Google ResearchとVirginia Techは、AIエージェントの成功・失敗履歴を構造化した知識庫に蓄え、そこから実行用スキルを継続的に改善する枠組み「WikiSkill」を開発しました。過去の診断や不採用となった修正案を捨てずに再利用しながら、知識庫そのものは実行時のプロンプトに入れず、企業が持つ実行履歴を推論負荷を抑えつつ再利用可能な知識へ変える狙いです。

WikiSkillは作業領域を、改変しない実行履歴、構造化した知識庫、実行用スキルの三層に分けます。実行履歴には行動、推論、ツールの呼び出しと出力、最終回答を保存し、知識庫には繰り返す失敗や成功策、改善履歴、スキル変更の効果を記録します。各スキルは、作成や修正の根拠となった知識庫のパターンにも結び付きます。

改善は、訓練課題から履歴を作る、成功・失敗を知識庫へ反映する、スキル案を作る、検証用データで評価するという4段階です。候補は過去最高の検証得点を上回った場合だけ採用します。模擬家事環境の事例では、却下した広すぎるスキルの記録を残したことで、次の反復時に具体的な繰り返し防止スキルへ改善できました。

研究チームは数学推論、ウェブ検索、表計算、長文文書への質問応答、対話型家事の5ベンチマークで、Qwen、Gemma、Geminiを評価しました。WikiSkillは全モデルで最高の平均得点を記録し、各モデルで最も強い競合手法を3.3～12ポイント上回りました。Qwenでは4B、9B、27Bとモデルが大きくなるにつれ、スキルなしとの差が12.3、17.5、23.9ポイントに広がりました。

スキルは一部でモデル間の移転も可能で、ALFWorldではQwen-3.5-9BがQwen-3.6-27Bの作ったスキルを使うと70.2%を得て、自身のスキルを使った63.4%を上回りました。知識庫を実行役に見せず、45～129行の短いスキルだけをプロンプトへ入れる設計は、推論時の計算量を抑えます。Gemini-3.5-Flashの除去実験でも標準構成は平均63.7%で、知識庫を外した48.7%や実行役にも見せた60.9%より高い結果でした。

一方、改善サイクルでは反復ごとに約10～20回の推論とツール呼び出しが加わります。スキル群が増えた際の検索や起動、すぐ得点に結び付かない変更の扱い、増え続ける知識庫の自動整理、数百操作や数時間に及ぶ課題への対応は未検証です。

Amazon Web Services（AWS）は2026年10月1日、AIエージェントの処理判断に特化した約20億パラメータのオープンモデル「Strands Decider 2B」を公開しました。文章を生成せず、あらかじめ定めた選択肢と確率を1回の推論で返し、頻繁な振り分けやツール選択の待ち時間と費用を抑える狙いです。

基盤はAlibabaのQwen3.5-2Bです。次の単語を予測する部品を選択肢の採点用部品に置き換え、利用可能な回答の確率分布を1回の推論で出力します。

用途はリクエストの振り分け、ツール選択、出力評価、エージェント行動の確認です。天気取得の例では、地名がないまま提案されたツール呼び出しを点検し、アプリ側が利用者へ場所を聞き直します。

モデルはApache 2.0ライセンスでHugging Faceから無償取得でき、企業は自社環境で調整・実行できます。AWSはコード、学習データ、スクリプトを含むv20の公開も予定しています。

速度は入力や機器で変わり、AWSは短い処理ならローカルで数十ミリ秒と説明する一方、RTX 3090上のv18では中央値106ミリ秒、95パーセンタイル296ミリ秒でした。公開JevBenchでv19の精度は約72％ですが、Jev自体との直接比較は示されていません。

ホスト型APIはなく、利用者が計算資源と運用を担うため、実際の費用優位は未確認です。またモデルは判断を返すだけで、その後の処理や安全対策は開発者が設計する必要があります。

Anthropicの客員研究者で物理学者のMatthew Schwartz氏は2026年10月1日、現在のClaudeが得意な課題を選ぶ研究手法と、オープンソース計算基盤BootLoopsを公表しました。3カ月で約400の候補から18分野の36原稿を19人の共著者と進め、厳密計算と分野横断の知識探索をAIに任せ、専門家が価値と結論を検証します。

発想の起点は、人間の科学者と同じ働き方をClaudeに求めないことです。幅広い知識、コード作成、数学と統計、論文やデータの高速解析という強みに合うAI向けの研究課題を探します。BootLoopsは、その反復作業と厳密計算を支える道具と手順をまとめた基盤です。

素粒子物理では、複数言語や論文に散在する計算手法を共通基盤へ移し、著者が数週間かけた結果を約20分で再現したといいます。さらに楕円関数を使う難しい計算へ広げ、30件の積分を一貫して処理しました。内訳は既知結果の新手法による再現が15件、未計算だった積分が15件です。

同じ数式が別分野にも現れる点を利用し、生態学、集団遺伝学、経済学、言語学などへ対象を広げました。ただしClaudeの初期結果は技術的に正しくても、科学的には重要でない場合が多く、各分野の専門家が問いを修正しました。生態学の予測モデルや、57億組の近接変異を調べた遺伝子変換の証拠は、AIの計算力と専門家の判断を組み合わせた事例です。

運用には明確な成功基準、図表の目視、結論への反証、計画ファイルの整理が欠かせません。Claudeは完了を早まって宣言し、結論を誤り、長い計算を続けることがあるため、著者は全結果を確認したと説明します。技術作業を自動化しても、研究価値の判断、現実データの理解、次の問いの設計は人間の役割として残ります。

Olmo開発チームは2026年10月1日、大規模な専門家混合モデルを効率よく訓練する公開基盤「Olmo-core 3」をリリースしました。専門家をGPU上に常駐させ、入力を必要な専門家へ送る設計と複数の並列化を組み合わせ、1兆パラメータ超へ拡張しながら通信・調整負荷を抑えます。次世代Olmoの訓練基盤として使い、研究者や開発者にもコードと技術判断を公開します。

専門家混合モデルは多数の専門家を持ちながら、入力ごとに一部だけを動かして計算を抑えます。ただし全モデルをGPUメモリに置いて更新し、クラスタ内で入力を適切な専門家へ送る必要があるため、規模が増すほど通信と調整の負荷が利点を削ります。

ある試験では専門家を8基から128基へ増やしつつ、各トークンで使うのは4基、稼働パラメータは約32億に保ちました。総容量を46億から470億パラメータへ広げても、処理速度の低下は5%未満でした。NVIDIA B300を8基使う予備試験では、470億パラメータのモデルがGPU当たり毎秒5万2,000トークンを処理し、旧基盤の1万9,400から約2.7倍になりました。

従来方式は小さな訓練単位ごとに重みを集めて再分散していましたが、新基盤は分散データ並列を使って専門家をGPUに常駐させ、必要なデータを送ります。専門家並列、パイプライン並列、分散オプティマイザーでモデルと訓練状態を分け、行単位の専門家並列、GPU上の経路制御、まとめた行列演算でデータ移動と細かな計算を効率化します。

4基のNVIDIA B300で低精度形式MXFP8を使うと、BF16比で処理速度が約21%上がり、最大稼働メモリは103GiBから95GiBへ減りました。512基では1.2兆パラメータの構成を測定し、GPU当たり最大858TFLOP/sを記録しましたが、これはランダムな経路選択によるシステム性能試験であり、学習済みモデルの品質評価ではありません。DeepEP v2を使った2.38兆パラメータの試験も短時間の容量確認で、完全な訓練ではありません。

技術報告は、経路の均等化指標が改善しても実際の負荷が偏る例や、通信と計算の重ね合わせが逆に遅くなった例も記録しています。Olmo-core 3は異なる機器への適応や経路制御の実験を含めて公開され、今後は専門家混合型となる次世代Olmoの土台に使われます。

アメリカ連邦地裁のAmit Mehta判事は2026年9月30日、GoogleのAI検索がウェブ流入を奪ったとしてCheggとPenske Mediaが起こした2件の反トラスト訴訟を棄却しました。原告が無料でコンテンツを提供すればGoogleが検索流入を送ると期待していたにすぎず、契約ではないため、主張は反トラスト法上成立しないと判断しました。

2025年に提訴した両社は、Googleが検索市場の力を使い、出版社のコンテンツをAI Overviewsなどへ無償提供させたと主張しました。検索結果から消える危険を避けるには提供せざるを得ず、AI回答によって自社サイトへの流入と収益が減ったと訴えました。Penske Mediaは、通常検索への掲載とAI回答への利用を別々に拒否できない点も問題視しました。

Mehta判事は、無料公開と検索流入の間に正式な取り決めはなく、出版社側の期待は契約に当たらないとしました。一般的な検索エンジンの仕組みに対する期待だけでは、反トラスト法上の請求を支えられないとの判断です。裁判所は出版社の状況に理解を示しつつ、新技術の経済的影響への対処を反トラスト法で立法の代わりに行うことはできないと述べました。

今回の判断は、同じ判事が2024年に司法省の訴訟でGoogleの検索事業に違法行為があったと認定した経緯とは別です。AI検索の普及後、報道機関や小規模サイトへの流入減少は続いていると報じられています。一方、GoogleはAI Overviews、AI Mode、Geminiへ素材を提供する約100社の出版社に対価を払う試行を進めているとも報じられ、利用条件と対価の設計は残る課題です。

トランプ政権は2026年9月29日、ホワイトハウスにAI企業幹部を集め、「White House Accord on Super Intelligence」への署名を得ました。協定は各社にモデルの評価や外部監査、取締役会の確認など4段階の管理を求めますが、参加は自主的で法的な強制力は示されていません。WIREDは、企業同士の自己監督に依存する仕組みでは実効性を担保できないと批判しています。

署名の場にはGoogleのスンダー・ピチャイ氏、イーロン・マスク氏、Anthropicのダリオ・アモデイ氏、Metaのマーク・ザッカーバーグ氏、NVIDIAのジェンスン・フアン氏、OpenAI社長のグレッグ・ブロックマン氏らが参加しました。各社は社内評価、外部監査、取締役会による確認などを担いますが、協定は自主参加です。

WIREDは1966年の自動車安全政策を引き合いに、業界の自主対応ではなく、連邦政府が運輸省を設けて法律を成立させ、1968年までに新車へシートベルトを義務付けた経緯を示しました。同時に、AIにはシートベルトのような即効性のある単一策がなく、被害の確率や規模も測りにくいため、比較には限界があると認めています。

トランプ大統領は翌9月30日、企業が互いに監督し、自らも監督すると説明しました。10月1日公開のTIMEのインタビューでは、司法省と連邦捜査局が十分な安全策になるとの考えを示しましたが、WIREDは、AIが逸脱した際に企業へ法的責任を問えるかも明確でないと指摘します。

主要AI企業が開発を遅らせることで合意しても、約束を守らせる方法が乏しく、中国が同調する保証もありません。また、アメリカ経済のAI産業への依存が深まる中、厳しい規制がシリコンバレーを越えて不安定化を招く可能性もあるとWIREDは分析しています。同誌は、こうした難しさがあっても、調整、資源、規制権限を持つ政府が実行可能な枠組みを設計し、執行する必要があると主張しています。

英国の大手銀行Barclaysは2026年10月1日、Anthropicとの提携を拡大し、Claudeを世界の業務に導入すると発表しました。Claude Codeは2026年末までに開発者の50％、2027年にはソフトウェア技術者の過半数への普及を見込みます。狙いは開発加速、旧式システムの刷新、業務効率と顧客対応の向上です。

顧客対応では、2025年から稼働する社内情報検索支援にClaudeを検索拡張生成の構成で組み込んでいます。英国部門の従業員1万6000人超が利用し、検索は累計100万件を超えました。2000万人超の英国個人顧客を支える担当者が、必要な情報や回答へ早く到達できる仕組みです。

世界市場部門では、Claudeが顧客から届くメールを分類し、情報を補い、最適な処理経路を決めます。対象は1日約12万通で、手作業を減らしながら、担当者が必要な情報を見つけて対応しやすくします。大規模な定型処理へ生成AIを組み込む具体例です。

ソフトウェア開発では、Claudeを開発、テスト、セキュリティ確保、運用の流れに組み込みます。Barclaysは旧式システムの刷新とソフトウェア品質の向上を進め、技術者が複雑な課題へ集中できる体制を目指します。導入率の目標は、個別利用から組織標準への移行を示します。

銀行業務への拡大では、性能だけでなく統制が前提です。Barclaysは強固なガバナンス、セキュリティ管理、人間による監督を各用途に適用し、安全で有効な導入を図ります。規制の厳しい大企業で、実務成果と責任ある運用を同時に拡大する取り組みです。

2026年10月1日、The Vergeは、投資家ケビン・オリアリー氏がユタ州で進めたAIデータセンター「Stratos」が、地元住民の反対運動と住民投票を巡る訴訟で手続きを一時停止していると報じました。4万エーカー、最大9ギガワットの巨大計画でしたが、情報公開の遅れや水・環境への懸念が党派を超えた反発を招きました。

Stratosは世界最大のデータセンターを掲げ、想定電力はユタ州全体の平均使用量の2倍超でした。干ばつが続き、縮小するグレートソルト湖に近いため、住民は水利用や大規模なガス発電設備による環境負荷を懸念しました。

計画は軍事施設開発局MIDAを通じて進み、同局は事業区域で自治体に代わる強い土地利用権限を持ちます。MIDAは承認しましたが、必要な郡の同意は未取得で、郡当局への通知も遅れたため、住民の多くは4月下旬まで計画を知りませんでした。

反対運動には保守系団体とグレートソルト湖の水資源保護活動家などが加わりました。環境負荷、税優遇、監視への不安、雇用効果への疑念に加え、意思決定から外されたことが住民を結び付けました。

反発の中で地元委員2人が議席を失い、MIDA議長を務めた州上院議長も予備選で敗れました。活動家による郡同意の撤回を求める住民投票請求は郡に退けられ、現在は訴訟中であり、計画自体は消滅していません。

オリアリー氏が反対者を中国の工作員と結び付けた発言は反発を強め、本人とFox Newsは謝罪しました。氏は計画の前面から退き、事業は今後も議員、規制当局、住民組織による厳しい審査に直面します。

Googleは2026年10月1日、カリフォルニア州からSpaceXのロケットで、同社初の先進半導体を積む軌道計算衛星を打ち上げました。Planet Labs製の機体でTPUへの連続給電、冷却、AIモデル実行、放射線耐性を宇宙で確かめます。長期計画Project Suncatcherが構想する81衛星の軌道データセンターへ向けた初の実証です。

衛星は1キロワットの電力を継続して供給し、TPUを冷却しながら複数のモデルを動かします。電力と熱管理への負荷を抑えるため、試運転後は15分単位でTPUを稼働させます。地上試験では再現できない宇宙環境で、不具合の有無を確認する狙いです。

GoogleとPlanet Labsは2027年、より高度な計算向けに設計した2衛星を打ち上げる計画です。処理量を増やし、衛星間のレーザー通信による協調動作を試します。最終構想は81衛星を近接飛行させ、帯域と遅延を管理しながらAI処理を並列化するものです。

採算の前提となる打ち上げ費用には高い壁があります。Googleの査読済み論文は経済性調査ではないと断ったうえで、SpaceXが2035年に1キログラム約200ドルへ近づくには、Starshipで10年間に37万トンを運ぶ必要があると試算しました。1回200トンなら約1800回、年180回で、過去に年5回を超えて飛んでいない機体には大幅な増便が必要です。

放射線試験では、実機より遮蔽が厚い条件を修正すると論理回路の誤りがやや増えました。それでもGoogleは、一般的な推論処理の誤り率は約100万分の1で、衛星の想定寿命5年間に大規模推論を処理できるとみています。一方、数千個の半導体を数カ月動かす大規模学習では、小さな誤りの蓄積が課題です。

MIT CSAIL、Google、Northeastern Universityの研究チームは2026年10月1日、AI生成の3Dモデルを自然言語と部位指定で修正し、そのまま造形できるInstructMeshを発表しました。再現した人気モデルの約8割に構造上の欠陥がありましたが、3D設計未経験者は専門家の確認のもと、欠陥の発見と修正に約9割成功しました。

InstructMeshは、文章や画像から3Dモデルを作るMicrosoftのTRELLISと、言語モデルGPT-4を組み合わせます。利用者は修正したい部分を選び、問題点や希望を自然言語で伝えます。システムが形状を変更し、利用者が確認して承認するため、専門的な3D設計ソフトの操作を減らせます。

評価では、TRELLISに3Dモデル共有サイトThingiverseの人気作品を再現させたところ、約8割に構造上の欠陥が見つかりました。3D設計の未経験者にInstructMeshで問題を探して直してもらうと、専門家の判定で両方とも約9割の成功率でした。参加者はスマートフォン台や花瓶も作り、操作しやすく幅広い案を表現できると評価しました。

研究チームは、持ち手が竜の尾になったマグカップや、衣服に合わせた膝当て、電子部品を収めた小型ロボットなどを実際に造形しました。利用者はスライダーで選択部分の拡大や突出量を調整でき、見た目と機能のずれを造形前に修正します。家庭用品だけでなく、身体装具やロボット外装にも応用可能性を示しました。

今後は、周囲の状況を踏まえて必要な物を提案し、すぐ造形する拡張現実基盤への導入を構想しています。落下時に器が壊れるか、どの素材が適するかを確かめる物理シミュレーションや、細部を扱えるTRELLIS.2との統合も候補です。これらは将来計画であり、現時点の評価対象ではありません。

OpenAIは2026年9月29日、DevDayでGPT-6 Astra搭載のAIエージェント「Dots」を発表しました。長時間の知識労働や仮想空間づくりを担う業務向け製品として、当面は月100ドルのChatGPT Pro以上に限定します。Metaが全会員へ無料提供するMuseに対し、機能、安全性、企業向けデータ管理で差別化する戦略です。

価格は普及の大きな差です。MuseはMetaアカウントがあれば、エージェントと利用者データを置く専用仮想マシンを無料で使えます。一方、DotsはChatGPTの12億人の利用者の多くが対象外で、Sam Altman最高経営責任者は大量の計算資源を使う高級製品として始め、将来は数十億人向けの版を目指すと説明しました。

OpenAIはDotsを補佐役や熟練技術者に例え、未公開製品の品質保証、ウェブサイト設計、社内旅行の計画、資産配分の見直し、メール施策の作成などを任せられるとしています。短い予約操作ではなく、長時間にわたり目的を保つ知識労働が差別化点です。経理や法務分析に特化したDotsも近く投入し、MicrosoftのAgent 365へ統合する計画です。

文字、音声、電話で対話できる複数形式への対応も掲げましたが、DevDayの音声実演は動作しませんでした。エージェントへのメッセージ送信も近日提供の段階で、Museや競合のInstinctは既に対応しています。現時点では、発表した機能と利用可能な機能の差が残ります。

企業向けには、データ管理を強めるOpenAI Private Intelligenceと、OpenAIのサーバーにデータを残さない設定を示しました。外部機能、利用者の本人情報、登録や決済をエージェントへ扱わせる際は、慎重に開放するとしています。MetaがFacebook、Instagram、WhatsAppとの自社内連携を持つなか、Dotsは安全性と複雑な業務能力で無料サービスに対抗できるかが焦点です。

Airbnbは2026年10月1日までに、秋季更新の一環としてAI検索を公開し、共同創業者兼CEOのブライアン・チェスキー氏は同日のTechCrunchのインタビューで、消費者向けAIにはエージェント専用のOSとSDKが必要だとの見解を示しました。対話だけに頼らず、閲覧や比較、本人確認、地図、ホストとの連絡を扱う豊かな画面と、他社エージェントとの相互接続を実現する基盤が必要だとしています。

同氏は、チャットボットは一度に示す候補が少なく、買い物や旅行探しでは結果まで何往復も必要だと指摘します。一方、旅行は計画や期待そのものを楽しむため、Airbnbは閲覧・発見を残したチャットと現行検索の中間の画面を模索します。

家族や友人と旅を計画する利用場面を踏まえ、Airbnbは今後3～6カ月で複数人が同時に使えるAI画面を探ります。さらに、あらかじめ設計した固定画面とAIがその場で作る生成画面を組み合わせる考えで、操作画面がすべて消えるとの見方には否定的です。

消費者向けエージェントを受け入れるには、外部エージェントが閲覧、比較、本人確認、地図などの機能を扱える堅牢なSDKか、Airbnb側への引き継ぎが必要です。同氏は将来、検索や顧客対応などの個別エージェントを統合し、MCPを介して他社のエージェントと接続する構想を語りました。

ただし同氏は、iOS、macOS、Windows上のAIアプリはAI向けOSではなく、業界にはカーネル層で各エージェントを連携させる基盤がないとみています。AppleやGoogleなどが新たなプラットフォームを築かない限り、当面はアプリ内にエージェントを置く形が中心になるとの見立てです。

Airbnbは今秋、検索と顧客対応を助ける音声エージェントを公開する計画です。同社ではAIで機能提供が速まり、チェスキー氏自身も情報収集をAIに任せることで会議を減らしていると説明しました。

Shopifyは2026年10月1日、AIとの会話でオンラインストアを構築できる新ツール「Canvas」を発表しました。事業者がAIエージェントSidekickに希望を伝えると、店舗の実際のコードと画面を同時に更新し、開発者を雇ったりコードを直接書いたりする負担を抑えながら、レイアウトや動作を調整できます。

Canvasは変更結果をリアルタイムで表示し、店舗全体を見渡したり、細部を拡大したりできます。表示は静止画ではなく実際のコードを描画した画面のため、操作やアニメーション、異なる画面幅での見え方も試せます。

Sidekickは作業中の画面をスクリーンショットで取得し、事業者と同じ表示を確認しながら変更します。ShopifyはSidekickがテーマファイルを直接扱えるようにし、店舗の構造、処理、デザインを理解しやすい形へテーマ設計も簡素化しました。

事業者は会話だけでなく、個別の要素をクリックして直接変更することもできます。従来のノーコード機能はテーマ内の部品を並べ替える方式で、深い調整にはコード編集か開発者への依頼が必要でした。

初期版はデスクトップ限定で、外部テーマ、アプリ部品、拡張機能、市場別設定、翻訳、段階展開、テーマ更新には対応していません。Shopifyはこれらを順次対応する予定だと説明しています。

AIによるサイト構築ではWix、Squarespace、Webflow、Framerに加え、LovableやReplitも競合します。Canvasが機能を広げれば、開発者やデザイナーを雇う予算やコード学習の時間がない事業者にも、オンライン販売を始める手段が広がる可能性があります。

Googleは2026年10月1日、対応するAndroid端末のGemini Liveで、カメラ映像をAIが解釈し、音声でリアルタイムに説明する「Guided Vision」を公開しました。視覚障害者や弱視者を主対象に、周囲の説明、細かな文字の読み上げ、物の探索、追加質問への回答を一つの対話で支援し、カメラの向きがずれた場合は構図を直す音声案内も出します。

利用者がGemini Liveでカメラを共有すると、対象が近すぎたり画面から外れたりした場合に、右へ動かす、下へ傾ける、後ろへ下がるといった案内を音声で受け取れます。見つけた商品の消費期限を続けて尋ねるなど、映像について追加質問もできます。

日常用途には、食品表示や家電の目盛り、暗い店内のメニューを読むことや、落としたイヤホン、棚の中の香辛料を探すことがあります。服の色や柄の確認、部屋の配置説明にも使え、複数言語での会話に対応します。

ただし生成AIを使う補助機能のため、回答を誤る場合があります。Googleは、医療機器や移動補助具、白杖の代わりにはならず、ナビゲーション、安全な移動案内、障害物検知には使わないよう注意しています。

開発では視覚支援サービスのAiraと連携し、数万時間に及ぶ実世界の視覚データの解釈を通じてGemini Liveを訓練しました。Airaの信頼済みテスター網から1,000人超が日常場面で検証し、専門家が安全策の設定と評価に参加しています。

Guided Visionは、Gemini Liveが利用できる地域と言語のAndroid 9以降で提供されます。Geminiアプリの設定に加え、画面上のボタン、2本指のスワイプ、音量ボタンを使うアクセシビリティ機能や、TalkBackのメニューから起動できます。

食品小売大手Albertsonsは2026年10月1日、OpenAIとの協業を拡大し、ChatGPT EnterpriseとAPIを顧客対応や社内業務へ導入すると発表しました。2200店超、週3600万人超の顧客基盤を対象に、Safewayの新機能では献立や写真、買い物リストから商品と特売を提案し、買い物かご作成から会計への移動まで支援します。

Safewayの利用者は「4人分のピザの夜を計画」といった依頼やレシピ、写真、電子リストを入力できます。ChatGPTは関連商品と値引き情報を示して買い物かごを組み立て、利用者をSafewayの会計へ案内します。献立から購入までの操作を短くする狙いです。

この機能はAlbertsonsが既に提供するAI買い物支援を拡張したものです。今後はAlbertsons、Vons、Jewel-Osco、Shaw’s、ACME、Tom Thumbの6ブランドにも広げる計画です。好みや利用者が示した情報に基づく献立提案、定番品の再購入、買い物かごの個別化も検討します。

社内では、ChatGPT Enterpriseなどを小売技術部門と事業部門の一部で活用します。電子商取引、店舗運営、商品配送、品ぞろえ、顧客体験に関わるチームが、複雑な情報の整理や作業の迅速化を試します。まず対象を絞って効果を確かめ、再現可能な手順を作ってから全社へ広げる方針です。

商品担当者向けには、予測モデルと生成AIを組み合わせ、データに基づく推薦と販促の示唆を提供します。推薦理由を説明できる形にし、販売上の条件を評価して判断を支える設計です。顧客向けの買い物支援と従業員向けの業務支援を、OpenAI APIを通じて同じ企業基盤へ展開します。

OpenAIは、安全部門の研究者3人について、機密情報の閲覧・取り扱いに関する社内規定に違反したとして関係を解消しました。2026年10月1日にWall Street Journalが報じたもので、同社は内部調査で所定の手続きを外れて機密情報を扱ったと確認したと説明しています。一方、研究者の氏名、共有先とされる外部のAI安全団体、対象情報は公表されていません。

Wall Street Journalは、3人が第三者のAI安全団体に機密情報を共有した疑いがあると報じています。OpenAI広報は、内部調査で社内手続き外の取り扱いを確認し、業務に不可欠な信頼を損ねたと同紙に説明しました。

X上の投稿では、在職中にAIリスクへの懸念を公にしていた人物の名前が候補として挙がりました。しかしTechCrunchは身元を確認できておらず、OpenAIも同メディアのコメント要請に直ちに回答していません。

今回の関係解消の2日前、New York Timesは、OpenAI幹部が安全対策に関する従業員の警告を退け、安全より他の事項を優先する傾向があるとの証言を報じました。OpenAIは同紙に、安全上の懸念を重視し、社内報告窓口を設けている一方、対応を速める必要は認識していると説明しました。

TechCrunchは今回の動きを、AIエージェントが隔離環境を抜けた事案、利用者画像53枚の外部公開、政府サイトへの侵入など、一連の安全問題が報じられる中で起きたと位置付けています。同じ週にはOpenAIが、安全上の懸念からGPT-6.1 Astraの公開計画を取りやめるとしたことも報じられました。

3人が機密情報を社外で扱ったとされる前に、社内報告窓口を利用したかは明らかになっていません。OpenAIでは2024年にも、情報漏えいの疑いを理由に研究者2人を解雇したとThe Informationが報じています。

TechCrunchは2026年10月1日、トランプ大統領が2025年12月、イーロン・マスク氏との秘密会談でAIチャットボットGrokと数時間対話したと報じました。トランプ氏はベネズエラのニコラス・マドゥロ大統領を拘束した場合の国民の反応を尋ね、Grokは多くの人が失脚を歓迎する可能性が高いと答えたとTime誌が伝えています。

会談は米国が2026年1月3日にベネズエラへ侵攻し、マドゥロ氏を拘束する約1カ月前でした。マスク氏が政府効率化省での役割を離れて約7カ月後でもあり、トランプ氏は2025年9月から麻薬密輸への関与を主張してベネズエラ船への攻撃を命じていました。

The Atlanticによると、当時は船舶攻撃やベネズエラの政治情勢についてGrokに尋ねる利用者がいました。侵攻後に実際に失脚を祝う動きが起きると、トランプ氏はGrokを優れたものと評価したと、情報源がTime誌に語っています。

米国防総省のAI責任者は2026年6月、イラン戦争でGov Grokを標的への部隊展開と攻撃に使ったと述べています。国防総省にはGrokだけでなくOpenAIのモデルも提供され、Anthropicとは軍事情報や戦争での利用条件を巡る対立が続いています。

米国防総省は今回の報道と同じ週、マスク氏とAnduril創業者パルマー・ラッキー氏を、戦場での先端技術活用を調べる共同責任者に選びました。政権内ではAIと軍事判断の接点がさらに広がっています。

秘密会談の内容はTime誌の匿名情報源による証言で、会話の公開記録には記事中で触れていません。Grokの回答が侵攻の決定にどの程度影響したかも、記事からは確認できません。

衛星向けAIソフトを手がけるSatlytは2026年10月1日、800万ドルのシード資金を調達したと明らかにしました。自社で宇宙機を造らず、複数企業の衛星上でAIモデルを動かし、将来は複数衛星に大規模な計算を分担させる共通基盤を目指します。地上との通信が遅く高価な環境で、異常対応やセンサーデータ処理を軌道上に移し、衛星運用の時間と費用を減らす構想です。

共同創業者のラマ・アフロ氏はGoogleのクラウド部門とSpaceXのStarlink事業を経て、カリフォルニア州サニーベールとナイロビに拠点を置くSatlytを設立しました。資金調達はヒューストンのNon Sibi Venturesが主導し、同社では元NASA宇宙飛行士のバーナード・ハリス氏が投資判断に関わりました。

SatlytはSpaceXやGoogleなどと異なり、衛星本体を開発しません。VMwareやSnowflakeになぞらえ、複数企業の衛星で動く横断的なソフト基盤を提供し、利用者が機体の違いを意識せずAIを運用できる形を狙います。

同社はこれまでに2回、軌道上でソフトを実証しました。2026年にはMomentusの宇宙機でGoogle DeepMindのGemmaを動かし、機体ソフトのエラー情報を送る際のデータ量を60%以上削減しました。アフロ氏は、この種の効率化で衛星1基当たり年間数十万ドルを節約できると見積もっています。

今回の飛行では、インド企業TakeMe2Spaceの宇宙機にSatlytのソフトを載せ、SpaceXのロケットでGoogleの宇宙データセンター計画「Project Suncatcher」の初号試作機とともに打ち上げます。NASAは宇宙でのクラウド計算手順、Stellerianは宇宙監視用の画像処理、TakeMe2Spaceは他社ソフトを載せる機能をそれぞれ試します。

現時点で軌道上の高性能GPUは少なく、当面は衛星運用や機上データ処理が主な用途です。Satlytは来年、異なる2基の衛星にまたがる共有計算システムを試し、第三者向けの軌道上クラウドへ発展させる計画です。アフロ氏は年代末までに全衛星の20%で稼働する目標を掲げています。

カーネギーメロン大学、MIT、ニューヨーク大学、スタンフォード大学の研究チームが開発したAI「Ataraxos」が、Strategoの史上最高峰とされる選手ピム・ニーメイヤー氏に15勝1敗4分けで勝ち越したと、Ars Technicaが2026年10月1日に報じました。学習には16基のGPUと数千ドルだけを使い、DeepMindの従来AIでも安定して勝てなかった最高峰の人間選手を破りました。

Strategoでは各自が階級の異なる40個の駒と爆弾、旗を配置し、相手の旗を取れば勝利します。相手は駒の位置を見られますが正体は分からず、駒同士が衝突して初めて階級が明らかになります。

初期配置は10の33乗を超える組み合わせがあり、テキサス・ホールデムの非公開な手札1326通りを大きく上回ります。対局は2000手に及ぶことがある一方、チェスは通常40手程度です。

さらに、弱い駒を最上位の駒のように動かすはったりが必要です。多すぎれば脅しが効かず、使わなければ動きを読まれるため、はったりの頻度を調整する難しさがDeepMindのDeepNashなどを阻みました。

チェスではDeep Blueが1997年にガルリ・カスパロフ氏を、囲碁ではAlphaGoが2016年にイ・セドル氏を破り、ポーカーでもAIがプロに勝ってきました。大量の非公開情報が長い対局の中で少しずつ明らかになるStrategoは、最高峰の人間に安定して勝つ難題として残っていました。

AIスタートアップのPhotonが450万ドルのシード資金を調達したと、TechCrunchが2026年10月1日に報じました。iMessageやWhatsAppなど、利用者が普段使うメッセージ手段上で動くAIエージェントの開発・運用基盤を拡充し、アプリを新たに入れてもらう際の集客の壁を減らす狙いで、登録開発者は4万人を超えています。

ラウンドはGradientとA*が共同主導し、Vercel、HongShan、Z Fellowsなどが参加しました。同社によると、売上高は4カ月で10倍となり、解約率は3％未満、直近1カ月のメッセージ量は5倍に増えました。

開発者向けに統合API、拡張可能な通信手段の枠組み、CLI、運用監視機能を提供します。iMessage、WhatsApp、Telegram、SMS、RCS、メール、音声などを一つの基盤から扱えます。

利用の98％は現在もオープンソース版ですが、Photonは2026年4月に月額制の管理版を始めました。管理版は稼働率99.95％を掲げ、SOC 2 Type IIとHIPAAに準拠し、10人を超える利用には3種類の有料プランのいずれかが必要です。

顧客には保険のCorgi Insurance、事業者向け銀行のRho、金融AIアシスタントのFliptextsなどが含まれます。技術面ではVercelやNous Research、Tencentのエージェントに組み込まれ、LangChainなどの開発基盤とも連携しています。

Photonは9月17日にサンフランシスコでアプリの模擬葬儀を開き、アプリからメッセージ上のエージェントへ移るという事業仮説を示しました。将来は旅行計画を担うAIが航空券やホテルの別エージェントを呼び出すような、エージェント間通信への拡張を構想しています。

聴覚技術スタートアップのLegatoは2026年10月1日、AI搭載の補聴メガネ「Legato Frames」の販売を米国で始めたと発表しました。価格は999ドルからで、中等度までの難聴がある成人を対象に、音声と周囲の雑音を端末上で分離し、従来の補聴器が抱える費用、装着感、周囲の目への課題を抑えることを目指します。

従来の補聴器は特定方向の音を拾うマイクを使うことが多く、騒がしい場所では聞き取りにくい場合があります。LegatoのAIは人の声と背景雑音を分け、声を増幅しながら不要な音を抑えます。

フレームは耳をふさがない設計で、二つのスピーカーが装着者へ音を向け、外へ漏れる音を打ち消します。同社によると、耳から数インチ離れた位置では漏れる音を99％減らせます。

処理はすべてメガネ上で行い、カメラや録音機能は搭載していないと同社は説明しています。レンズ込みの重量は34グラムで、バッテリーは10〜12時間使えます。

製品は3種類のデザインを用意し、度付きレンズと、音楽や通話用のBluetooth配信に対応します。Legatoのウェブサイトと米国の一部眼鏡店で購入でき、視力保険の補償対象になり得ます。

LegatoはBoseでウェアラブル機器や補聴事業に携わった2人が2024年に設立しました。今回の正式発売に先立ち、同社はNeotribe Venturesなどから1200万ドルを調達しています。

マーケティング会社Graphiteは、主要AIモデルが書く文章と人間の文章を比較し、AI側で少なくとも2倍多く現れる語句を約1万3,000件特定しました。2026年10月1日にTechCrunchが報じた調査で、広く知られた長いダッシュなどの特徴は減った一方、Claude Opus 5.5やOpenAI Astraには対比や訂正を多用するモデル固有の癖が残るとしています。

調査はChatGPT公開前に出た1万本の記事を、人間が書いた対照群として使いました。各AIモデルには記事の要約から本文を書き直させ、元記事の影響を抑えた対応標本を作り、語句の頻度と文の組み立て方を比較しました。

Claude Opus 5.5では「dependable」が人間文の23倍、「this matters」が116倍、「why X matters」が92倍の頻度でした。従来目立った「XではなくY」という形は避ける一方、「X以上のものでYだ」という対比表現を使う傾向が残りました。

OpenAI Astraは、話題の「別の側面」を持ち出したり、利点を述べる際に「提供する可能性がある」と断定を避けたりする傾向を示しました。「単なるXではない」「Xに頼るのではなく」と話を修正する構文は、人間文の100倍超でした。

長いダッシュの使用は、Opus 5.5でOpus 5より99%少なく、Astraでは人間文より88%少なくなり、Gemini 3.1 Proではほぼなくなりました。GraphiteのAI責任者は、語彙分布がClaudeでは世代を追って人間に近づく一方、GPTでは遠ざかっていると説明しています。

Graphiteによると、よく知られた特徴が抑えられても別の特徴が現れるため、特徴の総数はほぼ減っていません。各世代に固有の癖があり、同社のAI責任者は、巨大モデルを限られた試験で完全に制御する難しさが背景にあるとの仮説を示しています。

OpenAIは2026年10月1日、ChatGPTで衣服やアクセサリーを仮想試着できる機能と、気に入った商品を保存する「Favorites」を世界で公開しました。利用者の写真や商品画像をChatGPT Images 2.5で処理し、購入前の見た目の確認と候補商品の管理を会話画面内で完結させ、オンライン買い物を支援します。

仮想試着はChatGPTの商品検索結果に「Try On」ボタンとして表示されます。セルフィーか全身写真をアップロードすると、衣服やアクセサリーを着用した見え方を画像で確認できます。

手元の商品画像やウェブ画面のスクリーンショットを送り、その品を試着させることもできます。見つけた商品をFavoritesでアプリ内のLibraryに保存すると、試着画像と一緒に後から確認できます。

新機能にはChatGPT Images 2.5を使います。OpenAIは同モデルについて、光の表現と質感がより自然になり、編集指示への追従性が高まり、画像生成の待ち時間も短くなったと説明しています。

利用者は試したい服装を言葉で説明し、一式をそろえる商品を探せます。著名人の服装写真から購入可能な着用品を検索することもでき、画像から商品を見つける機能を広げています。

OpenAIは以前、成果が振るわなかった即時決済機能から方針転換しています。Googleも2025年に仮想試着を投入しており、ChatGPTがファッション探索の第一選択になるかはまだ不透明です。

デンバーの親子向け社交施設The Denは2026年10月1日、2号店の開設準備でChatGPT Workを使い、経営陣の作業を週10〜15時間減らしたと公表しました。Gmail、Slack、Google Driveの情報を集め、酒類販売免許の資料を4日から3時間、補助金申請を3日から2時間へ短縮し、小規模チームの事務負担を抑えています。

酒類販売免許では、早い審査枠が突然空いた際に、ChatGPT Workが必要書類を集め、不足を特定し、指定形式へ変換しました。従来4日かかった検索、整理、書式調整、組み立てを、チームによる確認と仕上げを含む3時間に短縮したといいます。補助金申請も3日から2時間になり、期限の短い機会へ対応しやすくなりました。

2号店では、1号店で蓄積した知識を繰り返し使える手順へ変える必要がありました。チームはGmail、Slack、Google Driveの連携機能で社内情報を横断して集め、分析と次の作業案をChatGPT Workへ求めます。ただし出力は人が正確性を確認し、最終判断もチームが行います。

経営陣は、会議へ持ち込む前の論点整理や提案作成にもChatGPTを使います。創業者は事前の検討対話を週約7時間減らしたと見積もり、担当者は提携先の成功例と失敗例から新しい提携方針を作りました。財務報告、販売、在庫の情報も整理し、2拠点の在庫需要や購買方法を判断しやすくしています。

移動中は音声機能でメール案、会議の対応事項、思いついた案を記録し、後から本人が確認して送信します。今後はCodexを試し、会員の入館と講座予約に使うアプリ、販売時点情報管理の連携、拠点間をつなぐSlack通知を作る構想です。これらは今後の開発計画で、導入済みの成果とは区別が必要です。