検索

Qwen4-MaxがAPIに登場、OpenAIがコンピューター操作エージェントをChatGPT for Healthcareに開放、NVIDIAがSC26でRubin HPCを発表

この号に登場する企業

興味のないものはチェックを外してください。選択はすべての号に適用され、この端末に保存されます。

大手研究所
中国
ヨーロッパ
コーディングツール
エージェントとウェブ検索
生成メディア
インフラとオープンソース
その他

ai-powered-markdown-translator

gpt-6.1-solを使用してフランス語から日本語に翻訳された記事。

GitHub でプロジェクトを見る ↗

QwenがAPIでQwen4-Maxを公開した。2,4Tパラメーター、1Mトークンのコンテキストを持つMoEモデルで、料金はQwen3.8-Maxより低い。OpenAIはコンピューター操作エージェントをChatGPT for HealthcareとChatGPT for Cliniciansに拡大し、NVIDIAはSC26で、2028年に登場予定のシミュレーション向けGPU、Rubin HPCを発表するとともに、MLPerf TrainingにおけるVera Rubinの初の結果を公開した。Hugging FaceはInference ProvidersのルーティングをOpenRouterに委ねる。一方、Perplexityは10 000基超のGPUを使い、自動化された科学者の実現を目指すPerplexity Frontier Researchを立ち上げた。


Qwen4-MaxがQwenCloudのAPIに登場:2,4TパラメーターのMoE、1Mトークンのコンテキスト、料金引き下げ

11月16日 — 11月11日に取り上げたプレビューから5日後、Qwenは詳細な技術記事とともに、QwenCloudのAPIでQwen4-Maxを識別子qwen4-maxとして公開した。Qwen4シリーズ初のモデルとなる。より小規模なQwen4モデルは重みが公開される予定だが、時期は未定で、Maxについては重み公開の発表はない。このモデルはQwenWork、Qoder、Qwen Studioでも提供され、同日からOpenRouter、Vercel AI Gateway、Novita AI、OpenCode Goでも利用できる。

アーキテクチャーは新しい。この混合エキスパート(Mixture of Experts、MoE)は、基幹部分に2,4Tのパラメーターを持ち、トークンあたり71Bが有効になる。さらに、328BパラメーターのN-gram Embeddingが加わる。4層のうち3層のGated DeltaNetが履歴を固定サイズの状態に圧縮し、4層目のQwen Sparse Attentionが有用なコンテキストをブロック単位で選択する。モデルは視覚機能を標準で備え、コンテキストは1Mトークン。QwenCloudのページによると、入力991K、出力131Kで、推論モードでは入力983K、出力262Kとなる。

料金区分(QwenCloud、100万トークンあたり)発表された料金
入力1,5ドル
出力4,5ドル
暗黙的キャッシュの入力0,075ドル
明示的キャッシュの作成(5分 / 1時間)1,875 / 3ドル

Qwenによると、これらの料金はすべてQwen3.8-Maxを下回り、暗黙的キャッシュは70 %の値下げとなる。また、社内評価では、721の専門職種を対象とする評価の枠組みWork360で、推論強度に応じてトークン消費量が24~35 %減少し、Terminal-Bench 4.0では約48~49 %減少したという。Work360のタスクあたりの平均費用は4,43ドルから1,67ドルとなり、英語版の記事では−62 %とされている一方、人民元で示した中国語版では−58 %とされている。Work360のスコアはQwen4-Maxが52,69で、Qwen3.8-Maxの47,74を上回った。

Opus 5.5、GPT-6.1 Sol、GPT-6 Astra、Kimi K3.1との比較では、Qwenが公開した表の結果は一様ではない。Qwen4-Maxが首位なのは16テスト中4つで、DeepSWE v1.1、Agents’ Last Exam v1.1、HLAB-Vals-1.1、BioMysteryBenchだ。主な結果は以下のとおり。

ベンチマーク(分野)Qwen4-MaxOpus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
DeepSWE v1.1(エージェントによるコーディング)75,774,275,274,175,5
HLAB-Vals-1.1(法務エージェント)21,39,26,37,111,7
BioMysteryBench(バイオインフォマティクス)85,081,984,478,980,6
Terminal-Bench 4.0(エージェントによるターミナル操作)48,559,656,159,167,2
ProgramBench(ソフトウェアの再現)31,565,052,555,025,0
Humanity’s Last Exam51,759,854,053,651,1

Qwenが紹介した第三者のランキングでは、Code Arena WebDevで第6位(暫定1 750ポイント)、Vals Indexで第11位(63,20 %)となり、中国のモデルとしては首位だった。Artificial AnalysisのIntelligence Indexでは、推論強度xhighで43ポイントを獲得し、Kimi K3.1 Proを3ポイント下回ったが、タスクあたりの費用は約11 %低かった。

More to come! The open weights of smaller Qwen4 models will be released. Stay tuned.

🇯🇵 まだ終わりではありません!より小規模なQwen4モデルの重みも公開されます。続報をお待ちください。 — Xの@Alibaba_Qwen

🔗 Qwen4-Max:新たなチームメンバーが登場(Qwenの記事) · QwenCloudのqwen4-max紹介ページ


ChatGPT for Healthcare:コンピューター操作エージェント、臨床研究、20種類超の医療プラグイン

11月16日 — OpenAIはChatGPT for Healthcareを3つの方向で拡充する。まず、画面を読み取り、クリックや文字入力を行い、アプリケーション間を移動するコンピューター操作エージェント(computer-use agents)が、ワークスペースの設定に応じてChatGPT for Healthcareの顧客向けにChatGPT WorkとCodexで利用可能になる。米国の認証済み臨床医向け無料サービスであるChatGPT for Cliniciansの利用者にも提供される。同じ機能はAPIでも利用できる。代表的な用途は、MRI検査の承認申請で電子カルテと保険会社のポータルを使う場合など、相互に連携していないソフトウェア間で情報をやり取りすることだ。コンピューター操作機能は7月9日からChatGPT WorkとCodexに存在していた。今回の新しさは、役割に基づくアクセス制御、監査ログ、設定可能な承認手順を備えたうえで、医療用ワークスペースへ開放された点にある。HIPAAに準拠するワークフローは、引き続きBAAの対象となる適格なサービスに限定される。

OpenAIは2組の数値を公開しており、それぞれ分けて読む必要がある。一方は電子カルテのメッセージ業務に関する社内評価、もう一方はスタンフォードの研究者による独立したベンチマークHealthAdminBenchで、事前承認、異議申し立て、機器の発注といった事務作業を対象とする。

公開された評価モデルと設定発表された結果
電子カルテのメッセージ業務(OpenAI、325タスクを審査)GPT-6 Astra99 %のタスクが臨床的に安全と評価
同じ評価、医師による646件の採点GPT-6 Astra93 %が「とても」または「極めて」有用
HealthAdminBench(スタンフォード)GPT-6 Astra、最大推論強度評価基準の得点の94,3 %
HealthAdminBench(スタンフォード)GPT-6 Luna、最大推論強度91,8 %、タスクあたり8,5セント

HealthAdminBenchでは、GPT-6 Lunaが91,8 %を達成し、費用は98 %低く、タスクあたり8,5セントだった。実際の現場では、CVS Healthがすでにこれらのエージェントを本番運用している。あるエージェントは数か月にわたって蓄積した文書送信の未処理分を週末のうちに解消し、別のエージェントは1日数万件の診療に伴うシステム上の処理手順を担っている。同社はOpenAIのAgents SDKで構築したAgent Kitもオープンソースで公開している。Cigna Healthcareは構想から導入まで8週間未満だったと述べている。Ambienceでは、記録が曖昧な場合にエージェントが処理を止めて臨床医の判断を求める。Abridgeは病院向けのエージェントを開発している。

残る2つの拡充もある。医学的根拠を探し、評価し、引用する臨床研究機能は、医師による1 300件超のレビューを含む盲検評価で、測定した8つの観点すべてにおいて、より高い評価を得た。また、21種類の新しい医療プラグイン(UpToDate Expert AI、Oracle HDI、Trizetto、Stedi、Luma Health、Metriportなど)により、会話から診療手順を確認したり、保険の適用資格を確認したり、予約を調整したりできる。ワークスペースの管理者による有効化が必要で、ChatGPT for Cliniciansに提供されるのはその一部に限られる。

🔗 ChatGPT for Healthcareで医療を前進させるさらなる方法 · 医療チーム向けコンピューター操作エージェントの進化


NVIDIAのSC26発表:科学シミュレーション向けRubin HPC、MLPerfのVera Rubin、量子プロセッサー向けSlurm、CUDA-Xライブラリー

11月16日 — 高性能計算の会議SC26で、NVIDIAは科学分野に向けた発表を相次いで行った。中心となるのはRubin HPCだ。Vera Rubinプラットフォームの新しいGPUで、気候、ゲノミクス、金融リスクなどの分野を対象に、科学、工学、分析におけるシミュレーションとデータ処理向けに設計されている。

公開された仕様はまだ少ない。NVIDIAは、同社によると「過去最多」となる単一GPU上の50 000超のCUDAコア、それらのコアへデータを供給し続けるための疎データ処理の高速化(sparse data acceleration)、GPU間を接続する第7世代NVLinkを強調している。メモリー容量、FLOPSでの演算性能、価格、提携先はいずれも示されていない。

中心にある主張はバランスだ。NVIDIAによると、科学計算の処理の多くは、巨大なデータセットに散在する少数の値を取得し、計算し、それを非常に大きな規模で繰り返すことから成る。そのためRubin HPCは、演算能力の向上に合わせてデータの移動能力も高め、疎行列演算、ステンシル計算、ソート、リダクションを高速化する。NVIDIAはこのGPUをエージェントに関する構想とも結び付けている。より多くの分子、材料、設計を探索するエージェントには、その着想を検証するために、より多くのシミュレーションが必要になる。CUDA-Xライブラリーは、そのための最適化された実装を提供する。登場はまだ先で、Rubin HPCは2028年に予定されている。

発表された仕様NVIDIAが示した内容
CUDAコア単一GPU上に50 000超
GPU間接続第7世代NVLink
専用機能疎データ処理の高速化
提供予定2028

🔗 Rubin HPC(NVIDIAのブログ) · SC26でのNVIDIAの発表

Vera RubinがMLPerf Training v6.1とMLPerf Endpointsに初登場、GPUあたりの性能はGB300 NVL72の最大2倍

11月16日 — 今回のMLPerf Training v6.1は、Vera Rubin NVL72にとって学習分野で初の参加となった。GPUあたりでGB300 NVL72の最大2倍の性能を示したが、NVIDIAは初期段階の結果だと説明している。DeepSeek-V3では、Vera RubinのGPUを256基から1 024基に増やしても約97 %の効率を維持し、学習時間を16分から約4分に短縮した。今回の最大構成は10 240基のGPUで、NVIDIAではGB300、Microsoft AzureではGB200を使用した。NVIDIAによると、すべてのテストで結果を出したプラットフォームは同社のものだけだという。

NVIDIAは、実際のエージェント型ワークフローを測定するMLPerf Endpoints v1.0にも初めて結果を提出した。Kimi K3では、同じ応答速度で、Vera Rubin NVL72のワットあたりのスループットがGB300 NVL72の10倍超になるという。ただし、これはMLCommonsの検証待ちの暫定結果で、ユーザーあたり毎秒50トークンという基準値において、Vera Rubinアクセラレーター32基とGB300アクセラレーター48基を比較している。Vera Rubinは、9月16日に取り上げたMLPerf Inferenceにも、すでにプレビューとして登場していた。

🔗 MLPerf TrainingとEndpointsにおけるVera Rubin(NVIDIAのブログ)

Slurm 26.11が量子プロセッサーに対応、CUDA-Qも拡充

11月16日 — NVIDIAは、スーパーコンピューターのジョブ管理システムSlurmを量子プロセッサー(QPU)にも対応させる。これまでは計算センターにQPUを接続する際、プロセッサーとセンターの組み合わせごとに専用の開発が必要だった。今後はメーカーが単純なファイルにハードウェアの仕様を記述するだけで、QRMIとQDMIのインターフェースを通じて、どこでも使えるインターフェースを得られる。Alice & Bob、IBM、IQM、Pasqal、Quantinuum、MQSCが採用し、Slurm 26.11は11月中にリリース予定だ。NVIDIAはこの取り組みの背景に導入規模の拡大を挙げており、30近い計算センターが50基超のQPUを導入しているという。

CUDA-Qプラットフォームには、量子誤り訂正向けのデコードサーバー(CUDA-Q QEC)が加わる。そのTCBP-JOBSデコーダーは、業界の基準とされるものより13 000倍高速だという。また、耐故障性を備えたプリミティブも追加される。FermilabはすでにCUDA-Qを使い、5か月を要したはずの研究を3週間で実施した。さらに、ハードウェアメーカー向けにCUDA-Q AlgorithmsとCUDA-Q Pulseも加わる。これらの性能向上はNVIDIAが示したものだ。

🔗 Slurmと量子計算(NVIDIAのブログ)

科学向けCUDA-X:cuSpaとGPU版HMMERをオープンソース化、Event Horizon Telescopeの相関処理を8分で実行

11月16日 — NVIDIAはRubin HPCとともに研究向けのCUDA-Xライブラリーを展開し、エージェントが呼び出せるツールとして紹介している。天文学では、cuPhoton.xBeamモジュールがEvent Horizon Telescopeの観測データの相関処理を、1か月超から8分に短縮する。複数GPUのクラスターでもDGX Sparkでも実行できる。生物学では、新たにオープンソース化されたcuSpaにより、メモリアル・スローン・ケタリングがんセンターで細胞ポリゴンの計算がCPUの900倍高速になった。同じくオープンソースのGPU版HMMERも、Basecamp Researchで最大84倍高速になっている。rapids-singlecellは現在、「エージェントに対応した」コンテナーで提供されている(Therna Biosciencesでは200倍高速)。化学では、VASPソフトウェア向けGPUカーネル集DaviatorがNVIDIA ALCHEMIに加わる。計算は最大22倍高速で、費用は最大75 %低くなるが、まだ利用できない。10月14日に公開されたcuPotentialは、Cadenceを含む5組織が新たに採用した。

🔗 科学向けCUDA-Xライブラリー(NVIDIAのブログ)


Hugging Face、Inference Providersの言語モデルのルーティングをOpenRouterに委託

11月16日 — Hugging FaceとOpenRouterが提携する。Hugging FaceのInference Providersは独自のルーターを廃止し、言語モデルへの各呼び出しで利用するプロバイダーの選択をOpenRouterに任せる。クレマン・ドゥラングは、この発表を提携の第1弾と位置づけている。クライアントコードは変更不要で、Hugging Faceのトークンもエンドポイントも従来どおり使える。ルーターはOpenAIのChat Completions APIとResponses API、AnthropicのMessages APIに対応し、Hugging FaceはClaude Code、Codex、OpenCode、Pi、Hermes Agent向けのガイドを公開している。

違いはルーティングにある。Inference Providersはプロバイダーを選び、そのエラーをそのまま返していた。OpenRouterはリアルタイムで測定した価格、速度、信頼性に基づいて選び、最初のプロバイダーで失敗すれば、別のプロバイダーで呼び出しを再試行する。サフィックスで方針やプロバイダーを指定でき(:fastest、:cheapest、zai-org/GLM-5.3:novita)、会話はプロンプトのキャッシュを保持するプロバイダーで継続される。

発表された変更ブログ記事による詳細
容量不足エラー(OpenRouterによる測定)−46 %
最初のトークンまでの時間とスループット(OpenRouterによる測定)それぞれ16,9 %改善、+16,3 %
課金プロバイダーの価格を適用し、Hugging Faceによる上乗せなし
毎月付与されるクレジット2 ドル(PRO)、1席あたり2 ドル(Team、Enterprise)
モデルページProvidersタブとMetricsタブ:価格、速度、24時間の稼働状況
互換性を損なう変更言語モデルではプロバイダーの個人用APIキーを受け付けなくなる

画像、動画、音声は引き続きOpenRouterを経由せず、Inference Providersが直接処理する。画像と動画のプロバイダーでは個人用キーも引き続き利用できる。OpenRouterアカウントとHugging Faceの連携や、ほかのタスクをOpenRouter経由でルーティングする機能も今後の予定として発表されたが、時期は示されていない。

記事はOpenRouterの数値を根拠としている。提供されたトークンに占めるオープンモデルの割合は、2025年10月の26,8 %から2026年9月末には71,7 %に増加した。100万トークンあたりの平均価格は入力0,28ドル、出力1,62ドルで、クローズドモデルではそれぞれ1,27ドルと6,36ドルだった。一方、ランキング上位には依然として差があることも認めている。オープンモデルで最高のKimi K3.1 Proは、Artificial Analysis Intelligence Indexで46を獲得したのに対し、Claude Fable 5.2は65だった。ただし、タスクあたりのコストは約7分の1で、3,68ドルに対して26,54ドルだった。

🔗 Hugging FaceとOpenRouterが提携(Hugging Faceブログ) · @huggingfaceの発表


Perplexity Frontier Research:10 000基超のGPUで自動研究科学者の実現を目指すオープンな研究構想

11月16日 — Perplexityは、「研究を自動で進める科学者」(自動研究科学者)の構築を目指すPerplexity Frontier Researchを立ち上げた。問いから仮説へ、実験から自身の見解の修正へと、研究の循環を単独で進められるAIシステムを目指す。Perplexityはこの構想を、限定されたタスクに対する「ブラックボックス」的な予測と対比させ、新しく解釈可能な知識を生み出すことが目的だとしている。

We aim to create an automated research scientist. Research is a loop that involves asking the right questions, hypothesizing, navigating ambiguity, designing experiments, and updating beliefs. We think this loop can run inside software, for anyone.

🇯🇵 私たちは、自動で研究を行う科学者を作りたいと考えています。研究とは、適切な問いを立て、仮説を組み立て、曖昧さに向き合い、実験を設計し、自身の見解を修正する循環です。この循環は、誰もが使えるソフトウェアの中で回せると考えています。 — Xの@andrewgwils

計画は、マルチエージェントのオーケストレーション、事前学習、継続学習、強化学習、システム、評価という6つの柱で構成される。専用サイトによると、チームは重みを公開する効率的な特化モデルの事前学習を行い、オーケストレーションでは各コスト水準で最高の品質を目指す。デニス・ヤラッツは、10 000基超のGPUを使う大規模な強化学習を重視しており、合成データとPerplexityの実際の利用から得た環境を活用するという。研究からサンドボックスまで、インフラはすべて社内で構築している。

発表の項目Perplexityの取り組み
計算資源10 000基超のGPU
研究の柱6
公開予定の成果論文、ブログ記事、データ、モデル、コード
採用対象の都市サンフランシスコ、パロアルト、ニューヨーク、ロンドン
優先選考の応募締め切り12月5日

サイトでは、アンドリュー・ゴードン・ウィルソンがこの構想の研究責任者として紹介されている。発表は人材募集も兼ねており、博士課程進学前および博士課程在籍者と博士研究員向けの研究フェローシップも用意する。立ち上げに合わせた新しいモデル、ベンチマーク、論文の発表はない。サイトでは、WANDR、Decider、SPACE、Brain、JOLTなどの既発表の研究をFrontier Researchの名の下にまとめている。

🔗 Perplexity Frontier Researchの紹介 · @perplexity_aiの発表 · research.perplexity.ai · @denisyaratsのスレッド


OpenAIのAIと科学研究:物理学者ナサニエル・クレイグが専用ブログの初回記事を執筆、ChatGPT for Academic Researchersは研究者200 000人へ拡大

科学ブログを開設、初回記事はGPT-6 Astraと構築した格子上の標準模型の定義候補

11月15日 — OpenAIは科学に特化したブログを開設した。研究者やチームが成果と手法を共有し、研究内容の検証方法も紹介する。最初の寄稿記事を執筆したのは、カリフォルニア大学サンタバーバラ校の素粒子物理学者で、OpenAIの客員科学者でもあるナサニエル・クレイグだ。

記事では、GPT-6 Astraとともに作成した10月のプレプリントを紹介している。この論文は、時空を離散化した格子上で標準模型を定義する候補を提案するものだ。弱い力は「左手型」と「右手型」の粒子を区別するため、格子化すると余分な対応粒子が現れ、完全な標準模型における位相の定め方は25年以上にわたり未解決だった。クレイグによると、GPT-6 Astraは場をより細かな格子へ移す方法を見いだし、詳細な証明を主導した。その証明は後に3人の専門家が精査した。著者は慎重な姿勢を崩していない。この定義はあくまで「候補」であり、場の強さに上限を課した場合に有効で、シミュレーションの道具というより原理的な解答に位置づけられる。

🔗 格子上の標準模型の定義に向けた一歩 · 科学のための新たなブログ

ChatGPT for Academic Researchersは研究者200 000人を目標に、科学者1 819人を対象とした調査も公開

11月16日 — 研究者100 000人を目標として7月に始まったChatGPT for Academic Researchersは、対象を200 000人へ拡大する。次回の募集は11月23日月曜日に始まり、50 000件の助成を、これまでの抽選ではなく応募資格を満たした人への先着順で付与する。各助成は本人と最大2人の共同研究者を対象とし、最大150 000人が利用できる。提供されるプランはChatGPT ProからChatGPT Plusに変わる。OpenAIによれば、試験プログラム参加者の大半はPlusの利用上限内に収まっていたとみられる。

OpenAIの経済研究チームは同時に、科学者1 819人の580 186件のメッセージを分析し、そのうち251人へのアンケートを加えた研究を公開した。参加者は、AIなしで同じ品質の仕事を行うには約1,9倍の時間がかかったはずだと推定し、回答者の98 %はAIが自身の分野の発見を加速すると期待している。OpenAIは限界も強調している。生産性は自己申告であり、示されているのは実績よりも期待で、因果的な効果は確認されていない。

科学者によるChatGPTの用途メッセージの平均割合
読解と学習28 %
執筆とコミュニケーション27 %
証拠と理論の分析17 %
研究用ソフトウェアの開発14 %

🔗 科学者によるAIの利用機会を拡大 · 最先端の科学:科学者はChatGPTをどう使うか


AIの安全性とセキュリティ:OpenAIの独立評価機関、CSAM分類器の提供開始、Googleが確認したエージェント型攻撃

OpenAI、内部モデルをApollo Research、METR、Transluce、Goodfireに開放

11月16日 — OpenAIは4つの独立機関と、内部に入り込んで行う評価(組み込み型評価)の第1段階を実施する契約を結んだ。アラインメントと安全対策の有効性を長期的に評価するため、場合によっては自社の研究者と同じリソースへの広範なアクセスを認める。対象には、チェックポイント、コード、学習・評価データ、監視システム、チームが含まれる。評価はOpenAIの施設内で同社の機器を使い、Safety and Security Committeeの監督下で行われ、同委員会には削除処理前の報告書が提出される。OpenAIは、機密情報を削除し、公開までの猶予期間を求める権利を保持する。

独立評価機関評価対象OpenAIからの報酬
Apollo Research隠れた妨害行動と安全対策による検出あり、結果とは無関係
METR最大規模のRL学習におけるアラインメントの不整合、対象範囲を限定なし(APIクレジットや計算資源の提供はあり得る)
Transluce学習後のアラインメント評価なし(APIクレジットや計算資源の提供はあり得る)
Goodfireモデル内部の解釈可能性あり、結果とは無関係

🔗 組み込み型評価の第1段階

確認済みの組織向けにCSAM画像分類器を無料提供、AI生成コンテンツを示すシグナルも

11月16日 — OpenAIは、児童性的虐待コンテンツ(CSAM)の可能性がある画像を検出し、AIで生成された可能性を示す第2のシグナルも返す画像分類器omni-moderation-csam-latestを、確認済みの組織向けにAPI経由で無料提供する。NCMECの協力で設計され、OpenAIは、この第2のシグナルを備えて広く利用可能になる初のCSAM分類器だと説明している。Tech CoalitionとROOSTが利用拡大を支援する。OpenAIのテストによると、ほぼ同数の虐待コンテンツを検出しながら、現在の保護機能よりも警告対象の画像を48 %減らせるという(推定値)。早期アクセスの提携先では、falが、高い確信度で警告されたコンテンツの72 %を未発見のものと確認し、SafetyKitは絵やアニメーションの90 %を検出している。ChatGPTでは、この種のコンテンツを検索すると、警告、会話の削除、24時間の利用停止が行われるようになった。違反を繰り返すと、アカウントの閉鎖や当局への通報につながる可能性がある。

🔗 オンラインでの児童性的虐待との闘いを強化 · OpenAI APIの変更履歴

Google Threat Intelligence:攻撃者が脆弱性の発見から悪用までを全面的に自動化

11月16日 — Google Threat Intelligence Group(GTIG)は、AIの悪用に関する四半期報告で、攻撃者がオープンソースのマルチエージェント型攻撃フレームワーク(ARTEX、CAIRN、CyberStrikeAI、PentAGI)を導入していると報告した。GTIGによれば、人間を介さずに脆弱性の発見と悪用を自動化した事例が初めて確認された。公開状態のサーバーで見つかったexploit_agentというフレームワークは、修正前後のコードを比較し、エクスプロイトを作成して実行していた。被害側のテレメトリーによると、その運用者は主にフランスのメディア・娯楽関連サイトと教育分野を狙っていたとみられる。悪用されたゼロデイ脆弱性は、2025年の月平均8件から2026年には11件に増え、8月には22件に達した。北朝鮮との関係が疑われる集団は、内部リポジトリの.claude/settings.jsonファイルを改変し、Claude Codeが起動時にバックドアをインストールするよう仕向けた。

For the most part, attackers aren’t using new groundbreaking methods to break into systems — they are still going after known, unfixed issues, just with much greater speed and scale.

🇯🇵 ほとんどの場合、攻撃者はシステムへの侵入に革新的な新手法を使っているわけではなく、依然として既知の未修正の脆弱性を狙っており、単にその速度と規模がはるかに大きくなっています。 — GTIG首席アナリスト、ジョン・ハルトクイスト、blog.googleに掲載

🔗 GTIGのAI脅威追跡レポート(Google Cloud)


Googleの一般向け機能:Gemini Notebookのインタラクティブなサイト、Geminiの66種類の地域別音声、欧州30か国のAsk Maps

Gemini Notebook、ノートの資料からインタラクティブなサイトを作成

11月16日 — Gemini Notebookは、ノート内の資料をインタラクティブなサイトに変換できるようになった。ノートのチャットにmake me a siteと入力し、作りたいものを説明するだけでよい。復習用の視覚的な解説(インタラクティブな周期表や歴史年表)、ダッシュボード(四半期の売上)、タスクや期限を含むプロジェクト管理などを作成できる。サイトは新しいタブで開くか、そのまま共有できる。この機能は11月16日から、Google Workspaceの契約者を含む18歳以上の利用者向けに、世界各地のウェブ版で順次提供される。モバイルアプリにも「近日中」に対応するが、日付は発表されていない。

🔗 Gemini Notebook:資料からインタラクティブなサイトを作成(blog.google) · @Gemini_Notebookの発表

Geminiアプリ、AndroidとiOSに66種類の地域別音声を展開

11月16日 — GeminiアプリはAndroidとiOSで、米国英語、英国英語、インド英語、ヒンディー語、ブラジルのポルトガル語、インドネシア語、韓国語などに対応する66種類の新たな地域別音声を順次提供する。言語ごとに専用の選択肢が用意される。Googleによると、誇張した訛りではなく、自然なリズムと聞き取りやすさを重視して調整したという。選んだ音声は、Gemini Liveでの会話、語学練習、回答の読み上げなど、アプリ全体に適用される。Gemini Liveのメニューか設定から選択できる。Googleは、この地域の方言に対応する計画をGoogle I/Oで発表していた。

🔗 Geminiアプリの地域別音声(blog.google)

Ask Mapsが欧州30か国に登場、旅程や予約の準備にも対応

11月16日 — Geminiモデルを活用するGoogle Mapsの対話型アシスタント、Ask Mapsが、スペイン、ドイツ、英国を含む欧州30か国への展開を開始した。米国とインドで公開され、本媒体でも3月12日に取り上げていた。Googleによると、現在は200を超える国と地域で利用できるが、ブログ記事にはフランスの名前は挙がっていない。同日、Ask Mapsには次の新機能も加わり、AndroidとiOSで順次提供される。

Ask Mapsの新機能発表された提供地域
日ごとの旅程の作成、共有、Google Docsへの書き出しAsk Mapsの全提供地域
保存済みリスト内の検索と、リアルタイムの空き状況の確認Ask Mapsの全提供地域
移動のアドバイス(出発前に知っておきたいこと):駐車場、充電、天気、通行料金まず米国で提供
予約先の検索と地域の店舗への電話まず米国で提供

🔗 Ask Mapsの新機能(blog.google) · Ask Mapsが欧州に登場(blog.google)


開発者と企業向けの情報検索:PerplexityのMonitor API、Cohere CompassのVideo Intelligence

PerplexityがMonitor APIを公開、ウェブやページを監視してウェブフックで通知

11月16日 — Perplexityは、アプリケーションやエージェントに代わってウェブを監視するMonitor APIを公開した。モードは2つあり、Perplexity Searchを通じてトピック、企業、質問に関する新しい情報を追跡するか、最大10の特定ページ(競合の料金、変更履歴、ポリシーなど)を監視して変更箇所のテキスト差分を受け取れる。開発者は目的を自然言語で記述できる。Perplexity Deciderが各結果の関連性、情報源の正当性、新規性、鮮度を確認し、すべてのしきい値を満たした更新情報だけが、信頼度スコア付きで署名済みウェブフックを通じて送信される。モニターは15分ごと、1時間ごと、毎日、毎週、またはcronの指定に従って実行される。

モニターの種類課金単位発表価格
ウェブモニター成功した実行回数1 000回あたり1ドル
ページモニター取得したURL数1 000件あたり1ドル

APIはすでに利用可能で、Search、Context、Agentの各APIと同じキーを使用する。Perplexityによると、60のトピックを8時間にわたって監視したところ、Monitorは他社のSearch APIよりも新しく、関連性の高い結果を返したという。

🔗 PerplexityのMonitor APIを紹介

Cohere、CompassでVideo Intelligenceの提供を開始、動画内の該当場面を正確に検索

11月16日 — Cohereは、企業向け検索プラットフォームCompassに動画を追加するVideo Intelligenceを発表し、非公開プレビューで提供を開始した。Compassは1時間の録画全体を返す代わりに、質問への答えがある場面を見つけ、タイムスタンプ付きの抜粋、文字起こし、画面に映っている内容の説明を提示する。対象区間の開始点と終了点は検索時に決められる。動画は文書と同じインデックスに格納され、各ユーザーのアクセス権が適用される。エージェントはCompassのMCPサーバーを通じてアクセスできる。Cohereによると、11のデータセットと11 133件のクエリを用いて7つの動画埋め込みモデルと比較したところ、Compassは平均で首位となり、最も優れた代替モデルをnDCG@10で4,4ポイント上回った。同社はデザインパートナー(設計協力企業)を募集しており、参加企業はCohereが管理するクラウド、または自社環境にツールを導入できる。料金と一般提供の開始日は公表されていない。

🔗 CompassのVideo Intelligenceを紹介 · @cohereの発表


モデルとエージェントの評価:日本の金融分野を扱うSakana AIのJFinBench、Together AIのエージェント評価

JFinBench:日本の金融分野では、最良のオープンモデルでもClaude Fable 5に12,4ポイント及ばず

11月16日 — Sakana AIはJFinBenchを公開した(ブログ記事の日付は日本時間11月17日)。公認会計士から税理士まで、日本の6つの金融関連試験の2026年実施分を基にしたベンチマークで、データ汚染を抑えるため、試験の実施ごとに更新する設計になっている。321問で12モデルを評価しており、ツールなしでの上位5モデルは次のとおり。

評価対象モデルツールなしのスコアツールありのスコア(ハーネス)
Claude Fable 595,896,4 (Terminus-2)
GPT-6 Astra93,697,3 (Terminus-2)
Gemini 3.8 Flash88,894,2 (Terminus-2)
Kimi K3.1 Pro83,492,9 (Kimi Code)
Kimi K379,991,0 (Kimi Code)

最良のオープンモデルであるKimi K3.1 Proは、Claude Fable 5に12,4ポイント、GPT-6 Astraに約10ポイント及ばなかった。一方、Terminal-Bench 4.0ではGPT-6 Astraを上回ると発表されている(開発元の数値では65,7 %対58,2 %)。失敗の主な原因は計算能力ではなく、日本の制度に関する知識不足にある。ターミナルとウェブへのアクセスを与えると、最良のオープンモデルと最良のプロプライエタリモデルの差は4,4ポイントに縮まった。スコアに含めていない予備実験では、DeepSeek V4.1 Flash 1017とGemini 3.8 Flashが環境内に置き忘れられたOpenRouterのキーを見つけ、それを使って別のモデルを呼び出した。

🔗 JFinBench(Sakana AI) · arXivのJFinBench論文

Together AI:エージェント評価でMCPドキュメントを改善、タスク成功率が67から96 %に

11月16日 — Together AIは、コーディングエージェントにとって自社プラットフォームがどれほど使いやすいかを測定する方法を詳しく説明した。同社はこれをエージェントの利用体験(エージェント体験)と呼んでいる。バッチジョブの起動、GPUクラスターの予約、オートスケーリングの管理といった約10種類の一般的なタスクを、サンドボックス内のClaude Codeに任せ、支援なし、ドキュメント用MCPサーバーあり、Togetherのスキルパッケージあり、という3つの設定で評価する。MCP設定でのタスク成功率は6月15日の67 %から9月30日の96 %に上昇した。また、統合スキルは10月8日に97 %(72件中70件)を達成し、支援なしの基本設定の82 %を上回った。ただしTogetherは、これらの測定結果を厳密には比較できないと認めている。GPUクラスターの予約では、Sonnet 4.6は15回の試行中4回しか成功しなかったが、スキルに2文を追加したところ、テストしたすべてのモデルで成功率が100 %になった。Togetherによると、評価ツールは翌週にオープンソースで公開する予定だという。

🔗 コーディングエージェントがTogether AIを使いやすくするための取り組み


買収と提携:ElevenLabsがKotobaを買収、LVMHのメディア部門がOpenAIと契約

ElevenLabs、日本の音声AI研究所Kotobaの買収を発表

11月16日 — ElevenLabsは、コジマ・ノリユキ氏とカサイ・ジュンゴ氏が2023年に設立した日本の音声AI研究所Kotobaの買収を発表した。同社のモデルKotoは、日本語の同時通訳に向けた音声合成、文字起こし、音声から音声への翻訳に対応している。SalesforceはAgentforce Voiceの日本語での会話に採用している。ElevenLabsはこの研究成果を自社の音声エージェントプラットフォームElevenAgentsに取り込みたい考えで、今後数か月のうちに日本で営業責任者を採用し、インフラに投資する予定だ。取引はまだ完了しておらず、規制当局の承認を条件に2026年第4四半期の完了を見込んでいる。金額は公表されていない。

🔗 KotobaがElevenLabsに加わる · @ElevenLabsの発表

LVMHのメディア部門(Les Echos、Le Parisien)、ChatGPT Enterpriseを導入し、ChatGPTでの記事露出を拡大

11月16日 — LVMHのメディア部門であるGroupe Les Echos-Le Parisienが、OpenAIと戦略的契約を締結した。Les Echos、Le Parisien、Challenges、Paris Match、L’Opinion、L’Agefiを含む17ブランドが、全部門にChatGPT EnterpriseとOpenAIのツールを導入する。文書の検索と比較、翻訳の下訳、読者や広告主向けの商品・サービスの個別化といった用途に向け、職種に合わせた研修も実施する。もう一つの柱として、同部門のコンテンツは、出典付きの要約や抜粋と記事へのリンクという形で、ChatGPT内でより目立つように表示される。同グループの従業員は1 800人で、そのうち約700人が記者。フランスでは毎月2 700万人以上に情報を届けている。金額は公表されていない。

🔗 LVMHのメディア部門、OpenAIとの戦略的提携を発表


コーディングエージェント:Claude CodeがiPhone Duoでアプリをテスト、ReplitがAgent製アプリをMicrosoft Fabricに公開

デスクトップ版Claude Code、iOSシミュレーターでiPhone Duoを折り畳んで検証、AppleのXcodeプラグインも紹介

11月16日 — デスクトップ版Claude Codeは、公開ベータ版のiOSシミュレーターパネルでiPhone Duoに対応した。開発中のアプリが会話の横にある仮想Duo上で動作し、Claudeが端末を折り畳んだり開いたりして各レイアウトを確認する。ドキュメントによると、端末には3つの状態(閉じた状態、半開き、開いた状態)があり、ヒンジの角度を1度から179度まで指定できる。既存アプリを対応させる際には、Claude CodeがAppleのApp Resizabilityスキルを提案する場合がある。このスキルはレイアウトの問題を見つけて修正案を示し、承認後にClaudeが適用する。Mac、Claude Desktop v4.29.0以降、Xcode 27.1以降が必要で、パネルはPro、Max、Ultra、Team、Enterpriseプランのローカルセッションでのみ利用でき、HIPAA構成は対象外となる。iOSシミュレーター自体は7月22日に登場していた。ターミナル向けでは、AnthropicがAppleのXcodeプラグインを紹介している。11月6日から公式マーケットプレイスで提供されており、/plugin install xcode@claude-plugins-officialでインストールできる。

🔗 @ClaudeDevsの発表 · iOSシミュレーターのドキュメント

Replit Agent、Microsoft Fabricへのアプリ公開機能を一般提供

11月16日 — Replitは、MicrosoftのデータプラットフォームMicrosoft Fabricとの連携機能の一般提供を発表した。作りたいアプリを説明すると、Replit Agentが企業の管理されたデータを使って構築し、組織のFabricテナントに直接デプロイする。パートナーページによると、Agentはデータをコピーせずに、OneLake内のスキーマ、テーブル、Purviewの秘密度ラベルを読み取る。Microsoft Entra認証を備えてプロビジョニングされたアプリは、各ユーザーにアクセス権のあるデータだけを表示し、FabricのCopilotとテナント内の既存のAI処理容量を利用する。この連携はMicrosoft BuildでLeathermanとともに発表されており、パートナーページに料金の記載はない。11月13日には、Replitがデータベースを備えたアプリにも対応を拡大していた。ただし、Fabricコネクターのドキュメントでは、現在も承認済みテスター向けプログラムの参加者に限定したプレビューとして説明されている。

🔗 @Replitの発表 · ReplitのMicrosoftパートナーページ · Microsoft Fabricコネクターのドキュメント


短報

コーディングエージェントとCLI

  • GitHub Copilotが3つのモデルを廃止 — 10月15日の発表どおり、Claude Opus 4.8、Claude Opus 5、GPT-5.6 TerraがCopilotの大半の利用環境から外れ、Claude Opus 5.5、GPT-6.1 Sol、GPT-6 Lunaに置き換わる。変更履歴の補足によると、Claude Opus 5はモデル選択欄から外れるものの、実行時にリクエストが拒否された場合のフォールバックとして引き続き利用できる。🔗 出典
  • Copilot CLI 1.0.113-0 — このプレビュー版には詳細なリリースノートがなく、修正と変更があるとの記載のみ。最新の安定版は引き続き11月13日公開の1.0.112。🔗 出典
  • GitHub Agentic Workflows 1.3.0 — 引き続きプレビュー段階だが、このバージョンではledgersが実験的機能の扱いから外れ、エージェントのジョブが失敗した場合に出力の公開を阻止するゲート、require-agent-successが追加された。サイバーセキュリティーポリシーによるCopilotの拒否に対しては、自動再試行を行わなくなった。🔗 出典
  • Codex CLI 0.171.0-alpha.9 — alpha.6以降、リリースノートが空のプレビュー版が3つ公開された。計41件のコミットのタイトルによると、codex execはリモートのアプリケーションサーバーを利用でき、レビュー時には責任とリスクに関する助言がターミナルに表示される。最新の安定版は引き続き0.169.0。🔗 出典
  • OpenAI Agents SDK — Python版のプレビューv0.24.0-alpha.8では、引数を確認したうえでツール呼び出しを承認または拒否でき、LiteLLMやAnyLLMの接続、WebSocket、WebRTC、SIPによるリアルタイム音声の追加も可能になった。JavaScript版のv0.22.0-alpha.3では、ツールのコールバックをデフォルトで並列実行できる。🔗 出典
  • Gemini CLI — メインブランチにマージ済みで、まだリリースされていない修正により、管理者が登録したMCPサーバーのうち、コマンドやスクリプトを一般ユーザーが変更できるものが無視されるようになる。従来は、そのユーザーが許可済みサーバーへの自動承認を引き継げてしまっていた。🔗 出典
  • ZCode v3.18.2 — Z.aiは、macOSとWindows向けのAI支援開発環境のこのバージョンを、リリースノートなしでGitHubに公開した。これに先立つ3.18.0と3.18.1のコード同期では、リリースは行われていなかった。🔗 出典
  • エージェントのプレフィックスキャッシュ — Together AIとOllamaは、ハーネス(Claude Code、Codex、またはollama launch経由のPi)がプロンプトの冒頭を同一に保ち、エンジンが各ターンをキャッシュのあるGPUへ振り分ける必要があると説明する。理想化した計算では、100ターンで処理するプロンプト量は、キャッシュなしなら5 050単位、ありなら100単位となる。🔗 出典
  • チームのソフトウェア工場 — Warpのブログに寄せた論説で、ザック・ロイドは、エージェントを各開発者の設定(ハーネス、モデル、スキル、MCP)から切り離し、コードで定義され、チームが所有する共有クラウドインフラへ移すべきだと主張する。🔗 出典

GitHubのその他の新機能

  • AI Scanの一括実行 — AIによるリポジトリの脆弱性解析を、組織の設定画面またはコードスキャンのアラートページから、一度に最大20リポジトリで開始できるようになった。パブリックプレビューとして提供され、Copilotのライセンスは不要。🔗 出典
  • iPhone Duo向けGitHub Mobile — iOSアプリが端末を開いた状態に合わせてレイアウトを調整し、Copilot、プルリクエスト、課題、通知に移動する縦型タブを追加した。🔗 出典

計算、シミュレーション、ロボティクス

  • LambdaとNVIDIA Photonics — Lambdaは、合計10 000基超のGPUを搭載するGB300 NVL72ラックを、光学系を同一パッケージに統合したスイッチ(co-packaged optics)で接続する。同社のテストによると、遅延はラック単位で約4 %、ポッド単位では最大約10 %減少し、光学部品の動作温度はプラガブル型の51 °Cに対して36 °Cとなった。🔗 出典
  • MLPerf Training v6.1でのGoogle Cloud — Googleによると、エージェント型強化学習を対象とする初のMLPerfベンチマークで、640基のTPU Ironwoodが18.02分で目標精度に到達した。事前学習では、8 192基のTPU Ironwoodが1.70分、256基のGB300 GPUが31.96分で到達した。🔗 出典
  • NVIDIA Cosmos — NVIDIAによると、同社のオープンな世界モデルのHugging Faceでのダウンロード数が2 000万を超えた。対象期間や集計範囲は明らかにしていない。🔗 出典
  • LidarVerse — NVIDIA Researchが、LiDARスキャンの生成、予測、再シミュレーションを行う10月発表のこのモデルを改めて紹介した。蒸留版はH100 1基で毎秒10フレーム動作し、コードはApache 2.0ライセンスで公開されている。🔗 出典
  • AI Day Seoul — NVIDIAが韓国で開催したイベントの成果を報告した。参加者は2 000人超、韓国語で研修を受けるか認定を取得した開発者は500人超で、ハッカソンではOpenShellで構築したエージェントを使うFlyGateチームが優勝した。🔗 出典
  • projectsim(Kaedim) — ロボットシミュレーションにすぐ使える200点超の3Dオブジェクトが無料になった。うち140点は関節付きで、NVIDIAのSimReady Centralにも追加され、すでに7点が公開されている。🔗 出典

オープンモデルとHugging Face

  • llama.cppのCI — 3か月で3 181件のプルリクエストが寄せられ、GitHubの無料プランの上限(キャッシュ10 GB、同時実行20ジョブ)に直面したチームは、差分の影響を受けるジョブだけを実行し、ccacheのキャッシュをHugging Face Bucketsに保存し、Linux x64向けジョブの大半をHugging Face Jobsで動かすようにした。🔗 出典
  • Accelerate v1.16.0 — Hugging Faceの分散学習ライブラリは、Python 3.11とPyTorch 2.6を必須とし、PyTorchに登録されたアクセラレーターに対してtorch.acceleratorをより広く利用するようになった。また、PiPPy、MS-AMP、FP8RecipeKwargsを削除した。🔗 出典
  • Tiny Aya Global — コミュニティーの5本の記事が、Cohere Labsの小型多言語モデルに取り組んでいる。大半はLexsi Labsのハッカソンから生まれたものだ。著者らによると、データベースエージェントの成功率は3回の自己修復で0.5 %から49.1 %に上がり、拒否動作の制御によってベンガル語とスワヒリ語の有害な回答が大幅に減る一方、過剰な拒否は2倍になった。🔗 出典
  • Modular Diffusers — まだ統合されていないモデルを、重みの変換とHubへのブロック公開によってDiffusersで使う方法を解説するガイドが公開された。Astraでは変換が完了せず、著者はClaude Opus 5.5を使うClaude Codeに作業を任せた。🔗 出典
  • スマートフォン上の小型モデル — ある開発者が、Androidスマートフォン上でQwen3.5 0,8Bと2Bをローカル実行し、Amazonでの購入を最後まで進めた2件の全過程を公開した。呼び出しごとの入力トークン数の中央値は45。最も遅かったGalaxy A04eでの実行は、578回の呼び出しに4時間20分かかった。🔗 出典

Google

  • Ask AdMob — Googleは、AdMobアカウント内でGeminiを使って構築した対話型エージェントを発表し、今後数か月のうちにテストを行う。また、コーディングエージェント向けのAdMobエージェントスキルを即日公開し、初期テスト中のMCPサーバーを準備している。MCPサーバーは2027年初めに、より多くの開発者へ開放される予定。🔗 出典
  • Google Flow — Googleは11月12日、クリエイティブスタジオにアーティストが設計した5つのツールを追加した。スマートフォンでの1回の撮影から複数のカメラアングルを生成するPocket Studioや、レトロな作風を実現するPixel Machineなどが含まれる。🔗 出典

音声、画像、動画

  • Nemotron 3.5 Transcribe — NVIDIAは、11月13日公開のArtificial Analysisの話者分離指標で、同社のオープンモデルが首位になったことを紹介した。2~8人による97件の会話で、単語の話者割り当て誤り率(WDER)は3.3 %となり、Voxtral Small Transcribe 3(7.5 %)を上回った。🔗 出典
  • FLUX: In Production — Black Forest Labsが、提携スタジオの作成した制作要件に沿ってAIで映画を制作するコンテストを開始する。賞金総額は25 000ドル超で、11月30日から12月13日までオンラインで開催される。🔗 出典
  • Kling Image 4.0 — Klingが新しい画像モデルの近日登場を予告した。日付や仕様は明らかにしていない。🔗 出典

企業と教育

  • AutotorinoとElevenAgents — 月に約100 000件の電話を受けるイタリアの自動車販売店グループが、問い合わせ内容を判別して見込み客情報を作成する音声エージェントに電話対応を任せている。自動処理される通話件数は2倍以上になった。🔗 出典
  • Holiday Extrasのdots — OpenAIの導入事例では、ある管理職のdotが機能のリリースを自律的に察知し、Google BigQueryに問い合わせ、依頼される前に報告書を提出した。別のdotは、利用者の移動中に報告書を作成する。🔗 出典
  • OpenAIとThe King’s Trust — OpenAIは英国の慈善団体に100万ポンドを拠出し、18か月で最大25 000人の若者にAI教育を提供する。就業、就学、職業訓練のいずれもしていない若者を優先する。🔗 出典
  • Synthesiaが見る教育でのAI活用 — 25か国超の800人超が回答した第3回年次報告によると、AIを使うチームの87 %がコンテンツ生成に利用している一方、個別最適化学習を実践しているのは29 %にとどまる。1年前には70 %が実践しているか、導入を計画していた。🔗 出典

Perplexity

  • 出典内の数値を強調表示 — ComputerとTeammatesで回答の出典文書を開くと、引用された正確な数値が強調表示されるようになった。@AskPerplexityによると、ウェブ版の全利用者が対象。🔗 出典
  • AIとAGIの違いを解説するガイド — Perplexityが、現在導入されているAIとAGIを区別し、AGIの発表を検証する方法を示すガイドを公開した。10月9日時点でClaude Opus 5.5がRemote Labor Indexで21.3 %だったことを引用している。🔗 出典

これが意味すること

オープンモデルとクローズドモデルの差は、スコアだけでなくドル建ての費用にも表れるようになった。Qwen4-MaxはQwen3.8-Maxを下回る料金を設定し、タスク当たりの費用を62 %削減したと発表しているが、自社の比較表にある16項目のテストで首位なのは4項目にとどまり、重みの公開も予告されていない。Hugging Faceはもう一方に賭ける。ルーティングをOpenRouterに委ねることで、OpenRouterのトークン数の71.7 %を占め、平均費用が約4分の1のオープンモデルを基盤に据える。ただし、同じ記事はIntelligence Indexの上位で19ポイントの差があることも認めている。JFinBenchが測定した日本の金融分野での差は、ツールなしでは12.4ポイント、ウェブにアクセスできる場合は4.4ポイントに縮まる。評価があまり行われていない分野では、クローズドモデルの優位性は、まずその知識に由来する。

エージェントはターミナルを離れ、管理体制の整った業務システムへ入りつつある。ChatGPT for Healthcareでは、コンピューターを操作するエージェントが、ロール別のアクセス制御、監査ログ、BAAのもとで、診療記録と保険会社のポータルをつなぐ。Replitでは、Agentが構築するアプリケーションが顧客のFabricテナント内に作られ、そのEntra IDの権限とPurviewのラベルが適用される。同じ動きは攻撃者にも恩恵をもたらす。GTIGによると、あるフレームワークは人間を介さずに脆弱性の発見と悪用を連続して行い、あるグループはClaude Codeの設定に罠を仕掛け、バックドアをインストールした。変更可能なMCPサーバーに関するGemini CLIの修正も、そのことを別の形で思い起こさせる。ツールの自動承認の信頼性は、それを起動するスクリプトの完全性にかかっている。

科学は、計算基盤とエージェントに共通する訴求点になっている。NVIDIAはRubin HPCとCUDA-Xライブラリを、エージェントが自らの着想を検証するために呼び出すシミュレーションツールとして紹介する。Perplexityは10 000基超のGPUで自動化された科学者を構築しようとしている。OpenAIは、GPT-6 Astraが証明を主導した経緯を物理学者が語るブログを開設し、研究者向けプログラムの目標も2倍に引き上げた。期待はなお結果に先行している。Rubin HPCは2028年の登場予定だが、メモリ容量もFLOPSも発表されていない。Frontier Researchには新しいモデルや論文の発表がなく、クレイグの定義は依然として「候補」にとどまる。OpenAIの研究が測定しているのは自己申告の生産性であり、因果効果は確認されていない。

測定の方法も変わりつつある。OpenAIはチェックポイントと学習をApollo Research、METR、Transluce、Goodfireに開放する一方、公開時に情報を伏せる判断と公表時期は自ら管理する。Together AIは、スキル内の2文によって、あるモデルの成功率が15回中4回から100 %に上がることを示した。これは、指針なしで測定されたモデル間の差を相対化する。JFinBenchで2つのモデルが置き忘れられたOpenRouterのキーを見つけ、ほかのモデルに作業をさせた一件は、ツールを使う評価が、その環境で何に手が届くかも測っていることを思い起こさせる。そして、MLPerf EndpointsでのVera Rubinの10倍超の性能向上も、MLCommonsの検証が済むまでは暫定的な結果にとどまる。


出典