザーが何を選択するか、その選択とともにどの文脈をエージェントへ渡すかを制御できるようになった。Perplexityのプロジェクトは各エージェントにサンドボックスと共有Gitリポジトリを提供し、Ampはエージェント自身のプルリクエストに対するレビューとCI結果を、そのエージェントの会話スレッドに取り込む。探索の仕方も結果を左右する。Perplexityでは、作業コピーをgrepで調べるエージェントの正答率は0,627で、セマンティック検索の約0,37を上回る。LightOnでは、小型のローカルエージェントに検索を任せると、grepと比べてClaude CodeのAPIトークンが34 %減少し、精度に有意な低下はなかった。

Frontier Red Teamの研究は、この自律性の裏面を示している。未知のハードウェアにモデルを導入することや、次のエージェントにメモを引き継ぐことなど、エージェントを役立つものにする能力は、ワームが環境に適応するためにも使える能力だ。9Bモデルは9種類のハードウェアのうち8種類で推論を起動でき、メモの引き継ぎによって成功率は45 %から61-84 %に上昇する。Anthropicは、まだ完全な自己複製プログラムを報告しておらず、感染端末1台が感染させる別の端末を平均1台未満に抑えるため、接続プロバイダーによる監視に期待している。一方Metaは、Muse Wonderに対し、サイバー用途とCBRN用途での悪用を防ぐ自社で最も強力な安全対策を備えたと主張しているが、詳細については今後公開する完全な安全性報告書を参照するよう求めている。