DeepSeekがV4.1-Flashを本番環境で提供するエンジンDeepInferを公開、MistralがVoxtral 3を、ElevenLabsがEleven Realtimeを音声エージェント向けに発表、Perplexity ComputerがMac上でローカル動作

DeepSeekが、本番環境でDeepSeek-V4.1-Flashを提供する推論エンジンDeepInferのコードを公開し、サービスの規模も明らかにした。単一のクラスターで1日あたり155兆トークンを提供している。同日、MistralとElevenLabsは、対照的な2つの方式で音声エージェント向けモデルを発表した。Voxtral 3は文字起こしと音声合成をつなぐ構成、Eleven Realtimeは単一の音声対音声モデルを採用する。一方、PerplexityはComputerをMac上で完全にローカル動作させる。GoogleもTorchTPUをオープンソース化し、AnthropicのサービスOSS Scannerは、すでに修正されたcurlの脆弱性を含む初期成果を報告した。

DeepInfer：DeepSeekが本番環境でDeepSeek-V4.1-Flashを提供する推論エンジンを公開

10月20日 — DeepSeekは、自社サービスでDeepSeek-V4.1-Flashを提供する独自の推論基盤（推論フレームワーク）DeepInferを、Apache-2.0ライセンスでオープンソース公開した。公開版はオフライン推論専用で、NVIDIA SM100 GPUとHuawei Ascend 950 NPU上で、このモデルのみをサポートする。本番環境の構成要素を引き継いでおり、DeepSeekがすでに公開しているカーネルライブラリ（FlashMLA、DeepGEMM、DeepEP、TileKernels、DeepSelect）とTileLangカーネル、MoE部分の負荷分散を伴うエキスパート並列処理、独自の投機的デコード（DSpark）、スライディングウィンドウ型アテンションの再実行範囲を制限してプリフィルを軽量化する仕組み、正規表現・JSONスキーマ・EBNF文法による構造化出力を備える。

DeepSeekは同時に、deepseek-recipe（MITライセンス）も公開した。これは、Messages、Chat Completions、Responsesの各APIへのリクエストをDeepSeek V4およびV4.1向けのトークンに変換し、モデルの出力をレスポンスに戻す、本番環境のコンポーネントだ。そのロジックは公式APIと整合しており、サードパーティーのホスティング事業者も、思考モード、ツール呼び出し、構造化出力について同じ動作を再現できる。リポジトリのデプロイに関するFAQでは、サービスの規模が示されている。

DeepSeekが公開した本番環境のデータ	公開値
単一クラスターで提供するトークン数	155 000（十億トークン／日）
オフピーク料金での総収益	38 ドル／GPU時間
プリフィル	8 GPU搭載の通常のマシン
デコード	64～128 GPUのスーパーノード
KVキャッシュの保持期間	72 時間超

すべてが公開されたわけではない。KVキャッシュの管理とレプリカ間の負荷分散は、DeepSeekによると内部インフラとの結び付きが強すぎるため非公開のままで、Zhihuの記事で説明されているだけだ。また、視覚エンコーダー、プリフィル、デコードを分離する仕組みも提供されていない。スループットの測定値はグラフのみで公開されている。当初は主にvLLMを基に構築され、SGLangとTensorRT-LLMからも着想を得たDeepInferには、今後のDeepSeekモデルの推論コードも追加される予定だ。公開当日の夜には、リポジトリのスター数が11 562に達していた。

🔗 @deepseek_aiのスレッド · GitHubのDeepInfer · GitHubのdeepseek-recipe

Voxtral 3：Mistralが文字起こし・音声合成モデルと音声エージェント用SDKを発表

10月20日 — Mistralは、文字起こし（音声テキスト変換）と音声合成（テキスト音声変換）のモデル群Voxtral 3を、音声エージェントを構築するためのSDKとともに発表した。すべて10月20日から、欧州、米国、グローバルの各エンドポイントを通じてMistral APIで利用でき、Studioの試用環境（プレイグラウンド）でも利用可能だ。オンプレミスやプライベートクラウドへの導入は、要望に応じて提供される。

Voxtral 3モデル	想定用途	発表価格
Voxtral Small Transcribe 3	最高精度の文字起こし、話者分離	1分あたり0,004ドル
Voxtral Mini Transcribe 3 (4B)	バッチ処理による文字起こし、話者分離	1分あたり0,0035ドル
Voxtral Mini Transcribe Realtime 3	リアルタイム文字起こし、500 ms未満	1分あたり0,008ドル
Voxtral Speech 3	バッチ処理とリアルタイムの音声合成	100万文字あたり13ドル

文字起こしは、欧州連合の24の公用語を含む50言語に対応する。話者を区別する機能（話者分離）を備え、追加学習（ファインチューニング）なしで業務用語の認識を改善するためにキーワードを指定できるほか（文脈バイアス、コンテキストバイアシング）、発話の終了も検出する。Mistralは、ベンチマークFLEURSの45言語について、言語をモデルに指定した場合と自動検出した場合の単語誤り率を公表している。

評価対象モデル（FLEURS、45言語）	言語をモデルに指定	言語を自動検出
Voxtral Small Transcribe 3	4,0 %	4,1 %
Microsoft AI Transcribe 2	4,0 %	4,1 %
Voxtral Mini Transcribe 3	4,5 %	4,6 %
Gemini 3.5 Transcribe	4,5 %	6,1 %
Scribe v2	4,9 %	4,9 %
GPT Transcribe	5,6 %	6,3 %
Whisper large-v3	14,9 %	16,0 %

MistralはSmallモデルがWhisper、Scribe v2、Gemini 3.5 Transcribeを上回ると説明しているが、同社のグラフではMicrosoft AI Transcribe 2と同率だ。リアルタイムでは、遅延480 msのMiniモデルが35言語で6,4 %を記録した。Gemini 3.5 Realtime Transcribe（4,2 %）とMicrosoft AI Transcribe 2 Streaming（5,8 %）には及ばないが、GPT Live Transcribe（8,4 %）とScribe v2 Realtime（8,7 %）を上回る。

Voxtral Speech 3は35以上の言語と50以上の方言で話し、会話の文脈から感情や話すリズムを推定するか、行ごとに明示された指示に従う。Pro Voiceは30分の音声からプロの声を再現する。Mistralによると、同等のOpenAI、Deepgram、ElevenLabs、Googleのモデルよりも運用コストが低いという。

LiveKitを基盤とする音声エージェント用SDKは、3つのモデルをストリーミングでつなぐ。リアルタイムモデルが音声を聞いて文の終わりを検出し、Mistral Smallのような汎用モデルが推論してツールを呼び出し、最後にVoxtral Speech 3が応答する。各段階は前の段階の完了を待たずに処理を進める。Mistralによると、各ターンは1秒未満で完了し、エージェントは割り込まれると発話を止め、SIPまたはWebRTC経由で通話し、各段階のモデルは交換できる。Voxtral Transcribe 2（2月）やVoxtral TTS（3月）とは異なり、Voxtral 3は重みを公開する形では発表されていない。記事ではMistralのAPI、またはMistralのチームと調整して自社インフラに導入する方法が案内されており、発表当日の夜にはHugging Faceにリポジトリは見当たらなかった。

🔗 Mistralの記事 · @MistralAIのスレッド

Eleven Realtime：ElevenLabsが音声エージェントを単一の音声対音声モデルに統合

10月20日 — Voxtral 3と同じ日、ElevenLabsは逆のアプローチを採った。MistralのSDKが独立して交換可能な3つのモデルをつなぐのに対し、Eleven Realtimeの各モデルは音声エージェント全体を単一の音声対音声（音声から音声への変換）モデルに統合する。音声認識、音声区間検出、発話ターンの管理、LLM、音声合成が一体として最適化されている。モデルは90以上の言語を話し、ElevenLabsのライブラリにある17 000以上の音声を利用できる。

2つのバージョンが登場する。既定のモデルであるEleven Realtime v1 Miniは、低コストの会話用途（アシスタント、教師、対話型キャラクター）を対象とする。Eleven Realtime v1 Maxは応答前に推論し、顧客サポートや、ツール呼び出しを伴う複数段階のワークフローといった複雑なタスクを対象とする。トークンあたりの料金は高い。公開された結果は、ElevenLabsが引用するArtificial Analysisの評価に基づく。

指標（ElevenLabsが引用したArtificial Analysisの評価）	Eleven Realtime v1 Max	Eleven Realtime v1 Mini
Big Bench Audio（音声で出題された1 000問）	98,8 %	75,9 %
最初の発話までの平均遅延	0,57 s	0,62 s
Full-Duplex-Bench（間、割り込み）	94,1 %	95,8 %
ツールを使うタスクの成功率	87,1 %	60,3 %

ElevenLabsによると、Artificial Analysisのランキングには、v1 Maxより高速かつ高精度なモデルは存在しないという。Miniは会話の流れへの対応でわずかに優れるが、ツールを使うタスクではMaxが大きく差をつける。

ElevenAgentsでは、エージェントの音声モードを「Custom」から「Realtime」に切り替えるだけで、電話、ウェブ、WhatsApp、コンタクトセンターといったプラットフォームのほかの機能をそのまま使える。モデルはOpenAIのものと互換性のあるRealtime APIでも提供される。すでに組み込み済みの開発者は、エンドポイントとモデル名を変更するだけで、コードを維持できる。ただし接続方式はWebSocketのみだ。提供はワークスペースごとに順次進められる。Maxとは異なり、MiniはZero RetentionモードでもHIPAA対応でも利用できない。具体的な料金は示されておらず、ElevenLabsは通常のElevenAgentsの分単位料金に、選択したモデルの料金に基づくトークン代を加えて請求する。

これによりElevenLabsは、すでに一体型の音声モデルを提供しているOpenAI（GPT-Live-1、9月10日からAPIで1分あたり0,05ドル）、Google（Gemini 3.8 Live）、SpaceXSI（Grok Voice 3.0）に加わる。

🔗 ElevenLabsの記事 · Realtimeモデルのドキュメント

Perplexity Computerがモデルも含めてMac上で完全にローカル動作

10月20日 — Perplexityは、エージェントのComputerをMac上で完全にローカル動作させる。モデル、実行基盤（ハーネス）、タスクの実行がすべて端末内にとどまる。

Perplexity Computer can now run fully local on your Mac. Work with your native Mac apps and local files, and run tasks without sending sensitive data to the cloud. The model and the agent both run on your Mac. Available now in the Perplexity Mac app.

🇯🇵 Perplexity Computerが、お使いのMac上で完全にローカル動作できるようになりました。Macのネイティブアプリやローカルファイルを使い、機密データをクラウドに送ることなくタスクを実行できます。モデルもエージェントも、お使いのMac上で動作します。PerplexityのMacアプリで今すぐ利用できます。 — Xの@perplexity_ai

発表項目	Perplexityによる詳細
ローカルモデル	Qwen 3.6とPPLX Pro
推奨メモリ	36 Go以上のユニファイドメモリ
対象端末	M6およびM5 Pro搭載の新しいMac miniなど、対応するApple silicon搭載Mac
対象プラン	Pro、Max、Enterprise
Computerクレジット	ローカルタスクでは消費しない
クラウドの利用	許可を得たうえで、15を超えるフロンティアモデルに接続

ユーザーの許可を得ると、エージェントはローカルファイルや、Notes、Messages、Mail、Numbersなどのアプリ内で作業する。Perplexityの投稿によると、PPLX ProはQwen 3.8に事後学習を施した同社版モデルだ。規模について質問されたPerplexityのトップ、Aravind Srinivasは、270億パラメータの密モデルだと回答し、36 Goのメモリが一般的になるとの見方を示した。

Macアプリには、Computerを起動する方法が2つ用意された。9月1日に登場したHybrid Computeは、検索と推論をクラウドで始め、非公開ファイルをローカルで処理する。新モードはMacを起点とし、計画、推論、ファイル処理を端末内で行う。ユーザーが許可すれば、エージェントは最新情報の取得、ウェブ閲覧、接続済みアプリの利用にクラウドを使う。コードもツールも分離されたサンドボックスで実行され、クラウド版と同じセキュリティプロトコルが適用される。Perplexityは3つの用途を挙げている。非公開の保有資産情報に基づくポートフォリオの見直し、機密メモを基にした営業提案書の作成、MessagesとMailから抽出する朝の優先事項リストだ。

これは、8月25日にDGX Spark向けに登場し、9月にはLinux、Windows、AMD Ryzen AI Maxプロセッサー搭載PCにも対応を広げた完全ローカル版Portable Computerの、Mac版に相当する。

🔗 Perplexityの記事

NVIDIA GPU以外で動くPyTorch：TorchTPUのオープンソース化、Hugging FaceでのTPUネイティブ対応、PyTorch 2.15のMPS

この日の3つの発表は、NVIDIA以外のチップでPyTorchを動かすものだ。GoogleはPyTorch ConferenceでTorchTPUを公開し、Hugging Faceは同日に自社ライブラリへ統合した。また、Hugging FaceのPyTorchチームは、PyTorch 2.15がMacにもたらす機能を詳しく説明している。

TorchTPU：Google が TPU 向けのネイティブ PyTorch スタックを公開、vLLM、SGLang、TorchTitan、llm-d 1.0 に対応

10月20日 — Google は、Meta の PyTorch チームと共同開発した TPU 向けのネイティブ PyTorch スタック、TorchTPU をオープンソースで公開した。TPU をほかと同じように PyTorch のデバイスとして扱えるようになり（torch.device("tpu")）、即時実行（eager）でデバッグした後、XLA 経由でコンパイルする torch.compile を使って本番環境に移行できる。これまでは、コードを JAX で書き直すか、従来の torch_xla を使う必要があった。

TorchTPU を基盤とする推論エンジンは2つある。Inferact と開発した vLLM-TorchTPU と、RadixArk と開発し、すでに Meta で本番運用されている SGLang-TorchTPU だ。Google は、SemiAnalysis の InferenceX ランキングで、Ironwood 上の Qwen 3.5 により100万トークン当たり2.01米セントを達成し、2兆8,000億パラメータのモデル Kimi K3 では、単一ユーザーで毎秒700トークン超を達成したと発表している。学習では、TPU 上の TorchTitan が Qwen 3 8B で最大52 %の計算利用率（Model FLOPs Utilization）を達成し、最大8,192個の Ironwood チップで試験した。Google は、Red Hat、IBM と共同で立ち上げた Kubernetes ベースの分散サービングスタック、llm-d 1.0 も公開した。エージェント型コーディングのワークロードでは、単純な Kubernetes Service と比べて、最初のトークンが出るまでの時間の中央値が85 %超短縮し、スループットは2.4倍になった。

🔗 Google Cloud の記事 · TPU 向けの vLLM と SGLang 推論エンジン · llm-d 1.0

Hugging Face、Transformers、Diffusers、Kernels で TPU にネイティブ対応

10月20日 — Hugging Face は TorchTPU を自社のエコシステムに統合した。PyTorch/XLA や JAX を経由せず、TPU をほかのデバイスと同じように扱えるようになり、Hugging Face がこれまで保守してきた互換レイヤー Optimum TPU は、Transformers と Diffusers では不要になる。Transformers では device_map="tpu" でモデルを読み込むだけでよく、Diffusers では pipe.to("tpu") だけでよい。必要に応じてコンパイルでき、大規模モデルを複数のチップに分散するテンソル並列処理にも対応する。

Hugging Face による測定対象	公表された結果
Qwen-Image-2.1、1024 × 1024 の画像を40ステップで生成（TPU v6e-4）	コンパイルあり 3,5 s、コンパイルなし 8,0 s
MiniMax-H3、音声付きの 5,2 s の動画（TPU v6e-4）	コンパイルあり 188 s、コンパイルなし 262 s
Qwen3-30B-A3B のデコード、バッチサイズ64、Tokamax カーネル（v6e-8）	21,5 倍高速
TPU 上で成功した Transformers のテスト	96,5 %

チームは TorchTPU プロジェクトに34件の問題を報告し、そのうち19件はすでに修正されている。TPU 上で毎晩実行する CI も準備中だ。Hugging Face が NVIDIA 以外のアクセラレータ向けのネイティブ PyTorch バックエンドを統合するのは、前日の AWS Trainium 向け TorchNeuron に続き、2日間で2例目となる。

🔗 Hugging Face の TorchTPU に関する記事

PyTorch 2.15、Mac に FP8 を導入し、MoE のデコードを最大6.5倍高速化

10月20日 — Apple silicon 搭載 Mac の GPU バックエンドである MPS に取り組む Hugging Face の PyTorch チームが、現在リリース候補版の PyTorch 2.15 による改善を詳しく紹介した。Mac で FP8 が利用可能になり、値ごとの容量は BF16 の半分に当たる1バイトで、GPU 上で直接乗算できる。ネイティブのグループ化行列乗算により、MoE モデルのデコードは2.14より5〜6.5倍高速になる。

Mac での測定項目	PyTorch 2.14 使用時	PyTorch 2.15 使用時
M3 Ultra 上での Qwen3.6-35B-A3B のデコード	9,4 tokens/s	61,3 tokens/s
M3 Ultra 上での LFM2.5-8B-A1B のデコード	23,6 tokens/s	123,6 tokens/s
128 256 個の logits に対する FP32 Softmax	57 µs	7 µs
ドライバーの最大メモリ使用量、Wan2.2 の VAE	270,1 Gio	8,1 Gio

MPS 上でエラーを出さずに画像を破損させていた Qwen-Image-2.1 の VAE エンコーダーも修正された。PyTorch 2.15 には macOS 15 と Python 3.11 が必要となる。また、今後変更される可能性がある2.16の予告では、アテンションを完全に Metal で実装するとしている。

🔗 Hugging Face の MPS に関する記事

オープンソースソフトウェアのセキュリティ：OSS Scanner の初の実績報告と GitHub のパッケージファイアウォール

2つの発表は、プロジェクトのコードに含まれる脆弱性の発見と、インストール時のパッケージのフィルタリングという、オープンソースのソフトウェア供給網の両端を対象としている。

OSS Scanner：114プロジェクトを受け入れ、重大な脆弱性77件と深刻度の高い脆弱性803件を報告、curl の脆弱性を修正

10月19日 — Anthropic の最も強力なモデルで重要なオープンソースプロジェクトをスキャンする無料サービス OSS Scanner が、公開から11日後に最初の実績を発表した。その日の夜に @ClaudeDevs が紹介したスレッドで、サービスのプロダクト責任者プニット・シャーは、応募したプロジェクトが約650件、受け入れたプロジェクトが114件に上ると説明した。まだすべてのプロジェクトをスキャンしていないものの、モデルが判定した深刻度に基づき、重大な脆弱性77件と深刻度の高い脆弱性803件を、すでに保守担当者に報告している。

代表例として挙げられているのが curl だ。OSS Scanner の初期版で発見された、HTTP/2 送信時に解放済みメモリを使用する脆弱性（use-after-free）CVE-2026-92392 は、10月14日の curl 8.23.0 で修正された。curl の勧告は、8.12.0〜8.22.0 を対象に深刻度を「高」とし、報告者として「Luna と Claude、Anthropic」を記載している。別の教訓もあった。実証用コードを添えてメールで送った初期の報告の大半は、おそらくメールフィルターにマルウェアと判定され、配信を拒否された。このため Anthropic は、GitHub Security Advisories 経由での報告を試している。プニット・シャーの推計では、150を超えるプロジェクトがなお採否の決定を待っていた。

🔗 プニット・シャーのスレッド · curl のセキュリティ勧告

GitHub、Actions ランナーやコーディングエージェントがインストールする npm パッケージのフィルタリングをプレビュー公開

10月20日 — GitHub は、パッケージファイアウォール（package firewall）の公開プレビューを開始した。背景にあるのは、パッケージのコードを実行することさえなく、インストール時の処理を悪用して CI/CD ホストや開発者の端末から認証情報を収集する攻撃が増えているという状況だ。このファイアウォールは、GitHub Actions の実行環境（runners）やコーディングエージェントと上流のレジストリの間に入り、メタデータのリクエストとダウンロードの両方を検査する。

ファイアウォールの主な項目	プレビューでの提供内容
利用できる制御	待機期間、GitHub Advisory Database のアラート、アテステーションのダウングレード
対象顧客	GitHub Enterprise Cloud、データレジデンシー対応を含む
対応エコシステム	現時点では npm のみ
料金	プレビュー期間中は無料、その後は GitHub Actions と同様の従量課金

コーディングエージェントと CI/CD ホストは、レジストリに直接問い合わせる代わりにファイアウォールを経由するよう設定する必要がある。誤ってブロックされたパッケージについては、例外を申請できる。

🔗 GitHub の発表

アシスタント：ChatGPT のロック付きチャット、中小企業向けと米国行政機関向けの Gemini

OpenAI と Google は、ChatGPT での会話の秘匿性、Gemini での中小企業や米国の公共サービスへの対応など、特定のニーズに向けた機能をアシスタントに追加している。

ChatGPT、4桁の PIN で会話を非表示に

10月20日 — ChatGPT は、ロック付きチャット（locked chats）を導入する。選択した会話はアカウント内に残るが、履歴、固定したチャット、検索結果からは表示されなくなる。会話は Projects 内の Locked chats に移り、アカウントの4桁の PIN、またはモバイルでは Face ID、Touch ID、Android 端末のロック解除で開ける。この機能は、ウェブ、iOS、Android、新しい macOS・Windows 向けデスクトップアプリで順次提供される。Free から Pro までに加え、Business、Enterprise、Edu が対象となるが、ChatGPT for Healthcare は対象外だ。

OpenAI は制約も明示している。ロックによってエンドツーエンド暗号化や独立した保管領域が追加されるわけではなく、保存期間も変わらない。忘れた PIN をリセットすると、ロックされたすべてのチャットと、それらが保護するファイルが完全に削除される。企業環境では、ロックされたチャットも OpenAI Compliance Platform のログに残り、管理者はこの機能を無効にすることも、チャットのロックを解除することもできない。Codex の会話、一時チャット、グループチャットはロックできない。

🔗 ChatGPT のリリースノート · ロック付きチャットのガイド

Gemini アプリ、中小企業向けの専用ページを開設

10月20日 — Google は Gemini アプリに中小企業向けの専用ホームページを追加する。ブランドの構築、財務分析、顧客理解を進めるための一元的な窓口と位置づけており、Google によると、すでに数千万人の中小企業経営者が Gemini を利用している。画像の制作では、事業者がウェブサイト、ブランドガイドライン、フォント、配色を提供すると、Gemini が Nano Banana 2.1 を使って事業の立ち上げやキャンペーン向けの画像を生成し、再アップロードなしでそのスタイルを維持する。財務面では、整理されていない表計算ファイル、領収書、購入履歴を、数秒でグラフや対話的に操作できるモデルに変換する。

Gemini は Google Business Profile、Google Ads、Google Workspace に加え、Adobe、Canva、Dropbox、Shopify、Wix、Zoho、Xero と連携する。利用者の声として、ボルドーの陶芸家（Bleu Clémentine）は、1日当たり2〜3時間を節約できると語っている。提供は「数日以内」に始まり、世界中のアプリ利用者全員が対象となる。

🔗 Google の記事

Gemini for government services：米国行政機関向けに Gemini エージェントをプレビュー提供

10月20日 — Google Cloud は、10月初めの Gemini at Work で発表した Gemini エージェントを公共部門向けに展開する。Google Cloud の最高経営責任者トーマス・クリアンは、Gemini for government services を、米国の連邦機関、州政府、地方自治体向けにプレビュー提供すると発表した。このサービスは、法律、規則、各機関の指針を適用するスキル、データを移行せず既存の場所で各機関のシステムを照会するコネクター、SZNS Solutions などの提携先エージェント、セキュリティとコンプライアンスを一元管理するコントロールプレーン、13社のシステム統合事業者からなるネットワークを組み合わせる。

Google は、段落単位の出典を示す規制調査から、行政文書の公開請求（FOIA）、補助金支出の監査、公開前の文書の墨消しまで、7つの用途を挙げている。コネクターは Federal Register、regulations.gov、eCFR、Oracle、Salesforce、ServiceNow、Google Workspace、Microsoft 365 に対応する。Google はミズーリ州および米国保健福祉省（HHS）と協力しており、このサービスは Assured Workloads の FedRAMP High のデータ境界内にデプロイできる。料金と一般提供開始日は発表されていない。

🔗 Google Cloud の記事

AI の応用：Claude が設計するタンパク質バインダー、QD-Rec の推薦、ロボット向けの Flora

この日の3つの研究は、毒に対するタンパク質の設計、意思決定支援、ロボットを訓練するための動画への注釈付けという、特定の課題にモデルを応用している。

Claude、サソリの神経毒に対するタンパク質バインダーを設計：試験した211種類のうち17種類を検証

10月20日 — Anthropic は Science ブログで、メキシコから中東までの4地域に由来する5種類のサソリ神経毒に対し、Claude がタンパク質を設計した取り組みを公表した。Claude Science で使われる社内研究用モデルが、8月の研究のプロンプトを Citrini Research とともに調整して再利用し、チームから4回の追加指示を受けながら、ほぼ自律的に作業した。12のツールで318,484種類の設計を生成し、64時間で最終候補180種類を選んだ。計算量は約1万 GPU 時間だった。Adaptyv Bio と Twist Bioscience は、チームが追加した31種類を含む211種類の設計を試験した。厳格な基準で17種類が標的への結合を示し、それぞれ1種類の毒素だけに結合したが、ブラジルの毒素 Ts1 を標的とするものはなかった。最も優れた2種類の Cn2-B1 と Cn2-B2 は、メキシコの毒素 Cn2 に数ナノモル濃度の親和性で結合し、マウスでこの毒素を中和する LR 抗体と同じ部位を狙っているとみられる。

This is exploratory work, and we’re not claiming to have produced an antivenom—for that, we’d have to test the binders within living cells, then in mice, among many other steps. But it’s an example of how Claude can concretely assist research in protein design.

🇯🇵 これは探索的な研究であり、抗毒素を作り出したと主張するものではなく、そう言えるようになるには、生きた細胞で、次いでマウスでバインダーを試験するなど、ほかにも多くの段階を踏む必要があります。しかし、Claude がタンパク質設計の研究を実際にどのように支援できるかを示す一例です。 — X の @AnthropicAI

211種類の設計とそのデータは公開されている。注記では、この計算量は大半の研究者が利用できる資源を超えると認めつつ、簡略化したプロンプトを使い、単一のエージェントと1基の GPU を24時間動かすだけでも、同等のインシリコ評価スコアが得られるとしている。

🔗 Anthropic の記事

QD-Rec：Sakana AI、多様で根拠のある推薦を進化させる

10月20日 — Sakana AI は、終わりを設けない探索（open-ended search）と品質・多様性の手法（Quality-Diversity）を、意思決定支援のための推薦に応用する QD-Rec を発表した。この手法は候補を順位づけする代わりに、買収する企業、営業をかける顧客、読む記事と、それを選ぶ理由を説明する文章という、候補と仮説の組み合わせを探す。文脈付きバンディットが、探索の手薄な領域を優先しながら次の候補を選び、LLM がすでに保存されている仮説を調整したり組み合わせたりして新たな仮説を書き、ニッチごとに分けたアーカイブが新しい理由を保持する。

企業の合併・買収、マーケティングの対象選定、記事の推薦で試験し、提案役に Claude Sonnet 5 または Claude Haiku 4.5、評価役に gpt-5.6-terra を使ったところ、QD-Rec は1,000回の評価で、ほとんどの場合に平均品質が最も高く、アーカイブも最大になった。Walt Disney では、10点満点で2.91点、推薦214件となり、進化を使わない場合の2.40点、85件を上回った。Sakana は、これらのシナリオは投資助言ではないこと、モデルがデータに含まれない数値を提示した事例があったことを明示している。コードは Apache-2.0 ライセンスで公開されている。

🔗 Sakana AI の技術記事

Flora：NVIDIA、ロボット向けに動画をアノテーションするモデル群の重みを公開

10月20日 — NVIDIAのGEAR研究所が、ロボットや人間の未加工動画を学習用の信号に変換するモデル群Floraの重みを公開した。生成するのは、タイムスタンプ付きの動作キャプション、運用状況の監視に使う結果報酬、強化学習に使う過程報酬だ。FloraはすでにGR00Tモデルの学習用データを生成する基盤として使われており、512基のGB300 GPUで1日当たり20万時間の動画をアノテーションしている。NVIDIAによると、コストを約125分の1に抑えながらGPT-6 Astraに匹敵するというが、公開された表からは、より入り組んだ結果が見て取れる：

ベンチマークと評価指標	Flora	GPT-6 Astra
DenseRewardBench、マクロF1（高いほど良い）	46,2	40,7
RoboReward、平均絶対誤差（低いほど良い）	40,0	55,4
DenseCaptionBench Robot200、セグメンテーションF1	66,9	71,9
WGO-Bench、正解率（gold-window）	64,7	77,4

Floraは、報酬に関する指標の大半と人間の動画でGPT-6 Astraを上回る。一方、ロボットの動画、WGO-Benchの3指標中2指標、分布外データにおけるRobometerの相関、RubricBenchでは下回っている。

🔗 Floraのプロジェクトページ · Jim Fanのスレッド

買収と提携：OpenAIがOrchestra Bioを買収、RunwayがClaude Marketplaceに参加

本日の事業関連の動きは2件。OpenAIによる創薬分野での買収と、RunwayとAnthropicの販売提携だ。

OpenAI、Rosalindを創薬につなげるためOrchestra Bioを買収

10月20日 — OpenAIがOrchestra Bioの買収を発表した。人間とAIエージェントが協力して医薬品開発プログラムを進めるプラットフォームで、科学者やプログラム責任者は、研究や一連の実験の進捗管理をエージェントに委任できる。OpenAIは例として、製造ロットの不良によって臨床試験の開始が遅れる状況を挙げている。その場合、エージェントは影響を受ける活動と日程を特定し、情報を集め、対応案を比較するが、判断はチームが行う。

Orchestraのチームと技術は、OpenAIの生命科学向けサービスRosalindに加わる。GPT-Rosalindは生物学と化学の推論を担い、Rosalind Workbenchはその能力を研究者のツールやデータにつなぐ。掲げる目標は、発見を、医薬品候補に関する研究、意思決定、次の開発段階へとつなぐエージェントの実現だ。OpenAIによると、米国では標的の発見から規制当局の承認まで平均10～15年かかる。買収額は公表されていない。

🔗 OpenAIの発表

Runway CreativeがClaude Marketplaceに登場、Anthropicへの支出契約額を充当可能に

10月20日 — Runwayが、動画・画像・音声の生成と編集を行うプラットフォームRunway Creativeを通じ、AnthropicのClaude Marketplaceに参加する。対象となる法人顧客は、RunwayまたはAnthropicの担当者を通じて、Anthropicへの支出契約額の一部をRunwayの購入に充当できる。料金は公表されていない。Runway CreativeはGen-4.5、Aleph 2.0、Seedance 2.5、Kling 3.0、ElevenLabs V4をまとめて提供する。また、依頼をカット割りに変換し、各ショットに使うモデルを選び、動画を組み立てるRunway Agentの推論をClaudeが担う。Claude TeamとEnterpriseでベータ提供されているClaude Motionのアニメーションは、Runwayにエクスポートし、画像、ナレーション、音楽を追加できる。

Runwayによると、利用するクリエイター、映画制作者、マーケティングチームは合わせて6,500万を超える。9月29日にRunway CreativeがOpenAI Marketplaceに加わった動きに対応する、Anthropic側の展開となる。

🔗 Runwayの発表

モデルを評価する：OpenAIのMultiLangBench、Ai2のFairStress、Cohere LabsのCALIBER

3件の研究発表が、普及度の低い言語でのコーディング、意思決定の公平性、自分の回答に対する確信度という3つの観点からモデルを評価している。

MultiLangBench：GPT-6 AstraがCOBOLを含む20言語でSQLite互換エンジンを構築

10月19日 — OpenAIが、COBOL、Fortran、Visual Basicなど、データ資源の少ないプログラミング言語（low-resource）に関する研究記事を公開した。これらの言語は、Pythonに比べてコードやドキュメントがはるかに少ない一方、銀行システムや天気予報を支えている。最初の評価であるMultiLangBenchはApache-2.0ライセンスで公開され、20言語のいずれかでSQLite互換のデータベースエンジンをゼロから構築する課題を課す。検証には、SQLiteのテストスイートを調整したテストを使う。

評価モデル（推論量最大）	20言語の平均	COBOL	Fortran	Visual Basic
GPT-5.6 Sol	26,8 %	10,9 %	21,4 %	27,5 %
GPT-6 Luna	40,3 %	17,1 %	31,4 %	41,6 %
GPT-6 Astra	87,4 %	72,1 %	83,5 %	89,4 %

GPT-6 Lunaのコストはサンプル当たり約0,77ドルで、GPT-5.6 Solは3,48ドルだ。2つ目の評価では、出力がバイト単位で一致することを条件に、COBOLプログラムをC++、Java、Kotlin、Python、Rustのいずれかに移行する。GPT-6.1 Solは推論量を低く設定した場合に86,6 %の成功率を達成し、同じ設定のGPT-5.6 Solの5,4 %を上回り、コストも39 %低い。推論量を増やすと成功率は97,9 %に達する。OpenAIは、本番環境への移行には引き続き専門家によるレビューが必要だと念を押している。

🔗 OpenAIの記事 · GitHubのMultiLangBench

FairStress：Ai2、最終回答を超えて人口統計学的属性に関する公平性を測定

10月20日 — Ai2がFairStressを公開した。モデルの最終的な選択だけでなく、人口統計学的属性に関する公平性を検証するベンチマークだ。説得を試みる主張を受けたとき、モデルが根拠のある判断をどれほど容易に撤回するか、その判断をどう正当化するかも測定する。採用から住宅まで29分野にわたり、2人の候補者から選ぶ300の意思決定シナリオを用意し、1,300万件を超えるテストケースに展開している。

人口統計学的属性の情報がない場合、モデルは対称的に振る舞う。15モデルを対象とした評価では、正しい回答を撤回する割合の平均差は、属性を暗示した場合に6,9ポイント、明示的なラベルを付けた場合に9,3ポイントに達した。モデルは、最良の候補者に多数派を示す属性が付与されていると、その候補者をより容易に見放す。Ai2はこれを、ステレオタイプに逆らう方向への過剰補正と呼んでいる。Claude Opus 5やGPT-5.5などの最先端モデルは、判断が曖昧なケースの約60～65 %で、少数派を示す属性が付与された候補者を選ぶ。また、検証した9種類の補正手法の大半は、この非対称性を安定して軽減できなかった。Ai2は、ここでの公平性の定義は平等な取り扱いに基づくと説明している。コードはMITライセンスで公開されている。

🔗 Ai2の記事

CALIBER：Cohere Labs、推論モデルに思考前と後の確信度の推定を学習させる

10月20日 — Cohereの研究部門Cohere Labsが、CALIBER（Calibration Before and After Reasoning）を発表した。推論モデルに、思考を始める前と、回答を生成した後の2回、正答確率を推定するよう学習させる手法だ。初期の確信度は、同じ問題を複数回解いたときのモデルの正答率を目標として学習する（10回中7回正解なら目標は70 %）。最終的な確信度は、生成した回答の正誤を目標として学習する。

BigMathDigitsベンチマークでは、70億パラメーターのモデルの期待キャリブレーション誤差（Expected Calibration Error、ECE）が、単一の確信度を使う最良の手法の0,059から0,028へと、52,5 %減少した。追加学習なしでも、GPQAでは26,8 %、TriviaQAでは32,2 %、SimpleQAでは36,2 %の減少を達成した。一方、300億パラメーターのモデルでは結果の見え方が変わる。そのECE（0,022）は、CoCA-lite（0,023）よりごくわずかに良いだけだ。いつ検証し、いつ回答を控えるかの判断に、これらの推定値を使う方法は検証されておらず、Cohereの製品発表もない。

🔗 Cohereの記事 · arXivの論文

OpenAI API、プロンプトを12時間キャッシュ可能に、書き込み時は入力料金の2,5倍

10月20日 — OpenAI APIで、プロンプトを既定の30分ではなく、12時間キャッシュに保持できるようになった。OpenAIのdotsのように、同じ指示、ツール、コンテキストを1日中再利用する常時稼働型エージェントを想定した機能だ。リクエストの間隔が数時間空いても、キャッシュ済みトークンの割引料金を利用できる。設定には、GPT-5.6以降のモデルに対応するResponses APIのprompt_cache_options.ttlパラメーターを使う。1つのリクエスト内で2つの保持期間を組み合わせられ、共通の指示には12時間、会話の直近の部分には30分を設定できる。

料金の種類（GPT-5.6以降）	キャッシュされていない入力料金に対する倍率
キャッシュへの書き込み、30分（既定）	1,25
キャッシュへの書き込み、12時間（Responses API）	2,5
キャッシュからの読み出し	0,1（GPT-6.1 Solでは0,05）

OpenAIは、1日中再利用するコンテキストでは、節約額が書き込みの追加コストを大きく上回ると見積もっている。

🔗 プロンプトのキャッシュガイド · @OpenAIDevsのスレッド

コードエージェント：Claude Code 2.1.304、Copilot CLI 1.0.101、Vibe CLI 3.0.1、Devin Fusion

3つのコードエージェントCLIが、権限と信頼性を中心としたバージョンを公開した。また、Cognitionは独立した指標でClaude Codeと競っている。

Claude Code 2.1.304：/claude-api managed-agents-secure、コストの大きい会話再開前の警告、43件の修正

10月19日 — Claude Code 2.1.304が21時34分UTCにGitHubで公開された。変更項目は76件で、そのうち43件が修正だ。新コマンド/claude-api managed-agents-secureは、Claude Managed Agentsのエージェント設定をAnthropicが公開するセキュリティガイドと比較し、設定自体は変更しない。ProとMaxの利用者には、休止中の会話を再開すると5時間の利用上限のかなりの部分を消費する場合に警告が表示される。代わりに新しい会話を開き、そこでClaudeに以前の会話を探してもらうこともできる。/auto-mode-setupはBedrock、Vertex、Foundry、Claude appsゲートウェイに対応する。

複数の修正が利用者の作業を保護する。claude --worktreeは、HEADがデタッチされていたり別のブランチにあったりする場合に、確認せずにworktreeとそのブランチを削除しなくなった。従来の挙動ではコミットが失われるおそれがあった。また、マウントされたディスク上のrm -rでも、セキュリティ確認が表示されるようになった。カスタムのANTHROPIC_BASE_URLを経由する場合もツール検索が既定で有効になり、Code Reviewは、後から追加されたものも含め、GitHub組織内のすべてのリポジトリをレビューできる。

🔗 Claude Code 2.1.304のリリースノート

Copilot CLI 1.0.101：サブエージェントのネイティブ構造化出力と権限判定機構への指示

10月20日 — GitHubが、1.0.100の翌日にCopilot CLI 1.0.101の安定版を公開した。30件の変更項目は、その間に公開された2つのプレビュー版に由来する。主な追加は2つ。対応モデルで、動的ワークフロー（dynamic workflows）のサブエージェントがネイティブの構造化出力を使えるようになったことと、Assisted Permissionsの判定機構による確認判断を方向づけるassistedApprovalInstructions設定だ。

権限に関する表示も分かりやすくなる。承認の確認画面は権限昇格が必要になった理由を説明し、リクエストに応じた診断コマンドを提示する。また、フォルダーを作成してから開くシェルコマンドでは、即座に拒否される代わりにパスの承認を求めるようになる。法人向けでは、Teamに割り当てられたプラグインが、そのTeamのGitHubマーケットプレイスからインストールされるようになり、モデル選択画面では管理者が指定したモデルに既定の印が付く。macOSでは、ローカルアクセスが許可されている場合、サンドボックスがローカルTCPサービスに直接接続する。また、providers.jsonのローカルモデルがAutoモードを妨げる問題も解消した。

🔗 Copilot CLI 1.0.101のリリースノート

Vibe CLI 3.0.1：Python 3.12への再対応と管理者によるYOLOモードの禁止

10月20日 — Vibe CLI 3.0.0の翌日、Mistralが告知なしで3.0.1を公開した。変更項目は58件で、追加9件、変更15件、修正34件を含む。3.0.0での方針を撤回し、Python 3.14を必須とする代わりに、再びPython 3.12以降で動作するようになった。新しい管理者設定enable_auto_approveは、「YOLO」と呼ばれる自動承認モードを禁止する。auto-approveエージェントが表示されなくなり、--auto-approve、--yolo、bypass_tool_permissionsの各オプションは無視されるが、ツールごとの権限は引き続き適用される。

サブエージェントの追跡も改善された。vibe -pは、ターン終了後も動作し続けているサブエージェントを待機する。エクスポートには各サブエージェントの状態、モデル、使用量、コストが詳しく記録され、コストはそれぞれが使用するモデルの料金で計算される。実験的なvibe run-serverコマンドは、1つのプロセスで多数の非対話型セッションを実行する。また、出力トークンの上限で途切れた回答は、最大6回まで再要求される。

🔗 Vibe CLI 3.0.1のリリースノート

Devin Fusion：Coding Agent Indexで68,2、タスク当たりのコストはOpus 5.5を使うClaude Codeより31 %低い

10月19日 — Cognitionが、主要モデルと補助モデル（sidekick）を組み合わせるハーネスDevin Fusionの、Artificial AnalysisのCoding Agent Indexでのスコアを紹介した。この独立指標は、3つの評価に等しい重みを付けてコードエージェントを採点する：

Devin Fusion has claimed a top score of 68 on the @ArtificialAnlys Coding Agent Index with an Opus 5.5 lead and GPT-6 Luna sidekick. Devin Fusion outperforms Claude Code with Opus 5.5 on both performance and price – earning a score of 68 at a 31% lower cost per task.

🇯🇵 Devin Fusionは、Opus 5.5を主要モデル、GPT-6 Lunaを補助モデルとして、@ArtificialAnlysのCoding Agent Indexでトップクラスとなる68のスコアを獲得した。Devin Fusionは性能と価格の両面でOpus 5.5を使うClaude Codeを上回り、スコア68を達成しながら、タスク当たりのコストを31 %低く抑えている。 — Xの@cognition

指標のデータからもコストの差を確認できる。Devin Fusionは42構成中2位となっている：

評価した構成	指標スコア	タスク当たりの平均コスト
Claude Code, Sonnet 5.5 (max)	68,4	14,19ドル
Devin Fusion CLI, Claude Opus 5.5 Max + GPT-6 Luna High	68,2	9,02ドル
Claude Code, Opus 5.5 (max)	66,0	13,04ドル

Muse Wonder Fullを使うMuse Codeが68,0で続く。Devin FusionはDeepSWE v1.1（72,6対68,4）とSWE-Atlas-QnA（69,4対66,4）で明確にリードする一方、Terminal-Bench v4ではOpus 5.5を使うClaude Codeが優位を保つ（63,1対62,6）。Cognitionは新たな記事を公開していない。

🔗 Artificial AnalysisのCoding Agent Index

短報

エージェントとコーディングツール

Devinの10月19日付リリースノート — DevinがGitHub、GitLab、Azure DevOps、Bitbucketで、プルリクエストに加えてコミット、ブランチ、タグのCIの状態も確認できるようになった。Devin ReviewにはルールエディターとReview nowボタンが加わり、メモリーの夜間整理 (nightly memory dreaming) を無効化できるようになった。🔗 出典
Agent Manager — Hugging Faceが、Spaceにデプロイする非公開ワークスペースをApache-2.0ライセンスで公開した。ブラウザーから数十のClaude Code、Codex、Gemini CLI、opencode、Hermesのエージェントを操作でき、エージェント同士が通信し、別の端末から作業を再開する間も動作を続ける。🔗 出典
ZedのMCPツール検索 — Zedのチームは、判定モデル、LLM、埋め込み (embeddings) など、適切なMCPツールを見つける25通りの手法を、150件のクエリと536個のツールで比較した。その結果、いくつかの正規化ルールを加えた重み付きBM25を採用し、APIを呼び出さずローカルで処理する。詳細なスコアや対象製品は示されていない。🔗 出典
Zed 1.24.4とプレビュー版1.25.1 — 安定版ではOpenCodeのモデルの読み込みを修正。プレビュー版では、svg、mathml、rawタグ付きテンプレートのHTML構文ハイライトと、JavaScriptおよびTypeScriptでcss()に渡すテンプレートのCSS構文ハイライトを追加した。エージェント関連の新機能はない。🔗 プレビュー版1.25.1 · 🔗 1.24.4
iOS版v0 — v0のiOSアプリにBrowser Useの注釈機能が加わった。動画付きの投稿で発表されたが、機能の説明やv0の変更履歴への記載はない。🔗 出典
Gemini CLIの10月20日付ナイトリー版 — 変更のないナイトリー版が3回続いた後、2件の修正が入った。画面の再描画でターミナルのスクロール履歴が消えなくなり、/clearとCtrl+Lは表示領域だけを消去するようになった。また、HTTPパケット間で分断されたUTF-8文字がDevToolsで文字化けしなくなった。安定版v0.64.0に変更はない。🔗 出典
ZCode v3.16.2 — Z.aiのコーディング環境ZCodeのオープンソースリポジトリが、リリースノートなしでv3.16.2に同期された。デスクトップアプリではサイドパネル全体を表示できるようになり、マーケットプレイスにはA2Aプロトコルでほかのエージェントにタスクを委任するanetプラグインが加わった。🔗 出典
mistral CLI 0.9.0 — Mistralのプラットフォームにアプリケーションをデプロイするツールに、mistral upgrade、コミットをプッシュせずディスクからデプロイする実験的機能、機能フラグで有効化するmistral apps listとlogsが加わった。破壊的変更として、プライベートレジストリのトークンの読み込み元はMISTRAL_REGISTRY_TOKENまたはNODE_AUTH_TOKENに限定された。🔗 出典
CopilotのモデルポリシーAPI — 企業、企業内チーム、エージェントアプリケーション、組織の各レベルで、利用を許可するモデルを取得・変更するRESTのGETおよびPATCHエンドポイントが一般提供となった。組織やチームへの権限委譲にも対応する。🔗 出典

企業と活用事例

Claude EnterpriseのInference hooks — ベータ版を終了した。各リクエストの会話記録を組織のセキュリティサーバーへ送り、モデルに届く前に、デフォルトでは5秒以内に許可または拒否を判断する。claude.aiからClaude Code、Cowork、Claude Tag、Claude in Chromeまでを対象とし、Bedrock、Google Cloud、APIは対象外。🔗 リリースノート · 🔗 ドキュメント
PerplexityとValarian — Perplexityは、主権性を重視したインフラを提供する英国企業Valarianと連携し、規制対象機関のサーバーでComputerを稼働させる。隔離ネットワーク (air-gapped) にも対応し、Nemotron、GLM、Kimi、DeepSeek-R1、Qwenなどのオープンモデルを利用する。導入は個別依頼に応じて行い、料金や顧客名は公表していない。🔗 出典
IncidentWatchとIncidentSweep — SpaceXSIが、2つのGrok Botsによるサポート障害への対応を紹介した。一方は5分ごとにチケットの急増を検知して当番担当者に通知し、もう一方はエンジニアが承認した単位でチケットを一括クローズする。9月18日の障害では、約10分で204件を処理した。🔗 出典
フランチャイズ加盟店でのChatGPT Work — ニューメキシコ州でSchlotzsky’sとCinnabonの店舗を3店運営するテッド・テイラーは、メニュー価格の見直しを5日から1〜2時間に、毎月のレジ精算照合を3時間から5〜10分に短縮した。後者は94 %の削減に当たると、OpenAIの導入事例は伝えている。🔗 出典
3人のJava ChampionsとCopilot — GitHub Blogで、ヴラッド・ミハルチェア、パトリック・バウムガルトナー、フランク・デルポルテがCopilotの活用を紹介した。約900枚のスライドを8〜10時間でMarpへ移行した事例や、Pi4Jのバグに対してコーディングエージェントから30分でプルリクエストを得た事例がある。🔗 出典
Hippolyte.aiとElevenLabs — フランスの採用プラットフォームがElevenLabsの音声合成を使い、3週間で4,830件の一次選考音声面接を実施した。音声処理は欧州連合内で行い、生の録音データは24時間以内に削除する。重みが公開されたモデルをフランス国内で自社ホスティングしている。🔗 出典
Replitの日本進出 — Replitが日本拠点を開設し、アプリケーションや企業向けエージェントの開発機能を日本企業に届ける。11月5日と6日に東京で4つのイベントを開催し、Microsoftとのワークショップも含む。所在地、従業員数、日本独自の提供内容は公表していない。🔗 出典

ランキングとガイド

ClaimBench — Vals AIの新しいベンチマークは、年次報告書10-Kの抜粋が、ある主張を裏付けるか、矛盾するか、何も述べていないかを判定させる。Perplexityのpplx-decider-v1.2が、主張1件当たり0.000104ドルで99.69 %を記録し、判定モデルの首位となった。Mercury Decide（99.08 %）を上回る一方、レイテンシーは最も長い部類の1.23 sだった。🔗 出典
ParallelでのMiniMax M3.1 Flash — Parallel Web Systemsは、前日に公開されたMiniMaxのモデルを、ウェブ検索ランキングの効率部門で首位に位置付けた。DeepSeek V4.1 Flashに近い性能を、約3分の1のコストで実現するという。第三者ベンダーによるランキングである。🔗 出典
Perplexityが解説するAIゲートウェイ — 「アイデア」欄のガイドが、アプリケーションやエージェントとモデルの間に置くプロキシを説明している。ルーティング、トークン予算、セマンティックキャッシュ、ガードレールを扱い、調整済みのEnvoyゲートウェイによる追加遅延がリクエスト当たり約2 msだったBroadcomのテストを紹介する。Perplexityの製品紹介はない。🔗 出典

制作：画像、動画、プレゼンテーション

BriaのFibo 2.0 — サヤック・ポールによると、Diffusersは公開と同時にこの画像編集モデルに対応した。重みが公開され、この分野では初とされるモデルで、JSONで制御でき、文字を正確に描画し、Turbo版とDev版がある。🔗 出典
LumaのArt Style Match — 商品と構図を保ちながら、1〜4枚の参考画像のスタイルを商品画像に適用するツール。投稿のみで紹介されており、ブログ記事、モデル、料金の情報はない。🔗 出典
Design ArenaでのHeyGen Video 1.0 — HeyGenによると、MiniMax H3に事後学習を施した同社の1080pモデルが、Design Arenaの動画生成および画像からの動画生成で3位になった。HeyGenは商品のクローズアップやカットアウェイ映像向けとして紹介している。🔗 出典
OpenRouterでのWan3.0 Prime — AlibabaによるWan 3.0の高速版が、OpenRouterの動画ランキングのTrending表示で首位となった。料金は1秒当たり0.068ドルからで、リクエスト数は約3,000件（+85 %）。Wan 3.0は3位に入っている。🔗 出典
GTC BerlinのTJ — Synthesiaが、ジェンスン・フアンをアニメ化した分身を対話型アバターにした。同社の動画・音声モデルとInteractive Avatar APIを基盤とし、10月21日と22日に、100を超えるセッションの中から来場者におすすめを案内する。🔗 出典
Gemini Notebookでの共同制作 — ProとUltraの加入者は、テーマ、形式、長さ、言語、ビジュアルスタイルを選び、プレゼンテーション (Slide Deck) の構成案や動画による概要 (Video Overview) の制作ノートを確認してから生成を開始できる。提供範囲は引き続き拡大中。🔗 出典

オープンモデル、研究、ハードウェア

AnyLanguageModel 1.0 — Hugging FaceのSwiftパッケージは、インポートを1つ変更するだけでAppleのFoundation Modelsフレームワークを置き換える。同じセッションを、システムモデル、llama.cpp・MLX・Core ML経由のオープンモデル、OpenAI・Anthropic・Geminiなどのホスティング型サービスで実行できる。🔗 出典
TRLによるエージェントの事後学習 — Hugging Faceが、エージェントの実行記録を使った教師ありファインチューニングから、実際のハーネスを通じたAsyncGRPOによる学習まで、5段階の学習手順を公開した。途中で蒸留、GRPO、OpenEnv環境を扱う。教材であり、新製品の発表ではない。🔗 出典
ThoughtworksでのNemotron 3.5 Super VL — Thoughtworksの第2回報告では、3つのLoRAアダプターが、評価用に取り分けた法律・医療データで5.42〜9.41ポイントの改善を示した。公開ベンチマークCaseHOLDでは有意な改善はなく、指示によって判定が35.1ポイント変動した評価役のモデルは除外した。🔗 出典
フランスの天気予報を高精細化 — Hugging Faceのブログで、約200万パラメーターのU-Netを1時間で学習させ、AIFS-ENSの気温予報の解像度を28 kmから5.5 kmへ高める取り組みが紹介された。Météo-Franceの観測所との2日間の比較では、誤差が14 %（RMSE）低下した。著者らは実証例として位置付けている。🔗 出典
Coral NPU — Google Researchが、RISC-Vを基盤とする組み込みAI向けのオープンなニューラルプロセッサーの32ビットアーキテクチャーを完成させた。平均消費電力の目標は10 mWで、最大1 TOPSの行列演算ユニットを備える。Coral Compiler v1.0も公開し、SynapticsはAstra SR200チップシリーズを発表した。🔗 出典

AI以外のGitHub関連

Secret scanning — 11月12日から、2系統の監査イベントのbusinessフィールドが、企業の表示名から短い識別子 (slug) に変わる。プレビュー提供中の失効機能は、非公開および内部リポジトリにあるBase64でエンコードされたGitHubトークンにも対応する。🔗 出典
Dependabotアラート — REST APIとdependabot_alertのウェブフックが、脆弱な依存関係のバージョンまたはバージョン制約を示すversion_requirementフィールドを返すようになった。github.comとGitHub Enterprise Cloudで利用でき、GitHub Enterprise Serverは3.24での対応を予定している。🔗 出典
Dependabotと新しいパッケージマネージャー — Dependabotが、github.comの全ユーザー向けにnpm 12、pnpm 11および12、Bun 1.4に対応した。GitHub Enterprise Server 3.24にも含まれる予定。🔗 出典
ルールセット — リポジトリのすべてのブランチ保護を、1回の操作でルールセット (rulesets) に変換できるようになった。プレビューで確認でき、適用状態はActive、Evaluate、Disabledから選べる。元のルールを保持するか削除するかも選択できる。🔗 出典

これが意味すること

推論はNVIDIA一辺倒から脱しつつあり、開発各社は推論を支えるエンジンを公開している。DeepInferはNVIDIAのSM100 GPUでもHuaweiのAscend 950 NPUでも動作し、TorchTPUはTransformersやDiffusersでもTPUを通常のPyTorchデバイスとして扱えるようにする。PyTorch 2.15では、MacでのMoEのデコードが6倍以上に高速化する。DeepSeekはサービスの収支も公開しており、単一クラスターで1日155兆トークンを処理し、閑散時間帯にはGPU 1台・1時間当たり38ドルの収益を上げる。deepseek-recipeを使えば、第三者のホスティング事業者も公式APIの動作を再現できる。この計算では、コンテキストの再利用がますます大きな比重を占める。DeepSeekはKVキャッシュを72時間超保持し、OpenAIは、同じコンテキストを一日中再利用するエージェント向けに、12時間のプロンプトキャッシュを販売するようになった。

音声エージェントでは、MistralとElevenLabsが同じ日に2つのアーキテクチャーを打ち出した。Voxtral 3は、文字起こし、選択可能なLLM、音声合成を別々のモデルでつなぐ構成を維持し、SDKがそれらをストリーミングで連携させ、1秒未満で1ターンを完了する。エージェントを書き直さずに各構成要素を交換でき、料金は分単位または文字単位で示されている。Eleven Realtimeは処理全体を単一の音声から音声へのモデルに統合し、OpenAIのRealtime APIとの互換性を通じて、すでに同APIを組み込んでいる開発者の取り込みを狙う。具体的な料金は示していない。Mistralは欧州でのホスティングも強調する。折しもHippolyte.aiの事例は、大企業が求める条件を示している。欧州連合内での音声処理と、24時間以内の録音データ削除だ。

アシスタントがどこで動作するかが、訴求点になっている。Perplexity Computerは、モデルを含めてメモリー36 GBのMac上ですべて動作するようになり、Valarianはこれを隔離ネットワークに展開する。AnthropicのInference hooksでは、企業のセキュリティサーバーが、リクエストがモデルに届く前に拒否できる。各社はこうした保護の限界も説明している。ChatGPTのロックされたチャットは会話を非表示にするが、エンドツーエンドでは暗号化せず、会話は企業のコンプライアンスログに残る。

ソフトウェアサプライチェーンの安全性は、エージェントが行動する場所で問われる。OSS Scannerは11日間で、重大度が最も高い脆弱性を77件、高い脆弱性を803件報告した。ただし、その重大度は現時点ではモデル自身が判定したものだ。一方、curlの脆弱性にはCVE識別子、セキュリティ勧告、修正が用意された。GitHubのパッケージファイアウォールはインストール時点を対象とする。悪意あるパッケージが、継続的インテグレーションのランナーやコーディングエージェントの認証情報を収集し得るタイミングだ。同時に、エージェントのCLIは管理者による制御を強めている。Vibe CLI 3.0.1ではYOLOモードを禁止でき、Copilot CLI 1.0.101では権限を承認する判定役の判断方針を指定できる。Claude Code 2.1.304は、確認せずにworktreeを削除しなくなった。