Grok Voice 3.0が音声モデルの首位に、Gemini 4 Argonが初の科学的成果を公開、Claude Codeは並列セッションを重視

SpaceXSIがGrok Voice 3.0を公開した。料金を1分0,08ドルに据え置いたまま、Artificial AnalysisのSpeech-to-Speech指数で首位に立った。一般提供開始の翌日、Googleは量子コンピューティング、ロボティクス、205 000行のPythonコードでGemini 4 Argonの実力を披露した。一方、AnthropicはClaude Codeのデスクトップアプリを並列セッション中心の構成に再編し、同日にツールの2つのバージョンを公開した。MetaはMuseモデルを用いた医学論文原稿10本を公開し、NVIDIAは英国のエージェント安全性研究に2億5 000万ドル相当の計算資源を投入する。OpenAIは、自社オフィスの一つで隠された録音装置を発見したと述べている。

Grok Voice 3.0：SpaceXSIがSpeech-to-Speech指数で首位に、料金は1分0,08ドルに据え置き

10月14日 — 旧xAIのSpaceXSIが、エンドツーエンドの音声モデル（speech-to-speech）Grok Voice 3.0を公開し、市場で最も高い知能を持つモデルと位置付けた。モデルgrok-voice-3.0は同日からVoice Agent APIとVoice Agent Builderで利用でき、料金はGrok Voice 2.0と同じ1分0,08ドル、1時間4,80ドル。エイリアスgrok-voice-latestを呼び出すエージェントは、エンドポイントとセッションパラメーターを変えず、変更作業なしで切り替わった。Grok Voice 2.0は同日付で非推奨となったが、提供終了日は示されていない。

評価対象のベンチマーク（Artificial Analysis、10月13日）	Grok Voice 3.0	Grok Voice 2.0	GPT-Live-1 (Astra, Medium)	Gemini 3.8 Live (Ext. Thinking, High)
Speech-to-Speech指数	86,9	81,3	83,2	82,6
Big Bench Audio（音声推論）	98,5 %	97,2 %	90,1 %	97,7 %
Speech Agent Arena（Elo、人間の選好）	1 070	1 011	1 048	990
タスク成功率	94,8 %	94,6 %	87,4 %	89,1 %
Full Duplex Bench（間、発話の交替）	97,0 %	95,1 %	94,9 %	91,9 %
τ-Voice（サポート通話）	71,6 %	56,5 %	74,5 %	68,6 %

SpaceXSIが引用しているのは、10月13日付のArtificial Analysisによる測定結果だ。Speech-to-Speech指数は、音声推論、τ-Voice、人間の選好、ブラインド比較した通話でのタスク成功率を組み合わせている。Grok Voice 3.0は総合で首位に立ったが、すべての項目で勝っているわけではない。さまざまなアクセント、背景雑音、割り込みを含むサポート通話のτ-Voiceでは、71,6 %とGPT-Live-1の74,5 %を下回る。SpaceXSIはこれを同等の水準と評価し、遅延は40 %少ないとしている。企業向け音声エージェントを対象としたServiceNowのオープンソース評価基盤EVA-Bench（200以上のシナリオ）では、SpaceXSIによると最高の正解率74 %を記録した。価格面でも優位性を訴えており、Big Bench Audioでは1タスク当たりの平均費用がGrok Voice 3.0で0,025ドル、GPT-Live-1で0,030ドル、OpenAIのGPT-Realtime-2.1で0,055ドルとなっている。

このモデルはすでにTeslaとSpaceXで大規模に稼働している。Tesla車内で1日数百万件の会話を処理し、Grok Botの音声モードも支えている。Starlinkのコールセンターでは複数の言語で1日20 000件の電話に対応し、約70 %を人間の介入なしで解決している。また、営業電話の4件に1件は通話が終わる前に購入につながる。8月24日の時点でもGrok Voice Think Fast 2.0がこの指数の首位に立っており、当時のStarlinkの通話件数は1日15 000件だった。

🔗 Grok Voice 3.0（SpaceXSIの記事） · @SpaceXSIの発表 · APIのリリースノート

Gemini 4 Argonの実力検証：初の科学的成果、ロボティクス、コード最適化

一般提供開始の翌日、Googleは科学研究、ロボティクス、大規模なPythonリポジトリの最適化という3つの分野でGemini 4 Argonの活用を紹介した。開発者ブログの2本の記事は公開開始当日に掲載されたもので、研究者たちの投稿スレッドは14日にGoogle DeepMindがまとめた。

初の科学的成果：量子コンピューティング、核融合、酵素設計

10月14日 — Google DeepMindが、研究者たちによるArgonを用いた初期の成果を一つのスレッドにまとめた。各成果の詳細は、前日にそれぞれの研究者が発表していた。

研究分野	Argonで得られたとする成果
量子誤り訂正	AlphaQubitデコーダーの推論スループットがほぼ2倍
量子アルゴリズム	arcsinサブルーチンのコストがquantum CORDICの100分の1未満、Leanで検証済み
プラズマ物理学	Grad予想に対する新たな反例群を2つ発見
酵素設計	新規のセリンエステラーゼ5種（配列同一性59〜81 %）、活性を実験室で確認
希少疾患（Gamow Labs）	非公開の2つの評価で、RareBenchは57 %、LabBenchは52,2 %

量子コンピューティングでは、ベン・ジェーダーバーグとそのチームがGoogle Quantum AIと協力し、Googleの誤り訂正デコーダーAlphaQubitの内部版を、単一のハードウェア向け最適化カーネル（megakernel）にArgonで変換した。これにより推論スループットがほぼ2倍になった。量子プロセッサーの測定にリアルタイムで追従しなければならないデコーダーにとって、有用な改善だ。

Second, we used Argon to discover a quantum arcsin subroutine that cuts spacetime cost by more than 100x compared to the published quantum CORDIC baseline.

🇯🇵 第二に、私たちはArgonを使い、公表済みの基準手法であるquantum CORDICと比べて時空間コストを100分の1未満に抑える量子アークサインのサブルーチンを発見しました。 — X上の@benjaderberg

このコストは量子ビット数と実行時間を掛け合わせたもので、回路はLeanで形式検証されている。プラズマ物理学では、オパール・イッサンがGrad予想に対する2つの反例群を発表した。この予想は1967年以来、ある種の3次元磁場平衡は存在できないとしてきたものだ。投稿スレッドではArgonで反例を見つけたとしているが、10月5日にarXivへ投稿された論文の要旨にはモデルへの言及がない。生物学では、ライアン・クルーガーが、数回のプロンプト入力セッションで設計したセリンエステラーゼを紹介した。Argonはデータをまとめ、タンパク質言語モデルを調整し、活性部位の独自フィルターを構築した。公開開始時の記事にはGamow Labsの事例も加えられており、Argonが新生児のゲノムから、従来のソフトウェアが何年も見逃してきた染色体再構成を発見したという。

🔗 Google DeepMindのスレッド · Grad予想に関する論文（arXiv） · Argon公開開始時の記事

ロボティクス：人型ロボットApolloのコーンホールから、実機の成功率56 %から75 %への向上まで

10月13日 — 公開開始当日、Googleの開発者ブログは、カニシュカ・ラオ執筆によるArgonのロボティクス活用に関する長文記事を掲載し、各デモのプロンプトも公開した。公開開始時の記事では、最も分かりやすい事例として、人間がコーンホールで遊ぶ動画だけを出発点とした内部テストを取り上げている。コーンホールは穴の開いた板に向かって袋を投げるゲームだ。Argonは環境をマッピングし、全身の動きを計算して、自らシミュレーションを実装した。それをApptronikの人型ロボットApolloに移すと、実環境で7回連続の投てきに成功した。Googleは、動画からシミュレーションを経て実環境へ移すこの流れ（Video-to-Sim-to-Real）により、手作業のモデリングにかかっていた数週間を数時間に短縮したとまとめている。

カニシュカ・ラオの記事には、ほかにもデモが並ぶ。Boston DynamicsのSpotがMuJoCoのデジタルツインで練習してから実物のごみ箱のペダルを踏む例、目の高さで撮影した動画や紙のスケッチからシミュレーションを再構築する例、ステレオビジョンだけを頼りに2本のロボットアームが12個の球のパズルを3回の計量で解く例だ。最も定量的な成果は訓練に関するものだった。Argonは実物のテーブルの写真1枚からMuJoCoのデジタルツインを構築し、4 500回を超えるエピソードを生成した。これにより、視覚・言語・行動（VLA）モデルの実機での成功率は56 %から75 %に上がり、実行時間は35秒から24秒に短縮された。SO-101アームも自律的に改善し、実行時間を58,9秒から22,9秒、さらに17,4秒へと短縮した。

🔗 ロボティクス向けGemini 4 Argon（Google Developers）

ADK：205 000行のPythonを夜間に11時間かけて処理、6件の最適化案のうち2件を採用

10月13日 — Google Cloudのエンジニアは、アプリケーションをゼロから作るよりも難しい課題をArgonに任せた。Googleのエージェント構築用オープンソースフレームワーク、Agent Development Kit（ADK）のPythonリポジトリで、処理が遅い箇所を見つけて修正するというものだ。対象は約205 000行、約800ファイル、約17 000件の単体テストに及ぶ。

ADKでの実行に関する指標	公表された結果
無人での夜間作業時間	11時間
再実行した単体テスト	16 892
提案された最適化と採用された最適化	6件提案、2件採用
メモリ上の長時間セッションの準備	約40 %削減
google.adkパッケージのインポート	21 %高速化
158ターンの全体実行	65,6 sから56,1 sへ

リポジトリ固有の指示を与えなかった最初の2時間の試行では、実際のボトルネックを発見したものの、メンテナーの規約を無視し、公開JSONスキーマまで変更してしまった。2回目の試行では、チームはレビュー規則を.agents/skillsフォルダーにまとめ、コンテキストの圧縮を経ても目標を保持するGoogle Antigravityの/goalモードを有効にした。人間によるレビューで残ったのは6件の最適化のうち2件だけで、セッション履歴をコピーする前に絞り込むことと、重いパッケージを初回使用時に読み込むことだった。ほかの案は、不安定な状態やOpenTelemetryの非公開属性に依存していたり、効果が合成ベンチマークに限られていたりした。改善の対象はメモリ上のセッションサービスだけで、外部ストレージは含まれない。チームは役割分担を、エージェントが探索し、メンテナーが削ぎ落とす、とまとめている。

🔗 Gemini 4 ArgonでADKを一晩で最適化（Google Developers）

コードエージェント：デスクトップアプリとClaude Codeの2つのリリース、VS Code 1.142、HydraFusion Max

AnthropicはClaude Codeのデスクトップアプリを並列セッション中心の構成に再編し、同日にコマンドラインツールの2つのバージョンを公開した。VS CodeはCopilotのハーネスを標準設定とし、GitHubは複数モデルのオーケストレーションにMaxオプションを追加した。

Claude Code：デスクトップアプリが並列セッションを中心とする構成に

10月14日 — Anthropicは、Claude DesktopのCodeタブにあたるClaude Codeのデスクトップアプリを更新し、複数のセッションを並べて実行しやすくした。@ClaudeDevsによると、セッションの開始が速くなり、作業を複数のセッションに分配しやすくなったほか、各セッションが何をしているのかを常に確認できるようになった。

発表された新機能	できること
セッション画面	最近使ったフォルダーにワンクリックでアクセス。保存済みの環境（複数のフォルダー、SSHホスト、クラウド）、フォルダーごとのworktreeを任意で利用可能
入れ子のセッション	並列タスクごとにセッションを作成し、その結果をメインセッションに返す
追加の作業	作業中にClaudeが提案し、ワンクリックで別セッションとして開始。/btwは補足の質問をタブで開く
サイドバーとサイドレール	実行中または待機中のセッション、リアルタイムのタスクリスト、要約カード、実行場所、コンテキスト、変更内容

When you ask Claude to run tasks in parallel, it starts a nested session for each one. Each reports its result back into your main session when it’s done, so the main thread stays readable.

🇯🇵 Claudeに複数のタスクを並列で実行するよう依頼すると、タスクごとに入れ子のセッションを起動します。各セッションは完了すると結果をメインセッションに返すため、メインのやり取りは読みやすく保たれます。 — X上の@ClaudeDevs

要約カード（recap card）は、Claudeがユーザーの対応を必要とする際に、そのターンの内容を要約する。サイドレールには、セッションの実行場所、コンテキスト、変更内容が表示される。利用するには、アプリを更新して新しいセッションを開くだけでよい。Anthropicはバージョン番号も展開日程も示していない。導入ガイドでは、Claude Codeの利用にはPro、Max、Team、Enterpriseのいずれかの契約が必要で、Local、Cloud、SSH、WSLの各環境に対応すると改めて説明している。この更新は、4月に発表された並列エージェント向けのアプリ刷新をさらに進めるものだ。

🔗 @ClaudeDevsのスレッド · デスクトップアプリの導入ガイド

Claude Code 2.1.299：キャッシュの有効期限前に非アクティブな会話を圧縮、131件の修正

10月14日 — UTC 2時49分に公開されたClaude Code 2.1.299は、18件の追加、131件の修正、16件の改善、25件の変更を含む、全190項目の大規模なリリースとなった。バージョン番号2.1.297と2.1.298は飛ばされている。最も目立つ新機能は、長時間のセッションのコストを抑える非アクティブ時の圧縮（アイドル時の圧縮）だ。ターミナルで200 000トークンを超える会話を約54分間放置すると、1時間のプロンプトキャッシュが期限切れになる前に会話を圧縮し、次のメッセージで全体を再処理せずに済むようにする。しきい値はCLAUDE_CODE_IDLE_COMPACT_MIN_TOKENSで調整でき、settings.jsonの"idleCompaction": falseで機能を無効にできる。CLAUDE_CODE_DISABLE_FILE_MENTIONSを使うと、Claudeには@で指定されたファイルの内容ではなくパスが渡され、Claudeが自身のツールで読み込む。/usageコマンドは、最大の推論強度、ワークフロー、常時読み込まれるコンテキスト、大きなツール実行結果について警告するようになり、100 %を超える値を表示することもなくなった。

このバージョンでは権限管理も厳格化された。MCPのallowルールは指定したサーバーだけを対象とするようになり（mcp__aでa__bというサーバーが許可されることはなくなった）、claude.aiのコネクタープロキシとAnthropicがホストするMCPサーバーへのリクエストはHTTPリダイレクトを追跡しなくなった。また、UserPromptSubmitフックはスキルやコマンドの展開前に実行されるようになり、それらに組み込まれたシェルコマンドもブロックできる。セキュリティ修正には、サンドボックス内で実行されたコマンドが、コードをサンドボックス外で再読み込みする--plugin-dirフォルダーに書き込めた問題、プランモードでPreToolUseフックが許可した書き込みを実行できた問題、macOSのサンドボックス内で拒否されたパスにシンボリックリンク経由でアクセスできた問題が含まれる。AnthropicのMCPサーバーのツール説明は4 096文字で切り詰められなくなり、Slack上のClaudeであるClaude Tagは、自身が作成したカンバスを削除できるようになった。

🔗 Claude Code 2.1.299のリリースノート

Claude Code 2.1.300：Claude Platform on AWSでの/advisor、OpenTelemetryのGenAIトレース、Slack ConnectでのClaude Tag

10月14日 — この日2回目のリリースとなるClaude Code 2.1.300（UTC 18時24分、修正59件を含む88項目）では、/advisorがClaude Platform on AWSに拡張された。ユーザーが/advisor、advisorModel、--advisorのいずれかでアドバイザーモデルを選ぶまではモデルは実行されず、CLAUDE_CODE_DISABLE_ADVISOR_TOOL=1でツールを無効にできる。テレメトリーはOpenTelemetryのGenAIセマンティック規約に準拠し（スパン上のgen_ai.provider.name、gen_ai.conversation.id、gen_ai.tool.name、error.type）、api_requestイベントは5分と1時間のキャッシュ書き込みを区別する。

セキュリティ面では、PreToolUseまたはPermissionRequestフックが返す変更済みの入力（updatedInput）が、Claudeからの入力と同様に検証されるようになった。未知のキーは削除され、ツールが入力を拒否した場合は呼び出しも拒否される。エージェント型フックもようやくmodelフィールドに従うようになり、指定モデルが利用できない場合は、操作をそのまま許可するのではなく、呼び出し元のモデルを使う。ローカルの会話記録には各リクエストのシステムプロンプト、ツール、パラメーターも保存されるようになり、効果のなかったclaude remote-controlの--sandboxと--no-sandboxオプションは削除された。Claude Tagは、別の組織と共有するSlack Connectチャンネルでも応答できるようになった（既定では無効で、オーナーまたはClaude Tag管理者が有効化できる）。また、コネクターの操作を拒否する代わりに、「一度だけ許可 / 拒否」の非公開カードで承認を求めるようになった。

Claude Codeのバージョン	公開日時（UTC）	公開項目数	うち修正	主な新機能
2.1.299	10月14日、2 h 49	190	131	200 000 tokensを超える会話を非アクティブ時に圧縮
2.1.300	10月14日、18 h 24	88	59	Claude Platform on AWSでの`/advisor`、OpenTelemetryのGenAI属性

🔗 Claude Code 2.1.300のリリースノート

VS Code 1.142：Copilotハーネスを既定に、カンバスをプレビュー公開

10月14日 — VS Code 1.142は、Copilot SDKを基盤とするCopilotハーネスへの移行を進める。このハーネスのセッションはAgent Hostを経由し、バックグラウンドでも継続する。これまではハーネス選択メニューで提供されていたが、チームによると「圧倒的に好意的」な反応を受け、新しいセッションの既定のハーネスへと段階的に切り替わる。Askは読み取り専用の組み込みエージェントとして復帰し、チャットのタイトルには現在のハーネスがCopilotかCodexかが表示される。もう一つの新機能は、プレビュー版のカンバス（Canvases）だ。チャットの横に開く対話型インターフェースで、ユーザーとエージェントが同じ成果物を編集する。たとえば、エージェントがタスクを更新するカンバンボードを作成できる。各カンバスは拡張機能から提供され、その拡張機能はエージェントが/create-canvasコマンドで生成できる。Agentsウィンドウでは、チャットの履歴を保ったままフォルダーを変更したり、新しいGit worktreeに移動したりすることもできる。現時点ではCodexハーネスで利用できる。

企業向けでは、権限またはサンドボックスに関するポリシーが設定されていると、Agent Host内のCopilotハーネスの使用が必須になった。既存のローカルチャットは何も送信せずに自動移行し、これらのポリシーが適用されている間はClaude、Codex、ターミナルチャットが利用できなくなる。管理者は、これらの実行ルールを適用しないLocalハーネスを一時的に維持できる。このハーネスのWindowsサンドボックスは非推奨となり、Agent Hostのセッションへの移行が推奨される。

🔗 VS Code 1.142のリリースノート

HydraFusion Max：GitHubが複数モデルのオーケストレーションに最先端の選択肢を追加

10月14日 — GitHubは、タスクごとにモデルを選ぶことなく、複数のモデルを組み合わせて一つの回答を生成するオーケストレーション、HydraFusionを更新した。モデル群にはClaude Opus 5.5、GPT-6 Astra、GPT-6.1 Sol、GPT-6 Lunaが含まれるようになり、推論の強度も工程ごとに調整できる。初稿では中、レビューでは高を使い、これまで各モデルの既定の強度にとどまっていた動作を変える。Cascadeワークフローでは、最初の作業結果を点検し、必要な場合だけ修正を求める判定工程を挟める。Critiqueでは、ワークスペースを直接調べるツールを備えた複数の批評モデルが並行して動作する。

提供オプション	GitHubによる位置付け
HydraFusion	速度、コスト、性能のバランスを重視し、トークン消費を適度に削減
HydraFusion Max	最先端の能力と最も深い推論を提供し、トークン効率はオーケストレーションで管理

両オプションは引き続き研究プレビューとして、実験機能またはプレビュー機能を有効にしているPro、Pro+、Business、Enterpriseプラン向けに、VS Code、GitHub Copilotアプリ、Copilot CLIで提供される。GitHubは今回のバージョンのベンチマークも料金も公開していない。9月4日のCopilot CLIでの提供開始時には、TerminalBench 2.1でOpus 5に比べて品質が4.9ポイント高く、コストが67 %低いと主張していた。

🔗 HydraFusionの更新と新しいMaxオプション（GitHubの変更履歴）

セキュリティと公正性：Anthropicの選挙向け安全対策、スマートフォンでの詐欺検知、OpenAIの隠し録音装置

信頼に関わる三つの話題。Anthropicは米国の中間選挙に向けてClaudeの準備を進め、Google DeepMindとGovTech Singaporeはスマートフォン内だけで詐欺を検知し、OpenAIは自社オフィスの一つで隠された録音装置を発見したと発表した。

米中間選挙：Anthropicが安全対策を強化し、Democracy Worksの投票情報を統合へ

10月14日 — 米国の中間選挙が近づく中、Anthropicは4月の更新以降に強化した選挙向けの安全対策を詳しく説明した。まず、9月21日から27日に米国のClaude.aiで行われた一般利用者の250 000件の会話を分析し、政治に関する話題の割合を測定した。

会話の種類（Claude.ai、米国）	会話に占める割合
政治、公共政策、社会問題	約5,75 %
選挙または投票	約0,51 %
誰に、あるいは何に投票するか	約0,01 %
選挙の公正性に関する規則への違反（別途分析）	約0,002 %

TurboVote（Democracy Works）へのバナーは引き続き表示される。さらにClaude.aiは今月後半、米国のユーザーへの回答にDemocracy Worksの公式投票情報を統合する。投票場所や持参する身分証明書について州ごとに回答し、選挙当日の夜とその後の数日間には公式結果も表示する。Anthropicによると、Claude Opus 5.5、Sonnet 5.5、Haiku 5.5は同社の政治的中立性評価で99 %を獲得した。独立した三つの評価のうち、二つ（The Future of Free SpeechとCollective Intelligence Project）は、拒否は少ないものの、求められていない注意書きや反論があると指摘した。三つ目のFoundation for American Innovationの評価では、Claude Sonnet 4.5が必ずしも均等に留保を付けておらず、右派の立場を支持する主張をより積極的に弱める傾向が確認された。Institute for Strategic DialogueとMcCain Instituteとともに米国、イスラエル、ブラジルで行ったテストでは、Claudeは単独の有害な要求を確実に拒否する一方、一見無害な小さな作業に分割されたキャンペーンを見逃す可能性が示された。Anthropicはこうした複数段階の悪用を防ぐ分類器を追加した。また、Claudeを使い、ロシア、イラン、北朝鮮の主張に有利な選挙報道を作成していた偽ニュースサイトについて、国外を拠点とする運営者らのアカウントを停止した。

🔗 2026年米中間選挙への準備（Anthropic）

詐欺対策：Google DeepMindとGovTech Singaporeがスマートフォンでの検知に向けてGemmaを調整

10月14日 — Google DeepMindと政府機関GovTech Singaporeは、ユーザーのスマートフォン上で直接詐欺を検知するため、軽量なGemmaモデルをファインチューニングした。記事ではモデルの世代は明記されていない。背景には深刻な数字がある。シンガポールでは、報告された犯罪の半数以上が詐欺で、2019年以降の損失は40億シンガポールドルを超える。複雑なソーシャルエンジニアリングを用いた詐欺は、損失の最大80 %を占める。モデルは、公的機関、銀行、著名人へのなりすましや、直近で地域に広がっている詐欺など、現地の詐欺の会話を使ってファインチューニングされた。処理はすべて端末上で行われ、電池の消費を抑えるために二段階に分かれる。まず軽量な分類器が受信メッセージをふるいにかけ、次に調整済みのGemmaが会話のより広い範囲を読み直し、脅威を確認するか誤検知を除外してから、リアルタイムの警告を表示する。

モデルが会話にアクセスするのはユーザーの同意がある場合だけで、シンガポール政府もGoogleも会話を読むことはできない。ファインチューニングは、GovTechが管理するGoogle Cloud環境で匿名化されたデータを使い、市民のデータを一切用いずに実施された。Singapore International Cyber Weekで発表されたこのプロジェクトには、まだ導入日もアプリ名もない。政府とともに「慎重に段階を分けて」（慎重な段階的展開）導入する予定で、Google DeepMindは他国への展開も検討している。

🔗 Google DeepMindとGovTech Singaporeによる詐欺対策

OpenAIが自社オフィスの一つで隠された録音装置を発見

10月13日 — 報道向けアカウントが公開した声明によると、OpenAIは自社オフィスの一つで、隠された高度な録音装置を発見した。同社は、自社モデルを使って装置の仕組みと出所を調べ、数日前に設置した従業員の特定に至ったとしている。この件はFBIに引き継がれ、OpenAIは逮捕に向けて迅速に動いた捜査官と検察官に謝意を示した。連邦当局による捜査は続いており、従業員は解雇された。

At this time, we have no indications of this individual inappropriately accessing or exfiltrating model weights, source code, or customer data.

🇯🇵 現時点で、この人物がモデルの重み、ソースコード、顧客データに不適切にアクセスしたり、それらを外部に持ち出したりしたことを示す兆候は一切ありません。 — Xの@OpenAINewsroom

OpenAIによると、同社のセキュリティプログラムは、内部リスクからサイバー犯罪者、国家まで幅広い脅威を対象としており、この事例は人工知能がその対処にどう役立つかを示している。声明では、従業員の身元、該当するオフィス、装置の具体的な性質、逮捕日のいずれも明らかにされていない。

科学のための人工知能：MetaのMuseモデルによる医学論文原稿10本、HiRO-ACEv2で3 km解像度の極端気象

モデルの科学的活用が二例。Metaは医療記録を用いた疫学研究を加速し、Ai2は高解像度の気候データを低コストで生成する。

Meta、Muse Spark 1.3とMuse Wonderを用いた医学研究の論文原稿10本を公開

10月14日 — Metaは、Muse Spark 1.3とMuse Wonderを搭載した社内向けのコード作成基盤（コーディングの足場）を構築した。この基盤は、公開データと、ライセンス契約の下で利用する、個人を特定できないように処理された500万件の電子診療記録を収めた過去のデータベースにアクセスする。医学研究者のグループ（循環器学、疫学、感染症学、内科学）が4週間にわたってこれを使い、仮説の立案、すべての解析コードの記述と実行、論文原稿の共同執筆を行った。科学的な判断の権限は専門家が保持している。この取り組みから10本の論文原稿が生まれ、研究者グループ内の同僚、生物統計学者、委託された独立した専門家の順に査読を受けた。独立した専門家の評価は、各論文の下に公開されている。

例として挙げられた研究	報告された結果
感染性心内膜炎後の不整脈	心内膜炎を伴わない菌血症と比べ、新たな不整脈と伝導障害が+73 %；1年後のリスクは7 %対4 %
精神・行動面の健康問題を抱え、診察を受けずに退去した救急患者	相対リスクは1,86（再受診）、4,41（入院）、2,15（短期死亡）
最初のプロンプトから論文原稿までの期間	2週間未満、場合によっては7日

参加者は、最も良いケースで生産性が最大10倍向上したと報告しているが、これは自己申告による測定値である。限界も明示されている。解析は後ろ向き研究に限られ、外部の査読者は、不整脈に関する研究を臨床実践を変えるものというより、仮説を生み出すものと評価している。サーベイランスバイアスが残る可能性もある。この医療分野の取り組みは、Muse Sparkを用いて執筆され、10月2日に公開された6本の数学論文に続くものだ。

🔗 Metaの記事

HiRO-ACEv2：Ai2が世界の極端気象を3 kmでシミュレーション、費用はX-SHiELDの約300分の1

10月14日 — Ai2は、高解像度気候エミュレーターの新バージョンであるHiRO-ACEv2を公開した。このシステムは、100 kmの解像度で気候をシミュレーションするAIモデルのACEと、その出力を3 kmまで高精細化するHiROを組み合わせている。HiROの初版が降水量のみを生成していたのに対し、HiROv2は雨、地表付近の風、海面気圧を予測する。嵐を明示的にシミュレーションする全球大気モデルX-SHiELDの解像度を落としたデータを入力すると、100万点に1点の頻度で起こる事象も含め、その高解像度の統計特性を誤差3 %以内で再現する。また、学習時に見たことのない嵐も含め、熱帯低気圧のエネルギーを正確に推定する。

Ai2が公表した指標	公表値
解像度	100 kmのACEから、3 kmの出力を生成
X-SHiELDの統計特性との差	100万点に1点の頻度で起こる事象も含め、誤差3 %以内
X-SHiELDと比較した費用	全球データの生成費用は約300分の1
生成されたシミュレーション	10年分（ACE）；3 kmの全球データを丸1年分
モデルのライセンス	Apache-2.0、Hugging Faceで公開

限界も明示されている。HiROはX-SHiELDで学習したため、このモデルに合わせて調整されたACEのバージョンでしか動作せず、より温暖な気候やERA5の過去のデータはまだ生成できない。Ai2は、4 °C温暖化した世界を対象に学習させ、その後、地表付近の気温、雪、氷を追加する予定だ。モデルは技術報告書（arXiv 2610.17693）、チュートリアル用ノートブック、デモとともに公開されている。

🔗 Ai2の記事 · Hugging Face上のモデル

拠点開設と投資：Anthropicがシンガポールに進出、NVIDIAが英国の研究に2億5,000万ドル、MistralがNew Materialを買収

Anthropicは政府との合意を伴ってシンガポールに拠点を開設し、NVIDIAは英国に計算資源と投資を提供する。Mistralは製品設計分野の買収で体制を強化する。

Anthropic、アジア太平洋地域で5番目のオフィスをシンガポールに開設し、政府と覚書を締結

10月14日 — Anthropicは、アジア太平洋地域で5番目となるオフィスをシンガポールに開設し、シンガポールのデジタル開発・情報省と協力に関する覚書（相互理解に関する合意文書）を締結した。文書には、シンガポール国際サイバーウィークに合わせて、同省の常任次官チャン・カイ・フォンとAnthropicの共同創業者ベン・マンが署名した。モデルの安全性、セキュリティ、評価に関する協力、テスト基準とインシデント対応に関する技術交流、Anthropic Economic Indexのデータ共有が盛り込まれている。

シンガポールの組織	Anthropicが紹介したClaudeの利用事例
GovTech Singapore	1 500人を超えるエンジニアと技術者がClaude Codeを利用
Grab	営業アシスタントBriXにより、四半期当たり約40 000時間を削減
DBSとGIC	銀行と政府系ファンドでClaudeを利用または導入
Sea（Shopee、Garena、Monee）	Shopeeの顧客サービス用チャットボット、数千人の従業員がClaudeでコードを作成

Economic Indexによると、人口当たりのClaude.ai利用量でシンガポールは121か国中2位となり、人口規模から予想される水準の約6倍に達している。開設当日のBuilder Summitには300人を超える開発者が集まった。Anthropicは、このオフィスの投資額や従業員数を公表しておらず、現在採用を進めている。

🔗 シンガポールオフィスの開設（Anthropic）

NVIDIA、エージェントのセキュリティに関する英国の研究に2億5,000万ドル相当の計算資源を提供

10月13日 — NVIDIAは、エージェントの安全性とセキュリティ（エージェントの安全性およびセキュリティ）に関する英国の研究に対し、5年間で2億5,000万ドル相当、年間5,000万ドル相当の計算資源へのアクセスを寄付すると発表した。大部分は英国のAI安全性・セキュリティ研究コミュニティ全体に提供され、一部はBOLD（オックスフォード大学）、SOFAIR（UCL）、安全工学とロボティクスに取り組むインペリアル・カレッジ・ロンドンに割り当てられる。計算資源は、英国に拠点を置くNVIDIA Cloud Partnersを通じ、国内に設置されたインフラ上で提供される。提供事業者、技術構成、商業条件は今後合意する。対象となる研究は、安全なエージェント、オープンモデルのセキュリティ、現実の脅威の軽減であり、サンドボックス、再現可能な研究、安全性評価のベンチマークを用いる。特にNVIDIA OpenShellとNVIDIA Sentryのリファレンス設計が挙げられている。

発表に添えられた記事では、英国のスタートアップ5社への投資計画も追加されているが、金額は示されていない。対象はBoltz（生体分子モデル）、Foresight（大規模建設現場の管理）、Hiverge（アルゴリズムの発見）、Prima Mente（アルツハイマー病、パーキンソン病、筋萎縮性側索硬化症〈SLA〉に向けた生物学的基盤モデル）、Riverlane（量子誤り訂正）である。これらの発表は、10月21日に予定されるジェンスン・フアンのGTC Berlin基調講演に先立って行われた。

🔗 NVIDIAの発表 · 英国のエコシステムに関するNVIDIAの記事

Mistral、デザインスタジオNew Materialを買収し、Solutions Designチームを新設

10月14日 — Mistralは、6年前に設立されたAI製品の設計スタジオNew Materialを買収した。発表元はNew Materialの記事で、買収と明記されている。MistralはXでこの発表を共有し、チームを歓迎したが、自社サイトの記事や買収額の公表はない。同スタジオは、自動車、小売、法律、医療の分野で、AIを前提とするツール、製品、企業を生み出してきたとしており、Ford、ラファエル・ナダル、Wellcome Trust、AmLaw 50に属する法律事務所などを提携先に挙げている。Mistralでは、デザイン、エンジニアリング、AIを組み合わせる新チームSolutions Designを構成する。企業や政府の重要業務に関わるAIについて、顧客とプロジェクトを共同開発し、実際の導入とMistralの製品の間のフィードバックサイクルを短くする。Mistralは5月にも、Physics AIを専門とするオーストリアのEmmi AIを買収していた。

🔗 New Materialの記事 · @MistralAIの投稿

OpenAI、EU企業のエージェント型AIへの移行を測定：中小企業の利用者は8,1倍に

10月14日 — OpenAIは、欧州連合の企業におけるエージェント型AIの利用を扱う経済研究報告書を公開し、PDFと閲覧・分析できるデータを添えた。欧州のChatGPT Enterprise顧客のサンプルでは、CodexとChatGPT Workが現在、出力トークンの半分以上を占めている。利用者は、計画から実行まで、タスク全体をエージェントに任せている。

OpenAIが測定した指標	測定値
CodexとChatGPT Work経由の出力トークンの割合（EU、ChatGPT Enterprise）	半分以上
EUの中小企業におけるエージェント型ツールの週間アクティブ利用者数	5月1日〜7日の週と比べて×8,1
国別の出力トークンに占めるエージェント型利用の割合	22 %（スロベニア）〜85 %（リトアニア）
28日間の出力トークン数、5月の一般的な企業を基準とした倍率	EU域外の先進企業12,9x；EUの先進企業6,1x；EU域外の一般的な企業1,6x；EUの一般的な企業1,5x
世界の先進企業に占めるEUの割合	10 %

ここで中小企業とは、企業にひも付けられた利用者が200人以下の企業を指し、その利用拡大はすべての加盟国に及んでいる。報告書が主に測定しているのは、利用の深さの差である。9月には、EUの先進企業（最先端の企業、アクティブ利用者1人当たりの出力トークン数が最も多い上位10 %の企業）が、EUの一般的な企業の4倍を超える出力トークンを生成していた。しかし、EU域外の先進企業は、そのEUの先進企業のさらに2倍を超える量を生成していた。OpenAIは、企業が実験段階を超えるのを支援し、従業員を育成することで、幅広い導入をより深い活用へと転換することが課題だとしている。この報告書は、9月30日に公開された米国の小規模企業に関する報告書に続くものだ。

🔗 EUにおけるAIの次章はエージェント型になる（OpenAI）

エージェントのインフラ：Claude PlatformのOpenTelemetryトレース、Perplexityのサンドボックスルーティング

本番環境でエージェントを動かし、監視するためのツールを構成する2つの要素。Anthropicでは可観測性、Perplexityでは適切な実行先へのリクエスト転送を扱う。

Claude Platform、Messages API、Managed Agents、SDKのOpenTelemetryトレース出力を公開ベータで提供

10月14日 — Claude Platformは、公開ベータで、Messages API、Claude Managed Agents、Claude SDKから、標準のOTLPエンドポイントを受け付けるあらゆる可観測性ツールへOpenTelemetryトレースを送信できるようになった。エージェントの各ターン、モデル呼び出し、ツール呼び出しは、遅延、トークン、識別子を伴う標準トレースとして届く。Messages APIとManaged Agentsでは、Claude Consoleに送信先を追加する必要がある。SDKはスパンを自動的に出力し、リリースノートによると、Python、TypeScript、C#、Go、Java、PHP、Rubyに対応する。スパンはOpenTelemetryのGenAIセマンティック規約に従い、標準ではメタデータ（所要時間、ステータス、トークン数、モデル、ツール名）を含む。全内容（すべてのコンテンツ）を送信する設定では、プロンプト、応答、ツールへの入力と結果も出力される。同日、Claude Code 2.1.300も、自身のスパンをこれらの規約に合わせた。

紹介された用途	Anthropicが挙げたツール
技術スタックのほかの部分と合わせてデバッグ	Grafana Cloud, Honeycomb, Sentry, Splunk
実際のトレースを評価に転換	Arize AI, Braintrust, Datadog, Langfuse, LangSmith, New Relic, PostHog
チーム別にトークン使用量を追跡	Databricks Unity Gateway

利用者の声の中で、Rampは、エージェントのLangfuseトレースを採点するシステムReflectにより、一部のエージェントですでにトークン使用量が10〜20 %減り、セッションが30 %高速化したと説明している。Anthropicは料金も一般提供の時期も発表していない。

🔗 Claude Platformにおけるエージェントの可観測性 · Claude Platformのリリースノート

SPACE：Perplexityが各リクエストを適切なサンドボックス実行に結び付ける

10月14日 — Perplexityは、Perplexity Computerのエージェントが動くサンドボックス基盤SPACEについて、技術記事を公開した。Perplexityによると、SPACEは数か月にわたり、1日数百万件の実行を処理し、エラー率は0,0002 %未満で、接続の喪失は一度もない。扱う問題は、古くなった経路である。別のマシン上で再開されたサンドボックスは識別子を維持する一方、新たな実行を開始するため、遅延したリクエストが正しい名前のまま古い実行に届く可能性がある。単純なファイル読み取りも、制御プレーン、node-api、sbx-manager、Unixソケット、ホスト側のブリッジを通り、さらにVSOCKを経由してFirecrackerのmicroVMに到達する。

対策は、サンドボックスの固定識別情報と、特定の実行インスタンスおよびその配置場所を示す実行識別情報を分離することだ。認可後、各リクエストにはEd25519で署名された、有効期間120秒のケイパビリティが付与される。受信するコンポーネントは、転送前にこれを自身の記録と照合する。新しい実行が配置されると、端末接続とファイル監視は直ちに切断される。脅威モデルでは、実行用マシン（ワーカー）のroot権限が侵害されるケースを対象外とし、検証はローカルで完結する。ハードウェアによるリモートアテステーションは行わない。記事の最後では、SPACEを、同等の保証を持つOpenShell、および期待される実行識別情報を伴わずに転送するE2BとCubeSandboxと比較している。Perplexityは、これらの所見は調査した実装に限られると明記している。

🔗 SPACEに関するPerplexityの記事

汎用エージェント：Perplexity ComputerのUltrafast版、チーム向けのManus for Business

ユーザーのために長時間のタスクを進めるエージェントは、Perplexityのモデル高速化とManusのチーム作業という2つの手段を活用している。

Perplexity Computer、GPT-6 AstraとGPT-6.1 SolのUltrafast版をMax加入者に提供

10月14日 — Perplexityは、複数の段階を経るタスク向けのエージェントであるPerplexity Computerで、OpenAIの2つのモデル、GPT-6 AstraとGPT-6.1 SolのUltrafast版をMax加入者に提供する。後者は発表では「SOL 6.1」と表記されている。両モデルはトークンをより速く生成するため、Computerの長時間タスクがより早く完了する。設定は手動で行い、CustomメニューでAstraまたはSOL 6.1を選び、速度をUltrafastに切り替える。発表には速度向上やクレジット消費の数値がなく、ほかのプランへの言及もない。製品の変更履歴にも10月5日より新しい項目はない。これは、OpenAIがGPT-6 Astra向けに9月29日、GPT-6.1 Sol向けに10月8日に導入した速度設定をPerplexityでも提供するもので、OpenAIによると最大8倍の速度になる。

🔗 Perplexityの発表

Manus for Business：1席あたり20ドルからのTeam PlanとEnterpriseプラン

10月13日 — Manusは、Manus Team PlanとEnterprise Planをまとめたチーム向けサービス、Manus for Businessを提供する。

Manusのプラン	Manusによる提供内容
Manus Team Plan	有料シート1席あたり月額20ドルまたは年額200ドルから、4 000クレジット付き；ゲストシートは無料
Manus Enterprise	営業窓口への問い合わせが必要：管理対象アカウント、法的保全、SIEM連携、エージェントのネットワーク制御、ユーザーごとの利用上限

すでに利用可能なTeam Planでは、コンテキストを保持するプロジェクト（関連タスク間で指示、ファイル、Skills、コネクターを共有し、スケジュールされたタスクも含む）、管理者が利用を義務づけられる共通のSkills、タスクやファイル、社内サイトへのチーム限定アクセス、ダッシュボードで利用状況を確認できる共有クレジットが提供される。ゲストは有料シートを使わずに確認やコメントを行える。役割、監査ログ、SSO、SCIMも備える。Manusは、モデル提供企業がTeamの顧客データで学習することを禁止し、SOC 2 Type II、ISO 27001、ISO 27701の認証を取得しているとしている。

🔗 Manus for Businessのご紹介

エージェント研究：HybridAgentは潜在空間で推論し、Cohere Labsはコードエージェントのチームを評価

2つの研究がエージェントの低コスト化を目指している。一方はトークンを生成せずに推論させ、もう一方はチーム編成を改善する。

HybridAgent：潜在空間で思考し、テキストで行動するエージェント

10月13日 — ジアルー・ゾウやジェームズ・ゾウらが著者に名を連ねるarXivの投稿によると、スタンフォード大学、Together AI、UIUC、Metaの研究者らがHybridAgentを発表した。これは、1回の生成の中で潜在空間での推論とテキストによる行動を交互に行う、ハイブリッド推論エージェントだ。軽量モジュールのHybridLinkが最終層の隠れ状態を入力埋め込み空間に戻すことで、モデルはトークンを生成せずに推論し、その後テキストに戻ってPythonインタープリターやウェブ検索といったツールを呼び出す。潜在空間での各段階は、疑似テキストの形で読み直せる。学習は2段階で行われる。HybridSFTでHybridLinkとの連携を学び、次にHybridRLで潜在空間で考えるタイミングとテキストで行動するタイミングを学ぶ。

公表された指標（著者による）	発表された値
11のベンチマークと3つのモデルサイズでの性能向上	+10,4 %
トークン削減	35,5 %〜54,7 %
推論速度	1,8〜2,6倍高速
コスト削減	2,7〜3,7倍

HybridAgent-8B-Agenticと14B-Agenticは、コードとともにMITライセンスで公開されている。論文に伴うTogether AIからの発表はない。

🔗 arXivの論文

Cohere Labs：高性能な主担当エージェントと低コストのエージェントのチームが、コストを70 %削減しながら最高スコアに迫る

10月14日 — Cohere Labsは、キーナン・サムウェイ、ダニエル・デスーザ、ヌーハ・ジリによる、コードエージェントのチーム編成に関する研究を公開した。意図的に最小限に絞った実行基盤で、主担当エージェント（リード）が補助エージェント（ワーカー）にサブタスクを割り当てる。委譲する段階、待機方式がブロッキングか非同期か、各役割のモデル、チーム規模、直接メッセージ交換というパラメーターを、1つずつ変えている。主なベンチマークであるProgramBenchでは、jqやripgrepからSQLiteやFFmpegまで、200のプログラムを実行ファイルとドキュメントだけから再構築することが求められる。

評価した構成（ProgramBench、GPT-5.6）	平均報酬	200タスクの総コスト
Sol単独、3段階のプロンプト	57,7 %	文中に金額の記載なし
非同期のSolチーム、3段階を委譲	63,2 %	510ドル
非同期のSolチーム、計画のみを委譲	63,6 %	249ドル
主担当Solと16のLunaエージェント、計画	61,8 %	155ドル

したがって、計画だけを委譲してもすべてを委譲する場合と同等の結果が得られ、コストは半分になる。主担当のSolを16のGPT-5.6 Lunaエージェントが支援する構成では、155ドルで61,8 %に達し、すべてを委譲する全員Solのチームより70 %安い。主担当の性能が低い場合は補えず、Lunaエージェントを使っても、主担当がTerraの構成（51,6 %）はSol単独（57,7 %）を下回る。30タスクの部分集合で、モデルごとに1回だけ実行した試験では、Claude Opus 4.8はチームで5,9ポイント向上した一方、Claude Opus 4.7はほとんど委譲しない。Claude Opus 5の試験は8タスクで中止され、すべて8時間の制限時間に達し、各タスクのコストは約500ドルだった。この研究ではCohereのモデルは評価されていない。

🔗 Cohere Labsの記事

生成メディア：FLUX 3 Videoが値下げ、RunwayがBasetenに、HeyGenの音声は場面に適応

生成動画は価格を下げ、企業の専用インフラに進出している。一方、HeyGenは動画向けの音声クローンについて詳しく説明している。

FLUX 3 Video、2Kと4Kで最大2倍高速化し、価格は最大半額に

10月14日 — Black Forest Labsは、FLUX 3 Videoが最大2倍高速になり、ネイティブの2Kと4Kでの生成コストが50 %下がったと発表した。同社は、計算資源の消費を抑えるようサービスを最適化し、その効果を価格と速度に反映したと説明している。続く投稿では、同程度の価格と遅延でKling o3を上回る4K品質を実現するとしているが、スレッド内にベンチマークは公開されていない。

FLUX 3 Videoの解像度	テキストまたは画像から動画へ（1秒あたり）	動画から動画へ（1秒あたり）
HD	0,17 → 0,15ドル	0,41 → 0,21ドル
FHD	0,29 → 0,24ドル	0,53 → 0,27ドル
QHD (2K)	0,40 → 0,28ドル	0,65 → 0,31ドル
UHD (4K)	0,80 → 0,41ドル	0,95 → 0,45ドル

bfl.aiの料金表を見ると、「50 %」には幅がある。2Kと4Kの値下げ率は30 %（テキストまたは画像から2K動画を生成）から53 %（動画から動画）までで、HDとFHDも値下げされている。ドラフトモード（Draft）はHDのみで、1秒あたり0,06ドルのままだ。FLUX 3 Videoは8月4日に提供が始まった。

🔗 Black Forest Labsの発表 · FLUX 3 Videoのページ · FLUX 3 Videoの料金表

Runway、Basetenと提携し、Gen-4.5とAleph 2.0を専用環境に展開

10月14日 — RunwayとBasetenは、Runwayの動画モデルを企業向けの専用環境で提供するために提携する。Gen-4.5と、1080pで最大30秒の複数シーンの映像を編集できるAleph 2.0を、追加学習したバージョンも含め、Baseten Dedicated Inferenceを通じて単一テナント（シングルテナント）環境に展開できるようになった。企業はRunwayから直接モデルの重みのライセンスを取得し、Basetenに展開する。各デプロイは専用GPUを備えた隔離された実行プレーンで稼働し、制御プレーンはBasetenが管理する。インフラはBasetenのSOC 2 Type IIおよびHIPAAプログラムの対象で、稼働率は99,99 %が保証される。顧客は自社データでモデルを追加学習し、GPU容量を予約できる。価格は公表されていない。このサービスは、企業に非公開のモデルの重みをライセンス提供するため、9月11日に始まったRunway Model Licensingを拡張するものだ。

🔗 Runwayの発表 · Basetenの記事

HeyGen Voice：場面に合わせて声を調整する音声クローンの技術報告

10月14日 — HeyGen Voiceの提供開始から5日後、HeyGenは、動画向けに設計された初のモデルと位置づける音声モデルの技術報告を公開した。音声リファレンスが誰の声かを決め、ターゲット画像と場面の説明が声の響き方を導く。言語モデルはそこから、話者向けのキャプション（声調、リズム、強調、表現力）と背景向けのキャプション（空間とその音響特性）の2つを生成する。動画は別のアバターモデルによってレンダリングされる。

ブラインド評価（HeyGenが実施）	HeyGen Voiceが選ばれた割合
場面との適合性、Cartesiaとの比較	73 %
場面との適合性、ElevenLabs v4との比較	70 %
場面との適合性、Seedance 2.5との比較	65 %
ユーザーの選択、ElevenLabs v4との比較	62,2 %
ユーザーの選択、Cartesia Sonic 3.6との比較	54,1 %

最初の試験では、大聖堂から車の前部座席まで、50の環境に同じ声を配置した。2つ目の試験では、数千人のユーザーが自分の声を録音し、製品名を伏せた状態で採用するバージョンを選んだ。3製品の比較ではHeyGen Voiceが41,7 %を獲得した。これらの数値はHeyGenによるものだ。

🔗 HeyGenのスレッド · HeyGen Voiceの研究ページ

チップ：NVIDIAがcuPotentialを発表し、AI主導の半導体工場にCUDA-Xを拡大

10月14日 — NVIDIAは、原子や分子の相互作用をシミュレーションできるエージェントを構築するための新しいCUDA-Xライブラリ、cuPotentialを発表した。これは、半導体の材料や製造工程をモデル化するうえで中心となる計算だ。早期アクセス試験では、GPU向けに最適化済みの処理をさらに2〜3倍高速化した。Synopsysが初期ユーザーの1社に含まれる。この発表は、エージェントがエンジニアによる工程の最適化、生産トラブルの解決、歩留まりの向上を支援する、AI主導の半導体工場（AIで定義される工場）の取り組みの一環だ。

パートナーまたはツール	発表された結果（NVIDIAによる）
NVIDIA cuPotential	GPU向けに最適化済みの処理でさらに2〜3倍（早期アクセス）
Lam Research (NanoVDB, SEMulator3D)	2026年末までに、一部のエッチングモデル計算で最大30倍
KLA (NPP)	従来のCPU版に比べ50倍高速
Applied Materials	チャンバーのシミュレーションが最大35倍高速
Synopsys	30倍（cuEST、QuantumATK）と12倍（cuDSS、S-Device）の可能性

同日の技術記事は、エージェントの活用例を紹介している。オープンなNeMo Gymライブラリを使い、Siemens Fuseチームは標準セルの特性評価エージェントが生成したLibertyファイルを検証済みの参照データと比較して評価した。約25回の実行を通じ、モデルをClaude Opus 4.8、実行基盤をClaude Codeに固定して、チームはスキルとMCPツールの説明を改善した。総合スコアは約55 %から約95 %に上がり、エージェントのターン数は155から53に、出力トークンは約81 000から29 000に減った。

🔗 NVIDIAのプレスリリース · NeMo GymとSiemens Fuseの技術記事

オープンなモデルと環境：UltraBERTエンコーダー、Hugging Faceの多言語RL環境

Hubで2つの成果が公開された。分類と検索向けのエンコーダーファミリーと、100以上の言語に対応する強化学習環境だ。

UltraBERT：DMIS Lab、32Kのコンテキストを持つ150Mと380Mの英語エンコーダーを公開

10月14日 — DMIS（データマイニング・情報システム研究所）は、150Mと380Mパラメーターで、ネイティブに32Kトークンのコンテキストを備えた英語エンコーダーファミリー、UltraBERTと、すぐに使える埋め込みモデル、UltraBERT-Embed-150Mを公開した。すべてApache 2.0ライセンスで、論文（arXiv 2610.15028）も公開されている。合計70兆トークンを超えるアブレーション実験から、2つの知見が得られた。エンコーダーは損失が下がり続けても1兆〜2兆トークンを過ぎると性能が向上しなくなること、そしてマスク率が得意分野を決め、低い率は分類、高い率は検索に有利になることだ。そこでUltraBERTでは、各バッチで5 %と50 %のマスク率を混ぜ、率ごとに言語モデルのヘッドを設けている。

公開されたUltraBERTモデル	著者が発表した結果
UltraBERT-380M	GLUEで91,0、BEIRで47,7
UltraBERT-150Mと380M	10のベンチマークのうち9つで最高スコア；最大32Kトークンの隠されたキーのテストで99 %
UltraBERT-Embed-150M	MTEB (eng, v2)で67,24、200Mパラメーター未満で最高性能の密ベクトル埋め込みモデル

🔗 DMIS Labの記事

Hugging Face、22言語のOCRと102言語の音声認識向けRL環境を公開

10月14日 — Hugging Faceで強化学習環境に取り組むアディティヤ・エス・ケーが、本人によれば最大規模となる、多言語・マルチモーダルのオープンソースRL環境を紹介した。検証可能な報酬を備えた2つのOpenEnv環境が公開されている。1つは文書認識（OCR）向けで、Cognitive LabのNayanaコーパスから抽出した22言語、100万ページ以上を対象とする。もう1つは音声認識（ASR）向けで、GoogleのFLEURSに含まれる102言語の音声を対象とし、タスク数は合計で1,200万を超える。基本的な考え方は、既存の公開データセットに検証可能な報酬を付けて再利用することだ。訓練に使えることを示すため、同氏は1基のA100で、カンナダ語を対象にGRPOによってGemma 4 E4Bをファインチューニングした。その結果、Sarvam AIの評価用に取り分けたOCRベンチマークで文字誤りが16 %減り、評価用に取り分けた838件の音声クリップでは45 %減った。10月7日に紹介されたRL Environment Explorerには、すでに1,200万件以上のタスクが登録されていた。今回の新しい点は、正式な紹介と初めての訓練結果にある。

🔗 アディティヤ・エス・ケーのスレッド

GitHub Actions：ワークフローの依存関係向けロックファイルがパブリックプレビューに

10月14日 — AI以外の話題では、GitHub Actionsがワークフローの依存関係向けロックファイル（lockfiles）のパブリックプレビューを、GitHub Enterprise Cloud（データレジデンシーの有無を問わず）、Team、Freeで公開した。対象となるリスクは既知のものだ。ワークフローのレビュー後にタグやブランチの参照先が変更されると、侵害されたアクションが、リポジトリに一切変更を加えることなく悪意のあるコードを挿入できる。GitHub CLIの拡張機能gh actions-lockは、アクション、その推移的な依存関係、再利用可能なワークフローのコミットを記録した.github/workflows/actions.lockを生成する。その後、Actionsはタグの参照先が変わっても、ロックされたコミットを実行する。導入はワークフローごとに行い、Require lockfileポリシーで必須にできる。Dependabotは、アクションの新しいバージョンを提案するのと同じプルリクエストで、ロックされた項目も更新する。GitHubは、ロックしても依存関係の安全性が保証されるわけではなく、ロックする前に内容を確認する必要があると改めて説明している。

🔗 GitHub Actionsのワークフローロックファイルがパブリックプレビューに（GitHubの変更履歴）

短報

エージェントとコーディングツール

Copilot CLI 1.0.98 — 1.0.97の翌日に安定版となり、Gemini 4 Argonに対応した。/askの回答も扱いやすくなり、Ctrl+Eで展開、Ctrl+Yで全文コピーができ、/askまたは/btwで直近の回答全文を再表示できる。Copilot SDK 1.0.22の変更は、このCLIの同梱にとどまる。🔗 出典
Zed 1.24とプレビュー版1.25.0 — 1.24が安定版（1.24.2）となり、プレビュー版からの追加修正は1件のみ。1.25.0-preでは、Google AIプロバイダーにGemini 4 Argon、BedrockにGPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5が追加され、ACPエージェントのコンテキスト圧縮に対応した。また、外部エージェントやMCPサーバーの秘密情報がローカルのプロセス一覧に表示されなくなった。🔗 出典
VS Code向けAntigravity拡張機能1.8.0 — 10月11日の更新を補足。自動承認を使わない場合、diffのレビューが開いたままになり、エージェントのターンをまたいで蓄積される。ディスク上で行われた変更は1秒未満で検出され、VSIXパッケージは約70 %軽量化された。🔗 出典
DeepSeek Harness 0.2.1-alpha.3 — 27回目のプレビュー版で、安定版はまだない。送信されるメッセージ内のキーとトークンを既定でマスクし、サブエージェント専用のエージェントプリセット（Agent Presets）、SDKでのセッション再開、10件の修正を追加した。Azureプロバイダーはazureに改名され、設定の移行が必要となる。🔗 出典
GPT-5.5がCodexから退役 — 9月15日の予告どおり、ChatGPTでサインインするアカウントでは、GPT-5.5が10月14日19時UTCにCodexから退役した。Plus、Pro、Business、Enterprise、EduではGPT-6.1 Solに、FreeとGoのデスクトップアプリではGPT-6 Lunaに置き換えられた。APIおよびAPIキーを使うセッションは対象外。🔗 出典
AmpとOpenAIのモデル — OpenAIの導入事例で、Ampは消費されるトークンの大半をこれらのモデルが占め、一部のユーザーは週に100億トークンを使っていると説明した。Calling Puckでは、GPT-Live-1を通じて同社のメタエージェントとリアルタイムで会話できる。また、チームはGPT-6 AstraのUltrafastモードを試している。🔗 出典
Apache Spark向けcuDFスキル — NVIDIAが、SparkのUDFをGPUで高速化された同等の処理に書き換えるエージェントスキルを公開した。名前を明かしていない大企業では、本番環境のUDFを30件以上変換し、そのうち1件では6,000億行の処理時間が274.55時間から12.78時間に短縮された。🔗 出典
Built with Claude: Japan 2026 — AnthropicとCerebral Valleyが、11月2日から10日に、日本在住者向けのClaude Codeハッカソンを完全オンラインで開催する。選ばれた参加者250人にはMax 5xプランと500ドル分のAPIクレジットが提供され、賞として50,000ドル分のクレジットが用意される。応募期限は10月26日。🔗 出典
Astra Commonsのミートアップ — OpenAIのコミュニティチームに所属するリアノン・ペインによると、9月にCodex AmbassadorsがGPT-6 Astraの公開に合わせ、52都市のカフェ、ギャラリー、大学で約2,500人の開発者を集めた。🔗 出典

アシスタント、企業向けツール、ガイド

Genspark — MetaのMuse Wonder、続いてGemini 4 Argonが、それぞれ数時間以内にAI Chat、Code Agent、Clawに導入された。開発元の訴求点も紹介されているが、プランや料金は明示されていない。🔗 出典 · 🔗 Argon
Sakana ChatのMy Fish — Sakana AIが、アシスタントの記憶を可視化した。読み書きのヒートマップ、カテゴリ別表示、記憶同士のつながりを示すマップ、履歴を確認でき、30日間使われなかった記憶は薄く表示される。すべてウェブ版とモバイル版の「設定 → My Fish」で利用できる。🔗 出典
Gloss — Together AIが、記事、PDF、Xのブックマークを保存し、ハイライトした一節についてAIに質問できる、無料のオープンソースアプリを紹介している。同社のプラットフォーム上でDeepSeek V4.1 Flashを使って構築された。🔗 出典
Apigee hybridのMCP — バージョン1.17.0から、OpenAPI仕様だけでAPIの各操作をMCPツールとして公開できる。データプレーンは顧客のKubernetesクラスター内にとどまり、ツール呼び出しがGoogle Cloudを経由することはない。🔗 出典
Perplexityが解説するAIツールの費用 — ガイドが料金モデルと隠れた費用を詳しく説明している。仮想の10人チームでは、月によっては350ドルに加え、社内作業が18時間発生する例を挙げ、FreeからEnterprise MaxまでのPerplexityの料金体系もまとめている。新しい発表はない。🔗 出典
Perplexityが解説するMCPツール — 2本目のガイドではMCPツールとは何かを説明し、Perplexityでの双方向の使い方を改めて紹介している。Pro、Max、EnterpriseでMCPサーバーに接続する方法と、例えばClaude CodeからPerplexity自身のMCPサーバーが提供する4つのツールを呼び出す方法だ。🔗 出典

導入事例と展開

Third Moment Research — OpenAIの導入事例によると、この研究所は36〜48時間のセッションで10,000体のエージェントを同時に動かし、1日で1兆トークンを消費した。また、Codexによってバックテスト（backtest）の所要時間を97 %短縮した。最も多く使うモデルはGPT-6.1 Sol。🔗 出典
SentinelOneとDaybreak — 同社のAI責任者グレゴール・スチュワートによると、OpenAI Daybreakは、一流の研究者なら4〜6週間を要していたマルウェアのリバースエンジニアリングを、約8時間で人間と同等の水準に仕上げる。🔗 出典
CircaとManus — Manusが、ボストンのスタートアップCircaの体験談を公開した。同社は解体で生じた資材を再利用し、ウェブサイト、補助金関連の作業、見積もりツールにエージェントを活用している。9月には累計売上高が約100,000ドルと報告した。新しい製品発表はない。🔗 出典
欧州の都市とNVIDIA — コート＝ドール県では、500棟以上の公共建築物に展開されたAkilaとThinkDeepのエージェントが運営費を10 %削減しており、目標は30 %。NVIDIAはミラノ、アントワープ＝ブルッヘ、ヨーテボリ、リバプールのプロジェクトも紹介している。新製品はない。🔗 出典
MiniMax H3 IP Edition — 9月11日に東京で開催したカンファレンスの振り返りで、MiniMaxは60社以上が関心を示したと主張している。Captain Tsubasa × PixVerseの試験企画では、45日間で126,360人のクリエイターが参加し、329,314件のライセンス許諾済みコンテンツが集まった。🔗 出典

オープンモデルとコミュニティの研究

CohereがRerank 5に言及 — CohereがRerankにMarioをプレイさせる動画を公開し、Rerank 5がRerank 4のスコアを超えるか見てほしいと呼びかけた。公開された製品はなく、ドキュメントに掲載されているのは引き続きRerank 4と3.x系のみ。🔗 出典
Lumma-Fev-27B — FrontiersMindが、約100,000件の意思決定例（英語、ヒンディー語、タミル語、カンナダ語）でQwen3.8-27Bをフルファインチューニングした。評価用に取り分けた4,454件の意思決定で正答率は90.7 %となり、Jev 1.13の83.9 %を上回ったが、BBHとWinoGrandeではJevが優位を保つ。測定値は開発者によるもので、重みはApache 2.0で公開されている。🔗 出典
TranscribePsy — Tether AI Researchが、欧州の25言語に対応する254Mパラメータの音声認識モデルを、GGUF版とCore ML版で公開した。Open ASR Leaderboardでの単語誤り率は8.02 %で、Whisper-smallの12.34 %を下回る。Tetherによると、6台のスマートフォンでは次に速いモデルの2.6倍の速度だった。🔗 出典
VKORE-46M-NPU — VIDRAFTが、32チップ構成の推論用NPUで、実際の誤差逆伝播を使い、46Mパラメータの小型デコーダーをゼロから訓練した。損失曲線は、GPUで行った同じ訓練の曲線と0.99の相関を示した。🔗 出典
量子化とエージェント能力 — パトリック・ヒル（PBH Applied Systems）が19,200件の対応付けた結果を分析し、Q4_K_MのMistral-Nemoでは8つのエージェント能力のうち5つで有意に性能が低下し、文章を含む構造化出力では最大−28.0ポイントとなることを示した。一方、Q5_K_M（8.73 GB、比較対象は7.48 GB）とQ8_0では変化がない。🔗 出典
Gated DeltaNetにゲートを追加 — アヴィ・フェネシュが、GRPOで訓練したLoRAに、Gated DeltaNet層のベータ値を制御する小さなゲートを追加した。MATH-500でQwen3.5-4Bの推論が48 %短くなり、任意の時点での正答率が0.786から0.852に上昇した。🔗 出典
pico-165m — ファウスト・サポリートが、1基のTPUチップで、メモを取る165Mパラメータのモデルを訓練した。約47往復の会話に対する記憶確認では0.81を記録し、会話全体を読むSmolLM2-360M-Instructの0.31を上回った。🔗 出典

推論と計算カーネル

DeepGEMM-Ascend、DeepGEMM 2.8.2、TileKernels 2.1.0 — DeepSeekが告知なしで、Ascend NPU向けライブラリにスパースMQAロジットのカーネルと、BF16、FP8、FP4のGEMMにC項またはバイアスを追加した。DeepGEMMを2.8.2に更新し、TileKernels 2.1.0もリリースノートなしで公開した。🔗 出典
TokenSpeedとQwen3.8-Flash-Next — LightSeekのオープンソースエンジンが、4基のNVIDIA GB300とNVFP4でモデルを提供し、会話が1件の場合はユーザーあたり685.9 tokens/s、32件の場合は95.7 tokens/sを達成した。Qwenはこの結果を称賛した。🔗 出典
AMD MI350P上のQwen3.8-Flash-Next — フロリアン・ツィンマーマイスターが、1基のGPUでvLLMを使い、32ストリーム時の合計スループットを1,168.2から2,256.6 tokens/sへ引き上げた（+93.2 %）。比較の出発点には、すでにカスタムMXFP4が導入されていた。🔗 出典
Microsoft FoundryのGLM 5.3 Flash — Hugging Faceが、Z.aiのモデルをFoundryのカタログに追加した。AMD MI300X向けに最適化され、コンテキスト512Kの3構成が用意されている。ShareGPTでは、8 GPUのTP4 + DP2構成が約1.8倍のスループットを示し、最初のトークンまでの時間を11.3 sから5.2 sに短縮した。🔗 出典
Neural Engine上のQwen3.8-27B — ANEMLLプロジェクトが、モデルのすべてのMLP行列を3ビットのベクトルに量子化した。M6チップ上で、BF16に対するKLダイバージェンスは0.0518、平均速度は37.5 tokens/s、重みの容量は9.74 GiBとなった。標準タスクでの正答率はまだ測定されていない。🔗 出典
Hubのテンソルビューアー — Hugging Faceが、すべてのシャードのヘッダーを1回のリクエストで返すようにした。DeepSeek-V3.2を開く時間は9.2 sから0.45 sに、GLM-5.3は4.0 sから0.57 sに短縮された。🔗 出典

GitHub、AI以外の話題

GitHub Appsの権限 — 2つの細かな権限により、管理権限なしでリポジトリを作成したり、インストール先のリポジトリを管理したりできる。また、リポジトリ管理者は、すでに承認済みのアプリに自分のリポジトリを関連付けられる。掲げられた目標は、従来型PATからの移行。🔗 出典
GitHubの可用性レポート — 10月7日時点で、本番サービス160件のうち120件がCentral USで稼働し、プライマリMySQLデータベース51件のうち13件が移行済みだった。GitHubは9月30日の目標を達成できず、ウェブ上でのIssue作成の約96 %に影響した9月13日の障害も振り返っている。🔗 出典
スターの履歴 — 新しいAPIエンドポイントが、ユーザーの識別情報を含めず、1回のリクエストで最大30週間分の日別集計を返す。react/reactでは、従来の約2,511回に代わり、約24回のリクエストで取得できる。🔗 出典

これが意味すること

音声分野では数値に基づく比較が進み、順位と同じくらいコストが重視されるようになっている。Grok Voice 3.0は1分当たりの料金を据え置いたままスコアを改善し、SpaceXSIはタスク当たりのコストが0,025ドルで、GPT-Live-1の0,030ドルを下回る点を強調している。開発元が引用するArtificial Analysisのこれらの測定結果だけで、すべてに決着がつくわけではない。τ-VoiceではGPT-Live-1が依然として上位にあり、Grok Voice 3.0は40 %低いレイテンシで補っている。実運用の規模も重要だ。Starlinkでは1日20 000件の電話対応のうち約70 %が人の介入なしで解決されており、音声エージェントがすでに顧客サポートの相当部分を担っていることが分かる。動画分野では、FLUX 3 Videoが計算資源の消費を抑えたサービスによって2Kと4Kの料金を30〜53 %引き下げる一方、HeyGenはシーンの音響特性に合わせて調整した音声に力を入れている。

最先端モデルは研究成果でも評価される。Googleは量子デコーダー、プラズマ物理学の予想、実験室で検証された酵素におけるArgonの成果を示し、Metaは10本の医学論文原稿、Ai2は約300分の1のコストで生成した3 km解像度の気候データを示している。限界も明記されている。Gradの予想に関する論文の要旨にはArgonへの言及がなく、Metaの研究は後ろ向き研究で、そのうち1件は仮説を生み出すための研究と評価されており、ADKのリポジトリでは人によるレビューを経て6件の最適化のうち2件だけが採用された。どの場面でも最終判断は人が下す。Metaの実験では医学研究者が科学的な結論を決め、ADKのメンテナーはエージェントの提案から不要なものを削っている。

エージェントの作業コストは、開発ツールにおける中心的な課題になりつつある。Claude Codeは全体を再処理せずに済むよう、キャッシュの有効期限が切れる前に長い会話を圧縮し、HydraFusionは段階ごとに推論の労力を調整する。Cohere Labsの研究では、高性能な主エージェントと安価なエージェントを組み合わせることで、コストを70 %削減しながら最高スコアに迫れることが示されている。HybridAgentはトークンを生成せずに推論する構造によって、同じ問題に取り組んでいる。こうした支出を管理するには、まず可視化する必要がある。Claude PlatformとClaude Code 2.1.300のトレースは、現在ではOpenTelemetryの同じGenAI規約に従っており、Rampは自社のトレースに評価を付けることで、一部のエージェントでトークン数を10〜20 %削減できたと報告している。欧州連合に関するOpenAIの報告書は、この課題の重要性を示している。調査対象のEnterprise顧客では、CodexとChatGPT Workがすでに出力トークンの半分以上を占めている。

AIの安全性は、公共的な課題としても広がりを見せている。シンガポールでは、同じCyber Weekの期間中に、Anthropicがモデル評価とインシデント対応に関する覚書に署名し、Google DeepMindがGovTechとともに、処理をスマートフォン内で完結させる詐欺検出機能を発表した。英国では、NVIDIAが計算資源の提供によってエージェントの安全性研究を支援している。米国では、Anthropicが細かなタスクに分割されたキャンペーンに対抗する分類器を用いて、中間選挙に向けたClaudeの準備を進めている。企業内では、OpenAIが自社モデルを使って録音装置を隠していた従業員を特定したと述べ、GitHubはタグの参照先が変更されてもレビュー済みのものとは別のコードが実行されないよう、ワークフローの依存関係を固定し、VS Codeは企業ポリシーに基づいてCopilotのハーネスとその実行ルールの使用を義務付けている。