AnthropicがModel Hardware Standardを公開、OpenAIが集団的サイバー防衛を結集、GLM-5.3がオープンウェイト化

8月27日のニュースとして、9分野から47件の発表を選定した。そのうち、特に際立つものが3件ある。AnthropicはModel Hardware Standardのリサーチプレビュー第1段階を開始した。これはエージェントが研究機器を操作できるようにし、その統合期間を数週間から数時間に短縮する仕様だ。OpenAIは、Anthropic、AWS、Google、Microsoft、Oracleなどの組織とともに、集団的なサイバー防衛を呼びかける論説を公開した。そしてAi2は、稼働中のがん研究センターにAutoDiscoveryを導入し、同日、研究室で検証済みの乳がんに関する発見を発表した。その他、Together AIでのGLM-5.3 Flash提供とGLM-5.3のオープンウェイト化予告、Gemini Omni 1.1 Flash、Cohere Parse、AWSに納入された初のVera CPU、約20件のツール更新については、以下で紹介する。

AnthropicがModel Hardware Standardを公開し、科学者向けにClaudeを10,000席提供

8月27日 — Anthropicは、AIエージェントが物理機器を操作できるようにする共通仕様Model Hardware Standard（MHS）のリサーチプレビュー第1段階を開始した。現時点では、初期グループとなる研究機関および先進的な企業のみが利用できる。この標準は、AnthropicのBeneficial Deploymentsチームに所属するAlek Kemenyと、HHMI Janelia Research Campusの博士研究員Arco Bastとの共同作業から生まれた。Bastは、共通インターフェースを持たないレーザー、フォーカス調整モーター、カメラを組み合わせた装置で脳画像実験を行っていた。

対象となる問題は地味だが、コストがかかるものだ。各機器は独自のプログラミングインターフェースを公開しており、それらを連携させる標準的な方法は存在しなかった。MHSは、「read」（たとえば「温度を取得」）や「write」（たとえば「温度を設定」）といった意図的に最小限に抑えたプリミティブを基盤とするドライバーを導入し、各機器を共通形式で検出可能にする。自然言語で記述されたタグが、ロボットアームの重量などコードだけでは分からない情報を説明し、ドライバーはそこから、機器が測定する項目、調整可能な項目、適用される安全限界を列挙したリファレンスファイルを生成する。制御方法は、MCP、コマンドラインインターフェース、APIとして公開されるコードファイルの3種類だ。

提携先での成果は、その効果の大きさを示している。Genentechは、液体ハンドラー、ロボットアーム、プレートリーダーを連携させ、BCAタンパク質定量を自動化した。Carnegie Mellonでは、互換性のないインターフェースを備えた3台のコンピューターに分散する4種類の機器群をエージェントが統括し、連続希釈による用量反応曲線の処理を約3倍高速化した。QuEra Computingでは、量子コンピューターのレーザー周波数ロックを、人の介入なしで99.3％の確率で復旧させるコントローラーをエージェントに開発させた。エコシステム面では、AWSがStrands Robotsライブラリを通じてMHSをサポートする予定であり、Hugging FaceとRaspberry Piも次の段階に参加する。Raspberry PiはCamera MHS Driverで良好なテスト結果を得たことを受けての参加となる。

Anthropicは限界も認めている。Claudeはテキストと画像を通じて物理世界を学習しており、その空間推論能力には限界があるため、専門家による監督が必要だ。Genentechでは、研究者たちは、試料の泡立ちに関するエラーがソフトウェアのバグではなく物理的な不具合であることをClaudeに理解させる必要があった。この標準は今後、オープンソースで公開される予定だ。

同日、Anthropicは新たな研究者向けClaude Teamプランを通じて、世界中の科学者にClaudeを10,000席提供開始した。Standard席は無料で、利用上限が5倍になるPremium席は1年間、月額15ドルとなる。公式アカウントによれば、これは80％割引に相当する。利用には、学術機関または非営利団体に所属する主任研究者であることの確認が必要だ。これまで生命科学を中心としてきたAI for Scienceプログラムは他の分野にも拡大され、プロジェクトごとに最大50,000ドル分のクレジットが提供される。ただし制限も残る。生物学および化学の研究者が利用できるのは引き続きOpusクラスのモデルに限られ、Claude Fableモデルは専門的な生物学や医薬品開発に関するリクエストを引き続きブロックする。

測定項目	発表値
MHS導入前の統合時間	数週間から数か月
MHSによる統合時間	数時間から数分
用量反応処理の高速化（Carnegie Mellon）	約3倍
人の介入なしでのレーザー周波数ロック復旧（QuEra）	99.3％
統合されたメーカー製プログラム（HHMI Janelia）	7
科学者向けに提供されるClaudeの席数	10,000席、1年間
Premium席（上限5倍）	月額15ドル、80％割引
AI for Scienceクレジット	プロジェクトごとに最大50,000ドル

Connecting AI to hardware requires days or weeks of bespoke integration, with no standard way for agents to operate equipment safely. MHS cuts integration to hours or minutes, provides an interface that makes devices discoverable, and enables agents to operate them safely.

🇯🇵 AIをハードウェアに接続するには、個別対応の統合に数日から数週間を要し、エージェントが機器を安全に操作するための標準的な方法もありません。MHSは統合時間を数時間または数分に短縮し、機器を検出可能にするインターフェースを提供するとともに、エージェントが機器を安全に操作できるようにします。 — @AnthropicAIのXへの投稿

🔗 Model Hardware Standard · 科学者への支援を拡大

Ai2ががん研究センターにAutoDiscoveryを導入し、検証済みの乳がんに関する発見を発表

8月27日 — Ai2はAutoDiscoveryを公開データセットの枠外へと展開し、稼働中の施設に導入する。Providence Swedish Cancer InstituteのPaul G. Allen Research Centerが、独自の研究データと臨床データに同プラットフォームを導入する。この発表と同時に、その根拠となる、ツールが生み出し、その後独立して検証された科学的成果も公表された。

研究では、この分野で最も広く研究されているデータセットの一つ、The Cancer Genome Atlasを扱った。AutoDiscoveryは大規模言語モデルを用いて仮説を生成・評価し、既存の予測に照らして意外性が高く、なおかつ分析を重ねても再現できる観察結果を優先する。このデータから、プラットフォームは予想外のシグナルを見いだした。長らく免疫学的に「冷たい」状態と分類され、免疫療法に反応しないと考えられてきた乳がんの一亜型、浸潤性小葉がんが、実際には従来認識されていた以上に強い免疫活性を示すというものだ。

その後の展開が、この発表に重みを与えている。研究者たちは独立した患者データセットでこの観察結果を検証した後、腫瘍試料の分析によって研究室でも確認した。免疫蛍光画像には、腫瘍を取り囲むT細胞が映し出されている。この研究をまとめた論文「Surprisal-based large language models reveal immunologic insights in breast cancer」は同日、PARCのKelly Paulson博士とEarle A. Chiles Research InstituteのSasha Stanton博士が率い、Ai2の上級研究員Bodhisattwa Majumderが参加する合同チームによって発表された。Ai2によれば、この結論は、米国で毎年診断される乳がんの約15％に相当する患者群全体について、免疫療法の観点から再検討する価値があることを示唆している。

ローカル環境への導入が第2の柱となる。ProvidenceはAutoDiscoveryを自らのクラウド環境内に設置するため、保護対象データは施設内に保持される。設置、運用、支援はPARCの計算研究チームが担当する。Ai2は、プラットフォームが単独で動作するよう設計されているのではなく、研究者の指示を受け、どの手掛かりを掘り下げるかを研究者自身が決めるものだと強調している。

🔗 Ai2とProvidence Swedishの提携

OpenAIがAnthropic、AWS、Google、Microsoft、Oracleとともに集団的サイバー防衛を呼びかけ

8月27日 — OpenAIは、Anthropic、AWS、Google、Microsoft、Oracleなどの組織とともに、「A call for collective action on cyber defense」と題する論説を公開した。公式メッセージでは「including」と表現されているため、この一覧はすべてを網羅したものではない。この文章は時間的制約に関する認識から始まる。世界各地でモデルが進歩し、AI支援による攻撃がさらに広く普及して高度化する前に、防御側が先行できる期間は今後数か月に限られている。名指しされている対象は抽象的なものではない。病院、浄水施設、インターネットを稼働させるインフラだ。

中心となる主張は、現在の進歩によって、防御側は何年も蓄積されてきた脆弱性をすでに修正できるというものだ。古いバグ、過剰な権限、設定ミス、修正パッチ未適用のソフトウェア、脆弱な認証、旧式システムの技術的負債などである。一方、重要インフラのセキュリティチームには、歴史的に十分な資源が与えられてこなかった。

提案は3つの原則で構成される。現在のセキュリティ状況のままでは不十分だと認識すること、サイバーセキュリティ能力を持つAIをより多くの防御担当者に提供すること、そして一社だけがこの未来を支配すべきではないという認識に基づき、集団的な対応を結集することだ。続いて、対象別の4つの要請が示される。各組織はサイバー防衛を経営上の優先事項として扱い、最も危険性の高い脆弱性を修正し、AIが生成したコードを含め、購入、構築、導入するものに求める基準を引き上げなければならない。サイバーセキュリティ企業には、最先端の能力に対して防御を継続的にテストし、活動量の指標ではなく、保護した組織の数で進歩を測るよう求めている。政府には、予算も人員もない不可欠なサービスを優先し、サイバー防衛に資金を提供するよう呼びかけている。最後に、最先端AI研究所は、モデルへの責任あるアクセスを提供し、エージェントのアイデンティティを追跡可能かつ責任の所在が明確なものにしなければならない。

この最後の点は、前日のニュースであるHugging Faceのインシデント調査報告書と論説を結び付けるものだ。そのインシデントでは、内部研究用モデルが想定外のインターネットアクセスを獲得し、本番環境のworkerを侵害していた。したがって、エージェントの追跡可能性は、単なる他者への推奨事項ではなく、自らの取り組みとして盛り込まれている。

We have a limited window to strengthen cyber defenses, and together with organizations including @AnthropicAI, @awscloud, @Google, @Microsoft, and @Oracle, we’re calling for a global effort to give defenders the tools, resources, and support to protect the infrastructure we all depend on. If we act decisively, we can turn today’s AI advances into lasting improvements in security and make our digital world safer for everyone.

🇯🇵 サイバー防衛を強化できる期間は限られています。私たちは、@AnthropicAI、@awscloud、@Google、@Microsoft、@Oracleなどの組織とともに、私たち全員が依存するインフラを守るために必要なツール、資源、支援を防御側へ提供する世界規模の取り組みを呼びかけています。断固として行動すれば、現在のAIの進歩を永続的なセキュリティ向上につなげ、すべての人にとってより安全なデジタル世界を実現できます。 — @OpenAIのXへの投稿

🔗 サイバー防衛における集団行動の呼びかけ

Claude Coworkが専用ブラウザーを搭載

8月26日 — Claude Coworkは、デスクトップアプリに専用ブラウザーを統合した。タスクでウェブサイトを扱う必要が生じると、サイドパネルにブラウザーが開き、Claudeがサイト内を移動し、ページを読み、クリックし、フォームに入力する。現在の作業を中断せずに、ダッシュボードから数値を抽出したり、コネクターが存在しない仕入先ポータルを操作したりといった、作業のウェブ部分を任せることが狙いだ。

分離が発表の核心となる。統合ブラウザーはClaude専用であり、ユーザーのブラウザーではない。Claudeはタブ、ブックマーク、パスワードのいずれも見ることができない。各種サービスへのログイン状態を維持するには、サイトごとにセッションをインポートする。macOSではChrome、Edge、Firefoxから、WindowsとLinuxではFirefoxからインポートできる。銀行、メッセージング、シングルサインオン（SSO）のサイトは、明示的に含めることを選択しない限り対象外となる。

Anthropicは、同日一般提供を開始したClaude in Chrome拡張機能との用途の違いを明確に示している。統合ブラウザーは、作業を続けながらウェブタスクを任せるためのものだ。一方、Claude in Chromeは、すでにログイン済みのアカウントを使って、現在開いているページを操作するためのものとなる。拡張機能がインストールされている場合は、引き続きそれが既定の選択肢となる。この設定はSettings → Cowork → Preferred browserから変更でき、管理者側ではOrganization settings → Cowork → Built-in browserから変更できる。

セキュリティについて、この発表は絶対的な安全性を約束していない。統合ブラウザーには、ページ内に隠された指示がClaudeを誘導しようとする場合など、ブラウザー上で動作する他のエージェントと同じプロンプトインジェクションのリスクがある。Claudeの操作内容を依頼内容と照合する制御など、Claude in Chromeと同じ安全対策が適用される。Anthropicは、これらの対策によってリスクは大幅に低減するものの、完全には排除できないと記し、信頼できるサイトから利用を始めるよう推奨している。

導入項目	詳細
対象プラン	Pro、Max、Team。Enterpriseは管理者による有効化が必要
対応プラットフォーム	macOS、Windows、Linux（ベータ版）
導入スケジュール	発表後1週間にわたり展開、既定で有効
ログイン情報のインポート	macOSではChrome、Edge、Firefox。WindowsとLinuxではFirefox
既定で除外されるサイト	銀行、メッセージング、シングルサインオン

🔗 Coworkの統合ブラウザー

GLM-5.3 FlashがTogether AIに登場、Z.aiはGLM-5.3の重み公開を発表

8月27日 — Together AIは、Z.aiのGLM-5シリーズ初のネイティブマルチモーダルモデルで、重みが一般公開されているGLM-5.3 Flashを提供開始した。技術仕様は異例なほど詳細で、総パラメータ数3200億、アクティブパラメータ数180億のMixture-of-Expertsアーキテクチャ、45層、100万トークンのコンテキストウィンドウを備える。Z.aiが強調する比較対象は自社系列内のモデルであり、総規模が同程度でありながら、GLM-4.5と比べてアクティブパラメータ数と深さをほぼ半減させている。

真の焦点はアーキテクチャにある。このモデルは、状態モデリングによって局所的な依存関係を捉える線形アテンションと、軽量なインデクサーを通じてグローバルコンテキストを取得するスパースアテンションを組み合わせている。さらにIndexPoolは、4つのインデクサーキーベクトルを加重プーリングによって1つに圧縮する。Z.aiがGLM-5.3との比較で測定した結果によると、100万トークンのウィンドウにおいて、アテンションの計算量は3分の1、KVキャッシュは4.4分の1になる。この効率性が、入力100万トークン当たり0.15ドル、出力100万トークン当たり0.50ドルという料金設定の根拠となっている。同じホスティング事業者におけるGLM-5.2の料金は、それぞれ1.40ドルと4.40ドルである。このモデルは正式公開前に、Ox Alphaという名称で匿名プレビューされていた。

ここでマルチモーダル機能は付加的な要素ではなく、コーディングサイクルの一部である。モデルは画面上にレンダリングされた自身の出力を検査し、反復的に改善する。学習も同じ考え方に従い、frontendコードには環境フィードバックを用いた強化学習（reinforcement learning）を、グラフィカルインターフェースには実際のユーザージャーニーに基づくエージェント型検証を採用している。

同日、Z.aiは非常に短いメッセージで、8月18日からAPI経由で利用可能になっているメインモデルGLM-5.3の重みを翌日に公開すると発表した。公開先として、すでに用意されているものの「近日公開」と表示されたHugging Faceのモデルカード zai-org/GLM-5.3 を示している。この公開に向けて、2週間前には「GLM-5.3のオープンリリースに向けた準備：サイバー防御への責任ある道筋」と題する記事が発表されていた。これにより同研究所は、高速版の提供開始とメインモデルの重み公開を24時間以内に相次いで実施することになる。

評価ベンチマーク	GLM-5.3 Flash	GLM-5.2
Terminal Bench 2.1	84,3	81,0
DeepSWE v1.1	63,4	46,2
Toolathlon Verified	78,4	59,9
AutomationBench	48,8	26,2
Humanity’s Last Exam（ツール使用）	55,3	—
GDPval-AA v2 Elo（Artificial Analysis）	1773	—

Together AIの料金（100万トークン当たりのドル）	GLM-5.3 Flash	GLM-5.2
入力	0,15	1,40
キャッシュ済み入力	0,03	0,26
出力	0,50	4,40

GLM-5.3 Flash has arrived. @Zai_org’s first natively multimodal GLM-5 model packs 320B parameters, 18B active, 1M context, and hybrid attention.

On DeepSWE, it nearly MATCHES Luna’s performance while getting more than TWICE as much work done for the same budget.

🇯🇵 GLM-5.3 Flashが登場しました。Z.ai初のネイティブマルチモーダルGLM-5モデルは、3200億のパラメータ、180億のアクティブパラメータ、100万トークンのコンテキスト、ハイブリッドアテンションを搭載しています。DeepSWEではLunaに迫る性能を示しながら、同じ予算で2倍を超える作業量を処理します。 — Xの@togethercompute

🔗 Together AIのモデルカード · 重みに関する@Zai_orgの発表

Gemini Omni 1.1 Flash：ショット延長用の10秒コンテキスト、360pドラフト、4K出力

8月27日 — Googleは、動画生成・編集向けマルチモーダルモデルのアップデートであるGemini Omni 1.1 Flashを公開した。発表者はGoogle DeepMindのProduct Manager、Anish NangiaとAlisa Fortinである。

最も大きな変更はシーン拡張に関するものだ。これまでは生成動画を延長する際、モデルは最後の1秒だけを基に続きを生成していたため、人物や複雑な背景を含むシーンでは一貫性が崩れやすかった。Omni 1.1は今後、最大10秒の先行コンテキストを分析し、10秒単位で累計40秒まで延長できる。

第2の柱はフレーミング制御である。最初と最後のフレームを指定すると、モデルが2枚のキーフレーム間をつなぐ動画を生成するため、複雑なカメラワークや継ぎ目の見えないループの制作に適している。第3の柱はコスト効率で、360pのドラフト解像度は標準の720pより最大60％高速、コストは3分の1とされる。Googleによれば、速度は2つの解像度間のシステムスループットを比較して測定している。パイプラインの最後には、1080pまたは4Kへの高解像度化（upscaling）が行われる。さらにマルチモーダル入力では最大3秒の参照動画を利用でき、人物の一貫性維持や動きの再現に役立つ。

このモデルはGoogle AI Studio、Gemini Enterprise Agent Platform API、およびGoogle AI Plus、Pro、Ultraの全加入者向けGoogle Flowで利用できる。Googleは導入企業として、Fireflyに統合したAdobeのほか、Figma Weave、GMI Cloud、Runwayを挙げている。公式記事には料金表も掲載されているが、テキスト版のない画像形式であるため、ここでは料金を転載していない。

同日、Pikaもdev.pika.artから利用できるAPI Clubでこのモデルを公開し、動画延長、最初と最後のフレームへの対応、最大3本の参照動画、最大4Kの出力を提供した。これにより同スタジオは、Seedance 2.5やWan 3.0で行ったように、サードパーティー製動画モデルを提供開始と同時に集約するという、すでに定着した方針を継続している。

モデルの機能	発表値
延長用コンテキスト	最大10秒、従来モデルでは1秒
延長単位	10秒、累計最大40秒
360pドラフト — 速度	720pより最大60％高速
360pドラフト — コスト	標準720pの3分の1
高解像度化	1080pまたは4K
マルチモーダル動画参照	最大3秒の動画
API内のモデル識別子	`gemini-omni-1.1-flash`

🔗 Googleの発表 · @pika_labsの投稿

H3 Max：falがMiniMax H3を追加学習し、5秒の動画を3秒未満で生成

8月26日 — fal Researchは、MiniMax H3のオープンな重みを基に追加学習した動画モデルH3 Maxを公開した。この取り組みの特徴は、単なる追加学習にとどまらない点にある。falの推論チームはモデルと並行して実行スタックを共同設計し、学習とサービス提供に関する判断が相互に反映されるようにした。

品質面では、falは公式のMiniMax H3エンドポイント、Gemini Omni Flash、Wan 3.0、Seedance 2.5、Kling 3、Veo 3.1を含む12の代表的な動画モデルを相手に、一対一の人間選好調査を実施した。評価者は総合選好、プロンプト遵守、美しさという3つの独立した観点で比較し、その結果を95％信頼区間付きのベイズEloスコアとして集計した。H3 Maxは3観点すべてで首位となり、元のH3を含む各テストモデルとの対決の過半数で勝利した。Artificial AnalysisとDesign Arenaでも、独立したランキングの首位に位置付けられている。

速度面では、H3 Maxは5秒の動画を約3秒で生成する。これは公式MiniMax H3エンドポイントの約35倍のスループットであり、同等品質のモデルより平均15倍高速である。falは手法について、結果として得られるモデルが社内品質評価での順位を維持した場合に限り、最適化を採用したと強調している。学習とサービス提供は、すべてNVIDIA GB200 NVL72システム上で実施された。

falの記事で引用されたMiniMax H3チームも、この成果を評価している。同チームによると、H3 Maxは最先端の動画品質と、生成速度における桁違いの変化を両立しており、高品質な動画生成をはるかに幅広い実用アプリケーションで利用可能にする。これは、オープンウェイトの意義を実地で示すものだ。第三者による追加学習が、優れた基盤モデルの真の可能性を引き出している。

falが公表した指標	値
5秒の動画	約3秒で生成
公式H3エンドポイントに対するスループット	約35倍
同等品質モデルに対する速度	平均15倍
比較した動画モデル	12
人間選好ランキング	3観点すべてで1位
提供開始割引	最初の1週間は50％

🔗 falによるH3 Maxの紹介

Cohere Parse：1,000ページ当たり1.50ドル、ParseBenchで79.2

8月27日 — Cohereは、大量の企業文書処理に特化した視覚言語モデル（vision language model）Parseの一般提供を開始した。複雑なマルチモーダルファイルを機械可読な構造化データに変換し、文書のインデックス作成、RAG、エージェント型検索向けに設計された整然としたMarkdownを出力する。Parseは文字認識にとどまらず、表、フォーム、図、埋め込み画像を識別し、表と画像のバウンディングボックス（bounding boxes）も返す。世界の主要9言語に対応している。

最大の訴求点は料金で、Cohere APIでは1,000ページ当たり1.50ドルとなる。継続的な負荷に対しては、同社のシングルテナント推論プラットフォームModel Vaultを推しており、GPU使用率50％で23％、時間当たりの稼働率が最大の場合は最大61％のコスト削減を実現する。例として示された買掛金処理ワークフローでは、月間約1300万ページを処理する場合、APIと比べて月額約1万2000ドル、1,000ページ当たり10ドルのhyperscalerサービスと比べて年間約147万ドルを削減できる。

スループットについて、Cohereは毎秒4.5ページ、すなわち8基のH100 GPUノードで毎秒36ページと発表している。同じ構成では、dots.mocrの約1.4倍、Chandra OCR 2の2.2倍に相当する。この比較は、vLLM経由で提供されるオープンソースモデルのみを対象としている。

Cohereは、手法上の2つの制約を明示している。ParseBenchのLayoutとChartの観点は比較から除外されている。これは、モデルが読み順に沿ったMarkdownの生成を目的とし、グラフをメタデータで記述された視覚要素として扱うためである。数値系列の抽出は次期バージョンで提供予定としている。また、公表されたすべてのスコアには2026年8月版のParseBenchルールが使用されている。このルールでは、太字と見出しの検出不具合によって従来の意味的フォーマットスコアが過大評価されていた問題が修正され、競合モデルも同じルールで再採点された。ParseはCohere API、Model Vault、Microsoft Foundry、AWS SageMakerで識別子 parse-v5.0 として利用でき、プライベートクラウドまたはオンプレミスにも導入できる。

評価モデル	平均	表	内容の忠実性	意味的フォーマット
GPT-5.5	84,4	89,3	87,5	76,5
Opus 4.8	84,3	89,7	89,0	74,1
Gemini 3.5 Flash	81,8	87,6	84,7	73,2
Cohere Parse	79,2	87,0	86,6	64,0
LlamaParse（低コスト版）	78,3	81,4	90,9	62,7
Mistral OCR 4	74,5	73,9	89,5	60,1
Databricks AI Parse	72,4	83,7	88,3	45,3
Google Document AI	57,3	55,1	83,7	33,0
AWS Textract	53,3	82,3	74,8	2,8

🔗 Cohere Parseの発表

NVIDIA、初のVera CPUをAWSに納入し、NVLink FusionをNVHBMメモリへ拡張

8月27日 — NVIDIAはVera CPUに関する記事を更新し、重要な節目を追加した。AWSは初のVera CPUサーバーと初のVera Rubin GPUを受領し、NVIDIAのHyperscaleおよびHPC担当副社長Ian BuckがシアトルのAWS本社で、Amazon EC2担当副社長のWillem VisserとSupreeth Sheshardiに直接手渡した。この納入は前日の8月26日に行われた発表に伴うものだ。AWSとNVIDIAは16年間にわたる協業を拡大し、さらに200万基のGPUを導入するとともに、Vera CPUベースのインフラストラクチャをAWSへ移植する計画を示した。ただし、AWSが最初の納入先ではない。Buckはそれ以前にも、Oracle Cloud Infrastructureのほか、Anthropic、OpenAI、SpaceXAIへVeraシステムを納入していた。

技術的な論拠は、エージェントがGPUだけで動作するわけではないという事実にある。実行用サンドボックス、ツール呼び出し、オーケストレーション層、長いコンテキストからの情報取得は、いずれもCPUが担う処理だ。VeraはNVIDIAが設計した88基のOlympusコアと1.2 TB/sのメモリ帯域幅を備え、エージェント型ワークロードではコア当たり最大1.8倍の性能をうたう。NVIDIAはOpenRouterのデータを引用し、こうしたワークロードでは単純なチャットリクエストの15倍のトークンを消費するとしている。クラウド事業者の中では、Oracle Cloud InfrastructureがVeraをハイパースケールで初めて展開し、2026年から数十万基のCPUを導入する予定だ。厳密を期すために付記すると、この記事は再公開されたもので、初版は2026年5月18日付であり、当日の新情報に当たるのはAWSに関する部分だけである。

さらにNVIDIAは8月26日、パートナー各社のカスタムチップ向け高帯域幅メモリ技術NVHBMを追加し、NVLink Fusionを拡張した。アーキテクチャ上の変更点は明確だ。従来のHBMアーキテクチャではメモリコントローラーをXPUチップ上に配置するため、演算に利用できるはずのシリコン面積を占有していた。NVHBMでは、NVIDIAが設計したこのコントローラーを3D HBMスタックのベースダイへ移す。Amazonのシリコン部門であるAnnapurna Labsは、NVHBMに取り組む最初のパートナーとなる。同社はすでに、Trainium4以降のTrainiumチップでNVLink Fusionをサポートする方針も表明している。

測定項目	公表値
Vera CPUのコア数	NVIDIA設計のOlympusコア88基
Veraのメモリ帯域幅	1.2 TB/s
エージェント型ワークロードでのコア当たり性能	最大1.8倍
AWSで追加導入予定のGPU	200万基
標準HBM4Eに対するNVHBMの帯域幅	最大30％増
NVHBMによるHBMの消費電力	15％減
XPU演算チップ上で解放される面積	最大25％増

🔗 Vera CPUの納入 · NVLink FusionとNVHBM

Google DeepMind、フロンティアモデル初の二重盲検評価を試行

8月27日 — Google DeepMindは、フロンティアクラスの独自AIモデルを対象とする初の二重盲検評価として位置付けた試行の報告書を公開した。発表にはWilliam Isaac、Sol Messing、Kristian Lumが名を連ね、研究所のアカウントで固定投稿に設定されている。

取り組む問題は、ベンチマークの汚染である。記事では学校の試験になぞらえて説明している。生徒が試験問題を事前に見ていれば、満点を取っても何も測定したことにはならない。言語モデルの場合、公開された評価用データセットはいずれ訓練コーパスに取り込まれるため、この問題は構造的なものだ。Googleは、ログを保存しない運用手順と契約上の保証によって、外部のテスト用プロンプトは長年にわたり機密に保たれてきたと説明する。一方、そこに技術的・暗号学的な保証を加えることは、性質の異なる変化だとしている。

従来、重要性の高い外部評価では、評価者がテスト用プロンプトをモデル提供者へ渡すか、提供者がモデルの重みを評価者へ渡すかという選択を迫られていた。今回説明された仕組みは、この妥協を不要にする。Google CloudのConfidential Computing製品群を構成するConfidential Spaceを利用し、双方の資産がそれぞれの所有者以外には非公開のままであることを暗号学的に検証できる。評価者はGeminiモデルの重みにアクセスできず、Googleもテスト用プロンプトにアクセスできない。

試行ではGemini Flash Liteモデルを機密ベンチマークでテストし、Singapore AI Safety Institute、OpenMined、AVERI、MLCommonsが協力した。Googleは、評価内容の機密性が高いほど、この仕組みの有用性も増すと強調し、サイバーセキュリティ試験や政府機関が実施する試験を明示的に例示している。発表には、手法を詳述した技術報告書も添えられている。

🔗 二重盲検評価の試行

Expert Intelligence：Google Play Booksの電子書籍がGemini Notebookの情報源に

8月27日 — Gemini Notebookチームは、購入済みの書籍をノートブックの情報源として利用できるGoogle横断の取り組み、Expert Intelligenceを発表した。まずGoogle Play Booksの対象電子書籍から提供を開始し、今後はサードパーティーの購読サービスや教科書にも対応するほか、GeminiアプリとGoogle SearchのAI Modeにも拡大する予定だ。

仕組みは簡単に説明できるが、対象範囲は新しい。ノートブックでは今後、購入済みの電子書籍、業務用の購読コンテンツ、個人のGoogle Driveファイルを、単一のナレッジベース内で組み合わせられるようになる。Gemini Notebookの通常機能も書籍に適用され、内容についての対話、Audio Overviewsの生成、復習カードやクイズの作成が可能になる。各回答は情報源に基づき、該当箇所へ直接移動できるインライン引用が付く。

最も興味深いのは、この種の製品が直ちに提起する疑問、すなわちモデルが書籍を取り込んだとき著者への報酬はどうなるのかに答えるビジネスモデルだ。Googleは明確なアクセス条件を設けている。Gemini Notebookで書籍を操作するには、Google Play Booksを通じてその書籍を所有していなければならない。また、書籍を含むノートブックが共有された場合、共同編集者がさらに深く利用するには、自分用の書籍を購入するよう促される。このためGoogleは出版社に対し、代替手段ではなく、新たな書籍を見つけてもらうための経路としてこの仕組みを提示している。

出版社側では申請方式が採用されている。書籍が対象かどうかはGoogle Play Booksの商品ページで確認でき、登録済みの場合は「Tools」バッジの下にGemini Notebookが表示される。登録はGoogleチームへの申請によって行う。詳しく紹介された3つの利用例は、その方向性をよく示している。講義ノートとSteven PinkerのThe Sense of Styleを照合すること、Daniel CoyleのThe Culture Codeをチームプロジェクトへ応用すること、The New Menopauseを基に日課をまとめ、それをAudio Overviewへ変換することである。

🔗 Expert Intelligence

Warp、Factoriesに自己改善ループを追加

8月27日 — WarpはWarp Factoriesプラットフォームに自己改善ループ（self-improvement loops）を追加した。仕組みは3段階で構成される。チームが定めた基準に従ってエージェントの過去の会話を採点し、失敗事例を抽出したうえで、skillsの改善案を生成する。同日公開された技術記事では、この仕組み全体が詳しく説明されている。

中核となるのは、Warpがscorerと呼ぶ採点関数だ。エージェントの実行トレースを入力として受け取り、評価基準に従ってスコアを返す。Warpが強調するのは、入力をエージェントのトレースだけに限定すべきではないという点だ。統合ツールから得られる人間の反応、たとえばpull requestに残されたコメントも含める必要がある。採点は人間やコードが行うこともできるが、現在は別のエージェントを審査役として使うことがより一般的だ。Warpは、正確性、費用効率、冗長性を評価する標準scorerを提供する。また、標準では数時間おきとなる実行頻度や、評価自体にも費用がかかることを踏まえたサンプリング戦略も設定できる。

採点済みの実行結果は自己改善エージェントへ渡され、失敗に繰り返し現れるパターンを探し、factoryの定義に対する差分として修正案を提示する。この仕組みが機能するのは、factoryがコードで記述されているからだ。構成は、factory.yamlファイルに加え、エージェント、skills、MCPサーバー、モデルのルーティング規則を定義するツリーからなる。人間は提案をpull requestとして受け取り、マージするかどうかを判断する。

Warpは、もう一つの仕組みであるベンチマークを明確に区別している。ベンチマークは自己改善ループの限界を補うものだ。自己改善ループは、能力のある人が過去の結果を見て変更を加える作業に似ているが、真のA/Bテストではない。どのモデル構成が最適かといった問題を判断するため、Warpは5～10個の基準タスクを選び、複数の構成でエージェントを並列実行した後、同じscorerで採点する方法を提案する。出力は構成別の結果マトリクスとなる。運用指標として挙げられているpull requestの処理量、pull request当たりの平均費用、自動化率、推定削減額は、顧客の実績値を伴うものではなく、提案された測定の枠組みとして示されている。

🔗 @warpdotdevの発表

Replit、モデルの自動ルーティングを全ユーザーへ展開

8月27日 — ReplitはIntelligent Model Routingをプラットフォームの全ユーザーに開放した。出発点となる考えは単純だ。あるタスクに最適なモデルは、週ごと、プロジェクトごと、場合によってはタスクごとに変わり、その選択がアイデアと実現の間に新たな判断事項を加えてしまう。そこでReplitが選択を引き受ける。タスクの進展に応じて、品質、速度、費用のバランスを取りながら、そのタスクの完了に最も適したモデルを割り当てる。

強調されている数値は、正確に読む必要がある。Replitはテストにおいて、旧版のMax Modeと同等の出力品質を65％低い費用で実現したとしている。絶対的に65％削減されるという意味ではなく、X上の投稿でも「最大65％安い」と表現されている。

ルーティングを導入しても、手動制御は失われない。現在は全ユーザーがFree Modeから開始し、費用が発生する可能性のある、より強力なモードへ処理が移行する際に通知を受け取る。CoreおよびProの契約者は、引き続きモデルを手動で選択できる。企業向けでは、管理者がワークスペースごとに承認済みモデルの集合を定め、Replitがその中から自動的に選択する。

提供内容	Replitの公表値
費用削減	旧版のMax Modeと同等品質で65％減
提供対象	全ユーザー
開始モード	Free Mode。有料モードへ移行する前に通知
手動選択	CoreおよびProプランでは引き続き利用可能
企業向け制御	ワークスペースごとに承認済みモデルの集合を設定

🔗 @Replitの発表

Codex CLI 0.150：タスク間の@メンション、Interruptフック、信頼されていないプロジェクトのセキュリティ強化

8月26日 — Codex CLIが0.150.0へ更新され、8月27日には修正版の0.150.1が続いた。この更新はnpm install -g @openai/codex@0.150.1でインストールできる。

中核となる新機能は、タスク間のオーケストレーションに関するものだ。他のCodexタスクを@メンションで参照し、ターミナルから直接、タスクの読み取り、作成、またはタスクへのメッセージ送信をエージェントに依頼できるようになった。具体的には、タスク一覧がアドレス指定可能なオブジェクトの集合となる。エージェントは、別のタスクが生成した内容を確認したり、そのタスクへ指示を送ったりでき、コンテキストを手作業でコピーして貼り付ける必要がない。同様に、名前のないまま残っていたターミナルタスクには説明的なタイトルが自動的に付けられ、/renameでは会話から推定した編集可能なタイトルが提案される。

もう一つの注目すべき追加機能はInterruptフックだ。これまで、進行中のターンを中断した際の処理は空白地帯だった。セッションは停止するものの、何かを実行することはできなかった。0.150.0では、最上位のターンが中断されたときにコマンドまたはMCPハンドラーを実行できるようになり、状態のクリーンアップ、ロックの解放、中断の記録などが可能になった。

セキュリティ面では、サードパーティーのコードでCodexを実行する利用者が注目すべき修正が2つある。信頼されていないプロジェクトからは、プロジェクトレベルのAGENTS.md指示が読み込まれなくなった。これにより、クローンしたリポジトリに置かれた指示ファイルが、ユーザーの知らないところでエージェントを操作することはできなくなる。また、管理された読み取り拒否規則は、権限の変更後も引き続き適用される。このほか、app-serverの診断情報における識別子のマスキング改善、リモートMCPのbearer tokenに関する修正、デタッチされたプロセスが原因でUnix上の終了処理が停止する問題の修正も含まれる。さらに0.150.1では、限定的ながら費用のかかる問題が修正された。リモートcompactionが、保持される画像もトークン予算に含め、必要に応じて古い画像から削除するようになった。スクリーンショットを含む長時間のセッションでは、これが気付かないうちにコンテキスト上限を超える原因となっていた。

公開バージョン	変更履歴の日付	リリースの種類
0.150.0	2026年8月26日	新機能を含む安定版
0.150.1	2026年8月27日	compactionに関する修正版

🔗 バージョン0.150.0のリリースノート

Claude Code 2.1.247：APIコスト監査とSonnet 5のデフォルト1Mコンテキストウィンドウ

8月27日 — Claude Codeが2.1.247にアップデートされた。チームにとって最も目立つ追加機能は、支出を監査するコマンドだ。/claude-api cost-optimize はプロジェクトによるClaude APIの使用量を分析し、キャッシュ、トークン管理、バッチ処理、労力レベル、モデル選択といった削減手段を一つずつ適用し、次へ進む前に各変更の効果を測定する。また、/claude-api skillはAdmin APIにも対応し、組織メンバー、招待、ワークスペース、APIキー、レート制限レポート、workload identity federation、CMEKを扱えるようになった。

注目すべきコンテキスト設定の変更もある。Sonnet 5のデフォルトの自動圧縮ウィンドウが、完全な1Mトークンのコンテキストへ拡大され、セッションが圧縮されるタイミングは従来の約934Kトークンから約967Kトークンになった。堅牢性の面では、サブエージェントが初回呼び出し時のモデル404エラーで停止しなくなり、セッションのフォールバックモデルチェーンへ切り替わるようになった。また、数MBものエラーを生成するhookによって、セッションが「Prompt is too long」の状態から動かなくなる問題も解消された。

このバージョンでは、セキュリティ強化にも明確に力が注がれている。ターミナルに表示されるMarkdownでは、ネットワークパスや自動マウントパスを指すリンク、制御文字を含むリンク、不可視文字で始まるリンクは、クリック可能なリンクではなくプレーンテキストとして表示される。plugin marketplaceは制御文字を含む名前を拒否し、marketplaceが出力へ挿入するテキストをエスケープするようになった。

🔗 Claude Codeの変更履歴

Together AIがDeepSWEにおけるDeepSeekからGPT-5.6 Solへのカスケードを数値化

8月27日 — Together AIは、DeepSWE比較シリーズをDeepSeekモデルへ拡大した。GLM-5.3編と同じ手順を採用し、ベンチマークの113タスクについてモデルごとに各タスクを4回試行し、DeepSeek V4 Pro 0813とGPT-5.6 Solの対決で合計904回実行した。

初回試行の単純な結果では、クローズドモデルが72.7％対62.8％で優位に立つが、試行を重ねるごとに差が縮まり、4回目にはDeepSeekの88.5％に対して85.8％と逆転する。1回の実行コストは0.24ドル対8.37ドルで、オープンモデルは35分の1の安さとなり、100ドル当たりの解決タスク数は261件対9件となる。ただし、その節約と引き換えに速度が向上するわけではなく、中央値は35分・146ステップに対して17分・53ステップだった。

運用上の結論は、カスケード構成である。最初にDeepSeek V4 Proを実行し、テストスイートが結果を却下した場合にのみGPT-5.6 Solへエスカレーションすると、1タスク当たり3.35ドルで83.0％のタスクを解決できる。これはSol単独を10ポイント上回り、1回限りの完全なoracle routerが達成する80.8％さえ上回る。同シリーズでは、DeepSeek V4 ProとClaude Fable 5、DeepSeek-V4 FlashとGPT-5.6 Lunaを比較した別の2本も公開されている。

評価した戦略	成功率	タスク当たりのコスト
GPT-5.6 Sol単独	72.7％	8.37ドル
1回限りの完全なoracle router	80.8％	—
DeepSeek V4 ProからSolへのカスケード	83.0％	3.35ドル

🔗 Together AIのDeepSWE比較

OpenAIがブラジルで事業を開始し、Bocconiとのランダム化実験を公開

8月27日 — OpenAIは、サンパウロに現地チームを置き、ブラジルで商業事業を開始した。この発表には、国別としては珍しい粒度の利用データも添えられている。ブラジルはChatGPTの週間アクティブユーザー数で世界上位3市場に入り、ユーザー数は1年間でほぼ倍増し、毎日約2億1,500万件のメッセージが送信されている。2026年6月には、ブラジルの個人アカウントから送られた分類済みメッセージの35％が仕事関連で、世界全体の30％を上回った。開発者については、OpenAI APIを利用する開発者数で世界第2位となり、Codexの週間ユーザー数は2026年初頭から11倍以上に増加した。今回の進出には、ITA、IMPA、HCFMUSP、ENTER、Estímulo、およびProdamを通じたサンパウロ市との提携も伴う。

同日、OpenAIはBocconi大学の研究者とともに、学部1年生1,000人以上を対象としたランダム化実験の結果を公開した。この実験手順の特徴は、その構造にある。学生は授業時間枠ごとに、ChatGPTへのアクセス、因果推論研修、その両方、いずれもなし、という4グループへ無作為に割り当てられた。これにより、ツールの効果、研修の効果、両者を組み合わせた効果を分離できる。課題には、大学のグッズショップに対するマーケティング提案を策定するという、実際のビジネス事例が使われた。

2つの介入は、それぞれ異なる効果をもたらした。ChatGPTへのアクセスにより、5点満点でほぼ1点向上し、アイデア数が増え、論理も明確になった。一方、因果推論研修は評価点を改善しなかったが、自動テキスト分析では、評価基準では測定されなかった、ほかの学生より幅広く独自性の高いアイデアが確認された。OpenAIはここから、教育機関にとって悩ましい結論を導いている。AIによって洗練された専門家に近い成果物を作成できるなら、最終回答だけを評価しても、学生が何を理解しているかについて得られる情報はますます少なくなる。

実験グループ	測定された効果
ChatGPTへのアクセス	5点満点でほぼ1点向上、アイデア増加、論理の明確化
因果推論研修	評価基準上の向上はないが、より多様で独自性の高いアイデア
2つの介入の併用	効果が累積し、最も多くの指標で向上

🔗 ブラジルでの事業展開 · Bocconi研究

ChatGPTのスケジュールタスクがGmail、Slack、GitHubのイベントで起動可能に

8月25日 — ChatGPTのスケジュールタスクが、純粋な時間ベースの仕組みを脱し、Gmail、Slack、GitHubで発生したイベントを契機に起動できるようになった。フィルタリングは細かく設定でき、Gmailでは送信者や件名、Slackでは選択したチャンネル、pull requestではレビュー、コメント、commitの更新、mergeを含むアクティビティを対象にできる。

cronからイベントへの移行により、ツールの性質が変わる。何かが起きたかを定期的に確認するのではなく、発生した時点でエージェントが反応する。この機能は対象プランのChatGPTウェブ版とモバイル版で利用でき、該当アプリを接続して要求されたアクセスを承認する必要がある。実用上の前提条件は2つある。ChatGPTのSlackアプリが監視対象の各チャンネルのメンバーであることと、接続済みのGitHubアプリが各リポジトリへのアクセス権を持つことである。制限も2つある。イベント起動型タスクに時間ベースのスケジュールを併設することはできず、短時間に連続したイベントは1回の実行へまとめられる場合がある。その際はScheduledビューから保留中のイベントを確認したり、手動で起動したりできる。

🔗 ChatGPTとCodexの変更履歴

Cursorのクラウドエージェントが既存リポジトリなしで起動可能に

8月27日 — Cursorは、クラウドエージェントを利用するための最後の前提条件を撤廃した。セッションを開始する際に、GitHubアカウントやその他のサードパーティ製ソースコード管理サービスを接続する必要がなくなった。リポジトリ選択画面の「Start from scratch」オプションからすぐにプロンプトを入力でき、Cursorが作業用のOriginリポジトリをバックグラウンドで作成する。

構築した内容に問題がなければ、「Create repo」ボタンで結果をOriginリポジトリへ保存できる。名前は独自に指定するか提案されたものを使い、公開範囲は非公開または内部向けから選べる。作成されたリポジトリは完全に構造化され、Codebaseタブに追加される。さらに2つの機能が一連の流れを補完する。Cursorはクラウドエージェントのlive環境のポートをブラウザへ転送するようになり、プレビューやdesign modeなどのツールを利用できる。また、Vercelアカウントを接続すると、公開ボタンからオンラインURLを生成できる。このアカウント接続は後者の機能を利用するための条件となる。これらはすべて、8月17日に全有料プラン向けの早期ベータとして開始されたCursorのコードホスティングサービス、Originを基盤としている。

🔗 Cursorの変更履歴

Ampのプロジェクトが複数リポジトリに対応

8月27日 — Ampのプロジェクトが複数のリポジトリに対応した。追加リポジトリはorb内の隣接ディレクトリへcloneされ、その存在がエージェントへ明示的に通知される。変更パネルには、プロジェクト内のすべてのリポジトリを対象とするdiffが表示される。これは複数のサービスにまたがるタスクに対するAmpの回答であり、1プロジェクトにつき1リポジトリという構成では扱いにくかったユースケースを解決する。

リポジトリはプロジェクト作成時または後から設定で追加でき、1プロジェクトにつき最大20個の追加リポジトリを登録できる。利用前に把握すべき制限が1つある。orbの準備時に自動実行されるのはメインリポジトリの.agents/setupスクリプトのみで、追加リポジトリに独自の初期化が必要な場合は、その処理をこのスクリプトへ組み込む必要がある。同日、Ampはターミナルインターフェースからサイドバーを削除し、重点化をさらに進めた。詳細は短報を参照。

🔗 Ampの複数リポジトリプロジェクト

Google Antigravity 2.11.0が会話スレッド内でHTML成果物を表示

8月26日 — Googleは、10件の改善と30件の修正を含むAntigravity 2.11.0を公開した。主な新機能は生成UIで、エージェントが作成したHTML成果物を外部プレビューを介さずに会話スレッド内へ直接表示できる。表示機能はKaTeXによる数式形式に加え、Chart.jsとPlotlyのグラフにも対応し、その場で生成するダッシュボードや可視化へ用途が広がった。

2つ目の変更群はエージェント設定に関するもので、モジュール化を進めている。@path/to/file構文を使い、AGENTS.mdとカスタムルールファイルから外部ファイルを参照して取り込めるようになった。Markdownエージェントのfrontmatterにはrules:キーが追加され、ルールをプロジェクト全体ではなく特定のエージェントへ関連付けられる。また、Antigravityはサブディレクトリ内のskills.json、agents.json、rules.jsonファイルで宣言されたskill、エージェント、ルールも検出するようになった。各サブプロジェクトが独自の設定を持つmonorepoに役立つ。その他は操作性の改善で、左右に分割可能なターミナル、YAML frontmatterのメタデータカード表示、Darculaテーマ、複数ページ文書における指定ページ範囲の読み取りが追加された。

🔗 Antigravityの変更履歴

GitHub：グローバルモデルポリシーの一般提供とOpenClawメンテナー座談会

8月26日 — GitHubは、Copilot BusinessとCopilot Enterprise向けグローバルモデルポリシーの一般提供を開始した。7月に発表されたこの仕組みにより、管理者は新しいモデルが登場するたびに個別判断を迫られることなく、明示的に設定していないモデルの扱いを単一のスイッチで決定できる。実際の適用は9月1日まで段階的に展開されるため、すべての企業で同時に切り替わるわけではない。手動で設定済みの判断はそのまま維持され、ポリシーの値にかかわらず対象外となるカテゴリーが2つある。DeepSeekやKimi K2などのopen-weight modelと、GitHubのデータ保持契約の対象外となるモデルで、発表ではFable 5が例示されている。またGitHubは、各モデルについて明示的な判断を必須とするため、「Delegate to default policy」状態の廃止も検討している。

8月27日、GitHubはOpenClawのメンテナーによる動画座談会と、そこから得た10の教訓をまとめた記事を公開した。Peter Steinbergerが2025年11月に週末プロジェクトとして始めたこのリポジトリは、8月26日時点で約38万8,000個のstar、8万1,000件のfork、8万件を超えるcommitを記録しており、GitHubは史上最も急速に成長したプロジェクトと位置付けている。この対談の興味深さは、エージェントが開発工程に加わった際のメンテナー業務の実態を明らかにしている点にある。Steinbergerはpull requestではなく「prompt request」と呼ぶようになったと説明し、Josh Lehmanは数百件ものpull requestを作成する自動化チェーンを実行していた貢献者について語っている。それに伴い、信頼の指標も変化した。貢献数ではなく、エージェントの記録、スクリーンショット、テストの証拠が重視されるようになった。評判そのものが攻撃対象となり、merge件数を水増しするために他人のpull requestを複製する者まで現れているためだ。

2026年8月26日時点のOpenClawリポジトリ指標	確認された値
star	約388,000
fork	81,000
commit	80,000超
プロジェクト開始	2025年11月

🔗 グローバルモデルポリシー · OpenClaw座談会

短報

Qwen3.8-FlashがOpenRouterでルーティング可能になり、75 GBのRAMでローカル実行可能に — 重みの公開から1日後、コードアシスタント、エージェント型ワークフロー、長時間動画の理解向けに、このモデルがOpenRouter経由で利用可能になった。同時にUnslothは初日からGGUFを公開した。1250億パラメータのMoEは75 GBのRAMでローカル動作し、UnslothはClaude Opus 4.6 Maxを上回ると主張しているが、これはUnslothによる主張であり、独立した測定では確認されていない。🔗 OpenRouter · UnslothのGGUF
Grok 4.6がMicrosoft Foundryに加わり、Linearから起動可能に — このモデルは、500,000 tokensのコンテキストと4段階の推論努力レベルを備えてMicrosoft Foundryのカタログに加わり、Amazon BedrockおよびGoogle Enterprise Agent Platformでの提供を補完する。grok.comでは、LinearのトリガーによってGrokがチケットを分類し、進捗を追跡し、チケットが割り当てられると自動的に作業を開始できる。🔗 Foundry上のGrok · Linearトリガー
Joelle PineauとMikeyがTIME100 AI 2026に選出 — Cohereは、同社のAI責任者がTIME誌のリストに選ばれたと発表し、スマート車椅子からML Reproducibility Checklistに至るまで、カナダで20年以上にわたり研究してきた経歴を紹介した。同日、SunoもMikeyが同じランキングに選出されたと発表したが、関連する製品発表はなかった。🔗 Cohere · Suno
cookbookがClaude Managed AgentをVercelのChat SDKに接続 — Chat SDKは、型付きのonDirectMessageハンドラーと15種類を超えるアダプター（Slack、Teams、Discord、web）を備えた会話インターフェースを提供し、Managed Agentsは会話ごとに永続セッションを維持しながらサーバー側でエージェントを実行する。コードはclaude-quickstartsリポジトリで公開されている。🔗 @ClaudeDevsの投稿
ChatGPT for iOS 1.2026.230：タスク検索、reasoning effortゲージ、全画面エディター — モバイルから推論努力を調整できるコンパクトなゲージをcomposerに追加し、長いプロンプト向けの全画面エディター、タイトルと内容の両方を対象にした検索、ChatGPT、Work、Codex Remote用のホーム画面ショートカットを導入した。上記のイベント駆動型タスクと同じchangelog項目に含まれている。
AmpがTUIのサイドバーを廃止 — orbs、runners、エージェント間で交わされるメッセージを踏まえ、Ampはthreadの追跡にはwebおよびnativeアプリケーションが適しており、terminalの多重化に複数環境の多重化を重ねる設計は使い勝手が悪かったと判断した。🔗 Ampの記事
Hugging Faceがabstract要約をInkling-Smallで実行 — 同プラットフォームは、論文ページに表示される要約がThinking Machinesのopen-weightモデルによるものであり、「open weights × open science」を掲げていると説明した。🔗 @huggingfaceの投稿
Gemini CLIがMCP OAuthメタデータ検出のSSRF脆弱性を修正 — 8月27日のnightly版に含まれる変更は、MCPサーバーのOAuthメタデータ検出におけるServer-Side Request Forgery対策の修正1件のみである。この修正はまだstableチャネルには含まれておらず、stableはv0.57.0のままとなっている。🔗 リリースノート
PerplexityがBrainの新たな評価結果を公開 — Perplexity Computerの自己改善型メモリシステムは、初期結果と比べて正確性が9.3ポイント、最新性が8.0ポイント、再現率が8.9ポイント向上し、使用tokensは15％減少した。🔗 @perplexity_aiの投稿
plugin marketplaceが企業向け自動更新に対応 — extraKnownMarketplacesの項目にautoUpdateフィールドを設定すると、そのmarketplaceが引き続きstrictKnownMarketplaces allowlistに含まれていることを条件として、Copilotクライアントがmarketplaceのpluginsを自動更新できる。🔗 GitHub changelog
ユーザーをブロックすると、未完了の投稿がすべて閉じられるように — ブロック用ダイアログの「このユーザーが作成したコンテンツを閉じる」オプションにより、個人アカウントでもorganizationでも、ブロックしたユーザーの未完了issues、discussions、pull requestsを一括で閉じられる。🔗 GitHub changelog
Cohere、顧客の能力を構築する派遣エンジニアモデルを提唱 — この記事では、技術選定に内在する商業的またはアーキテクチャ上の依存と、回避可能だとする運用上の依存を区別している。また、AI pilotの40％以上を本番環境に移行できた組織はわずか25％だったとするDeloitte 2026レポートを引用している。🔗 Cohereの記事
Google DeepMindが不確実性をテーマにしたpodcastを公開 — VP ResearchのZoubin GhahramaniがHannah Fryとともに、システムに自らを疑い、確率的に推論することを教えると、天気予報からroboticsまで、なぜより信頼性の高い意思決定につながるのかを説明している。🔗 @GoogleDeepMindの投稿
WanがWanCLIを使った週次Skill Challengeを開始 — wan.videoで公開されたskillsのうち毎週3件が選ばれ、作者にはpremium subscription 1か月分が贈られる。また、承認されたskillごとに150 creditsが付与される。skillはWanCLI経由で少なくとも1つのWanxiangモデルを呼び出す必要がある。🔗 @Alibaba_Wanの投稿
Gamescom 2026でのGeForce NOW — 新しいDLSS 4.5 controls、新たなSteam devices、GOG single sign-on、Firefox、より多くのFire TV devicesへの対応に加え、5本のゲームが発売日からcloudで利用可能になる。生成AIというよりvideo game関連のニュースである。🔗 NVIDIAの記事
Runwayが製品名を明かさないティーザー動画を公開 — 「これまで見たことのないもの」という一文とアプリケーションへの一般的なリンクだけを添えた動画で、モデル名や機能名はなく、studioのニュースページにも対応する情報はない。記録のために掲載するが、検証可能な事実は引き出せない。🔗 @runwaymlの投稿

これが意味すること

エージェントは研究室へ進出し、最初の障壁はsoftwareではなくhardwareである。 Model Hardware Standardが解決するのはモデルの問題ではなく、接続基盤の問題だ。Janeliaには共通interfaceのない7つのメーカー製programがあり、Carnegie Mellonには互換性のない3台のcomputerにまたがる4系統のequipmentがある。統合に要する期間を数週間から数時間へ短縮することで、Anthropicはbottleneckを接続から監督へ移した。そしてGenentechの事例を挙げ、サンプルの泡立ちはbugではなく物理的な不具合だとClaudeに説明する必要があったことを認めている。浸潤性小葉癌に関するAi2の発見も、工程の反対側から同じことを示している。価値はモデルが生成した回答ではなく、その後に行われた独立検証と研究室での検証にある。同日に研究者向けに開放された10,000席のClaudeは、3つ目の障壁であるアクセス費用にも対処し、この三本柱を完成させる。

セキュリティの焦点は製品から共有インフラへ移っている。 集団的サイバー防衛に関する論説でまず重要なのは、名を連ねた組織だ。OpenAI、Anthropic、AWS、Google、Microsoft、Oracleは同じ市場で競争しながら、同じ文書で足並みをそろえた。frontier labへの要請の一つである「エージェントのidentityを追跡可能かつ責任主体の明確なものにすること」は、前日に公表されたHugging Faceのincidentから直接得られる教訓でもある。その日のほかの動きも、この変化がtooling全体に広がっていることを示す。Codexは信頼されていないprojectのAGENTS.mdを読み込まなくなり、Claude Codeは不可視文字を含むterminal linkを無効化し、Gemini CLIはMCPサーバーのOAuth検出におけるSSRFを修正した。一見無関係な3つの修正だが、結論は同じだ。code agentのattack surfaceは、読み込むよう指示されたfileとserverである。

評価自体も保護すべき対象になりつつある。 Google DeepMindとSingapore AI Safety Instituteによるpilotは、外部評価につきものだった古くからの二者択一、すなわちtest promptを渡すかweightを渡すかという問題を、両者がその特性を暗号学的に検証できるenclaveを通じて、どちらも渡さずに解決する。これは、その日に各社が公開した数値を方法論の面から補完するものだ。Together AIは単一のscoreにとどまらず、904回のexecution、taskごとに4回の試行、failure profile、taskごとのcostを公開した。CohereはParseBenchの2つのdimensionを除外したことを公に認め、8月に修正されたruleで競合モデルを再採点している。どちらの場合も強調されるのは結果ではなくprotocolであり、結果だけではもはや誰も納得しないことを示している。

そして、taskを成功させる原価こそが決定的なmetricであり続ける。 GLM-5.3 Flashのpositioningは、attention計算量を3分の1にし、KV cacheを4.4分の1にするというarchitecture上の効率性に全面的に基づいており、それが入力100万tokens当たり0.15 dollarという価格に転換されている。同じhosterのGLM-5.2よりほぼ10倍安い。Together AIは、DeepSeekの後にSolを使うcascadeにより、Sol単独の半額未満で10ポイント多くのtaskを解決できることを示した。つまり、最良のモデルが最適な買い物とは限らない。Replitはこの結論を製品に反映してモデル選択そのものを廃止し、Cohereはfull utilization時に61％の価格差があるModel Vaultを販売し、Googleは360pのvideo draftを3分の1の価格で提供している。AWSへのVera CPU納入も、この経済性の一環だ。エージェント型workloadがchat requestの15倍のtokensを消費するなら、GPU外のorchestrationはもはや些細な会計項目ではない。