エンジニア(職業・職種)に関するニュース一覧

DeepInfraがHugging Face推論プロバイダーに参加

統合の概要

サーバーレス推論基盤として統合
100超のモデルを低コストで提供
会話・テキスト生成タスクに対応

対応モデルと利用法

DeepSeek V4やKimi-K2.6等に対応
Python・JS両SDKから利用可能
HF経由ルーティングで追加料金なし

今後の展開

画像・動画生成等も順次対応予定
PROユーザーに月2ドル分のクレジット

DeepInfraが、Hugging Face Hubの推論プロバイダーとして新たに統合されました。DeepInfraは業界でも最も低コストなトークン単価を誇るサーバーレスAI推論プラットフォームで、100以上のモデルカタログを持ち、開発者が最小限のセットアップでAI機能をアプリケーションに組み込めます。

今回の初期統合では、会話およびテキスト生成タスクをサポートしています。DeepSeek V4、Kimi-K2.6、GLM-5.1など人気のオープンウェイトLLMにアクセスできるようになりました。テキストから画像・動画への生成やエンベディングなど、追加タスクへの対応も順次展開される予定です。

利用方法は2つあります。ユーザーが自身のDeepInfra APIキーを設定して直接リクエストを送る方法と、Hugging Face経由でルーティングする方法です。後者の場合、プロバイダーのトークンは不要で、標準的なプロバイダー料金のみが課金されます。Hugging Face側の追加マークアップはありません。

SDKとの統合も進んでおり、Pythonのhuggingface_hubやJavaScriptの@huggingface/inferenceから簡単に利用できます。さらにPi、OpenCode、Hermes Agentsなど主要なエージェントハーネスにも統合済みで、追加のコードなしでDeepInfraホストモデルを活用可能です。PROプランのユーザーには毎月2ドル分の推論クレジットが付与され、複数プロバイダーにまたがって利用できます。

AWSがOpenAIモデルをBedrock提供、エージェント時代の基盤争い本格化

Bedrock上のOpenAI統合

GPT-5.4が限定プレビューで即日利用可能
既存ワークロードの移行不要で即座に切替可
Anthropic・Meta等と統一APIで比較運用

エージェントAI製品群の展開

Quick Desktopが個人知識グラフで能動的に業務支援
Amazon Connectが4製品に拡大、物流・採用・医療に対応
Bedrock Managed Agentsで強化学習訓練済みハーネス提供

ガバナンスと競争構図

ゼロオペレーターアクセスで推論データの人的接触を排除
モデルアクセスのコモディティ化でプラットフォーム層が差別化要因に

2026年4月29日、AWSはサンフランシスコでのイベントで、OpenAIの最新モデルをAmazon Bedrock経由で提供開始すると発表しました。GPT-5.4が限定プレビューで即日利用可能となり、GPT-5.5も近日中に追加される予定です。この動きは、前日にMicrosoftとOpenAIが独占契約を再編し、OpenAIが競合クラウドへの展開を可能にしたことを受けたものです。

技術面では、Bedrock Managed Agentsが注目されます。OpenAIの「ハーネス」と呼ばれるエージェント実行フレームワークを組み合わせ、強化学習によりモデルをツール操作に最適化しています。AWS副社長のAnthony Liguori氏は、汎用モデルに指示を与えるだけでなく、特定のツールセットで繰り返し訓練することで「筋肉の記憶」のような信頼性が生まれると説明しました。

同時に発表されたAmazon Quick Desktopは、開発者以外のナレッジワーカー向けのエージェントAIアシスタントです。ローカルファイル、カレンダー、メール、Slackなどから個人知識グラフを構築し、未回答メールや更新が必要な案件を能動的に提示します。一方で専門家からは、この自律的な判断が既存のオーケストレーション基盤の可視性の外で行われる「シャドーオーケストレーション」のリスクも指摘されています。

Amazon Connectは従来のコンタクトセンター製品から、サプライチェーン計画(Decisions)、大量採用(Talent)、医療(Health)、顧客対応(Customer AI)の4製品ファミリーへと拡大しました。Amazonの30年にわたる物流最適化技術やOne Medicalの経験が活用されています。

一連の発表は、AWSがカスタムインフラ、モデルアクセス、エージェントプラットフォーム、専用アプリケーションの4層戦略でエンタープライズAI市場を狙う姿勢を明確にしました。モデルへのアクセスがコモディティ化する中、エージェントの構築・統治・運用を担うプラットフォーム層が、Microsoft・Google Cloudとの真の競争領域になると見られています。

Vercel AIアクセラレーター2026年デモデー開催

プログラムの概要と内容

39チームがデモデーに登壇
6週間の集中プログラム実施
技術ワークショップと講演を毎週開催
総額800万ドルのクレジット提供

受賞チームと成果

優勝はエンタープライズ財務AI「Rex」
2位はセキュリティAI「Hacktron AI」
3位は不動産AI「Roots」
前回卒業生が累計1億ドル超を資金調達

Vercelは4月16日、サンフランシスコ本社で2026年AIアクセラレーターのデモデーを開催しました。39チームが6週間の集中プログラムを経て、投資家やAI業界のリーダーの前でプレゼンテーションを行いました。参加チームはエージェント、開発者ツール、消費者向けアプリ、金融・セキュリティ・ヘルスケア・ロボティクスなど幅広い分野でAIプロダクトを構築しています。

プログラム期間中、参加チームは毎週2回のセッションに参加しました。技術ワークショップではエージェントやモデルからデプロイ、スケーリングまでの実践的な内容が扱われ、ファイアサイドチャットではOpenAIやWindsurfのチームなど業界リーダーが登壇しました。プログラム中盤にはBuilder Dayが開催され、AWSやAnthropicのエンジニアとのオフィスアワーも実施されています。

各チームにはVercelおよびパートナー企業から合計800万ドル相当のインフラストラクチャとクレジットが提供されました。パートナーにはAWS、Anthropic、OpenAI、Browserbase、ElevenLabs、Auth0、WorkOS、Notion、Modal、Neon、Supabaseなどが名を連ねています。

デモデーでは問題の妥当性、技術適合性、プロダクト品質、ピッチ内容の4項目で審査が行われました。優勝したRexはエンタープライズ向け財務バックオフィスAIを開発しており、Vercel Venturesからの投資も獲得しています。2位のHacktron AIはAIが生成するコードの脆弱性を検出・修復するセキュリティツール、3位のRootsは不動産取引のAI化に取り組んでいます。

前回2025年コホートの卒業生40社は累計1億ドル以上のベンチャー資金を調達しており、複数のチームがY Combinatorにも採択されています。2025年の優勝チームStablyはエンタープライズの試験導入を契約に転換し、数時間で新プロダクトラインを出荷できる体制を実現しました。次回コホートの募集は年内に開始予定です。

Stanford大、ゼロ演算を省く疎行列チップでAI効率70倍に

スパース計算の原理

モデルの大半がゼロ値パラメータ
ゼロ演算の省略で高速化
圧縮格納によるメモリ削減
GPUは非構造化スパースに非対応

Onyxチップの成果

CPUの70分の1のエネルギー消費
平均8倍の計算速度
構造化・非構造化の両方に対応
密・疎の両ワークロードを1チップで処理

スタンフォード大学の研究チームが、AIモデル内のゼロ値パラメータを活用する専用チップ「Onyx」を開発しました。大規模言語モデルでは重みや活性値の大半がゼロまたはゼロに近い値であり、この「スパース性」を利用すれば不要な演算を省略できます。Onyxは従来のCPUと比較して平均で消費エネルギーを70分の1に抑え、計算速度を8倍に向上させています。

AIモデルの巨大化が進む中、Metaの最新Llamaは2兆パラメータに達しています。モデルの大型化は性能向上につながる一方、エネルギー消費と処理時間の増大が深刻な課題です。低精度演算や小型モデルの利用といった対策が取られてきましたが、スパース計算はモデルの性能を維持しつつ効率を高める第三の選択肢として注目されています。Cerebrasの研究では、LLMのパラメータの最大70〜80%をゼロに設定しても精度を損なわないことが示されました。

しかし、既存のGPUやCPUはスパース計算に最適化されていません。NVIDIAのGPUは「4要素中2つがゼロ」という構造化スパースにしか対応しておらず、任意の位置にゼロが存在する非構造化スパースでは性能が大きく低下します。CPUはより柔軟ですが、圧縮データの間接参照によるメモリアクセスがボトルネックとなります。Appleは独自チップのプリフェッチャー改良で対応を試みていますが、汎用アーキテクチャの根本的な制約は残ります。

Onyxは粗粒度再構成可能アレイ(CGRA)をベースに設計されており、FPGAの柔軟性とCPUの効率性を両立しています。メモリタイルが圧縮行列を格納し、演算タイルが不要なゼロ演算をすべて省略します。専用コンパイラがソフトウェア命令をCGRA構成に自動変換するため、開発者は疎・密の両方のワークロードを同一チップ上で実行できます。エネルギー遅延積ではIntel Xeon CPUの最大565倍の効率を達成しました。

研究チームは次世代チップの開発を進めており、行列演算だけでなく正規化やソフトマックスなど全演算のスパース対応を目指しています。密・疎アーキテクチャのチップ上での統合効率化や、複数チップでの分散処理にも取り組んでいます。スパースハードウェアの普及は、AI計算の実行コスト・消費電力・環境負荷を大幅に低減する可能性があります。

OpenClaw保守者がコンテナ隔離ツールTank OSを公開

Tank OSの仕組み

Podmanコンテナで隔離実行
ルートレスで権限昇格を防止
起動時にOpenClawを自動起動
複数インスタンスの並列運用に対応

企業導入への狙い

IT管理者による一括管理を想定
インスタンス間の認証情報を完全分離
既存のコンテナ運用手法で更新可能

安全性の背景

メール誤削除やDM流出の事故例が多発

Red Hatのプリンシパルソフトウェアエンジニアであり、OpenClawメンテナーでもあるSally O'Malley氏が、OpenClawエージェントを安全にデプロイ・管理するためのオープンソースツール「Tank OS」を公開しました。同ツールはRed Hat製のコンテナ技術Podmanを基盤としており、企業でのOpenClaw大規模運用を見据えた設計となっています。

Tank OSは、Fedora Linux上でOpenClawをPodmanコンテナとして起動し、ブータブルイメージとして構成します。Podmanは「ルートレス」で動作するため、コンテナがホストマシンの特権を取得できず、セキュリティ面での優位性があります。状態の保持やAPIキーの管理など、人間の監視なしにOpenClawを稼働させるための機能も一通り備えています。

OpenClawをめぐっては、MetaのAIセキュリティ研究者のメールが削除された事例や、WhatsAppのDMが平文でダウンロードされた事例など、安全上の問題が複数報告されています。マルウェアの標的にもなっており、適切な設定なしでの利用にはリスクが伴います。NanoClaw+Dockerのような競合プロジェクトも存在しますが、Tank OSはOpenClawメンテナー自身が開発した点で注目されます。

O'Malley氏は、将来的に企業内で数百万のOpenClawエージェントが自律的に動作する時代を見据えていると語っています。IT管理者が既存のコンテナ管理手法でエージェント群を一括更新できる仕組みは、Red Hatの主要顧客層であるエンタープライズIT部門のニーズに合致しています。技術的な知識を前提としたツールですが、OpenClawの企業導入を安全に進めるための実践的な選択肢となりそうです。

Poolsideがローカル実行可能な無料コーディングAIモデルを公開

Lagunaモデルの概要

Apache 2.0で公開のXS.2
33Bパラメータ、活性3Bの軽量MoE
ローカルGPU1枚で動作可能
企業向け225BのM.1も同時発表

性能と開発環境

SWE-bench Proで44.5%達成
独自合成データとRLで訓練
ターミナル型エージェントpool提供
モバイル対応IDE shimmer公開

米AIスタートアップのPoolsideは2026年4月28日、コーディング特化の大規模言語モデル「Laguna」シリーズ2モデルを発表しました。小型モデルのLaguna XS.2はApache 2.0ライセンスで無料公開され、消費者向けGPU1枚でローカル実行できるのが大きな特徴です。同社は2023年にサンフランシスコで設立された約60人の組織で、政府・公共セクター向けにセキュアなAI開発を進めてきました。

Laguna XS.2は総パラメータ数33B、活性パラメータ数3BのMixture of Experts構成を採用しています。Apple SiliconのMacでは統合メモリ36GB以上、PCではRTX 5090など24〜32GB以上のVRAMがあれば4ビット量子化で動作します。一方、上位モデルのLaguna M.1は225BパラメータのMoEで、企業や政府向けの高セキュリティ環境での複雑なソフトウェア工学タスクに最適化されています。

ベンチマーク性能は注目に値します。XS.2はSWE-bench Proで44.5%を達成し、Claude Haiku 4.5の39.5%やGemma 4 31Bの35.7%を上回りました。M.1もSWE-bench Proで46.9%、SWE-bench Verifiedで72.5%を記録しています。訓練には30兆トークンが使われ、そのうち約13%は合成データです。独自のMuonオプティマイザにより標準手法より約15%速く学習が進むとしています。

開発者向けツールも同時に公開されました。poolはターミナルベースのコーディングエージェントで、同社が内部のRL訓練に使うのと同じAgent Client Protocolサーバとして機能します。shimmerはクラウドネイティブの開発環境で、スマートフォンからでもフル機能の開発が可能です。GitHubとの連携や既存リポジトリのインポートにも対応しています。

Poolsideがオープンウェイト公開に踏み切った背景には、「西側諸国には強力なオープンウェイトモデルが必要」という信念があります。中国企業のDeepSeekやXiaomiが低コストのオープンモデルで存在感を示すなか、米国発のオープンな対抗馬として位置づけを狙っています。なお、同社のモデルは他社のようにQwenベースのファインチューニングではなく、独自にゼロから訓練されたものです。コミュニティによる評価とファインチューニングを通じた改善を期待しているとしています。

Mistral AI、企業向け実行基盤Workflowsを公開

Workflowsの技術設計

Temporal基盤の耐障害実行
制御と実行の分離でデータ主権確保
OpenTelemetry対応の可観測性

本番導入済みの活用事例

貨物リリース自動化で書類処理を効率化
KYC審査を数分に短縮
銀行の問い合わせを自動分類・転送

Mistralの全体戦略

Forge含む3層基盤を構築
年間売上4億ドル超で急成長中

パリ拠点のAI企業Mistral AIは2026年4月28日、エンタープライズ向けAIオーケストレーション基盤「Workflows」をパブリックプレビューとして公開しました。同社のStudioプラットフォームの一部として提供されるこの製品は、企業がAIシステムを概念実証から本番環境へ移行するための生産グレードの実行基盤です。すでに複数の顧客企業が本番運用しており、日次で数百万件の処理を実行しています。

Workflowsの技術的な特徴は、UberのCadenceプロジェクトから派生したTemporalの耐久実行エンジンを基盤としている点です。Mistralはこれにストリーミング、ペイロード処理、マルチテナンシー、可観測性などAI固有の要件を追加しました。制御プレーンと実行プレーンを分離する設計により、実行ワーカーを顧客自身の環境内で稼働させることが可能で、データが顧客の管理領域から外に出ることはありません。規制産業におけるデータ主権要件に対応する重要な設計判断です。

実際の導入事例として、物流分野での貨物リリース自動化、金融機関でのKYC審査、銀行のカスタマーサポートの3つが紹介されています。物流では税関申告や危険物分類などの書類処理をAIが担い、人間は適切なタイミングで承認のみ行います。KYC審査は従来アナリストが数時間かけていた作業を数分に短縮し、監査可能な形式で結果を出力します。銀行サポートでは問い合わせの意図と緊急度を自動分類し、すべての判断がStudio上で追跡可能です。

Workflowsはドラッグ&ドロップ型ではなく、Pythonによるコードファーストのアプローチを採用しています。ミッションクリティカルな業務にはコードによる精密な制御とバージョン管理が不可欠だという判断です。エンジニアが作成したワークフローはチャットボット「Le Chat」に公開でき、組織内の誰でも実行可能になります。すべてのステップはStudioで追跡・監査されます。

Workflowsは、Mistralが構築する3層エンタープライズプラットフォームの中間層に位置します。下層にはカスタムモデル訓練基盤「Forge」、上層にはユーザー向けコーディングエージェント「Vibe」があります。同社の年間売上ランレートは4億ドル超に達し、年末までに10億ドルを目指しています。評価額は約140億ドルで、欧州AI企業として異例の成長軌道を描いています。

競合環境はAWSのBedrock AgentCore、MicrosoftのCopilot Studio、GoogleのVertex AIなど大手クラウドが参入する激戦区です。Mistralの差別化要因は、垂直統合されたプラットフォーム、柔軟なデプロイ構成、そして欧州拠点によるデータ主権への対応力にあります。今後はマネージド版の提供、ビジネスユーザー向けの機能拡充、エージェント向けのガードレール強化を予定しています。

GitHub Copilot、6月から従量課金制に移行

新料金体系の概要

月額分のAIクレジットを付与
超過分はトークン消費量で課金
モデルごとにAPI単価が異なる
コード補完や次の編集提案は無料

移行の背景と影響

推論コストの急増が持続困難に
簡易チャットと長時間作業のコスト格差是正
コードレビューはActions分も消費
6月1日から全ユーザー対象

GitHubは、AIコーディング支援サービス「GitHub Copilot」の料金体系を2026年6月1日から従量課金制に移行すると発表しました。現行の月額定額プランでは、簡単なチャット質問と数時間に及ぶ自律コーディングセッションが同じコストで処理されており、急増するAI推論コストを吸収し続けることが困難になったことが背景にあります。

新しい料金体系では、月額サブスクリプションの支払い額に相当する「AIクレジット」が毎月付与されます。クレジットを超過した分については、入力・出力・キャッシュトークンの消費量に基づき、各モデルの公開API単価で課金される仕組みです。利用するモデルの種類によって単価は大きく異なり、たとえばOpenAIのGPTモデルでは100万出力トークンあたり4.50ドルから30ドルまでの幅があります。

ただし、すべての機能が有料化されるわけではありません。コード補完やNext Edit(次の編集提案)といったシンプルなAI機能は、引き続きAIクレジットを消費せずに利用できます。一方で、Copilotによるコードレビュー機能を利用する場合は、GitHub Actionsの実行時間が追加コストとして発生します。

今回の変更は、Microsoft傘下のGitHubが「価格と実際の利用量をより適切に一致させる」ことを目的としたものです。AI需要の急拡大に伴い、限られた計算リソースのコストをユーザーの利用実態に即して配分する方針への転換といえます。開発者にとっては、利用パターンによってコストが増減するため、どのモデルをどの場面で使うかという選択がこれまで以上に重要になりそうです。

Xiaomi、エージェント特化のMiMo-V2.5をMITライセンスで公開

モデルの性能と効率

310BパラメータのMoE構造
Pro版はエージェント成功率63.8%達成
トークン消費量は主要モデルの40〜60%削減
100万トークンのコンテキスト窓

価格とライセンス戦略

MITライセンスで商用利用自由
Pro版は入力100万トークンあたり1ドル
開発者向けに100兆トークン無料提供

実証された自律タスク

Rustコンパイラを4.3時間で完全実装
動画編集アプリ8192行を自律生成

Xiaomiは2026年4月27日、オープンソースの大規模言語モデルMiMo-V2.5およびMiMo-V2.5-ProをMITライセンスで公開しました。両モデルはHugging Faceからダウンロード可能で、商用利用に制限がありません。特にエージェント型タスクにおいて、主要なクローズドソースモデルを上回る効率性を示しています。

MiMo-V2.5はSparse Mixture-of-Experts構造を採用し、総パラメータ数310Bのうち推論時にはわずか15Bのみを使用します。Pro版は1.02兆パラメータで42Bが活性化し、ClawEvalベンチマークでエージェント成功率63.8%を記録しました。これはClaude Opus 4.6やGPT-5.4と同等の成果を、40〜60%少ないトークンで達成するものです。

Pro版の能力は実際の自律タスクで実証されています。SysYコンパイラのRust実装では672回のツール呼び出しを経て4.3時間で完全なコンパイラを構築し、隠しテストで満点を取得しました。また動画編集アプリケーションでは11.5時間で8192行のデスクトップアプリを生成しています。

価格面では、Pro版が海外開発者向けに入力100万トークンあたり1ドル、出力3ドルという競争力のある設定です。100万トークンのコンテキスト窓は標準料金で利用でき、業界で広がる従量課金への移行の中でコスト予測可能性を提供します。開発者支援として100兆トークンの無料枠も用意されました。

MITライセンスの採用は戦略的に重要です。企業はXiaomiの許可なく商用展開が可能で、独自データでのファインチューニングや派生モデルの公開も自由です。GitHub Copilotの従量課金移行が発表された同日のリリースは、プロプライエタリモデルへの依存コストが高まる中で、オープンソースの代替としての存在感を強調しています。

OpenAIがCodex連携仕様Symphonyをオープンソース公開

Symphonyの仕組み

タスク管理ツールをエージェント制御盤に転用
未着手チケットごとに専用エージェント自動起動
タスク依存関係に沿い並列実行を最適化

導入効果と課題

一部チームでマージ済みPR数が5倍に増加
投機的タスクの試行コストが実質ゼロに低下
PM・デザイナーも直接機能開発を起票可能
対話的介入が減り品質保証の仕組みが必要に

技術設計と今後

中核はSPEC.md一枚の宣言的仕様
参照実装はElixir製だが任意言語で再実装可能

OpenAIは2026年4月27日、コーディングエージェントCodexの作業をタスク管理ツールから自動的にオーケストレーションする仕様「Symphony」をオープンソースとして公開しました。SymphonyはLinearなどのプロジェクト管理ボードを制御盤に変え、未着手のチケットごとに専用のCodexエージェントを自動起動し、完了まで継続実行します。GitHub公開後わずか数週間で1万5000スターを超える反響を得ています。

従来、エンジニアは複数のCodexセッションを手動で管理していましたが、同時に3〜5セッション以上になるとコンテキストスイッチの負荷が急増し、生産性が低下していました。Symphonyはこの「人間の注意力がボトルネック」という問題を根本から解消するために設計されました。チケットのステータスを状態機械として扱い、エージェントの起動・再起動・依存関係の解決をすべて自動化します。

導入効果は顕著で、OpenAI社内の一部チームではマージ済みPR数が500%増加しました。エンジニアはエージェントの監視から解放され、投機的なリファクタリングや仮説検証を気軽に試せるようになりました。さらに、PMやデザイナーがLinearに機能要件を書くだけでエージェントが実装し、動画付きのレビューパケットを返す運用も実現しています。

技術的にSymphonyの核心はSPEC.mdという一枚のMarkdownファイルです。参照実装には並行処理に優れたElixirが採用されていますが、TypeScript・Go・Rust・Java・Pythonでも実装に成功しており、任意の言語で再構築できます。またCodex App Serverモードを活用し、JSON-RPC APIでプログラム的にエージェントを制御する設計になっています。

OpenAIはSymphonyをスタンドアロン製品として維持する予定はなく、あくまでリファレンス実装と位置付けています。各チームが自社の環境に合わせてSPEC.mdを基に独自バージョンを構築することを推奨しており、コーディングエージェントの管理手法が業界全体で変化していく可能性を示唆しています。

OpenAI、米連邦政府向けFedRAMP認証を取得

認証の概要と意義

FedRAMP Moderate認証取得
連邦政府機関のAI活用が本格化
GPT-5.5含む最新モデル提供

政府機関の活用方法

翻訳・分析・調査業務の効率化
既存システムへのAI組み込み
Codex環境も近日対応

調達と今後の展望

Marketplace掲載済み
商用版との機能差を順次縮小

OpenAIは2026年4月27日、ChatGPT EnterpriseおよびAPI PlatformについてFedRAMP 20x Moderate認証を取得したと発表しました。この認証により、米国連邦政府機関がセキュリティ・プライバシー・ガバナンスの要件を満たした環境で、最先端のAI技術を利用できるようになります。

FedRAMP 20xは2025年3月にGSAが発表した新しい認証パスで、クラウドネイティブなセキュリティ証跡や自動検証を活用することで、従来より迅速な認証プロセスを実現しています。OpenAIのセキュリティチームとエンジニアリングチームが、KSI実装やエビデンス収集、評価資料の準備を通じて認証を達成しました。

連邦政府機関は、GPT-5.5を含む最新モデルにFedRAMP環境からアクセスできるようになります。プログラムチームはChatGPT Enterpriseを使って調査・翻訳・分析業務を加速でき、技術チームはOpenAI APIを既存システムやケース管理ツールに組み込むことが可能です。さらに、近日中にCodexクラウド環境もFedRAMP対応のワークスペースから利用可能になる予定です。

調達面では、FedRAMP Marketplaceに掲載済みで、OpenAIの公認パブリックセクターリセラーであるCarahsoftを通じた調達や、各機関の要件に応じた取得方法を選択できます。Trust Portalでは、認証データやセキュリティ評価資料が公開されており、各機関はゼロから評価を始める必要がありません。

OpenAIは今後も重要変更通知プロセスを通じて対応機能を拡大し、FedRAMP環境と商用製品の機能差を縮小していく方針です。公共部門のミッションに必要な管理体制とセキュリティを維持しながら、最先端AIの提供を進めるとしています。

AI研究を自動化するASI-EVOLVEが人間設計を超越

フレームワークの仕組み

仮説生成から実験・分析まで自律ループ
認知ベースに人間の知見を蓄積
分析器が実験結果を因果的に要約
知見が次の探索を導く自己進化型

実証された性能向上

データ整備でMMLUスコア18点超向上
1773回探索で105の新アーキテクチャ発見
強化学習でGRPO超えの新アルゴリズム設計

企業への影響

独自ドメイン知識の統合が可能
コード公開で即座に利用開始可能

SII-GAIRの研究チームが、AIの訓練データ・モデルアーキテクチャ・学習アルゴリズムの最適化を自動で行うフレームワーク「ASI-EVOLVE」を発表しました。従来、AI研究開発には仮説の立案から実験、分析まで膨大な人的工数が必要でしたが、本フレームワークはこの一連のサイクルを自律的に回し続けることで、人間が設計したベースラインを上回る成果を達成しています。

ASI-EVOLVEの中核は「認知ベース」と「分析器」の2つです。認知ベースには既存の学術知見やヒューリスティクスが格納され、探索の初期段階から有望な方向へ導きます。分析器は訓練ログやベンチマーク結果から因果関係を抽出し、次の仮説生成に活用できる知見へと蒸留します。さらに研究者エージェント、エンジニアコンポーネント、データベースが連携し、知見が体系的に蓄積される設計です。

実験では3つの領域で顕著な成果が確認されました。データキュレーションでは、30億パラメータモデルのMMLUベンチマークスコアが18点以上向上しました。ニューラルアーキテクチャ設計では1773回の自律探索を通じ、人間設計のDeltaNetを超える105の新しい線形アテンション構造を生成しました。強化学習では、数学的推論ベンチマークでGRPOベースラインを上回る新しい最適化手法を発見しています。

企業にとっての意義は大きいといえます。多くの組織はAIモデルの最適化に必要な計算資源とエンジニアリング工数を確保できず、標準モデルをそのまま運用しています。ASI-EVOLVEは独自のドメイン知識を認知ベースに統合し、社内AIシステムの自律的な改善を可能にします。フレームワークはオープンソースとしてGitHubで公開されており、開発者はすぐに活用を始められます。

MITがAI消費電力を秒単位で予測するツールを開発

EnergAIzerの仕組み

数秒で電力消費を推定
AIワークロードの反復パターンを活用
GPU構成の変更にも対応
未展開の新設計にも適用可能

データセンターへの影響

推定誤差は約8%の高精度
従来手法は数時間〜数日が必要
リソース配分の最適化に貢献
モデル展開前の消費電力評価が可能

MITとMIT-IBM Watson AI Labの研究チームが、データセンターで特定のAIワークロードを実行した際の消費電力を数秒で予測できるツール「EnergAIzer」を開発しました。ローレンス・バークレー国立研究所の推計では、2028年までにデータセンターが米国の総電力消費の最大12%を占めるとされており、AI時代のエネルギー効率改善は喫緊の課題です。

EnergAIzerは、AIワークロードに含まれる反復的なパターンに着目しています。ソフトウェア開発者がGPU上で効率的に動作するよう最適化を施す際、並列処理コアへの作業分散やデータ移動に規則的な構造が生まれます。この構造を捉えることで、従来のように個々のステップを逐一エミュレーションする必要がなくなりました。

ただし高速推定だけでは全コストを網羅できない課題もありました。GPUがプログラムを実行する際のセットアップコストや、帯域幅の競合による速度低下に伴う追加電力などです。研究チームは実際のGPUから測定データを収集し、補正項を推定モデルに組み込むことでこの問題を解決しました。

実際のAIワークロードとGPUを使ったテストでは、EnergAIzerの推定誤差は約8%にとどまり、数時間かかる従来手法と同等の精度を実現しています。ユーザーはAIモデルの種類や入力の数・長さといったワークロード情報を入力するだけで、GPU構成や動作速度を変えた場合の電力消費の変化も確認できます。

データセンター運営者にとっては限られたリソースの効率的な配分に、アルゴリズム開発者にとってはモデル展開前のエネルギー評価に活用が期待されます。研究チームは今後、最新GPU構成への対応や、複数GPUが協調するワークロードへのスケーリングを目指すとしています。本研究はIEEE International Symposium on Performance Analysis of Systems and Softwareで発表されました。

OpenAI個人情報保護モデルで3つのアプリを構築

モデルの特徴と性能

15億パラメータ、活性50Mの軽量設計
Apache 2.0の寛容ライセンス
128Kトークンの長文一括処理
PII検出ベンチマークで最高精度達成

3種のデモアプリ構成

PDF等の個人情報を自動強調表示
画像内の個人情報を黒塗り処理
貼り付けテキストの秘匿共有機能
gradio.Serverで統一的に構築

OpenAIが公開した個人情報保護モデル「Privacy Filter」を活用し、Hugging Faceの開発者3名が実用的なWebアプリ3本を構築しました。Privacy Filterは15億パラメータのモデルで、活性パラメータは5000万、Apache 2.0ライセンスで提供されています。128Kトークンのコンテキストに対応し、PII検出ベンチマークで最高精度を達成しています。

1つ目の「Document Privacy Explorer」は、PDFやDOCXファイルをアップロードすると、個人名・メールアドレス・電話番号などの個人情報を自動検出してカテゴリ別にハイライト表示するアプリです。128Kコンテキストを活かし、文書全体を一括処理するためチャンク分割が不要です。

2つ目の「Image Anonymizer」は、スクリーンショットや画像内の個人情報を黒塗りで自動秘匿するツールです。Tesseract OCRで文字領域を抽出した後にPrivacy Filterで検出し、ピクセル座標の矩形として返します。ブラウザ上でバーの表示切替やドラッグ移動、手動追加も可能です。

3つ目の「SmartRedact Paste」は、テキストを貼り付けると秘匿済みの公開URLと、原文を確認できるトークン付き非公開URLの2つを生成するプライバシー対応ペーストビンです。多言語テキストにも対応しています。

3つのアプリはすべてgradio.Server上に構築されています。モデル推論は@server.apiデコレータでGradioのキューに載せ、ZeroGPU割り当てやプログレス通知を活用します。静的ページの配信にはFastAPIのルートを使い、モデル呼び出しとUI提供を明確に分離する設計パターンが共通しています。

GoogleとKaggleがAIエージェント×バイブコーディング無料講座を開講

講座の概要と背景

6月15〜19日の5日間オンライン開催
前回は150万人超が受講
登録・受講ともに完全無料

学習内容と成果物

自然言語でのバイブコーディング手法を習得
ツール・API統合で10xエージェント構築
基礎から本番環境対応まで体系的に学習
キャップストーンプロジェクトで実践力を証明

GoogleとKaggleは2026年6月15日から19日までの5日間、AIエージェントとバイブコーディングに特化した無料オンライン講座を開催すると発表しました。2025年11月に開催された前回の「5-Day AI Agents Intensive Course」は150万人以上の受講者を集めており、今回はその好評を受けた第2弾となります。

今回の講座ではバイブコーディングが中心テーマに加わりました。バイブコーディングとは自然言語を主要なプログラミングインターフェースとして使うワークフローで、AIエージェント開発の生産性を飛躍的に高めるアプローチです。受講者はツールやAPIを統合した「10xエージェント」の構築方法を学びます。

カリキュラムは基礎概念から本番環境で使えるシステム設計まで段階的に構成されています。各日のセッションでは概念的な解説とハンズオン演習が組み合わされ、最終日にはキャップストーンプロジェクトとして自分のアイデアを実際にエージェントとして設計・構築・デプロイします。

AIエージェント開発スキルの需要が急速に高まるなか、世界的プラットフォームが提供する体系的かつ無料の学習機会は貴重です。エンジニアや技術リーダーにとって、バイブコーディングという新しい開発パラダイムを短期集中で習得できる実践的な講座といえます。

AlphaGo開発者、強化学習特化の新興企業に11億ドル

企業概要と資金調達

評価額51億ドルで設立
Sequoia・Lightspeedが主導
英政府系ファンドも出資

技術的ビジョン

人間データに依存しないAI
強化学習で自律的に学習
LLMの限界を超える構想

業界への影響

ロンドンがAI拠点として台頭
著名研究者の起業が相次ぐ

Google DeepMindでAlphaGoやAlphaZeroを開発したDavid Silver氏が、新会社Ineffable Intelligenceを英国で設立し、シードラウンドで11億ドル(約1650億円)を調達しました。評価額は51億ドルに達し、欧州のAIスタートアップとしては異例の規模です。Sequoia CapitalとLightspeed Venture Partnersが共同でリードし、Index Ventures、Google、Nvidia、英国政府系のSovereign AIファンドも参加しています。

同社が目指すのは、人間が生成したデータに頼らず、強化学習によって自律的に知識とスキルを獲得する「超学習者(superlearner)」の構築です。Silver氏はDeepMindで10年以上にわたり強化学習チームを率い、AlphaGoやAlphaZeroでは人間の棋譜を一切使わずにプロ棋士を超える性能を実現しました。この手法を汎用知能に拡張するのが同社の核心的な戦略です。

Silver氏は現在の大規模言語モデル(LLM)中心のアプローチに明確な限界があると主張しています。LLMは人間のデータという「化石燃料」に依存しており、自ら世界を探索して学ぶことができないと指摘。仮に地球が平らだと信じられていた時代にLLMを投入しても、そのまま天動説を信じ続けるだろうと述べています。一方、強化学習ベースのAIはシミュレーション環境内で試行錯誤を重ね、独自の科学的発見に到達できる可能性があるとしています。

安全性についても独自の見解を示しています。シミュレーション内でAIエージェントの振る舞いを観察することで、人間の価値観と整合しない行動を事前に検出できるとSilver氏は説明しています。また、同社から得る個人的な利益はすべて「できるだけ多くの命を救う」高インパクトな慈善団体に寄付すると表明しました。

この動きは、著名AI研究者による大型起業の潮流を加速させるものです。先月にはTuring賞受賞者のYann LeCun氏が共同設立したAMI Labsが10.3億ドルを調達し、DeepMind元主任研究員のTim Rocktäschel氏によるRecursive Superintelligenceも5億ドル規模の資金を集めています。ロンドンがDeepMind卒業生を軸にAI開発の世界的拠点として存在感を高めている状況が鮮明になっています。

Choco、OpenAI活用で食品受注を自動化

AIエージェントの導入成果

年間880万件超の受注処理
手作業の50%削減を達成
営業チーム生産性が2倍に向上
エラー率1〜5%以下を維持

マルチモーダル受注の仕組み

メール・SMS・画像・音声を構造化
VoiceAgentで24時間電話受注
顧客ごとの文脈を推論に反映

今後の展開

非エンジニアによるエージェント運用へ拡大

食品流通プラットフォームのChocoは、OpenAIのAPIを基盤としたAIエージェントを導入し、食品・飲料の受発注業務を大規模に自動化しました。同社は米国・英国・欧州・中東で2万1000社以上の卸売業者と10万社以上の買い手をつなぐプラットフォームを運営しており、年間880万件超の注文を処理しています。

従来、注文はメール・テキスト・ボイスメール・手書きメモなど多様な形式で届き、担当者がERPシステムへ手入力していました。この作業は遅く、ミスも多く、事業拡大のボトルネックとなっていました。特に顧客固有のSKUマッピングや配送パターンといった暗黙知の処理が最大の課題でした。

ChocoはOrderAgentと呼ばれるAIエージェントを開発し、メール・SMS・画像・文書などマルチモーダルな入力を構造化された注文データに変換する仕組みを構築しました。さらにVoiceAgentをOpenAIのRealtime APIで実装し、電話での自然な注文受付をサブ秒のレイテンシで24時間対応可能にしています。

導入効果として、手作業による受注入力を最大50%削減し、営業チームは人員を増やさず生産性を2倍に向上させました。エラー率は1〜5%以下に抑えられ、自動化の閾値も設定可能です。評価基盤として少数の正解データセットによるA/Bテストと継続的モニタリングを実施し、精度を担保しています。

今後Chocoは、営業・商取引・サプライチェーン全体でより自律的なAIシステムの展開を計画しています。非エンジニアがエージェントオーケストレーターとしてAIシステムを設計・管理する新たな運用モデルへの移行を進めており、ワークフローソフトウェアからAI実行基盤への転換を加速させる方針です。

CanonicalがUbuntuにAI機能を追加へ

AI統合の基本方針

既存OS機能のAI強化が第一段階
音声認識やテキスト読み上げなどアクセシビリティ向上
ローカル推論とモデル透明性を優先

エージェントAIと普及戦略

トラブルシューティングや個人自動化に対応
Linux操作の敷居を下げ新規ユーザー獲得を狙う
AI利用量でなく成果で人材を評価

開発体制と今後の展望

社内エンジニアのAI活用も推進
今後1年で段階的に機能実装予定

Canonicalのエンジニアリング担当副社長ジョン・シーガー氏は2026年4月、Ubuntuに今後1年かけてAI機能を追加する計画をブログで公表しました。計画ではまず既存のOS機能をAIモデルでバックグラウンド強化し、その後「AIネイティブ」な機能やワークフローを希望するユーザー向けに提供する二段構えの方針が示されています。

具体的な機能としては、音声認識・テキスト読み上げといったアクセシビリティツールの改善に加え、トラブルシューティングや個人の作業自動化を担うエージェント型AIが挙げられています。実装にあたってはローカル推論の優先とモデルの透明性確保を基本原則とする方針です。

シーガー氏はLinuxデスクトップの「有名な断片化」問題にも言及し、LLMをシステムレベルで適切に活用すれば、最新のLinuxワークステーションの機能を幅広いユーザー層に届けられる可能性があると述べています。Linuxの操作ハードルを下げ、ユーザー基盤の拡大につなげたい考えです。

社内の開発体制についても触れ、エンジニアに対しAIの積極的な活用を促す一方、「AI利用量ではなくデリバリーの質で人材を評価する」と明言しました。AI導入を推進しつつも、成果主義の姿勢を維持する方針です。

AnthropicのMythos、Discordユーザーが不正アクセスに成功

Mythos不正アクセスの経緯

Mercorの情報漏洩データを活用
モデルのURL形式を推測し接触
契約業者の権限で未公開モデルも閲覧
発覚回避のため簡易サイト構築のみ

今週の主要セキュリティ動向

通信プロトコルSS7悪用の監視が発覚
東南アジア詐欺拠点の管理者2名起訴
英50万人の健康データがAlibabaに出品
AppleがSignal通知保存バグを修正

2026年4月25日、WIREDのセキュリティ週報によると、Anthropicが厳重にアクセスを制限していたAIモデル「Mythos Preview」に対し、Discord上のアマチュアグループが不正アクセスに成功していたことが明らかになりました。Mythosはソフトウェアやネットワークの脆弱性発見において極めて高い能力を持つとされ、その危険性からAnthropicが提供先を慎重に絞っていたモデルです。

不正アクセスの手口は比較的単純なものでした。グループはまず、AI開発者向けスタートアップMercorの情報漏洩データを分析し、Anthropicが他モデルに使用しているURL形式からMythosの所在を推測しました。さらにメンバーの1人がAnthropicの契約企業での業務を通じて保有していた既存の権限を利用し、Mythosだけでなく他の未公開モデルへのアクセスも得たと報じられています。

グループはAnthropicに検知されることを避けるため、Mythosの利用を簡単なウェブサイトの構築にとどめていたとのことです。高度なハッキング技術を使わずとも、公開情報の組み合わせと既存権限の活用だけで最先端AIモデルにアクセスできた事実は、AIモデルのアクセス管理の脆弱さを浮き彫りにしています。

同週のセキュリティニュースでは、他にも重要な動きがありました。デジタル権利団体Citizen Labは、2社の監視企業が通信プロトコル「SS7」の脆弱性を悪用し、実際の標的の電話位置を追跡していたと報告しています。アメリカ司法省は東南アジアの詐欺拠点を管理していた中国人2名を起訴し、7億ドルの資金を凍結しました。

イギリスでは、UK Biobankに提供された50万人以上の医療・遺伝子データが3つの研究機関によってAlibabaで販売されていたことが判明しました。またAppleは、削除済みのSignalメッセージがiOSの通知データベースに残存し、FBIが取得可能だった脆弱性を修正するセキュリティアップデートをリリースしています。暗号化アプリを使用していても、端末に物理アクセスされればデータが取得される可能性があることを改めて示す事例です。

Apple新CEO テルナス氏、AI搭載デバイス中心の戦略へ

ハードウェア重視の新体制

テルナス氏が年内にCEO就任
ハードウェア畑25年の経験
AI搭載ウェアラブルの開発加速

次世代デバイスの展望

折りたたみiPhone9月発売予定
スマートグラスやAIペンダント構想
家庭用ロボット開発も推進

サプライチェーンの課題

中国製造への依存度が約80%
インド生産を25%に拡大

Appleは、2026年後半にジョン・テルナス氏がティム・クック氏の後任として新CEOに就任すると発表しました。テルナス氏は2001年にAppleに入社し、AirPods、Apple Watch、Vision Proなどの主要製品を手がけてきたハードウェアエンジニアリングの責任者です。この人事は、Appleが次の成長フェーズをハードウェア主導で切り開く方針を示しています。

テルナス氏のもとでAppleは、巨大AIモデルの開発競争に正面から参入するのではなく、AI機能を内蔵したデバイスそのものに注力する戦略を採ると見られています。具体的には、スマートグラスやカメラ内蔵ペンダント、AI機能付きAirPodsなど、iPhoneと連携するウェアラブル製品群の開発が進行中です。いずれもSiriが中核的な役割を担う設計とされています。

長年噂されてきた折りたたみiPhoneも、2026年9月の発売が見込まれており、テルナス新体制初の大型ローンチとなります。さらに、ディスプレイ付きロボットアームを搭載した卓上型デバイスや、家庭内を移動するモバイルロボットなど、ロボティクス分野への参入も検討されています。テルナス氏は大学時代に四肢麻痺患者向けのロボット制御装置を開発した経歴があり、この分野への関心は一貫しています。

一方で、新体制にはサプライチェーン上の課題も待ち受けています。iPhoneの約80%は関税発動前に中国で生産されていましたが、トランプ政権の関税政策の影響を受け、Appleはインドでの生産を拡大し、昨年は全体の約25%をインドで製造しました。メモリチップ不足や関税の不透明さも加わり、ハードウェア中心の戦略を推進するうえで、製造拠点の多角化が重要な経営課題となっています。

Apple CEO交代、クックが9月退任しターナスが後任に

CEO交代の背景

クックが9月に退任し会長職へ
ハードウェア責任者ジョン・ターナスが後任
Apple在籍25年の実務型リーダー

新CEOの最大課題はAI

Apple Intelligenceは期待以下の評価
キラーAI製品の投入が急務
ジョニー・スロウジがハード部門SVPに昇格
独自AIチップ戦略が鍵を握る

変わるAppleの事業環境

App Store手数料30%への圧力増大
AI生成アプリがエコシステムを変容

ティム・クックが2026年9月にApple CEOを退任し、取締役会の執行会長に就くことが明らかになりました。後任には、ハードウェアエンジニアリング担当上級副社長のジョン・ターナス氏が就任します。クック氏は2011年のスティーブ・ジョブズ後任以来15年にわたりAppleを率い、AirPodsなどのヒット製品を生みサプライチェーン経営で時価総額を飛躍的に伸ばしました。

新CEOターナス氏にとって最大の課題はAI戦略の立て直しです。2024年に発表されたApple Intelligenceは「期待はずれ」との評価が多く、AIエージェント技術が急速に進む中、Appleは出遅れています。WIREDのスティーブン・レヴィ氏は「iPhoneがモバイルを定義したように、AIを一般消費者向けに解き明かす製品が必要だ」と指摘しています。

人事面では、ターナス氏の後任としてAppleのシリコン戦略を率いてきたジョニー・スロウジ氏がハードウェアエンジニアリング担当SVPに昇格しました。AppleはBroadcomとのAIチップ開発も進めており、より強力なニューラルエンジンをデバイスに搭載することで、プライバシーを守りながらオンデバイスAIの性能を引き上げる戦略を描いているとみられます。

一方で、ターナス氏が引き継ぐAppleの事業環境はクック時代とは大きく異なります。App Storeの30%手数料に対する規制圧力が強まり、開発者に対するAppleの支配力が揺らいでいます。さらに、AIを活用した「バイブコーディング」アプリの台頭がプラットフォームの在り方そのものを変えつつあり、エコシステム全体の再設計が求められています。

テック業界はこのCEO交代を、Apple史上最大の転換点の一つと捉えています。ターナス氏は実直な実務家タイプとされていますが、Appleの価値基準を体現する感覚を持つと自負しています。AIがiPhoneのエコシステムを根底から変える可能性がある中、新CEOがどのようなビジョンを示すかに注目が集まっています。

Google Cloud、AIエージェント統合基盤を発表

エージェント基盤と新モデル

Gemini Enterprise Agent Platform発表
Gemini 3.1 Proなど最新モデル提供
ローコードのAgent Studioで開発容易に
ノーコードのAgent Designerも提供

インフラと新世代TPU

第8世代TPUを発表、推論コスト80%改善
NVIDIA Vera Rubin NVL72を早期提供
Virgoネットワークで大規模接続を実現

データ・セキュリティ・導入事例

Agentic Data Cloudでデータ統合
Home DepotやUnileverなど大手が導入拡大

Googleは2026年4月のGoogle Cloud Next '26で、AIが本格的に業務を遂行する「エージェント時代」の到来を宣言しました。目玉となるGemini Enterprise Agent Platformは、AIエージェントの構築・管理・拡張を一気通貫で行える統合環境です。最新モデルのGemini 3.1 Proに加え、画像生成のGemini 3.1 Flash Image、音声のLyria 3、さらにAnthropicのClaude Opus 4.7も利用可能になります。ローコード開発環境のAgent Studioにより、機械学習の専門知識がなくても自然言語でエージェントを構築できます。

エンドユーザー向けにはGemini Enterpriseアプリが提供されます。ノーコードのAgent Designerにより、非エンジニアでもトリガーベースのワークフローを構築可能です。長時間稼働エージェントはセキュアなクラウドサンドボックス内で自律的に動作し、Agent Inboxで一元管理できます。Google Workspaceにも「Workspace Intelligence」としてエージェント機能が統合され、Docs・Drive・Meet・GmailをまたいだAI活用が可能になります。

インフラ面では第8世代TPUが発表されました。学習特化のTPU 8tと推論特化のTPU 8iの2種類で、TPU 8iは1ドルあたりの推論性能が80%向上しています。NVIDIAの次世代システムVera Rubin NVL72の早期提供も決定しました。大規模スーパーコンピュータ接続用のVirgoネットワークや、毎秒10テラバイト転送を実現するManaged Lustreなどストレージの刷新も発表されています。

データ活用では「Agentic Data Cloud」が登場しました。Geminiが企業データを自動的にタグ付け・関連付けするKnowledge Catalogにより、エージェントが業務固有の文脈を理解できるようになります。Apache Iceberg準拠のCross-Cloud Lakehouseは、AWSなど他社クラウドにあるデータもそのまま即座にクエリ可能です。

セキュリティ分野では、2026年に買収完了したWizとの統合が披露されました。脅威ハンティングエージェントや検知エンジニアリングエージェントなど、自律的にセキュリティルールを作成・更新する専用AIが提供されます。導入事例としては、Home DepotがGeminiで店舗・電話対応アシスタントを稼働させ、Unileverが37億人の消費者対応に全社的なエージェント展開を進めるなど、大手企業での実運用が広がっています。

CVSS単体の脆弱性トリアージに5つの構造的欠陥

CVSSが見逃す攻撃手法

連鎖CVEの複合リスクを評価不能
国家アクターによる数日内の武器化
パッチ済みCVEの長期放置を検知せず
ID・認証の人的脆弱性がスコア対象外

対応策と業界動向

KEVパッチSLAを72時間に短縮提言
AI発見で年間CVE数が48万件規模へ
CrowdStrikeが大手5社と修復連合を発足
NVDがKEV・連邦重要ソフトのみ優先対応へ

CVSS(共通脆弱性評価システム)の基本スコアだけに依存した脆弱性トリアージが、実際の攻撃チェーンを見逃す構造的な欠陥を抱えていることが、CrowdStrikeのAdam Meyers SVPへの独占取材やセキュリティ専門家の指摘で改めて浮き彫りになりました。VentureBeatが2026年4月24日に報じたもので、CVSSが捕捉できない5つの障害クラスと、それぞれに対応する具体的な対策を提示しています。

最も深刻な問題は、複数のCVEを連鎖させる攻撃への対応です。2024年11月の「Operation Lunar Peek」では、Palo Alto Networksの認証バイパス(CVE-2024-0012、スコア9.3)と権限昇格(CVE-2024-9474、スコア6.9)が組み合わされ、1万3,000台以上の管理インターフェースが侵害されました。個別スコアでは権限昇格側がパッチ基準を下回り、対応が後回しにされたのです。Meyers氏は「チームは各CVEを独立に評価し、30秒前の判断を忘れたかのように振る舞った」と指摘しています。

国家支援型の脅威も見逃されています。CrowdStrikeの2026年グローバル脅威レポートによれば、ゼロデイとして悪用される脆弱性は前年比42%増加し、侵入後の横展開までの平均時間はわずか29分、最速で27秒でした。Salt Typhoonは2023年10月にパッチが公開されたCisco製品のCVE2件を14カ月後にも悪用し、米国政府高官の通信にアクセスしました。CVSSにはパッチ未適用期間の長さに応じてリスクを引き上げる仕組みがありません。

さらに、ヘルプデスクへのソーシャルエンジニアリングで1億ドル超の損害が発生した事例のように、ID・認証プロセスの脆弱性はCVEが割り当てられずスコアリング対象外です。エージェント型AIシステムが独自のAPI認証情報を持つ時代において、この盲点は拡大する一方だとEnkrypt AIのCSO Merritt Baer氏は警告しています。

AI技術が脆弱性発見を加速させている点も大きな課題です。AnthropicのClaude Mythos Previewは2万ドル未満の計算コストでOpenBSDの27年間潜伏したバグを発見しました。2025年のCVE開示数は4万8,185件で前年比20.6%増、2026年は7万件超が見込まれ、Meyers氏はAIによる10倍増で年間48万件に達する可能性にも言及しています。NISTは4月15日、NVDのエンリッチメントをKEVと連邦重要ソフトウェアに限定すると発表しました。

こうした状況を受け、CrowdStrikeはAccenture、EY、IBM、Kroll、OpenAIとともに修復連合「Project QuiltWorks」を発足させました。記事では、KEVパッチSLAの72時間への短縮、連鎖CVEの監査、KEV未対応期間の取締役会報告、ID脆弱性の統合管理、パイプラインの1.5倍・10倍負荷テストという5つのアクションプランを提言しています。

ComfyUIが3000万ドル調達、評価額5億ドルに

資金調達の概要

Craft Ventures主導で3000万ドル調達
企業評価額が5億ドルに到達
2024年のシリーズAに続く追加ラウンド

製品の強みと市場

ノードベースUIで生成過程を細かく制御
クリエイター400万人超が利用
VFX・広告・工業デザインに業務採用拡大
求人にComfyUIアーティスト職が登場

画像・動画・音声の拡散モデルをノードベースのワークフローで制御するオープンソースツール「ComfyUI」が、Craft Ventures主導のラウンドで3000万ドルを調達し、企業評価額が5億ドルに達しました。Pace Capital、Chemistry、TruArrowも出資に参加しています。同社は2024年末にChemistry VenturesやCursor Capitalなどから1900万ドルのシリーズAを実施しており、今回はそれに続く資金調達です。

ComfyUIは2023年に拡散モデルの登場直後にオープンソースプロジェクトとして始まりました。MidjourneyやChatGPTのようなプロンプト入力型ツールでは、生成結果の6〜8割までしか意図通りにならないという課題に対し、ノードベースのインターフェースで生成プロセスの各段階を個別に制御できる仕組みを提供しています。

共同創業者でCEOのYoland Yan氏は、プロンプトで微調整を試みると完成していた部分まで変わってしまう問題を「カジノのスロットマシン」に例えました。ComfyUIでは特定の工程だけを差し替えられるため、最終出力の品質を確実にコントロールできます。この精密さがクリエイターに支持され、ユーザー数は400万人を超えています。

利用分野はVFX、アニメーション、広告、工業デザインなど幅広く、スタジオの求人で「ComfyUIアーティスト」や「ComfyUIエンジニア」が職種として掲載されるほど業界標準のツールになりつつあります。Yan氏は「AIスロップがあふれる世界で、人間がループに入るComfyのアプローチが最終的に支持を集める」と述べ、基盤モデルが進化しても精密制御の需要は続くとの見方を示しました。

AnthropicとNECが戦略提携、日本市場向けAI製品を共同開発

提携の全体像

NECがAnthropic初の日本拠点パートナーに
グループ社員約3万人にClaude導入
金融・製造・自治体向けAI製品を共同開発
セキュリティ運用にもClaude統合

NEC社内の変革

日本最大級のAIネイティブ技術組織を構築
Center of Excellenceを設立
Claude Codeを開発業務に全面採用
Client Zero方式で自社実証後に顧客展開

AnthropicとNECは2026年4月24日、日本市場向けのAI製品を共同開発する戦略的パートナーシップを発表しました。NECはAnthropicにとって初の日本拠点グローバルパートナーとなり、金融・製造業・地方自治体を皮切りに、安全性と信頼性の高い業界特化型AIソリューションを提供していきます。NECグループの全世界約3万人の社員にClaudeが順次展開されます。

NECの吉崎敏文執行役員兼COOは「Anthropicとの長期的パートナーシップにより、日本市場でAIの可能性を最大化できる」と述べています。両社は日本企業や行政が求める高い安全性・信頼性・品質基準を満たすソリューションの創出を目指します。

技術面では、Claude、Claude Opus 4.7、Claude Codeが、NECのコンサルティング・AI・セキュリティ基盤「NEC BluStellar Scenario」に組み込まれます。データドリブン経営や顧客体験向上のサービスから導入を開始し、段階的に対象領域を拡大する計画です。また、NECのセキュリティオペレーションセンターにもClaudeを統合し、高度化するサイバー攻撃への防御力を強化します。

NEC社内では、Anthropicの技術支援のもとCenter of Excellenceを設立し、日本最大級のAIネイティブ技術者組織の構築を進めます。エンジニアはClaude Codeを日常の開発業務に活用します。NECは「Client Zero」の方針に基づき、自社で先行導入・検証した技術を顧客に提供するアプローチを取っており、Claude Coworkも社内業務全体に展開を拡大していく方針です。

AIエージェント連携基盤BANDが1700万ドル調達

断片化するAIエージェント問題

企業のAIエージェント乱立が課題に
異なるフレームワーク間の連携が困難
LangChainやCrewAI間のタスク引き継ぎ不可
APIだけでは非決定的な動作に対応不能

BANDの技術的アプローチ

エージェンティックメッシュで相互発見
LLM不使用の決定的ルーティング採用
マルチピア全二重通信を実現
権限境界と資格情報の安全な伝搬

事業展開と市場の動向

SaaS・プライベートクラウド・エッジの3形態
通信・金融・サイバーセキュリティで導入進む
Gartnerは2029年までに90%が統合基盤を必要と予測
無料プランから企業向けまで段階的価格設定

スタートアップBANDが1700万ドルのシード資金を調達し、ステルスモードから正式に登場しました。同社はAIエージェント間の通信インフラを提供し、異なるフレームワークやクラウド上で動作する複数のエージェントを統合的に連携させることを目指しています。共同創業者兼CEOのArick Goomanovsky氏は、エージェントが経済活動に参加するには人間と同様のコミュニケーション手段が必要だと述べています。

BANDの中核技術はエージェンティックメッシュと呼ばれる2層アーキテクチャです。インタラクション層ではエージェント同士がクラウドやフレームワークの違いを超えて相互に発見・タスク委任を行えます。メッセージルーティングにはLLMを使わず、特許出願中の決定的ルーティングを採用することで、非決定的なエラーの発生を防いでいます。WhatsAppやDiscordと同じ技術基盤を用いており、数十億メッセージ規模へのスケーリングに対応します。

もう一つの層であるコントロールプレーンは、企業が求めるガバナンス機能を担います。どのエージェントが相互通信できるかの権限境界の設定や、人間の許可情報がエージェント間で安全に引き継がれる資格情報トラバーサル機能を備えています。これにより、あるエージェントが別のエージェントにタスクを委任しても、元の人間のアクセス権限を超えたデータへのアクセスは発生しません。

BANDはOpenAIのワークスペースエージェントやAnthropicのManaged Agentsといったモデルプロバイダー独自のソリューションとは異なり、ベンダーロックインを回避する独立プラットフォームとして位置づけています。現在最も人気のあるユースケースはコーディングエージェントの連携で、計画に強いClaudeとレビューに優れたCodexを同時に動作させるといった使い方が広がっています。

資金調達はSierra Ventures、Hetz Ventures、Team8が主導しました。Gartnerは2029年までに複数エージェントを導入する企業の90%がユニバーサルオーケストレーターを必要とすると予測しており、BANDはその新興市場を狙っています。調達資金はエンジニアリングチームの拡大と、北米の通信大手や欧州のデジタル決済企業を含むデザインパートナーのエコシステム構築に充てられる予定です。

OpenAIがCodex活用ガイド群を公開

Codexの基本と導入

AIエージェントとして実務を代行
コーディング不要で誰でも利用可能
プロジェクト単位でファイル管理

拡張機能と自動化

プラグインで外部ツール連携
スキルで業務プロセスを定型化
自動化で定期タスクを実行

業務での活用例

朝のブリーフ作成や週次報告の自動生成
プレゼン資料やダッシュボードの作成

OpenAIは2026年4月23日、AIエージェント製品「Codex」の使い方を体系的に解説する「OpenAI Academy」のガイド群を公開しました。Codexとは何か、初期設定の方法、ワークスペースの使い方、プラグインやスキルの活用法、自動化機能、業務での具体的な活用例まで、計7本のチュートリアルが同時に公開されています。

CodexはChatGPTとは異なるAIエージェントとして位置づけられています。ChatGPTが「考える支援」を行うのに対し、Codexは「仕事そのものを前に進める」ツールです。開発者でなくても利用でき、メールやSlack、ノートなどから情報を集約し、スライド作成やダッシュボード構築、ワークフローの修正といった実務を代行します。

ガイドではプラグインとスキルという2つの拡張機能が詳しく紹介されています。プラグインはGoogle DriveやSlackなど外部ツールとの接続に使い、スキルはチーム固有の業務プロセスをCodexに教える仕組みです。さらに自動化機能により、毎朝のブリーフ作成や週次レポートの生成といった定期タスクをスケジュール実行できます。

業務活用の具体例としては、朝の優先事項ブリーフの自動生成、週次報告書の作成、プレゼン資料のドラフト、意思決定メモの作成、データのクリーニングと統合、営業アカウントの優先順位付け、月次レビューの準備、ローンチキットの作成、ワークフロー監査など10の実践的なユースケースが示されています。いずれもプロンプト例とともに紹介され、すぐに試せる構成になっています。

Era、AIガジェット向けソフト基盤で1100万ドル調達

プラットフォームの概要

AIデバイス向けソフト基盤を構築
130超のLLMを14社以上から提供
音声カスタマイズや既存機器のAI化を支援
メガネ・指輪・スピーカー等の多様な形状に対応
ハードは自社製造せずソフト層に特化
アプリモデルに代わる知能レイヤーを目指す

資金調達と創業チーム

シード900万ドルをAbstract Ventures等が主導
プレシード200万ドルと合わせ累計1100万ドル
Flickr共同創業者ら著名エンジェルも参加
CEO DormanはHumane出身でAIオーケストレーション経験
CTO OllmanはHP出身でエージェント基盤開発経験
オープンソース・メイカーコミュニティへの開放を計画

スタートアップのEraが、AIガジェット向けソフトウェアプラットフォームの構築を目指し、累計1100万ドルの資金調達を実施しました。Abstract VenturesとBoxGroupが主導した900万ドルのシードラウンドに加え、Topology VenturesとBetaworksから200万ドルのプレシード資金を獲得しています。Flickr共同創業者のCaterina Fake氏やiPhoneキーボード開発者のKen Kocienda氏など、著名なエンジェル投資家も参加しました。

Eraのプラットフォームは、ハードウェアメーカーがAIエージェントやオーケストレーションをデバイスに組み込むためのソフトウェア層を提供します。14社以上のプロバイダーから130を超えるLLMを利用可能で、メガネ、ジュエリー、スピーカーなど多様なフォームファクターに対応しています。同社はデバイスを自社製造するのではなく、カスタマイズされた音声生成やヘッドホンなど既存デバイスへのAI機能付加を可能にするソフトウェア基盤の提供に注力しています。

CEOのLiz Dorman氏はHumaneでAIオーケストレーションに携わった経歴を持ち、従来のアプリモデルに代わる「知能レイヤー」の構築を掲げています。同氏は、テクノロジーのコモディティ化により多様なAIデバイスの「カンブリア爆発」が起きると予測しています。CTOのAlex Ollman氏はHPでエンタープライズ向けエージェント基盤を開発し、CPOのMegan Gole氏はJony IveとSam AltmanのプロジェクトにSutter Hill Venturesで携わった経験があります。

AIハードウェア分野では、HumaneがHPに売却され、Rabbitは沈黙するなど、成功モデルがまだ確立されていません。一方でPlaudが会議メモ領域で一定の成果を上げ、SandbarやTayaといった新興企業も登場しています。Eraはこうした状況の中で、プライバシーを重視したメモリやモデルプロバイダーの選択権をユーザーに提供し、オープンソースやメイカーコミュニティにプラットフォームを開放する方針を示しています。

Anthropic、Claude性能低下の原因を公表し修正

性能低下の経緯と原因

開発者がClaude品質劣化を報告
ハーネス層の3つの変更が原因
推論レベルをhighからmediumに変更
キャッシュのバグで思考履歴消失
システムプロンプトの文字数制限が悪影響
モデル自体の重みは未変更と説明

影響範囲と再発防止策

Claude Code・Agent SDK・Coworkに影響
APIは影響なしと確認
社内での公開版利用を義務化
評価スイートの拡充を発表
プロンプト変更の監査体制を強化
全有料会員の使用量制限をリセット

2026年4月初旬から、開発者やパワーユーザーの間でAnthropicのフラッグシップモデルClaudeの性能が低下しているとの報告が相次いでいた。GitHubやX、Redditでは「AI shrinkflation」と呼ばれる現象が話題となり、推論能力の低下やハルシネーションの増加、トークンの無駄遣いが指摘されていた。AMDのシニアディレクターが6,852件のセッションファイルを分析した詳細な監査や、第三者ベンチマークでの精度低下も報告され、信頼性への懸念が高まっていた。

Anthropicは4月23日、技術的なポストモーテムを公表し、モデルの重み自体は変更されていないことを明確にした上で、モデルを取り巻く「ハーネス」層における3つの変更が原因であったと説明しました。第一に、3月4日にUI遅延対策としてClaude Codeのデフォルト推論レベルを「high」から「medium」に変更したことで、複雑なタスクでの知能が低下しました。第二に、3月26日に導入されたキャッシュ最適化にバグがあり、1時間の非アクティブ後に思考履歴を1回だけ消去する設計が、以降の全ターンで消去される誤動作を起こしていました。

第三の原因は、4月16日にシステムプロンプトへ追加された文字数制限です。ツール呼び出し間のテキストを25語以内、最終応答を100語以内に抑える指示がOpus 4.7のコーディング品質を3%低下させました。これらの問題はClaude Code CLIだけでなく、Claude Agent SDKやClaude Coworkにも影響していましたが、Claude APIには影響がなかったとのことです。

Anthropicは問題の修正として、推論レベルの変更と冗長性制限プロンプトを元に戻し、キャッシュバグをv2.1.116で修正しました。再発防止策として、社内スタッフが公開版と同一のビルドを使用する義務化、システムプロンプト変更ごとのモデル別評価の実施、プロンプト変更の監査を容易にする新ツールの導入を発表しました。また、バグによるトークン浪費への補償として、全有料会員の使用量制限をリセットしています。今後は@ClaudeDevsアカウントやGitHubスレッドを通じて、製品変更の透明性を高めていく方針です。

AI創薬候補の分析を自動化、10x Scienceが480万ドル調達

質量分析とAIの融合

質量分析データをAIで自動解釈
化学・生物学の決定的アルゴリズムと統合
規制対応に必要なトレーサビリティを確保

創業と資金調達

スタンフォード大ノーベル賞研究室が原点
Initialized Capital主導で480万ドル調達
Y Combinatorなど複数VCが参加

市場での評価

分析受託企業が作業効率の向上を実証
大手製薬企業との連携も進行中

10x Scienceは、AIが大量に生成する創薬候補化合物の分析を自動化するスタートアップです。2025年12月に設立され、Initialized Capital主導のシードラウンドで480万ドルを調達したと発表しました。Y Combinator、Civilization Ventures、Founder Factorも出資に参加しています。

同社の3人の創業者は、スタンフォード大学のノーベル化学賞受賞者キャロリン・ベルトッツィ博士の研究室で共に働いた経験を持ちます。がん細胞と免疫系の相互作用を研究する中で、分子レベルの正確な分析が困難であることに課題を感じたことが起業のきっかけとなりました。

10x Scienceのプラットフォームは、化学・生物学に基づく決定的アルゴリズムと、質量分析データを解釈するAIエージェントを組み合わせています。質量分析は分子の質量と電荷を測定して構成や構造を特定する手法で、高い精度を持つ一方、データ解釈に専門知識と時間を要します。同社はこの解析を自動化し、規制対応に必要なトレーサビリティも担保しています。

化学分析受託企業Rilas Technologiesの研究者マシュー・クロフォード氏は、数週間の利用で作業の高速化を実感したと語っています。AIがファイル名から分析対象のタンパク質を推定し、配列データベースを自動検索する機能に驚いたといいます。過去に試した他のAIツールと異なり、妥当な仮定を置いて分析を進める点を評価しています。

同社は今回の調達資金でエンジニアの採用とモデルの改良を進める方針です。投資家にとっては、特定の新薬の成否に依存しないSaaS型ビジネスモデルである点が魅力となっています。創業者らは将来的に、タンパク質構造と細胞の他のデータを統合した「分子インテリジェンス」の構築を目指すと述べています。

Agentforce Vibes 2.0がコンテキスト肥大化問題に挑む

コンテキスト肥大化の実態

複雑化で文脈量が膨張
トークン増加でコスト・遅延悪化
ノイズ混入で精度が低下
VentureCrowdも導入初期に直面

Salesforceの対策と業界動向

Skills/Abilitiesで文脈を制御
サードパーティ連携を拡充
Claude CodeやCodexは自動圧縮型
取捨選択の設計が成否を分ける

AIエージェントの「コンテキスト肥大化(Context bloat)」が、企業導入における隠れた障壁として注目されています。ワークフローが複雑になるほどエージェントに渡すデータや指示が膨張し、トークン消費の増大・処理速度の低下・コスト上昇を引き起こします。オーストラリアのスタートアップ投資プラットフォームVentureCrowdは、AIコーディングエージェントでフロントエンド開発サイクルを最大90%短縮した一方、まさにこの問題に直面しました。

VentureCrowdのCPO Diego Mogollon氏は「課題はエージェント自体ではなく、周囲の環境にある。AI問題に見えて実はコンテキスト問題だ」と指摘します。エージェントは実行時にアクセスできるデータを根拠に推論するため、不適切なデータや不明確なプロセスがあると、自信を持って誤った結果を出力してしまいます。

SalesforceはAgentforce Vibes 2.0でこの課題に対応しました。新たに導入されたAbilities(目標定義)とSkills(ツール指定)により、エージェントが参照するコンテキストをSalesforceのデータモデル内に限定できます。ReActなどサードパーティフレームワークへの対応も拡充され、無料プランから利用可能です。

一方、Claude CodeやOpenAI Codexはファイル読み込みやコマンド実行で自律的にコンテキストを拡張し、肥大化時には自動圧縮で対処する設計です。いずれのアプローチもコンテキストの「制限」ではなく「管理」に重点を置いている点は共通しています。

Mogollon氏は「より多くの情報を与えることではなく、何を除外するかが重要だ」と強調します。コンテキストエンジニアリングへの投資と、自社に適した制約手法の選択が、企業のエージェント活用の成否を左右する局面に入っています。

OpenAIがInfosysと提携、Codexを企業向けに展開

提携の概要と狙い

CodexをTopaz AIに統合
ソフトウェア開発・DevOpsが対象
60カ国超の顧客基盤を活用
実験段階から大規模導入へ

業界動向と背景

インドIT大手の株価が年初来22%下落
AI関連売上は四半期約267億円
Codex Labs設立で導入支援を強化
週間400万人超のCodexユーザー

OpenAIはインドIT大手Infosysと提携し、コーディング支援ツールCodexを含むAIツール群をInfosysのTopaz AIプラットフォームに統合すると発表しました。ソフトウェア開発の近代化、ワークフローの自動化、AIシステムの大規模展開を支援する狙いで、まずはソフトウェアエンジニアリング、レガシーシステムの刷新、DevOps領域に注力します。

この提携はAI企業がグローバルITサービス事業者と組み、大企業でのAI導入を加速させるトレンドの一環です。OpenAIは以前からHCLTechと提携しており、InfosysもAnthropicと同様の契約を結んでいます。OpenAIにとってInfosysの60カ国超にわたる顧客基盤は、エンタープライズ市場への重要な販売チャネルとなります。

インドのIT業界は厳しい局面にあります。クライアント支出の鈍化と生成AIの急速な進化が重なり、Infosysの株価は年初来で22%以上下落しました。従来のアウトソーシング業務がAIに置き換えられるとの懸念や、米国・イランの地政学リスクも影響しています。一方でInfosysはAI事業を積極的に拡大しており、12月四半期のAI関連売上は約250億ルピー(約267億円)に達し、総売上の約5.5%を占めています。

OpenAIは同日、企業向けCodex導入を支援するCodex Labsの設立も発表しました。Accenture、Capgemini、Cognizant、PwC、TCSなど大手ITサービス企業が初期パートナーに名を連ねます。Codexは現在週間アクティブユーザー400万人を超えており、これらのパートナー網を通じてさらなる普及を目指します。金額など契約の詳細は公表されていません。

OpenAI、Responses APIにWebSocket対応を追加

高速化の仕組み

永続接続で会話状態を再利用
トークン再レンダリングを省略
安全性チェックを差分のみに限定

導入効果

エージェント処理が最大40%高速化
GPT-5.3で1,000TPS超を達成
Codex・Cursor・Clineが即座に採用
推論高速化の恩恵をユーザーへ直結

OpenAIは2026年4月22日、Responses APIにWebSocketモードを正式導入したと発表しました。従来のHTTPベースでは、エージェントがツール呼び出しのたびに会話履歴全体を再送信する必要があり、推論速度が向上してもAPIのオーバーヘッドがボトルネックになっていました。WebSocketによる永続接続でこの構造的課題を解消し、エージェントのエンドツーエンド処理を最大40%高速化しています。

技術的には、WebSocket接続のライフタイム内で前回のレスポンス状態をインメモリにキャッシュする設計です。後続リクエストがprevious_response_idを指定すると、サーバーはキャッシュから状態を取得し、トークンの再レンダリングやモデル解決ロジックの再実行を省略します。安全性分類器やバリデーターも差分入力のみを処理するよう最適化されました。

開発の背景には、コーディングエージェントCodex向けの高速モデルGPT-5.3-Codex-Sparkの存在があります。同モデルは専用のCerebrasハードウェア上で1,000TPS超の推論速度を実現しますが、従来のAPI構造ではCPU側の処理がGPUの速度に追いつかない状態でした。WebSocketモードの導入により、本番環境で1,000TPSの目標を達成し、バースト時には4,000TPSも記録しています。

既にVercel AI SDK、Cline、Cursorなど主要な開発ツールがWebSocketモードを統合済みです。Vercelは最大40%、Clineは39%、Cursorは最大30%のレイテンシ改善を報告しています。既存のResponses APIと同じリクエスト・レスポンス形式を維持しているため、開発者はインテグレーションを大幅に書き換えることなく移行できる点も普及を後押ししています。

OpenAIはWebSocketモードを、2025年3月のResponses APIローンチ以来最も重要な機能追加と位置づけています。モデルの推論速度が急速に向上する中、APIインフラ側の最適化がユーザー体験に直結する時代に入ったことを示す事例といえます。

NVIDIAとGoogle Cloud、AI工場基盤で協業拡大

次世代インフラ整備

Vera Rubin搭載A5Xを発表
推論コスト前世代比10分の1に
最大96万GPU規模に拡張可能
OpenAIが大規模推論で採用

エージェントAIと産業AI

Nemotron 3をAgent基盤で提供
強化学習のマネージドAPI公開
Omniverseでデジタルツイン構築
ロボット訓練からデプロイまで一貫

NVIDIAとGoogle Cloudは、Google Cloud Next 2026において、AIファクトリー向けインフラの大幅な拡充を発表しました。10年以上にわたる協業の成果として、エージェントAIとフィジカルAIの本番環境への展開を加速する新たなマイルストーンとなります。両社はチップからソフトウェアまでフルスタックで共同設計したプラットフォームを提供し、開発者やエンタープライズのAI活用を支援します。

インフラ面では、次世代Vera Rubin NVL72を搭載したA5Xベアメタルインスタンスが発表されました。前世代と比較して推論コストを10分の1、メガワットあたりのトークンスループットを10倍に改善します。単一サイトで最大8万GPU、マルチサイトでは最大96万GPUへのスケーリングが可能です。

Blackwellプラットフォームでは、A4からA4X Maxまで幅広いVMラインナップを揃えました。OpenAIがChatGPTの推論ワークロードにGB300およびGB200 NVL72システムを採用するなど、フロンティアAIラボによる実運用が進んでいます。また、機密コンピューティング対応のConfidential G4 VMも発表され、規制産業向けにプロンプトやモデルの暗号化保護を実現しました。

エージェントAI領域では、Nemotron 3 SuperがGemini Enterprise Agent Platformで利用可能になりました。NeMo RLベースのマネージド強化学習APIも導入され、クラスタ管理を自動化しながら大規模なRL訓練を実行できます。CrowdStrikeがサイバーセキュリティ向けにNeMoライブラリを活用するなど、実用事例も広がっています。

フィジカルAI分野では、OmniverseライブラリとIsaac SimがGoogle Cloud Marketplaceで提供され、デジタルツインの構築やロボットシミュレーションが可能になりました。Cosmos Reason 2などのNIM マイクロサービスをVertex AIにデプロイすることで、ロボットやビジョンAIエージェントが物理世界で推論・行動できる基盤が整います。SnapやSchrödingerなど大企業からスタートアップまで、9万人超の開発者コミュニティがこのプラットフォームを活用しています。

Google、AIエージェント向けデータ基盤を刷新

3本柱の新アーキテクチャ

Knowledge Catalogでメタデータ自動整備
クロスクラウドでIcebergテーブル照会
AWS S3へエグレス費用なしで接続
Data Agent KitがVS Code等に統合

パイプライン時代の終焉

成果記述型へ移行、コード自動生成
エンジニアはレビュー中心の役割に
Databricks・Snowflakeとも双方向連携
オープン標準Icebergで囲い込み回避

Googleは2026年4月のCloud Nextで、AIエージェントが自律的に業務を遂行する時代に対応する新データ基盤「Agentic Data Cloud」を発表しました。従来のデータスタックは人間がクエリを実行し、ダッシュボードで結果を確認する「リアクティブな分析基盤」として設計されていましたが、エージェントが24時間稼働でデータに基づく意思決定と行動を行う世界では、根本的なアーキテクチャ変革が必要だとGoogle Cloud VP兼GMのAndi Gutmans氏は語っています。

新基盤は3つの柱で構成されます。第1のKnowledge Catalogは、従来のデータカタログで必要だった手動のメタデータ管理をエージェントで自動化するものです。BigQuery、Spanner、AlloyDBなどに加え、Collibra、Atlanなどサードパーティカタログとも連携し、SAP、Salesforce、ServiceNowなどのSaaSデータもコピーなしで意味的コンテキストを取得できます。

第2の柱であるクロスクラウドレイクハウスは、オープンなApache Icebergフォーマットを採用し、Amazon S3上のIcebergテーブルをBigQueryから直接照会できるようにしました。Google Cross-Cloud Interconnect経由の専用ネットワークで接続するため、エグレス費用は発生しません。Databricks Unity CatalogやSnowflake Polarisとの双方向連携もプレビュー段階にあります。

第3の柱、Data Agent KitはVS Code、Claude Code、Gemini CLIなどに組み込めるMCPツール群です。データエンジニアはSparkパイプラインを手書きする代わりに、「モデル学習用にクリーニング済みデータセットを用意する」といった成果を記述するだけで、エージェントが最適な実行エンジンを選択しコードを生成します。

競合各社も同様のアプローチを進めています。DatabricksはUnity Catalog、SnowflakeはCortex、MicrosoftはFabricのセマンティックモデル層をそれぞれ強化しています。Googleはオープン標準による相互運用性を差別化要因と位置づけ、他社のセマンティックモデルとも連携する方針です。Gutmans氏は「手動でカタログを管理している企業は、エージェント時代のクエリ量に対応できなくなる」と警告しており、企業のデータ基盤戦略に再考を迫る内容となっています。

Gemini Embedding 2が正式版に昇格

マルチモーダル埋め込み

テキスト・画像・動画・音声に対応
複雑なパイプラインを統合可能
EC検索や動画分析で実証済み

提供と今後の展開

Gemini APIとVertex AIで利用可能
本番環境向けの安定性を確保
Google製品の基盤技術を外部開放

Googleは2026年4月22日、マルチモーダル埋め込みモデルGemini Embedding 2の一般提供(GA)を開始しました。プレビュー期間中にEC向け検索エンジンや動画分析ツールなど多数のプロトタイプが構築されており、今回の正式版ではこれらを本番環境へ移行するための安定性と最適化が施されています。

Gemini Embedding 2の最大の特徴は、テキスト・画像・動画・音声をネイティブに扱えるマルチモーダル対応です。従来はモダリティごとに個別のパイプラインを構築する必要がありましたが、単一モデルで横断的な検索・推論が可能になります。これにより、開発者は複雑なインフラ構成を大幅に簡素化できます。

提供チャネルはGemini APIとVertex AIの2系統です。個人開発者から大規模エンタープライズまで、既存のGoogle Cloudワークフローに統合しやすい設計となっています。

同モデルはGoogleの各種プロダクトを支える基盤技術であり、社内で蓄積された研究成果を外部の開発者コミュニティにも開放する位置づけです。RAGやセマンティック検索を構築する際の選択肢として、マルチモーダル対応の埋め込みモデルが正式版で利用できる意義は大きいといえます。

Google Cloud Next 2026、エージェント時代の全容を公開

エージェント企業への転換

Gemini Enterpriseの有料ユーザー40%増
エージェント管理基盤を新設
1,302件の生成AI活用事例を公開

インフラとスタートアップ支援

第8世代TPUをトレーニング・推論の2種展開
パートナー向けに7.5億ドルのAI支援予算
Lovable・Notionなど有力スタートアップが参集

Google社内のAI活用実績

社内コードの75%がAI生成
セキュリティ脅威対応を90%以上短縮

Googleは2026年4月22日、ラスベガスで開催中のGoogle Cloud Next 2026で、エージェントAIを軸とした大規模な製品・戦略発表を行いました。CEOのサンダー・ピチャイ氏は、Google Cloudの顧客の約75%がAI製品を活用しており、APIを通じたトークン処理量が毎分160億に達したと明かしました。エージェント型企業への転換が加速しています。

今回の目玉はGemini Enterprise Agent Platformの発表です。「エージェントを作れるか」から「数千のエージェントをどう管理するか」へとフェーズが移行するなか、構築・運用・ガバナンスを一元管理する基盤として位置づけられています。同プラットフォームの有料月間アクティブユーザーは前四半期比で40%増加しました。

インフラ面では、第8世代TPUとしてTPU 8t(トレーニング特化)とTPU 8i(推論特化)の2チップ構成を発表しました。TPU 8tは前世代比3倍の処理能力を実現し、TPU 8iは数百万のエージェント同時実行に必要な低遅延・高スループットを提供します。セキュリティ分野では、Wizとの統合によるAI駆動のサイバーセキュリティプラットフォームも公開されました。

スタートアップ支援にも力を入れています。Googleはパートナーのエージェント開発を加速するため7億5,000万ドルの予算を新たに確保しました。バイブコーディングのLovable(ARR4億ドル規模)、Notion(評価額約110億ドル)、AI搭載プレゼンツールのGammaなど有力スタートアップがGoogle Cloud上での展開を拡大しています。

Google社内でもAI活用が進んでおり、新規コードの75%がAI生成・エンジニア承認となりました。セキュリティ運用では月間数万件の脅威レポートをエージェントが自動処理し、対応時間を90%以上削減しています。エージェント時代のクラウド基盤として、Google Cloudが攻勢を強めている構図が鮮明になりました。

AIモデル5種のソーシャルエンジニアリング能力を検証

AIが生成する巧妙な詐欺

DeepSeek-V3が標的に合わせた攻撃文を自動生成
個人の関心事を織り込んだ自然な誘導
複数回のやり取りで信頼を構築
攻撃の全工程を自動化可能

防御と対策の現在地

攻撃の巧妙さより規模拡大が本質的脅威
企業攻撃の9割は人的リスクが起点
オープンソースモデルが防御側にも不可欠
AI監視ツールで詐欺メッセージを検知

Charlemagne Labsが開発したツールを用いて、5種類のAIモデルによるソーシャルエンジニアリング攻撃の能力が検証されました。テストではAIが攻撃者と標的の両方の役割を演じ、数百から数千回のシミュレーションを実行します。記者自身を標的にした実験では、DeepSeek-V3が記者の関心分野を巧みに織り込んだフィッシングメッセージを生成し、複数回のメールのやり取りを通じて不正リンクへの誘導を試みました。

テストに使われたのはAnthropic Claude 3 Haiku、OpenAI GPT-4o、Nvidia Nemotron、DeepSeek-V3、Alibaba Qwenの5モデルです。すべてのモデルがソーシャルエンジニアリング手法を考案しましたが、説得力にはばらつきがありました。一部のモデルは途中で混乱して不自然な出力を返したり、倫理的な制約から攻撃の続行を拒否する場面もありました。

SocialProof社CEOのRachel Tobac氏は、AIが攻撃の巧妙さを飛躍的に高めたわけではないものの、一人の攻撃者が大規模に攻撃を展開できる点が脅威だと指摘します。音声クローンやディープフェイク動画を使った詐欺事例もすでに報告されており、攻撃パイプライン全体の自動化が進んでいます。

Charlemagne Labsの共同創業者Jeremy Philip Galen氏は、現代の企業攻撃の90%が人的リスクに起因すると述べています。同社はMetaの最新モデルMuse Sparkの能力評価にも協力しました。一方で共同創業者のRichard Whaling氏は、防御側のAIモデル訓練にオープンソースモデルが不可欠であり、健全なオープンソースコミュニティの維持が防御の鍵になると強調しています。

Anthropic、Claude CodeをPro版から試験的に除外

料金プラン変更の経緯

新規Pro加入者の約2%が対象
Claude Codeへのアクセスを制限
既存のPro契約者には影響なし

背景と撤回

Max発売後の利用形態が大幅に変化
長時間エージェントの普及が負荷増大
公式ページの記載変更が混乱を招く
批判を受けPro版での提供を再び明記

Anthropicが、月額20ドルのPro版サブスクリプションから開発者向けツール「Claude Code」を除外するテストを実施していたことが明らかになりました。同社の料金ページが更新され、Pro版でClaude Codeが利用不可と表示されたことで、ユーザーの間に動揺が広がりました。

この変更はRedditやXで発見され、開発者コミュニティで急速に話題となりました。新規にPro版を契約したユーザーはClaude Codeにアクセスできなくなった一方、既存の契約者には影響がなく、月額100ドル以上のMax版では引き続き利用可能でした。

Anthropicの成長部門責任者であるAmol Avasare氏は、これが「新規ユーザーの約2%」を対象とした小規模テストだったと説明しています。約1年前にMax版を発売した当時はClaude Codeが含まれておらず、長時間稼働するエージェントやCoworkも存在しませんでした。しかしその後、利用形態が根本的に変化し、契約者あたりの使用量が急増したため、料金体系の見直しを検討していたとのことです。

一方で、わずか2%のテストにもかかわらず公式ページの表記を全面的に変更した点について、ユーザーからは混乱を招く対応だと批判の声が上がりました。Anthropicはその後、料金ページを再度更新し、Pro版にClaude Codeが含まれることを改めて明記しています。今回の件は、急成長するAIサービスの料金設計がいかに難しいかを示す一幕となりました。

Anthropic、8.1万人調査でAI職業不安の実態を公開

調査の概要と狙い

8.1万人のClaude利用者を調査
月次サーベイを新たに開始
労働市場の定量データを補完
利用者の定性的な声を収集

雇用不安と生産性の実態

AI露出度が高い職種ほど不安増
若手ほど職業脅威を強く認識
生産性向上の最大要因は業務範囲拡大
高速化を実感する層ほど不安も増大

Anthropicは2026年4月22日、Claudeユーザー8万1,000人を対象に実施した大規模調査の結果と、新たな月次サーベイ「Anthropic Economic Index Survey」の開始を同時に発表しました。従来の雇用統計やAI利用率といった定量データだけでは捉えきれない、働く人々のリアルな声を定期的に収集し、AI時代の経済変化を先行的に把握する狙いがあります。

調査では回答者の約5分の1がAIによる職業の代替に懸念を示しました。特に、Claudeが多くのタスクを担っている職種に就く人ほど脅威を強く感じる傾向が確認されています。ソフトウェアエンジニアは小学校教員より不安が大きく、AI露出度の上位25%は下位25%の3倍の頻度で懸念を表明しました。キャリア初期の若手層もシニア層に比べて不安が顕著です。

一方で、生産性への影響は総じてポジティブでした。平均評価は7段階中5.1の「大幅に生産性向上」に達し、最大の恩恵は業務範囲の拡大(48%)と作業速度の向上(40%)です。高所得の専門職だけでなく、配達ドライバーがECサイトを立ち上げるなど低所得層でも活用が進んでいます。

興味深いことに、AIによる作業高速化を最も強く実感している層が、同時に最も強い雇用不安を抱えているというU字型の関係が明らかになりました。タスク処理時間の短縮が自分の役割の将来的な存続への懸念につながるという構造です。生産性の恩恵は主に労働者本人に帰属すると回答された一方、若手では自己への還元を感じる割合が60%にとどまり、シニアの80%との差が開いています。

新設の月次サーベイでは、2週間以上のアカウント歴を持つClaude個人ユーザーからランダムに招待し、AI Interviewerを通じて業務変化や将来予測を聞き取ります。Anthropicはこのデータをプライバシー保護技術と組み合わせ、労働市場の変化を集計統計に現れる前に検知する「早期警戒システム」として活用する方針です。

北朝鮮ハッカーがAIで暗号資産1200万ドル窃取

AIによる攻撃手法

ChatGPTやCursorでマルウェア作成
偽企業サイトをAIデザインツールで構築
開発者向け偽求人で2000台以上に感染
未熟な人員でも高度な攻撃が可能に

北朝鮮のAI活用拡大

AI専門の研究センター227を設立
IT労働者の偽装就職にディープフェイク活用
31人規模の攻撃チームを運用
核開発・制裁回避の資金源として機能

サイバーセキュリティ企業Expelは、北朝鮮の国家支援ハッカー集団「HexagonalRodent」がAIツールを駆使して暗号資産約1200万ドルを窃取した攻撃活動を公表しました。攻撃者はOpenAIのChatGPT、Cursor、Animaなど米国企業のAIツールを使い、マルウェアの作成から偽企業サイトの構築まで、攻撃のほぼ全工程をいわゆる「バイブコーディング」で実行していました。

攻撃の手口は、暗号資産関連の開発者に偽の求人を送り、採用テストと称してマルウェア入りのコード課題をダウンロードさせるものです。これにより2000台以上のPCに認証情報窃取マルウェアが仕込まれ、暗号ウォレットの鍵が盗まれました。攻撃者は自らのインフラのセキュリティが甘く、AIへのプロンプトや被害者のウォレット追跡データベースが露出していました。

WannaCryの無力化で知られるセキュリティ研究者Marcus Hutchins氏は、マルウェアのコードに英語の詳細なコメントや絵文字が多用されている点をAI生成の証拠として指摘しています。コード自体は一般的なセキュリティツールで検知可能な水準でしたが、個人開発者を標的にすることで防御の隙をついていました。

北朝鮮は軍の偵察総局傘下にAI特化のハッキングツール開発組織「研究センター227」を設立し、国家ぐるみでAI活用を推進しています。IT労働者の偽装就職ではディープフェイクによる面接対応、AIによる履歴書作成や技術質問への回答生成が確認されています。OpenAIやAnthropicも自社プラットフォーム上で北朝鮮による悪用を検知し、アカウントを停止しています。

Hutchins氏は、AIが北朝鮮にとって「力の増幅装置」として機能していると警告します。未熟なオペレーターにAIモデルへのアクセスを与えるだけで攻撃が可能になるため、攻撃チームは自動化で人員を減らすのではなく、むしろ31人規模まで拡大しています。同氏は、将来の仮想的なAI脅威よりも、今まさに起きているAIを悪用した実際の攻撃活動にセキュリティ業界は注力すべきだと訴えています。

Von、複数AIモデル自動選択で営業分析を革新

技術と仕組み

企業データからコンテキストグラフ構築
Claude・GPT・Geminiを用途別に自動選択
CRMと通話記録の矛盾を自動検出

事業展開と評価

8週間で売上50万ドル突破
Sequoia等の大手VCが出資
週1万件超の営業タスク処理
人員追加に代わる存在と評価

Salesforce連携ツールRattleの開発元が、営業組織向けAIプラットフォームVonを発表しました。Vonは企業のCRM、通話録音、メール、社内文書を取り込んで独自の「コンテキストグラフ」を構築し、営業データを横断的に分析します。CEOのSahil Aggarwal氏は「AIは開発者のワークフローを変革したが、営業担当者には同等の変革がなかった」と開発動機を語っています。

技術面の特徴は複数AIモデルの自動使い分けです。高度な推論にはAnthropicのClaude、大量データ処理にはChatGPT、レポートやプレゼン生成にはGoogleのGeminiを配置します。これにより、性能とコストの最適化を図っています。通話記録とCRMの記載を照合し、失注理由の食い違いや案件リスクを自動で検出する機能も備えています。

デモでは101件のSMBアカウントの解約リスク分析を約3分で完了しました。人間のアナリストなら1〜2週間かかる作業です。プリコールの文脈資料作成、勝敗分析、Salesforce管理業務の自動化など、RevOps全般をカバーします。

事業面では、ローンチから8週間で売上50万ドルを超え、初年度1,000万ドルの見通しを示しています。Sequoia Capital、Lightspeed、Insight Partners、GV(Google Ventures)が出資しています。料金体系はCRO向け月額1,000ドルから個人営業向け月額20ドルまでのハイブリッド課金モデルを採用しています。

初期ユーザーからは「フルタイムのアナリスト1人分の仕事をこなす」「汎用AIと違い実用的」との声が上がっています。Aggarwal氏は「ポイントソリューションの時代は終わった」と述べ、Vonを「次のSalesforce」と位置づけています。案件結果の予測精度95%を維持できれば、営業担当者の役割は関係構築へとシフトすると同社は見込んでいます。

OpenAI、Codex Labs設立で企業導入を加速

急拡大する利用実績

週間利用者が4百万人突破
Virgin AtlanticやCiscoなど大手が採用
コーディング以外の業務にも用途拡大

企業展開の新体制

Codex Labs設立で導入支援を本格化
Accentureら大手SIer7社と提携
パイロットから本番運用への移行を支援

OpenAIは2026年4月21日、コーディングエージェント「Codex」の企業導入を加速するため、新プログラム「Codex Labs」を立ち上げたと発表しました。あわせて大手グローバルシステムインテグレーター(GSI)7社との提携も公表し、世界中の企業へのCodex展開を本格化します。

Codexの週間利用者数は4月初旬の300万人から、わずか2週間で400万人超に急増しています。個人開発者だけでなく、Virgin Atlanticはテストカバレッジ向上と技術的負債の削減に、Rampはコードレビューの高速化に、Ciscoは大規模リポジトリの横断的な分析にCodexを活用しています。さらにNotionは新機能開発、Rakutenはインシデント対応にも導入しています。

Codex Labsは、OpenAIの専門家が企業に直接入り込み、ハンズオンワークショップや実務セッションを通じてCodexの導入を支援するプログラムです。どの業務にCodexが適合するかの特定から、既存ワークフローへの統合、反復的な運用体制の構築までをカバーします。

提携先のGSIにはAccenture、Capgemini、CGI、Cognizant、Infosys、PwC、TCSの7社が名を連ねています。各社はCodexの高価値なユースケースの特定とデプロイを支援し、パイロットから本番環境への移行を後押しします。GSI各社自身もCodexを社内で活用し、顧客への展開ノウハウを蓄積しています。

Codexの用途はコーディングにとどまらず、ブラウザ操作やドキュメント作成、複数ツール横断の情報整理といったナレッジワーク領域にも広がっています。OpenAIはエンジニアリング部門だけでなく、あらゆる部門の生産性向上を見据えた企業全体での活用を推進する方針です。

MozillaがMythosでFirefoxの脆弱性271件を発見

Mythosの脆弱性発見力

Firefox 150で271件検出
従来モデルOpus 4.6は22件のみ
ソースコード解析でゼロデイ特定

ソフトウェア業界への波及

全ソフトウェアに脆弱性洗い出しが必要
オープンソース保守者の負担増大
大企業は数千人規模で対応開始

業界の評価と対立

Altman氏が「恐怖マーケティング」と批判
Anthropicは限定公開で慎重姿勢

Mozillaは2026年4月21日、Anthropicのサイバーセキュリティ特化AIモデル「Mythos Preview」を活用し、今週リリースのFirefox 150に潜む271件のゼロデイ脆弱性を事前に発見・修正したと発表しました。FirefoxのCTOであるBobby Holley氏は「防御側がついに決定的に勝てる可能性が出てきた」と述べています。

この成果は従来のAIモデルと比較して際立っています。先月、AnthropicのOpus 4.6がFirefox 148を解析した際に見つけたセキュリティ関連バグはわずか22件でした。Mythosはソースコードを直接解析することで、従来は「エリートセキュリティ研究者」が数カ月かけて見つけていたような脆弱性を自動的に検出できます。Holley氏は、すべてのソフトウェアがこの「移行期」を経なければならないと指摘しています。

一方で、オープンソースプロジェクトへの影響が懸念されています。大企業は数千人のエンジニアを投入して対応できますが、ボランティアが維持する小規模プロジェクトにはリソースが不足しています。MozillaのCTO Raffi Krikorian氏は「最も価値あるソフトウェアインフラは無償で働く人々が維持しているが、その上で利益を得る企業は保守費用を負担してこなかった」と経済構造の問題を指摘しました。

こうした動きに対し、OpenAIのSam Altman CEOはAnthropicの手法を「恐怖に基づくマーケティング」と批判しました。「爆弾を作った、頭の上に落とす、1億ドルでシェルターを売る」と揶揄し、AIを少数のエリートだけに留めようとする動きだと主張しています。ただし、AI業界全体が誇大な脅威論を利用してきた側面もあり、Altman氏自身も過去にAIのリスクを強調してきた経緯があります。

Kimi K2.6が数日間稼働するAIエージェントを実現

長時間エージェントの実力

最長5日間の自律稼働を実証
300サブエージェント・4000ステップ同時実行
SySYコンパイラを10時間で構築
8年物のOSSコードを13時間で刷新

オーケストレーションの課題

既存フレームワークは短時間前提の設計
状態管理とロールバックが未整備
ガバナンスが導入速度に追いつかず
エージェント専用インフラの概念が未成熟

中国のAIスタートアップMoonshot AIは2026年4月、新モデルKimi K2.6を発表しました。同モデルは長時間にわたり自律的に稼働するAIエージェントを想定して設計されており、社内テストでは最長5日間の連続実行に成功しています。モデルはHugging Face、API、Kimi Codeなどを通じて公開されました。

Kimi K2.6の特徴は、独自の「Agent Swarms」アーキテクチャにあります。最大300のサブエージェントが4000ステップを同時に処理でき、事前定義された役割ではなくモデル自身がオーケストレーションを判断します。AnthropicのClaude CodeやOpenAIのCodexも長時間エージェントを模索していますが、K2.6はより動的な制御を目指しています。

実証実験では、SySYコンパイラを10時間で一から構築し、140件の機能テストをすべて通過しました。Moonshot AIはこれを「エンジニア4人が2カ月かかる作業に相当する」と説明しています。また、8年間運用されたオープンソースの金融マッチングエンジンの改修では、13時間で12の最適化戦略を試行し、1000回以上のツール呼び出しで4000行超のコードを修正しました。

一方、長時間稼働するエージェントは既存のオーケストレーション基盤の限界を露呈させています。大半のフレームワークは数秒から数分の実行を前提に設計されており、環境変化に応じた状態管理や障害時のロールバックが十分に整備されていません。専門家は「エージェントランタイム」「エージェントゲートウェイ」「エージェントメッシュ」といった新たなインフラ概念の必要性を指摘しています。

セキュリティ企業ArmorCodeのMark Lambert氏は、AIエージェントがコードやシステム変更を生成する速度が組織のレビュー能力を超えつつあると警告しています。F5のKunal Anand氏も、エージェントが「永続的インフラ」として機能する時代に入ったと述べ、APIゲートウェイのパターン自体が目標やワークフローを理解する形へ進化する必要があると指摘しました。

Google、調査AI Deep Research Maxを公開

2段階構成と主要機能

速度重視と品質重視の2種類を提供
Gemini 3.1 Pro基盤で推論性能が大幅向上
MCP対応で社内データとWeb検索を統合
レポート内にチャートを自動生成

企業向け展開と競合状況

FactSet・S&P;・PitchBookと連携推進
金融・創薬・市場調査での活用を想定
DeepSearchQAで93.3%を達成
OpenAIやPerplexityと競争激化

Googleは2026年4月21日、自律型調査エージェントDeep ResearchとDeep Research Maxの2種類を、Gemini APIの有料枠でパブリックプレビューとして公開しました。両エージェントはGemini 3.1 Proを基盤とし、単一のAPI呼び出しでウェブと企業内データを横断した調査レポートを自動生成します。速度重視のDeep Researchと、拡張推論で網羅性を高めたMaxという二段構成です。

最大の特徴はModel Context Protocol(MCP)への対応です。これにより、開発者は社内データベースや金融データ端末などの独自データソースをDeep Researchに接続し、公開情報と非公開情報を組み合わせた分析が可能になります。Googleはすでに金融データ大手のFactSet、S&P; Global、PitchBookとMCPサーバー設計で協業しています。

もう一つの注目点は、レポート内へのチャートやインフォグラフィックのネイティブ生成機能です。従来はテキストのみの出力でしたが、HTMLやNano Banana形式で高品質な図表を直接埋め込めるようになりました。さらに、調査計画の事前レビュー機能やリアルタイムストリーミングも追加されています。

性能面では、Deep Research MaxがDeepSearchQAベンチマークで93.3%(2025年12月時点の66.1%から大幅向上)、Humanity's Last Examで54.6%を達成しました。GoogleはこのエージェントをGeminiアプリ、NotebookLM、Google検索、Google Financeと同一基盤で動作する開発者向けプラットフォームとして位置づけています。

一方で、新エージェントはAPI経由でのみ利用可能で、Geminiアプリの一般消費者には未提供という点に批判も出ています。Google Cloudでのエンタープライズ向け提供は近日中に開始予定です。

GoogleがDESIGN.md仕様をオープンソース化

仕様の概要と狙い

デザインルールの共通言語を標準化
AIがブランド意図を正確に理解可能に
WCAGアクセシビリティ検証にも対応

実用面と展開

Stitch間のプロジェクト移行が容易に
単一ツールに限らずクロスプラットフォーム対応
GitHubでコミュニティ貢献を受付中

Google Labsは2026年4月21日、AIデザインツールStitchで使われるDESIGN.mdフォーマットのドラフト仕様をオープンソースとして公開しました。DESIGN.mdはデザインシステムのルールや意図を構造化して記述するファイル形式で、プロジェクト間でのエクスポートやインポートを可能にします。

この仕様の最大の特徴は、特定のツールやプラットフォームに依存しない点です。AIエージェントがデザインの意図を推測するのではなく、色の用途やコンポーネントの役割を明示的に理解できるようになります。さらに、WCAGアクセシビリティ基準に照らした自動検証も可能です。

開発者やデザイナーは、Stitchで自分のDESIGN.mdファイルを生成できるほか、GitHubリポジトリを通じて仕様策定への貢献が可能です。Google LabsのDavid East氏が解説動画も公開しており、具体的な活用方法を確認できます。

AI駆動のUI生成が普及する中、デザインルールの標準フォーマットが存在しないことは大きな課題でした。DESIGN.mdはこのデザインとAIの橋渡しとなる共通規格を目指しています。

Apple新CEO テルナス氏、AI戦略立て直しが最大の課題に

テルナス氏が継ぐ経営課題

9月1日付でCEO交代
ハードウェア畑出身の25年選手
独禁法訴訟や中国リスクも継承

AI分野での出遅れ

Siri刷新が繰り返し延期
GoogleやOpenAIの外部モデルに依存
AI責任者の相次ぐ退任

サービス事業と次の一手

サービス売上が年間1090億ドル超
Apple Silicon移行の実行力に期待

Appleは2026年4月20日、ティム・クック氏が9月1日付でCEOを退任し、エグゼクティブ・チェアマンに就任すると発表しました。後任には、ハードウェアエンジニアリング担当上級副社長のジョン・テルナス氏が就きます。テルナス氏は入社25年のベテランで、iPad全モデルやiPhone、AirPodsなどの開発を統括してきた人物です。

テルナス氏が直面する最大の課題はAI戦略の立て直しです。Appleは2024年に「Apple Intelligence」を発表しましたが、AI強化版Siriの提供は繰り返し延期されています。AI責任者のジョン・ジャナンドレア氏は退任し、ソフトウェア責任者のクレイグ・フェデリギ氏がSiri開発を引き継いだとされます。現状ではGoogleのGeminiやOpenAIのChatGPTなど外部モデルへの依存が続いており、自社のAI能力をどう高めるかが問われています。

一方、クック時代に大きく成長したサービス事業もテルナス氏の重要な資産です。2025年度のサービス売上は1090億ドルを超え、Mac・iPad・Apple Watchなどの合計を上回る規模に達しました。この収益基盤の上にAIをどう組み込むかが、次の成長の鍵となります。

テルナス氏にとって追い風となるのは、IntelからApple SiliconへのMac移行を成功させた実績です。著名アナリストのミンチー・クオ氏は、この移行を「脳の移植手術」と表現し、高い実行力と部門横断的な調整力を評価しています。ただし、独禁法訴訟やインドでの380億ドル規模の制裁金リスク、中国市場への依存など、クック氏から引き継ぐ経営リスクも山積しています。AIエージェントがApp Storeの収益モデル自体を脅かす可能性も指摘されており、テルナス氏の舵取りに注目が集まっています。

Hyattが全従業員にChatGPT Enterprise導入

導入の概要と狙い

全社的にChatGPT Enterprise展開
GPT 5.4やCodexを利用可能
手作業削減で接客時間を確保
OpenAIと連携し研修も実施

活用される部門と効果

財務の決算・分析業務を加速
マーケティングのコンテンツ制作効率化
開発チームの生産性向上
顧客体験のパーソナライズ強化

Hyatt Hotelsは、OpenAIのChatGPT Enterpriseを全世界の本社およびホテル従業員に展開したことを発表しました。従業員はGPT 5.4やCodexなど最先端のAI機能にアクセスでき、手作業の削減により顧客対応に集中できる環境を整備します。

今回の導入は、財務、マーケティング、事業開発、プロダクト・エンジニアリング、カスタマーエクスペリエンスなど多岐にわたる部門を対象としています。財務部門では月次・四半期決算の迅速化や財務分析の精度向上が期待され、マーケティング部門ではコンテンツ制作の大規模化とブランド一貫性の強化に活用されます。

導入にあたりHyattはOpenAIと緊密に連携し、ライブ研修やオンボーディングセッションを実施しています。従業員が日常業務にAIをスムーズに統合できるよう支援体制を整えており、ChatGPTアプリとの連携など新たなAI体験の構築も進めています。

Hyattの取り組みは、Accenture、Walmart、Morgan Stanleyなど大手企業によるOpenAI採用の流れに続くものです。OpenAIのビジネス顧客は全世界で100万社を超えており、ホスピタリティ業界におけるAI活用の拡大を象徴する事例といえます。

Google AI有料会員にAI Studio利用枠を拡大

サブスク特典の拡充

Pro・Ultra会員の利用上限引き上げ
Nano Banana ProとGemini Proモデル追加
無料枠超過後の低コスト開発環境として機能
アイデアから動作アプリまで数分で構築可能

開発者への影響

従量課金APIへの移行もAI Studio内で完結
プロトタイピング用途に最適化
本番環境はAPI課金が推奨
全対象会員に即日提供開始

Googleは2026年4月20日、Google AI ProおよびUltraのサブスクリプション会員に対し、Google AI Studioでの利用上限を引き上げると発表しました。あわせてNano Banana ProとGemini Proモデルへのアクセスも追加され、開発者がより多様なモデルを活用できるようになります。

今回のアップデートにより、会員はアイデアの着想から動作するアプリケーションの構築まで、数分で完了できる環境が整います。予測可能なコストのもとで開発を進められる点が特徴です。

無料枠を使い切った開発者にとっては、Google AIの有料プランがセットアップ不要の課金ブリッジとして機能します。プロトタイピングや実験的な開発を低コストで深く進めたいユーザーに適した選択肢となります。

本番規模のサービス提供には従来通り従量課金のAPIキーが推奨されますが、AI Studio内からAPIセットアップへの移行もスムーズに行える設計です。今回の特典は全Pro・Ultra会員に即日提供が開始されています。

AIで回路設計のSchematikが460万ドル調達

Schematikの仕組み

自然言語で電子機器を設計
部品リストと購入先を自動提案
組み立て手順もAIが案内

Anthropicの動き

Bluetooth APIを公開
Claudeと連携するデバイス開発を支援
メイカー発の作品に触発か

ハードウェアへのAI波及

ソフトに比べ10年遅れの領域
iFixit CEOも方向性を支持

アムステルダム在住のSamuel Beek氏が開発した「Schematik」は、ソフトウェア開発ツールCursorのハードウェア版を目指すAIサービスです。作りたいデバイスを自然言語で伝えると、必要な部品リストと購入先リンク、組み立て手順までをAIが一括で提示します。2026年2月にXで公開すると大きな反響を呼び、Lightspeed Venture Partnersから460万ドルの資金調達に成功しました。

Beek氏自身はハードウェアの専門家ではなく、ChatGPTの指示で電動ドアオープナーを自作した際に家中のヒューズを飛ばした経験が開発の原点です。この失敗から「物理法則を正しく理解するAI」の必要性を痛感し、AnthropicのClaudeをベースにSchematikを構築しました。現在は3〜5ボルトの低電圧設計に限定し、安全性を最優先にしています。

注目すべきはAnthropic側の動きです。同社エンジニアのFelix Rieseberg氏は、ハードウェアデバイスがClaudeと連携できるBluetooth APIを発表しました。併せて公開されたサンプルデバイスは、Schematikユーザーが制作したClaude管理用ペットロボット「Clawy」と酷似しており、メイカーコミュニティとAnthropicの接近が鮮明です。

iFixitのCEO、Kyle Wiens氏もSchematikの方向性を支持しています。電子設計では膨大なSKUの中から互換性のある部品を選定する複雑さがあり、「この規模の問題はまさにAIが得意とする領域だ」と指摘します。ソフトウェア分野がこの5年で劇的に効率化した一方、ハードウェア設計は10〜20年間ほぼ変わっておらず、Beek氏はAI活用でハードウェア開発の民主化を目指すとしています。

小型モデルの過学習が推論コスト最適化の鍵、新スケーリング則が示す

T2スケーリング則の核心

訓練と推論の計算資源を統合最適化
モデルサイズ・学習量・推論回数を一つの式で定式化
Chinchilla則の常識を覆す結果

開発者への実践的示唆

小型モデルの大量データ学習が最適解
推論時の繰り返しサンプリングが低コストに
KVキャッシュで効率的な実装が可能

限界と今後の展望

極端な過学習でデータ枯渇の懸念
コード・推論タスク向け、チャット用途には不向き

ウィスコンシン大学マディソン校とスタンフォード大学の研究チームが、AIモデルの訓練コストと推論コストを統合的に最適化する新たなフレームワーク「Train-to-Test(T2)スケーリング則」を発表しました。従来のスケーリング則は訓練時と推論時で別々に策定されており、エンドツーエンドの計算資源配分を最適化する手法が存在しませんでした。

T2スケーリング則は、モデルのパラメータ数(N)、学習データ量(D)、推論時のサンプリング回数(k)の3変数を単一の数式で扱います。従来の業界標準であるChinchilla則はパラメータ1つあたり約20トークンの学習データを推奨していますが、T2の分析結果は、固定予算下では大幅に小さいモデルをChinchilla則の推奨量をはるかに超えるデータで過学習させ、浮いた計算資源を推論時の複数サンプリングに回すことが最適であることを示しています。

研究チームは500万から9億パラメータまで100以上のモデルで検証を実施しました。過学習された小型モデルは、8つの評価タスクすべてでChinchilla最適サイズのモデルを上回る性能を達成しています。共著者のNicholas Roberts氏は、コーディングなど推論集約型タスクで特に効果が高いと説明しています。実装面ではKVキャッシュなど既存の技術で効率化が可能で、特別な基盤は不要です。

ただし極端な過学習はファインチューニングの困難さや高品質データの枯渇リスクを伴います。またチャットモデルのような知識重視のアプリケーションでは効果が限定的です。研究チームはチェックポイントとコードの公開を予定しており、Roberts氏は「巨額の計算予算がなくても最先端の推論性能を達成できる。必要なのは良質なデータと訓練・推論予算の賢い配分だ」と述べています。エージェント型AIアプリケーションのスケール時にフロンティアモデルのコストが障壁となる現状において、この研究は重要な指針を提供します。

AIコーディングの「トークンマキシング」が生産性を幻想にしている

膨らむコード、残らない成果

コード受入率80〜90%も実質は10〜30%
AI利用者のコード離脱率が非利用者の9.4倍
高AI導入企業でコード離脱率が861%増加

トークン消費量は成果を測れない

トークン予算の多寡が開発者の勲章に
10倍のコストで2倍のスループットにとどまる
ジュニア開発者ほどAI生成コードを受け入れ修正も多い

計測と適応の新市場が急成長

Atlassianが分析企業DXを10億ドルで買収
WaydevやGitClearがAIコード品質の可視化に注力

シリコンバレーの開発現場で「トークンマキシング」と呼ばれる現象が広がっています。AIコーディングツールに投入するトークン予算の大きさを誇示する風潮ですが、複数の調査が、生成されたコードの大半が短期間で書き直されている実態を明らかにしました。プロセスの入力量を成果と混同する危うさが、業界全体で問題視され始めています。

開発者分析企業Waydevのデータによると、AIが生成したコードの受入率は表面上80〜90%ですが、その後の修正を考慮した実質的な定着率は10〜30%に低下します。GitClearの調査ではAI常用者のコード離脱率が非利用者の9.4倍に達し、Faros AIの2年間のデータでは高AI導入環境でコード離脱率が861%増加しました。つまり、大量のコードが書かれる一方で、定着しないコードも急増しています。

Jellyfishが2026年第1四半期に7,548人のエンジニアを分析した結果、トークン予算が最大のグループはプルリクエスト数こそ最多でしたが、10倍のトークンコストに対してスループットは2倍にとどまりました。特にジュニアエンジニアはAI生成コードをそのまま受け入れる傾向が強く、結果としてより多くの手戻りが発生しています。

こうした課題を受け、AIコーディングの投資対効果を可視化する開発者生産性分析市場が急拡大しています。Atlassianは2025年にDXを10億ドルで買収し、WaydevもAIエージェントが生成するメタデータを追跡する新ツールを投入しました。業界関係者は「AIコーディングは不可逆の流れ」と認めつつも、トークン消費量ではなくコード品質と定着率こそが正しい指標だと指摘しています。

AI不可避論に疑問、普及と反発の溝が拡大

揺れるAIへの世論

Stanford調査でAI性能向上も利用意欲は低下
Z世代の半数がAI利用も満足度は悪化傾向
Altman襲撃事件で推進派と懐疑派の分断が表面化

過熱するAIバブル

靴メーカーAllbirdsがAI企業転身を宣言
株価が一時7倍に急騰する異常事態
「AI不可避」の言説自体がピークの兆候か

問われる技術と社会の距離

AI推進の圧力と拒絶感の併存が常態化
利用者すらAI依存への不満を表明

The Vergeのポッドキャスト番組Vergecastが、「AIは不可避」という言説の危うさを検証しました。靴メーカーのAllbirdsがAI企業への転身を発表し株価が一時600%以上急騰した事例を、AIバブルの象徴として取り上げています。番組では、こうした現象が「AIのピーク」を示唆しているのではないかと問いかけました。

スタンフォード大学の2026年AI指標レポートによると、AI技術の性能は多くの分野で向上を続けている一方、AIに関わりたくないと考える人が増加しています。ニューヨーク・タイムズが報じたGallup調査では、Z世代の半数がAIを利用しているものの、その感情は悪化傾向にあり、AIを使わざるを得ない状況に不満を抱く利用者の存在が浮き彫りになりました。

番組ではSam Altmanへの襲撃事件にも言及し、「AIは来るのだから乗り遅れるな」と主張する推進派と、「関わりたくない」と距離を置く懐疑派の間の溝が、かつてなく深まっていると指摘しました。この分断は技術の問題にとどまらず、社会的・感情的な対立の様相を呈しています。

AI技術の進歩とそれに対する社会の受容が乖離する現象は、テクノロジー業界にとって見過ごせない課題です。性能が上がれば自然に普及するという前提が揺らぐ中、企業や開発者は技術の押し付けではなく、利用者の選択権を尊重するアプローチを再考する必要があります。

AI詩を印刷する「Poetry Camera」の魅力と限界

製品の仕組みと特徴

撮影した風景からAIが詩を自動生成
感熱紙に約30秒で印刷
QR読取でWi-Fi接続、画面なし設計
第2世代は349ドルに値下げ

レビューの評価

プロンプト改変で用途拡張は可能
AI生成の詩に人間性が欠如
接続不安定やエラー頻発が課題
ChatGPT登場初期の新鮮味は薄れた

元Twitterデザイナーと元Googleエンジニアが共同開発したPoetry Cameraは、撮影した場面をもとにAIが詩を生成し、感熱紙に印刷するガジェットです。2026年4月、The Vergeのレビュアーが第2世代モデルを実機テストし、ハードウェアとしての魅力とAI生成コンテンツの限界を率直に報告しました。

本体は白と赤のツートンカラーで画面を持たず、シャッターボタンとスタイル切替ダイヤルだけのシンプルな設計です。Wi-Fi接続にはWebアプリで生成したQRコードを読み取る方式を採用しており、モバイルアプリ不要で動作します。第1世代は699ドルでしたが、MIT滞在中に深圳の工場で量産した第2世代は349ドルに引き下げられました。

ユーザーは専用ポータルからプロンプトをカスタマイズでき、レビュアーは映画「ジュラシック・パーク」の引用モードや天気予報モードを自作しました。一方で、スリープ復帰後の再接続の不安定さやiPhoneテザリング非対応、エラーメッセージが詩の体裁で原因特定が困難になる点が実用上の課題として挙げられています。

レビュアーはAIが生成する詩について「表面的には深遠に聞こえるが、魂が感じられない」と評価しました。ChatGPTが登場した当初はLLMの文章生成そのものが目新しかったものの、現在はその新鮮さが薄れ、詩という芸術形式の価値は作り手の人間性に直結するという結論に至っています。第3世代は2026年5月に販売予定です。

GitHubがステータスページを刷新、障害分類を3段階に

3段階の障害分類を導入

Degraded Performanceを新設
Partial OutageとMajor Outageに加え3段階化
軽微な障害の過大報告を解消
サービス稼働率を90日分公開

Copilotの障害報告を分離

AIモデルプロバイダー専用コンポーネント追加
モデル単体障害をCopilot全体と区別
代替モデル選択で影響を最小化

GitHubは2026年4月17日、開発者向けステータスページの大幅な改善を発表しました。数百万の開発者が利用するプラットフォームとして、障害発生時のコミュニケーション精度を高めることが目的です。今回の変更は「透明性・正確性・迅速性」を指針として、3つの改善が導入されます。

最大の変更点は、インシデントの重大度分類にDegraded Performance(性能低下)という新しい状態を追加したことです。これまでは軽微なサービス低下でもPartial Outage(部分停止)と分類されていたため、実際の影響よりも深刻に見える問題がありました。新しい3段階分類により、レイテンシ上昇や一部リクエストへの断続的エラーといった軽度の問題を正確に伝えられるようになります。

また、各サービスごとの過去90日間の稼働率がステータスページ上で公開されます。稼働率の算出にはインシデントの件数・重大度・期間が反映され、Major Outageは全時間、Partial Outageは30%の重み付け、Degraded Performanceは稼働率に影響しない設計です。

さらに、Copilot AIモデルプロバイダーを独立したコンポーネントとして新設しました。従来は特定のAIモデルに障害が発生した場合でもCopilot全体の障害として報告されていましたが、今後はモデル単位での報告に切り替わります。Copilot ChatやCopilotクラウドエージェントでは複数モデルに対応しているため、1つのモデルが使えなくても代替モデルへの切り替えで業務を継続できます。

GitHub Copilot CLIで絵文字変換ツールを構築

ツールの概要と機能

ターミナル上で動作するCLIアプリ
箇条書きを絵文字付きに自動変換
変換結果をクリップボードに即コピー
Copilot SDKがAI処理を担当

開発プロセスと技術構成

Copilot CLIのプランモードで設計
Claude Sonnet 4.6で計画、Opus 4.7で実装
OpenTUIでターミナルUI構築
clipboardyでクリップボード連携

GitHubの開発者アドボカシー責任者Cassidy Williams氏が、GitHub Copilot CLIを使って絵文字リストジェネレーターを構築するチュートリアルを公開しました。SNS投稿でよく見る箇条書きの先頭に適切な絵文字を自動付与するCLIツールで、ターミナル上でリストを入力してCtrl+Sを押すだけで、AI が各項目に合った絵文字を選び、結果がクリップボードにコピーされます。

開発にはGitHub Copilot SDKをAIエンジンとして使用し、ターミナルUIには@opentui/core、クリップボード操作にはclipboardyを採用しています。まずCopilot CLIのプランモードでClaude Sonnet 4.6を使い、要件を対話的に詰めてplan.mdを生成しました。

実装フェーズでは新たにリリースされたClaude Opus 4.7に切り替え、数分で動作するプロトタイプが完成しています。Copilot CLIがプランニングから実装まで一貫して開発を支援できることを示す実践的なデモとなっています。

このプロジェクトは小規模ながら、AIコーディングツールの実用的な活用パターンを具体的に示しています。プランモードで仕様を固め、AIモデルを切り替えて実装するワークフローは、開発者が日常の小さなツール作りにCopilot CLIを取り入れる際の参考になります。

Anthropicがデザインツール公開、Figma市場に参入

対話でプロトタイプ生成

会話型の設計ツール
プロトタイプやスライド作成
既存コードからデザインシステム自動構築

新モデルと競合関係

Opus 4.7が視覚性能を大幅向上
Figma取締役を辞任後に発表
非デザイナー層の取り込みが狙い

企業向け機能と料金

有料プランに追加費用なし
ソースコードはサーバー非保存

2026年4月17日、Anthropicは実験的製品「Claude Design」を発表しました。Anthropic Labs部門が開発したこのツールは、テキストによる対話を通じてデザイン、インタラクティブなプロトタイプ、スライドデッキ、マーケティング資料などの視覚的成果物を生成できるものです。有料プラン加入者向けにリサーチプレビューとして即日提供が開始されました。

Claude Designの特徴は、単なる画像生成ではなく、チームのコードベースやデザインファイルを読み込んでデザインシステムを自動構築する点にあります。ユーザーはチャットによる指示、インラインコメント、直接編集、AIが生成するスライダーによる微調整を組み合わせて制作を進められます。完成したデザインはClaude Codeへワンクリックで引き渡せるほか、Canva・PDF・PPTX・HTMLへのエクスポートにも対応しています。

同時に発表されたClaude Opus 4.7がClaude Designの基盤モデルとなっています。視覚入力の解像度が従来の3倍以上に向上し、ソフトウェアエンジニアリングのベンチマークでもOpus 4.6を上回る性能を示しました。一方で、サイバーセキュリティ能力については意図的に制限が加えられています。

競合環境も注目を集めています。Anthropicの最高プロダクト責任者Mike Krieger氏が発表の3日前にFigmaの取締役を辞任しており、両社の協力関係に緊張が生じています。Figmaがデザイン市場で80〜90%のシェアを持つ中、Claude Designはデザイン経験のない創業者やプロダクトマネージャーにも門戸を開く点で、既存ツールとは異なる競争軸を打ち出しています。

料金面では、Pro・Max・Team・Enterpriseの各プランに追加費用なしで含まれます。企業向けにはデフォルトで無効化されており、管理者がアクセス権を制御できます。ソースコードはAnthropicのサーバーに保存されず、学習データにも使用しないと同社は明言しています。Anthropicの年間収益は300億ドルを超え、時価総額8000億ドル規模の評価を受ける中での積極的な製品展開となりました。

AIコーディングのCursor、評価額500億ドルで20億ドル調達へ

資金調達の概要

評価額500億ドルで交渉中
Thrive・a16zが主導の見込み
NvidiaやBattery Venturesも参加か
前回の293億ドルからほぼ倍増

急成長する事業基盤

2026年末ARR60億ドル超を予測
独自モデルで粗利益黒字化を達成
法人向けは黒字、個人向けは赤字継続
Claude CodeやCodexと競合激化

AIコーディングツールを手がけるCursorが、少なくとも20億ドルの新規資金調達に向けた交渉を進めていることが、事情に詳しい複数の関係者への取材で明らかになりました。既存投資家のThrive CapitalとAndreessen Horowitzがリードする見込みで、評価額は新規資金注入前の時点で500億ドルに達するとされています。

今回の調達が実現すれば、2025年11月に実施した前回ラウンドの293億ドルからわずか半年で評価額がほぼ倍増することになります。新たな投資家としてBattery Venturesの参加が見込まれるほか、戦略的投資家であるNvidiaも出資する可能性があると報じられています。ラウンドはすでにオーバーサブスクライブの状態ですが、最終条件は確定していません。

Cursorは2026年末までに年間経常収益(ARR)60億ドル超を見込んでおり、2026年2月時点のARR20億ドルから約3倍の成長を想定しています。従来はサードパーティモデルへの依存により粗利益率がマイナスでしたが、2025年11月に投入した独自のComposerモデルや、中国発の低コストモデルKimiの活用により、わずかながら粗利益の黒字化を達成しました。

競合環境は厳しさを増しています。AnthropicのClaude CodeやOpenAIのCodexなど、モデル提供元自身がコーディングツール市場に参入しており、Cursorは自社のサプライヤーに置き換えられるリスクに直面しています。独自モデルの開発を加速させることで差別化を図る戦略ですが、大企業向けでは黒字を確保する一方、個人開発者向けアカウントでは依然として赤字が続いており、収益構造の改善が今後の課題です。

ロボット開発シミュレーションのAntiochが850万ドル調達

資金調達と企業概要

評価額6000万ドルでシード調達
A*とCategory Venturesが主導
共同創業者5名、Meta・DeepMind出身者も

シミュレーション技術の狙い

sim-to-realギャップの解消が目標
仮想空間でロボットの学習・検証を実現
NvidiaやWorld Labsのモデルを基盤に構築

市場と今後の展望

センサーと認識系を中心に展開
MITがLLM評価の研究に活用

ロボット向けシミュレーションツールを開発する米スタートアップAntiochは2026年4月16日、850万ドル(約12億円)のシード資金調達を発表しました。評価額は6000万ドルで、ベンチャーキャピタルのA*とCategory Venturesが主導し、MaC Venture Capital、Abstract、Box Group、Icehouse Venturesも参加しています。

Antiochは、ロボット開発における「sim-to-realギャップ」の解消を目指しています。これは仮想環境で訓練したロボットが現実世界で確実に動作するために、シミュレーションの忠実度を高めるという課題です。同社のプラットフォームでは、ロボットのハードウェアを複数のデジタルインスタンスとして起動し、実世界と同等のセンサーデータをシミュレートできます。開発者はエッジケースのテストや強化学習、訓練データの生成をソフトウェア上で完結させることが可能です。

同社はソフトウェア開発ツールCursorのロボット版を標榜しており、NvidiaやWorld Labsなどのモデルをベースにドメイン特化のライブラリを構築しています。現在は自動運転車やトラック、農業・建設機械、ドローンなどのセンサー・認識システムに注力しています。大手多国籍企業との初期的な取り組みも始まっています。

MITのコンピュータ科学・人工知能研究所の研究者David Mayo氏は、AntiochのプラットフォームをLLMの評価に活用しています。AIモデルにロボットを設計させ、シミュレーター上でテストする実験を行っており、LLMのベンチマーク手法としての可能性も示しています。共同創業者のHarry Mellsop氏は「2〜3年以内に、現実世界の自律システムはソフトウェア上で主に構築されるようになる」と語っています。

Salesforce、全機能をAPI化する「Headless 360」発表

Headless 360の全容

全機能をAPI・MCP・CLIで公開
100超の新ツールを即日提供
ReactによるUI開発に対応

AIエージェント基盤の整備

Agent Scriptをオープンソース化
静的・動的グラフの統一ランタイム
従量課金モデルへ移行

オープン戦略と今後

OpenAI・Anthropic等の主要モデル統合
AgentExchangeに5000万ドル投資

Salesforceは2026年4月16日、サンフランシスコで開催した年次開発者会議TDXにて、プラットフォームの全機能をAPI・MCPツール・CLIコマンドとして公開する「Headless 360」構想を発表しました。AIエージェントがブラウザを開くことなくシステム全体を操作できるようにする、同社27年の歴史で最も大規模なアーキテクチャ刷新です。

即日利用可能な100以上の新ツールには、60超のMCPツールと30超のコーディングスキルが含まれ、Claude CodeやCursor、Codexなどの外部コーディングエージェントからSalesforce組織全体にアクセスできます。さらにReactによるフロントエンド開発にも対応し、Lightning以外の選択肢を開発者に提供しています。Agentforce Experience Layerにより、Slack・Teams・ChatGPTなど複数のサーフェスへ一度の定義でデプロイが可能になりました。

エージェントの信頼性確保に向けては、新たなドメイン固有言語「Agent Script」をオープンソースで公開しました。これは決定論的な制御とLLMの柔軟性を両立させるもので、顧客向けには静的グラフで厳密に制御し、社内向けには動的グラフで自律的に推論させる、2つのアーキテクチャを同一ランタイム上で実現します。テストセンターやA/Bテスト APIなど、ライフサイクル管理ツール群も整備されました。

プラットフォームの開放戦略として、OpenAI・Anthropic・Google Gemini・Meta LLaMA・Mistral AIのモデルを統合し、AgentExchangeマーケットプレイスには5000万ドルの投資枠を設定しています。一方でEVPのGovindarjan氏はMCPの将来について「正直なところ確信はない」と率直に述べ、API・CLI・MCPの3方式すべてを提供する方針を示しました。

収益モデルも従来のシート課金から消費ベースの課金へ移行します。AIエージェントが業務を担う時代には、ユーザー数ではなく利用量に応じた課金が合理的だという判断です。SaaS業界全体がAIによる既存モデルの陳腐化を懸念する中、Salesforceは自らのプラットフォームを解体・再構築することで、エージェント時代のインフラとしての地位を確立しようとしています。

OpenAI、Codexにデスクトップ操作や画像生成を追加

主要な新機能

バックグラウンドでアプリ操作
画像生成モデルを統合
アプリ内ブラウザでフロントエンド開発
90以上の新プラグイン追加

開発者体験の進化

記憶機能で過去の操作を学習
自動化タスクのスケジュール実行
複数エージェントの並列動作

競争と展開

Claude Code対抗で機能拡充

OpenAIは2026年4月16日、開発者向けツールCodexの大規模アップデートを発表しました。週間300万人が利用するCodexに、デスクトップアプリのバックグラウンド操作、画像生成、アプリ内ブラウザなどの機能を追加します。コーディング専用ツールから「スーパーアプリ」を目指す総合的な開発環境への転換を図ります。

最大の目玉は「Computer Use」機能です。macOSユーザー向けに先行提供され、Codexが独自のカーソルでデスクトップ上のあらゆるアプリを操作できるようになります。ユーザーが別のアプリで作業を続けている間も、複数のエージェントがバックグラウンドで並列に動作します。OpenAIのCodex責任者Thibault Sottiauxは「Codexを起点にスーパーアプリを構築している」と戦略を明言しました。

画像生成モデルgpt-image-1.5の統合により、モックアップやゲームアセットをコーディングと同じワークフロー内で作成できます。さらに90以上の新プラグインが追加され、CircleCIやGitLab、Microsoft Suiteなど開発者が日常的に使うツールとの連携が強化されました。SlackやGmail、Notionなど複数アプリの情報を一括で取得し、優先度順に提示する機能も備えます。

プレビュー版として提供される「Memory」機能では、過去のセッションで得た好みや修正履歴を記憶し、次回以降のタスクを効率化します。「Heartbeat Automations」により、Codexは自らタスクをスケジュールし、数日から数週間にわたる長期作業を自動で継続できるようになりました。毎朝のデイリーブリーフ機能では、Google DocsやSlackの未対応事項を整理して提示します。

今回のアップデートは、Anthropicとの競争激化を背景としています。Claude Codeが企業利用で支持を集めるなか、OpenAIはCodexの機能拡充で巻き返しを狙います。バックグラウンド操作はmacOS限定で提供開始され、Windows版は基本機能のみ対応です。パーソナライゼーション機能のEnterprise・Edu・EU・UK向け提供は後日予定となっています。

MicrosoftとStellantisがAI活用で5年間提携

提携の概要

5年間のパートナーシップ締結
デジタルサービスの改善が柱
サイバーセキュリティ強化も対象
エンジニアリング能力の向上

自動車業界のAI動向

車載モデムとクラウド接続の普及
タッチスクリーン偏重への批判
IT企業との連携で課題解決へ

自動車大手StellantisとMicrosoftが、AIを活用して車のオーナー体験を向上させる5年間のパートナーシップを締結しました。Stellantisはアルファロメオやジープ、クライスラー、ダッジ、ラムなどのブランドを傘下に持つグローバル自動車メーカーです。Microsoftの技術力を活かし、デジタルサービスの改善、サイバーセキュリティの強化、エンジニアリング能力の向上を目指します。

自動車業界では10年以上前からテクノロジーの浸透が進んでおり、現在ではほぼすべての新車にモデムが搭載され、クラウドに接続されています。先進運転支援システムやタッチスクリーンが標準装備となり、スマートフォンのようなサービス提供が求められるようになっています。

一方で、こうした技術革新が必ずしもユーザーにとって良い結果をもたらしているとは限りません。テスラの自動運転システムに対する連邦調査やリコールが示すように、安全性には課題が残ります。また、タッチスクリーンは物理ボタンに比べて操作性が劣るという研究結果もあり、一部の規制当局はボタンの復活を求めています。

自動車メーカーが得意としない領域をIT企業に委ねることで、サービスの質が向上する可能性があります。Microsoftのような企業との提携は、セキュリティやクラウドサービスといったコア・コンピタンス外の課題を補う戦略として注目されます。

InsightFinderがAIエージェント監視で1500万ドル調達

資金調達と事業概要

Series Bで1500万ドル調達
Yu Galaxy主導、累計調達額3500万ドル
売上高が前年比3倍以上に成長

技術と競合優位性

AI・データ・インフラを統合監視
教師なし学習と因果推論で根本原因特定
UBSやDellなど大手顧客を獲得

今後の展開

初の営業・マーケティング人材を採用
30人未満の少数精鋭チームを拡大

AIエージェントの信頼性監視を手がけるスタートアップInsightFinderが、シリーズBラウンドで1500万ドル(約22億円)を調達しました。Yu Galaxyがリードし、累計調達額は3500万ドルに達しています。同社はノースカロライナ州立大学の計算機科学教授であるHelen Gu氏が2016年に創業し、15年にわたる学術研究を基盤にITインフラの障害予測・診断を行ってきました。

同社の最大の強みは、AIモデルだけでなく、データとインフラを一体的に監視する点にあります。Gu氏によれば、AIモデルの問題は必ずしもモデル自体に原因があるわけではなく、インフラやデータとの複合的な要因で発生するケースが多いといいます。実際に、ある大手クレジットカード会社では不正検知モデルの精度低下がサーバーノードの古いキャッシュに起因していたことを同社のツールが突き止めました。

最新製品「Autonomous Reliability Insights」は、教師なし機械学習、独自の大規模・小規模言語モデル、予測AI、因果推論を組み合わせた統合プラットフォームです。データの種類を問わずストリーム全体を取り込み、シグナルを相関・交差検証して根本原因を特定します。Gu氏は「多くのデータサイエンティストはAIを理解してもシステムを理解しておらず、SREエンジニアはその逆だ」と、領域横断的な分析の重要性を強調しています。

観測性市場にはGrafana Labs、Datadog、Dynatraceなど有力な競合がひしめきますが、InsightFinderはUBS、NBCUniversal、Lenovo、Dell、Google CloudといったFortune 50企業を顧客に持ち、解約率の低さを実績として示しています。売上高は前年比3倍以上に伸び、Fortune 50企業との7桁規模の契約獲得を機に投資家側からアプローチがあったとのことです。

調達資金は初の営業・マーケティング人材の採用と市場開拓に充てられます。現在30人未満の少数精鋭チームで運営しており、今後はエンタープライズ向けの販売体制を本格化させる方針です。

HuggingFace、MLX向けモデル移植Skillを公開

Skillの仕組みと特徴

transformersコードを正解として移植
RoPEバグや精度汚染を自動検出
レイヤー単位で数値比較を実行
PRにレポートと生成例を添付

品質担保の取り組み

非エージェント型テストハーネスを併設
再現可能な検証で幻覚リスクを排除
結果をJSON保存し透明性を確保

今後の展望と課題

mlx-vlmやllama.cppへの拡張を検討

HuggingFaceは2026年4月16日、transformersライブラリのモデルをAppleのMLXフレームワーク(mlx-lm)に移植するためのSkillとテストハーネスを公開しました。このSkillはClaude Codeのエージェント機能を活用し、コントリビューターとレビュアーの双方を支援することを目的としています。transformersに新モデルが追加された際、速やかにMLXでも利用可能にすることを目指しています。

Skillは単なるコード生成ツールではなく、モデル移植に必要な一連の作業を体系化したものです。Hub上のモデル検索・ダウンロード、仮想環境構築、transformersのモデリングコード読解、MLX実装の作成、テスト実行までを一貫して行います。RoPE設定のバグやfloat32精度汚染といった、経験豊富な開発者でなければ気づきにくい問題も自動的に検出します。

品質担保のために、Skillとは別に非エージェント型のテストハーネスも開発されました。LLMの幻覚や過信に依存しない再現可能な検証を提供し、結果はサマリーレポート、モデルごとの詳細、生のJSON出力として保存されます。ただしこのハーネスはCIゲートではなく、最終的な判断はレビュアーとコントリビューターに委ねられます。

ブログではコードエージェント時代のオープンソース貢献の在り方についても問題提起しています。transformersのようなライブラリでは暗黙の設計契約が重要であり、エージェント生成のPRがレビュアーの負担を増大させている現状を指摘しました。今後はビジョン言語モデル向けのmlx-vlmやllama.cppへの対応拡張、テストハーネスの自動化が検討されています。

GitHubがeBPFで循環依存を検出しデプロイの安全性を向上

循環依存の課題

GitHub自体がGitHub上でホスト
デプロイ時に自社サービスへ依存
障害時の復旧スクリプトも影響
直接・隠れ・推移的の3種類を分類

eBPFによる解決策

cGroup単位でネットワーク制御
DNS proxyでドメイン単位のブロック
プロセスIDから原因コマンドを特定

導入成果

6か月の展開で本番稼働開始

GitHubは2026年4月16日、自社のデプロイツールにおける循環依存の検出と防止にeBPFを活用する手法をエンジニアリングブログで公開しました。GitHubは自社のソースコードをgithub.com上にホストしており、サービス障害時にデプロイに必要なコードにアクセスできなくなるという根本的な循環依存の問題を抱えています。

循環依存には3つのパターンがあります。デプロイスクリプトが直接GitHubからツールを取得する「直接依存」、既存ツールが起動時にGitHubへ更新確認を行う「隠れた依存」、そして別の内部サービスを経由してGitHubに到達する「推移的依存」です。従来はチームごとに手動でスクリプトを確認していましたが、多くの依存関係は障害発生時まで発見されませんでした。

解決策として採用されたのがeBPFのBPF_PROG_TYPE_CGROUP_SKBプログラムタイプです。Linuxのcroupにデプロイスクリプトのみを配置し、そのプロセスからの外部ネットワークアクセスを選択的に監視・ブロックします。IP アドレスベースのブロックリスト管理が困難なため、BPF_PROG_TYPE_CGROUP_SOCK_ADDRを使ってDNSクエリをユーザ空間のDNS proxyにリダイレクトし、ドメイン単位でのフィルタリングを実現しました。

さらに、ブロックされたDNSリクエストのトランザクションIDとプロセスIDをeBPF Mapで紐付けることで、どのコマンドが問題のあるリクエストを発生させたかを特定できるようにしました。/proc/{PID}/cmdlineを読み取り、完全なコマンドライン情報をログに出力します。

このシステムは6か月間の展開を経て本番環境で稼働を開始しています。チームが誤って問題のある依存を追加した場合や、既存ツールが新たな依存を取った場合に自動で検出・通知されるようになりました。障害時の平均復旧時間の短縮と、GitHubサービス全体の安定性向上に貢献しています。

AI開発コスト激減でSaaS離れ加速、企業ガバナンスが追いつかず

SaaS置き換えの実態

35%がSaaSを自社開発に置換
ワークフロー自動化が最多の対象
管理ツールやBIも置換候補に
78%が2026年に自社開発拡大予定

シャドーIT拡大の背景

60%がIT部門の管理外で開発
調達プロセスが開発速度に未対応
本番稼働の51%が週6時間以上節約

ガバナンス整備の必要性

データプライバシーが最大の懸念
AI関連の情報漏洩は1件65万ドル超

AIの進歩によりソフトウェア開発コストが劇的に低下し、企業における「買うか作るか」の判断基準が大きく変化しています。Retoolが817人の開発者を対象に実施した2026年の調査によると、35%のチームがすでに少なくとも1つのSaaSツールを自社開発に置き換えており、78%が2026年中にさらなるカスタムツール開発を計画しています。

置き換えの対象として最も多いのはワークフロー自動化ツール(35%)と内部管理ツール(33%)です。これらは企業固有の業務プロセスに依存するため、汎用的なSaaS製品との相性が悪く、以前から課題を抱えていました。AI開発支援やローコードプラットフォームの成熟により、数週間かかっていた開発が数日で完了するようになったことが置き換えを後押ししています。

一方で深刻な問題も浮上しています。60%の開発者がIT部門の管理外でツールやワークフローを構築しており、いわゆるシャドーITが拡大しています。回答者の64%はシニアマネージャー以上であり、経験豊富な人材でさえ既存の調達プロセスよりも開発速度を優先している実態が明らかになりました。

シャドーITの拡大はセキュリティリスクを増大させます。IBMの調査ではAI関連のデータ漏洩コストは1件あたり65万ドル以上に達しており、Deloitteの調査でも73%の企業がデータプライバシーとセキュリティを最大のAI懸念事項に挙げています。35%の組織がAIの生産性指標を持たないことも、投資対効果の証明を困難にしています。

調査は、データ接続性・セキュリティモデル・デプロイ審査プロセスの3要素を備えたチームが本番稼働に成功していると指摘しています。開発者のエネルギーをガバナンスが確立された環境に誘導することが、シャドーITのリスクを抑えながら自社開発の恩恵を享受する鍵となります。

DeepLがリアルタイム音声翻訳に参入

音声翻訳の全体像

テキスト翻訳大手が音声領域へ拡大
Zoom・Teams向けアドインを提供
モバイル・Web・対面会話に対応
業界用語の学習・適応機能を搭載

技術と競合環境

現行は音声→テキスト→翻訳→音声の構成
将来はエンドツーエンド音声モデルを目指す
Sanas・Camb.AI・Palabraと競合
開発者向けAPIも同時公開

テキスト翻訳サービスで知られるDeepLは2026年4月16日、リアルタイム音声翻訳スイートを発表しました。会議、モバイル・Web会話、現場作業者向けのグループ会話など複数のユースケースをカバーし、外部開発者がコールセンターなど独自用途に活用できるAPIも同時にリリースしています。

CEOのヤレク・クティウォフスキ氏は「テキスト翻訳で長年培った技術の自然な発展」と説明し、低遅延と高精度の両立が最大の技術課題だったと述べました。ZoomやMicrosoft Teams向けのアドインでは、話者の発言をリアルタイムで翻訳音声またはテキストとして聞くことができます。現在は早期アクセスプログラムとして組織単位でウェイトリストを受け付けています。

現行システムは音声をテキストに変換してから翻訳し、再度音声に戻すカスケード方式を採用しています。DeepLはテキスト翻訳での蓄積が品質面での優位性になると主張しつつ、将来的にはテキスト変換を省略するエンドツーエンドの音声翻訳モデルの開発を目指しています。

競合にはコールセンター向けアクセント変換のSanas、メディア向け吹き替えのCamb.AI、話者の声を保持したまま翻訳するPalabraなどがいます。DeepLは翻訳スタック全体を自社で制御する点と、業界用語や固有名詞への適応機能を差別化要素として位置づけています。

Anthropic、最上位モデルClaude Opus 4.7を一般公開

性能と主要ベンチマーク

GDPVal-AAでElo 1753を記録
SWE-bench Proで64.3%達成
GPT-5.4やGemini 3.1 Proを上回る成績
画像解像度が3倍以上に向上

安全対策と提供形態

サイバーセキュリティ用自動検知を搭載
正規セキュリティ専門家向け認証制度を新設
価格は据え置きで主要クラウドに対応
新たにxhigh思考レベルを追加

Anthropicは2026年4月16日、大規模言語モデルの最新版Claude Opus 4.7を一般公開しました。同社によると、前世代のOpus 4.6から高度なソフトウェアエンジニアリング能力が大幅に向上し、複雑で長時間にわたるタスクを高い精度で自律的に処理できるようになっています。価格はOpus 4.6と同じ入力100万トークンあたり5ドル、出力100万トークンあたり25ドルで、APIのほかAmazon Bedrock、Google Cloud Vertex AI、Microsoft Foundryで利用可能です。

主要ベンチマークでは、知識労働を評価するGDPVal-AAでEloスコア1753を記録し、OpenAIのGPT-5.4(1674)やGoogleのGemini 3.1 Pro(1314)を上回りました。エージェント型コーディング評価のSWE-bench Proでは64.3%のタスクを解決し、Opus 4.6の53.4%から大きく改善しています。ただし、エージェント検索やマルチリンガルQAなど一部の領域ではGPT-5.4がなお優位であり、全分野で圧倒する結果ではありません。

視覚処理面では、画像の最大解像度が長辺2,576ピクセル(約375万画素)まで拡大され、従来比3倍以上の高解像度入力に対応しました。XBOWの視覚精度ベンチマークでは成功率が54.5%から98.5%に跳ね上がり、画面操作エージェントや複雑な図面からのデータ抽出といった用途の実用性が大きく高まっています。また、自身の出力を検証してから報告する「自己検証」行動が確認されており、ハルシネーションの抑制にも寄与しています。

安全面では、同社が先日発表した高性能モデルMythos Previewはセキュリティ上の理由で限定提供のままですが、Opus 4.7にはサイバー攻撃に関する高リスクな要求を自動検知・ブロックする仕組みが組み込まれました。脆弱性調査やペネトレーションテストなど正当な目的で利用したいセキュリティ専門家向けには、新たに「Cyber Verification Program」が設けられています。

開発者向けの新機能も複数追加されています。思考の深さを調整する「effort」パラメータにxhighレベルが加わり、性能とレイテンシのバランスをより細かく制御できます。APIではタスクバジェット機能がパブリックベータとして提供され、トークン消費量に上限を設定できるようになりました。早期テスターのIntuit、Replit、Notion、Cursorなど多数の企業が、コード品質やワークフロー効率の改善を報告しています。

AI成功率3分の2止まり、透明性も低下

能力向上と信頼性の乖離

構造化ベンチマークで約3分の1が失敗
数学五輪金メダルも時計の読み取りは50%
幻覚率は22%から94%の幅
マルチステップ推論で全モデル71%未満

透明性とベンチマークの課題

透明性指数が17ポイント低下
95モデル中80がコード非公開
ベンチマーク誤差率が最大42%
安全性報告が散発的で不統一

Stanford HAIが第9回年次AI Index報告書を公開し、フロンティアAIモデルが構造化ベンチマークにおいて依然として約3回に1回の割合で失敗していることを明らかにしました。企業でのAI導入率は88%に達し、SWE-bench Verifiedではほぼ100%、GAIAでは74.5%と能力面での進歩が著しい一方、本番環境での信頼性が大きな課題として浮き彫りになっています。

能力と信頼性の乖離は「ジャグドフロンティア」と呼ばれる現象で端的に示されています。Gemini Deep Thinkが国際数学オリンピックで金メダルを獲得する一方、時計を読むテストでは正答率がわずか50.1%にとどまりました。GPT-4.5 Highも50.6%とほぼ同水準です。視覚的推論と単純な算術を組み合わせるタスクで、人間の約90%の正答率に遠く及びません。

幻覚の問題も深刻です。26の主要モデルを対象にしたベンチマークでは、幻覚率が22%から94%の範囲にわたりました。GPT-4oの精度は厳密な検証下で98.2%から64.4%へ低下し、DeepSeek R1は90%超から14.4%まで急落しています。一方、Grok 4.20 Beta、Claude 4.5 Haiku、MiMo-V2-Proは比較的低い幻覚率を示しました。

透明性の面では、Foundation Model Transparency Indexのスコアが平均40点と17ポイント下落しました。OpenAI、Anthropic、Googleを含む主要企業がトレーニングコードやパラメータ数、データセットの規模を非開示としており、95モデル中80がトレーニングコードなしでリリースされています。報告書は「最も高性能なシステムが最も不透明になっている」と警告しています。

ベンチマーク自体の信頼性も揺らいでいます。広く使われる評価指標の誤差率が最大42%に達し、ベンチマーク汚染や開発者報告と独立検証の不一致が報告されています。モデルの急速な進歩により、数カ月でベンチマークが飽和してしまう「ベンチマーク飽和」現象が起きており、AI能力の正確な測定がかつてなく困難になっていると報告書は結論づけています。

OpenAI、Agents SDKにサンドボックス実行とハーネスを追加

SDK新機能の全体像

サンドボックスで安全な実行環境を提供
フロンティアモデル向けハーネス搭載
ファイル操作・コード実行を統合管理
長時間タスクのスナップショット復元対応

開発者向けの拡張性

7社のサンドボックスプロバイダと連携
MCPやAGENTS.mdなど標準規格に対応
Python先行、TypeScriptは後日対応
API標準価格で全顧客に提供

OpenAIは2026年4月15日、エージェント構築用のAgents SDKを大幅にアップデートし、サンドボックス実行機能とモデルネイティブのハーネスを新たに搭載したと発表しました。企業がより安全で高性能なAIエージェントを構築・運用できるようにすることが狙いで、APIを通じて全顧客に標準価格で提供されます。

新たに導入されたサンドボックス実行機能により、エージェントはファイルの読み書き、依存関係のインストール、コード実行を隔離された環境内で安全に行えるようになります。Blaxel、Cloudflare、Daytona、E2B、Modal、Runloop、Vercelの7社のサンドボックスプロバイダとの連携が組み込まれており、開発者は自前の環境を持ち込むこともできます。プロンプトインジェクションやデータ漏洩のリスクを軽減する設計です。

ハーネスはエージェントの実行基盤となる仕組みで、構成可能なメモリ、サンドボックス対応のオーケストレーション、ファイルシステムツールなどを備えています。MCP(Model Context Protocol)やAGENTS.md、シェルツール、apply patchなど、エージェントシステムで標準化が進む各種プリミティブに対応しました。フロンティアモデルの能力を最大限に引き出す実行パターンを採用し、複雑なタスクの信頼性を向上させます。

環境の可搬性を高めるManifest抽象化も導入されました。ローカルファイルのマウントや出力ディレクトリの定義に加え、AWS S3、Google Cloud Storage、Azure Blob Storage、Cloudflare R2からのデータ取り込みが可能です。エージェントの状態を外部化することでスナップショットと復元が実現し、サンドボックスがダウンしても最後のチェックポイントから再開できます。

OpenAIのプロダクトチームのKaran Sharma氏は、今回のリリースの核心は既存のAgents SDKをあらゆるサンドボックスプロバイダと互換にすることだと説明しています。現時点ではPythonでの提供が先行し、TypeScriptサポートは今後追加予定です。コードモードやサブエージェントなどの追加機能も両言語で開発が進められています。

Meta、コード以外も自己改善するAI「Hyperagents」を発表

自己改善AIの構造的限界

既存手法はコーディング領域に限定
メタエージェントの手動設計が改善速度を制約
非コード領域では評価と改善の能力が乖離

Hyperagentsの仕組みと成果

タスクとメタの両機能を統合した自己参照型設計
論文査読・ロボット制御・数学採点で既存手法を上回る性能
記憶ツールや性能追跡を自律的に開発
未知領域へのメタスキル転移も実証

Metaと複数の大学の研究チームは2026年4月、自己改善型AIシステム「Hyperagents」を発表しました。従来の自己改善AIがソフトウェアエンジニアリングなどコーディング領域に限定されていた課題を克服し、ロボティクスや文書レビューなど非コーディング領域でも自律的に問題解決能力を向上させるフレームワークです。論文はarXivで公開され、コードもGitHub上で非商用ライセンスのもと共有されています。

従来の自己改善AIの代表例である坂名AIのDarwin Godel Machine(DGM)は、自身のコードを書き換えることで能力を向上させる仕組みでしたが、改善対象がコーディングタスクである場合にのみ有効でした。論文査読や数学の採点といった非コーディングタスクでは、タスク遂行能力の向上が自己改善能力の向上に直結しないという構造的な問題があったのです。また、新しいドメインへの適用には人手によるプロンプトのカスタマイズが不可欠でした。

Hyperagentsはこの限界を、タスク実行とメタ認知的な自己修正を単一の自己参照型プログラムに統合することで解決します。プログラム全体が書き換え可能なため、改善の仕組みそのものを改善する「メタ認知的自己修正」が可能になります。DGMの探索構造を拡張したDGM-Hでは、成功したエージェントのアーカイブを維持しながら継続的に分岐・変異・評価を繰り返し、人手による固定的な改善指示を排除しています。

実験では、コーディングベンチマークでDGMと同等の性能を達成しつつ、論文査読とロボティクスではオープンソースのベースラインを上回りました。特に注目すべきは、論文査読とロボティクスで最適化したHyperagentを未知の数学採点タスクに適用したところ、50イテレーションで改善指標0.630を記録し、従来手法の0.0を大幅に上回った点です。メタスキルが異なるドメインに転移することが実証されました。

興味深いことに、Hyperagentsは自律的に汎用ツールを開発する行動も示しました。論文評価では当初プロンプトエンジニアリングを試みた後、自らコードを書き換えて多段階評価パイプラインを構築しています。さらに過去の失敗を避けるための記憶ツール、アーキテクチャ変更の効果を追跡する性能トラッカー、残りイテレーション数に応じて戦略を調整する計算予算管理機能なども自発的に実装しました。

一方で研究チームは、自己修正が人間の監査速度を超えて進行するリスクや、評価指標を実質的な改善なしに操作する「評価ゲーミング」の危険性を指摘しています。共著者のJenny Zhang氏は、実験と本番環境の分離、サンドボックス内での探索、検証済みコードのみの本番適用という原則を推奨しています。今後、エンジニアの役割はシステム構築から、その方向性の設計と監査へと変化していくと同氏は述べています。

HightouchがARR1億ドル到達、AI広告制作が急成長

AI広告ツールの急成長

AI製品投入後20カ月でARR7000万ドル増
デザイナー不要でブランド準拠の広告を自動生成
Domino'sやSpotifyなど大手が採用

ブランド一貫性の技術

FigmaやCMSと直接連携しブランド学習
汎用AIモデルのハルシネーション問題を回避
既存素材とAI生成を組み合わせる手法
企業価値12億ドル、従業員約380人

マーケティングデータ基盤を手がける米Hightouchが、年間経常収益(ARR)1億ドルに到達したことを明らかにしました。2024年後半にAIを活用した広告コンテンツ生成ツールを投入してから約20カ月で7000万ドルのARRを積み増しており、AI製品が同社の成長を大きく牽引しています。

同社のAIツールは、マーケティング担当者がデザイナーやクリエイティブエージェンシーを介さずに、パーソナライズされた広告画像や動画を作成できるサービスです。Domino's、Chime、PetSmart、Spotifyといった大手ブランドが顧客として名を連ねています。

汎用的な基盤モデルでは、ブランド固有のカラーやフォント、トーンを再現できず、存在しない商品を生成してしまうハルシネーションの問題がありました。Hightouchはこの課題に対し、顧客企業のFigmaやフォトライブラリ、コンテンツ管理システムに直接接続し、ブランドアイデンティティを学習する仕組みを構築しています。たとえばDomino'sの場合、ピザの画像はAI生成せず既存の写真を使い、背景や周辺要素のみをAIで生成するといった使い分けを行います。

同社は2025年2月にSapphire Ventures主導で8000万ドルのシリーズCを調達し、企業価値は12億ドルに達しました。現在の従業員数は約380人で、共同CEOのKashish Gupta氏とTejas Manohar氏が経営を率いています。Manohar氏はTwilioに32億ドルで買収された顧客データ基盤Segmentの元エンジニアリングマネージャーです。

HCompany、ブラウザ操作AIをChrome拡張で無料公開

HoloTabの機能と特徴

Chrome拡張で即利用可能
Webサイトを人間同様に自動操作
技術知識やセットアップ不要
タスクを自然言語で指示

ルーティン機能の仕組み

操作を録画しルーティン化
録画後は自動で繰り返し実行
スケジュール設定にも対応
競合調査や求人収集に活用

フランスのAIスタートアップHCompanyは2026年4月15日、ブラウザ上でAIエージェントを動作させるChrome拡張機能「HoloTab」を無料で公開しました。同社が3月31日にリリースした最新のコンピュータ操作モデル「Holo3」を基盤としており、ユーザーが自然言語でタスクを指示するだけで、AIがWebサイトを人間と同じように操作します。

HoloTabの中核機能は「ルーティン」です。ユーザーがブラウザ上で一度操作を実演すると、HoloTabがその操作を録画し、画面の内容やクリック操作、音声による説明を統合してタスクの目的を理解します。録画が完了するとルーティンが自動生成され、以降は任意のタイミングやスケジュールで繰り返し実行できます。

想定される活用例としては、複数のECサイトから競合の価格情報を収集してスプレッドシートに転記する作業や、複数の求人サイトを巡回して新着求人を管理ドキュメントにまとめる作業などが挙げられています。こうした反復的で時間のかかるブラウザ作業を、技術的な知識がなくても自動化できる点が特徴です。

HCompanyは、コンピュータ操作AIの恩恵をエンジニアだけでなくすべての人に届けることを目指しています。HoloTabはChrome Web Storeから無料でインストールでき、セットアップなしですぐに利用を開始できます。ビジョンモデルやアクション計画、インターフェース理解といった技術はすべてバックグラウンドで動作し、ユーザーは結果だけを受け取る設計です。

Google、音声合成Gemini 3.1 Flash TTSを公開

モデル性能と提供形態

Eloスコア1,211でTTS首位級
70以上の言語に対応
Gemini API・Vertex AI・Google Vidsで提供開始
高品質と低コストを両立

開発者向け制御機能

オーディオタグで声質・速度を制御
シーン指示による対話演出が可能
話者ごとの音声プロファイル設定
SynthID透かしで生成音声を識別

Googleは2026年4月15日、次世代テキスト音声合成モデルGemini 3.1 Flash TTSを発表しました。開発者向けにはGemini APIとGoogle AI Studioでプレビュー提供を開始し、企業向けにはVertex AI、一般ユーザー向けにはGoogle Vidsを通じて利用可能となっています。70以上の言語をサポートし、自然で表現力のある音声生成を実現するモデルです。

音声品質の面では、人間のブラインド評価を集約するArtificial Analysis TTSリーダーボードでEloスコア1,211を達成しました。同ベンチマークでは高品質と低コストを兼ね備えた「最も魅力的な象限」に位置づけられており、品質とコストの両立が大きな特徴です。

新機能として導入されたオーディオタグは、テキスト入力にインラインで自然言語の指示を埋め込むことで、声のスタイル・ペース・抑揚を細かく制御できる仕組みです。シーン全体の方向性を設定する「シーン指示」、話者ごとに音声プロファイルやアクセントを指定する「話者レベル設定」、調整結果をAPIコードとしてエクスポートする「シームレスエクスポート」の3段階で構成されています。

安全性の観点では、生成されたすべての音声にSynthIDの電子透かしが自動的に付与されます。人間の耳には聞こえない形で音声に織り込まれ、AI生成コンテンツの検出を可能にすることで、偽情報の拡散防止に寄与します。複数の早期テスターからは、オーディオタグによる制御精度の高さと表現力について好意的な評価が寄せられています。

Gemini APIにプリペイド課金を導入、予算管理を簡素化

プリペイド課金の仕組み

クレジット購入で利用開始
残高からAPI呼び出し分を消費
自動リチャージ機能を搭載
月末の想定外請求を防止

段階的な移行設計

まず米国の新規アカウントで提供
数週間内にグローバル展開予定
利用実績に応じ後払いへ移行可能
上位ティアでレート制限緩和

Googleは2026年4月15日、Gemini APIの新たな課金方式として「Prepay Billing」をGoogle AI Studio上で提供開始しました。開発者はあらかじめクレジットを購入し、その残高からAPI利用料を差し引く仕組みで、月末に予想外の請求が届くリスクを排除できます。まず米国の新規Google Cloud Billing Accountが対象で、数週間以内にグローバルへ展開する予定です。

利用方法はシンプルで、AI Studio内でクレジットをチャージし、API呼び出しごとに残高から消費されます。残高が少なくなった際には自動リチャージを設定でき、手動での追加操作を省けます。支出状況と残高はAI Studioの課金画面で一元的に確認できます。

Googleは今年すでにプロジェクト単位のSpend Caps機能や、透明性を高めたUsage Tiersの刷新を実施しています。Prepay Billingはこれらに続く施策で、開発者が予算を超過せずにプロトタイピングからスケーリングまで一貫して利用できる環境を整えるものです。

支払い実績を積み上位のUsage Tierに到達すると、従来の後払い方式への切り替えも可能です。後払いに移行すればGoogle Cloudの他サービスと課金を統合でき、さらに高いレート制限が適用されます。なお、請求書払い(Invoiced / Offline)アカウントはPrepay Billingの対象外となっています。

GitHub、著作権と透明性に関する開発者向けポリシーを更新

著作権責任の明確化

米最高裁が二次的著作権責任の基準を明確化
意図の証拠なしにプラットフォームは自動的に責任を負わないと判示
DMCA第1201条の3年ごとの見直しが2027年に予定

透明性と今後の課題

2025年通年の透明性データを公開
DMCA回避申立て件数が過去最多を記録
年齢確認法がオープンソースに波及する懸念を表明

GitHubは2026年4月15日、開発者向けポリシーに関する最新の動向を公式ブログで発表しました。米連邦最高裁判所のCox対Sony判決、DMCA第1201条の次回見直し、そして2025年通年の透明性レポートの公開という3つのテーマを取り上げ、開発者の権利保護と著作権のバランスについて見解を示しています。

最高裁のCox対Sony判決では、オンラインサービス提供者がユーザーの著作権侵害に対して自動的に責任を負うものではないとの基準が示されました。GitHubは業界のアミカスブリーフ(意見書)に参加し、開発者プラットフォームに対する過度な責任追及が技術革新を阻害すると主張していました。この判決により、中立的なインフラを提供するプラットフォームの法的安定性が高まるとGitHubは評価しています。

DMCA第1201条については、2027年に予定される次回の3年ごとの免除見直しに向けた準備を進めています。同条項はデジタルアクセス制御の回避を制限するもので、セキュリティ研究やAI安全性研究、相互運用性に関わる開発者に直接影響します。2024年のサイクルではAI関連のセキュリティ研究に関する免除申請が採用されなかったことから、GitHubは今後の議論に向けて開発者からのフィードバックを求めています。

透明性レポートでは、2025年のDMCA回避申立て件数が透明性報告開始以来の最多を記録したことが明らかになりました。これは少数の大規模なテイクダウンに起因するものの、著作権法の均衡あるアプローチの重要性を浮き彫りにしています。また、米国各州やブラジル、欧州で広がる年齢確認法がオープンソースのOSやパッケージマネージャーに意図せず適用される可能性についても懸念を表明し、5月のMaintainer Monthでこのテーマを取り上げる予定です。

GitHub技術者がCopilot CLIで個人用統合ダッシュボードを1日で構築

プロジェクトの概要と背景

複数アプリの情報分散を一元化
Electron+React+Tailwindで構築
Copilot CLIの計画・実装支援を活用
v1を通常業務と並行し1日で完成

AI活用の開発手法

計画段階でCopilotに要件を対話的に整理させる手法
VS Code Agent ModeとCloud Agentの非同期併用
AIはコード追加は得意だが削除は苦手と指摘
未経験のElectronもエージェント主導で開発可能

GitHubのスタッフソフトウェアエンジニアであるBrittany Ellich氏が、GitHub Copilot CLIを活用して個人用の統合コマンドセンターを構築した事例が、2026年4月15日にGitHub公式ブログで公開されました。このツールは、カレンダーやタスク管理など複数のアプリに分散した情報を1つのデスクトップアプリに集約するもので、通常業務と並行しながらわずか1日で初版を完成させています。

Ellich氏の開発手法は「計画してから実装する」というアプローチです。まずCopilotに質問を投げかけてもらい、要件を対話形式で整理します。十分な計画ができた段階でCopilotに実装を任せることで、手戻りを最小限に抑えています。同期的な開発にはVS CodeのAgent Modeを、バグ修正や技術的負債の解消といった非同期タスクにはCopilot Cloud Agentを使い分けています。

技術スタックはElectron、React、Vite、Tailwind CSS、そしてMicrosoft 365のデータにアクセスするためのWorkIQ MCPサーバーです。Ellich氏はElectronアプリの開発経験がほぼなかったものの、Agent Modeによってフレームワークの詳細を学ぶ必要なく構築できたと述べています。一方で、公開リポジトリ化のためにコードを簡素化する作業ではAIの限界も感じたといいます。

Ellich氏は「AIエージェントはコードを追加するのは得意だが、コードを削除することにはあまり積極的ではない」と指摘しています。リポジトリの整理には人間の手作業が必要だったものの、Electronに不慣れでもコードを読んで修正する程度には十分理解できたとのことです。プロジェクトはオープンソースとして公開されており、Node.js v18以上とMicrosoft 365アカウントがあれば誰でも試すことができます。

AI生成コード検証のGitar、900万ドル調達しステルス脱却

Gitarの事業概要

コード検証に特化したAIエージェント
レビューやCI管理を自動化するプラットフォーム
Venrockリード、Sierra Venturesも参加

「バイブコーディング」時代の課題

AI生成コードの品質問題が企業で深刻化
シニアエンジニアの修正負担が増大
将来は人間のレビューを最小限に
生成後の検証で差別化を図る

コードセキュリティスタートアップのGitarが、Venrockがリードする900万ドルの資金調達を完了し、ステルスモードから正式に姿を現しました。同社はIntel Labs、Google、Uberで経験を積んだAli-Reza Adl-Tabatabai氏が設立した企業で、AIエージェントを活用してコード品質を検証するプラットフォームを提供しています。

「バイブコーディング」の普及により、AI生成コードが企業に大量に流入する一方、バグやセキュリティ上の問題が深刻化しています。Adl-Tabatabai氏はこの状況を「コードオーバーロード」と表現し、生成ではなく検証こそが市場の本質的な課題だと主張しています。

Gitarのプラットフォームは、コードレビューやCI(継続的インテグレーション)ワークフローの管理など、幅広いコード品質管理をAIエージェントで自動化します。エンジニアリングチームが独自のエージェントを作成し、セキュリティやメンテナンス業務を委任できる点も特徴です。サブスクリプション型で提供されています。

同社の将来ビジョンは、人間によるコードレビューを例外的なケースに限定し、出荷前の検証プロセスを全自動化することです。「コードが安全に出荷できることを自動的に保証する検証エージェントがあり、人間は例外的な場合にのみ関与する」とAdl-Tabatabai氏は語っています。

調達資金はエンジニアリングおよびプロダクトチームの採用に充てられる予定です。サンマテオに拠点を置く同社は、大規模なサービス提供を支えるシステム開発に注力する方針を示しています。

Cisco幹部が提唱する「認知のインターネット」、AIエージェント間の共有思考を実現する3つの新プロトコル

共有認知の基盤構想

エージェント間の意味的整合性が欠如
接続ではなく認知の共有が必要
人類の認知革命をシリコンで再現する構想

3つの新プロトコル

SSTPで意味レベルの通信を解析
LSTPでKVキャッシュごと潜在空間を転送
CSTPでエッジ向けに状態を圧縮転送

Ciscoでの実践成果

SREチームの展開時間が数時間から数秒に短縮
Kubernetesの問題を80%削減

CiscoのOutshift部門でSVP兼GMを務めるVijoy Pandey氏が、AIエージェントの次の課題は「共に考える」能力だと提唱しました。同氏はVentureBeatのポッドキャストで、現在のAIエージェントはワークフローで接続できても意味的な整合性や共有コンテキストを持たず、毎回ゼロから作業していると指摘。この課題を解決する「認知のインターネット」という構想を発表しています。

Pandey氏のチームは3つの新プロトコルを開発しています。Semantic State Transfer Protocol(SSTP)は言語レベルで意味的な通信を解析し、適切なツールやタスクを推論します。MITとの共同研究「Ripple Effect Protocol」も関連成果として発表されています。Latent Space Transfer Protocol(LSTP)は、トークン化のオーバーヘッドを回避し、KVキャッシュごと潜在空間を直接転送する仕組みです。

Compressed State Transfer Protocol(CSTP)は、対象となる情報のみを選別し残りを圧縮する方式で、大量の状態情報を正確に送る必要があるエッジ環境に適しています。これら3つのプロトコルに加え、認知状態を同期する「ファブリック」とガードレールを提供する「認知エンジン」の3層構造で分散型超知能の実現を目指しています。

一方、Ciscoでは既存のAI技術で具体的な成果も出ています。サイト信頼性エンジニアリング(SRE)チームでは、CI/CDパイプラインやKubernetesクラスタのデプロイなど10以上のワークフローを自動化しました。20以上のエージェントがMCPを介して100以上のツールにアクセスし、デプロイ時間を数時間から数秒に短縮しています。

Pandey氏は、大規模ネットワークにおけるエラー検出能力を10%から100%に引き上げた事例も紹介しました。同時に「AIは道具であり、新しいハンマーを手にしたからといって釘を探し回るべきではない」と述べ、決定論的なコードとAIの適切な組み合わせが重要だと強調しています。また、この「認知のインターネット」はオープンで相互運用可能な取り組みであるべきだとし、オープンソースプロジェクトAgntcyでエージェントの発見やアクセス管理、監視、評価の機能を公開しています。

Anthropic、Claude Codeデスクトップ版を刷新し自動実行機能Routinesを公開

デスクトップ版の主要機能

並列作業向けに全面再設計
サイドバーで全セッション一覧管理
プレビューペインを統合
差分ビューアを高速化

Routinesの3つの実行形態

定時実行のスケジュール型
HTTP経由のAPI型
GitHub連携のWebhook型
クラウド上で自律実行可能

Anthropicは2026年4月14日、AIコーディングツールClaude Codeのデスクトップアプリを全面刷新するとともに、バックグラウンドで自動実行できる新機能「Routines」をリサーチプレビューとして公開しました。今回の更新は、開発者の役割を個別のコード記述者から複数AIエージェントの指揮者へと転換させる設計思想を反映しています。

刷新されたデスクトップアプリの中核は、新たに導入されたサイドバーによる「ミッションコントロール」機能です。開発者はすべてのアクティブなセッションを一画面で管理し、ステータスやプロジェクトでフィルタリングできます。ドラッグ&ドロップでターミナル、プレビューペイン、差分ビューア、チャットをグリッド配置でき、複数リポジトリにまたがる作業の視認性が向上しました。

RoutinesはAnthropicのクラウドインフラ上で実行される自動化機能で、3種類の形態があります。スケジュール型はcronジョブのように定期的なメンテナンスを実行し、API型はDatadogなどの監視ツールやCI/CDパイプラインからHTTPリクエストで起動できます。Webhook型はGitHubのリポジトリイベントを検知して自動的にPRコメント対応やCI障害の修正に着手します。

利用上限はプランごとに設定されており、Proユーザーは1日5件、Maxは15件、Team/Enterpriseは25件のRoutinesを実行できます。追加利用分は別途購入が可能です。VentureBeatの実機テストでは、統合ターミナルの遅延やサードパーティプラグインの互換性に課題が見られた一方、Routinesの設定は2分以内で完了し、ローカルマシンを起動せずに自律動作することが確認されました。

企業利用の観点では、デスクトップ版はコードレビューや承認に適した環境を提供する一方、CLIは柔軟性と実行速度に優れるという使い分けが想定されます。ただしデスクトップ版はAnthropicのモデルに限定される「ウォールドガーデン」であり、複数のAIモデルを切り替えて使う開発者にとってはCLIが引き続き主要な選択肢となります。

靴ブランドAllbirdsがGPU事業に転身、株価6倍に

事業転換の経緯

Allbirdsがブランドを3900万ドルで売却
新社名NewBird AIでGPU事業へ
5000万ドルの転換社債で資金調達
株主総会5月18日に承認予定

GPU事業の展望と市場の反応

GPUaaS提供を長期ビジョンに掲げる
発表直後に株価が約600%急騰
データセンター空室率が過去最低水準
具体的な差別化戦略は不透明

かつてシリコンバレーで愛されたサステナブルシューズブランドAllbirdsが、靴事業を売却し、AI計算基盤企業への転身を発表しました。同社は2021年のIPO時に約40億ドルの評価額を記録しましたが、その後の業績低迷が続き、2026年3月30日にブランドと靴事業をAmerican Exchange Groupへ3900万ドルで売却していました。新社名はNewBird AIとなります。

NewBird AIは非公開の機関投資家から5000万ドルの転換社債による資金調達を実施し、高性能GPU資産の取得に充てる計画です。長期的にはGPU-as-a-Service(GPUaaS)とAIネイティブなクラウドソリューションの統合プロバイダーを目指すとしています。同社はNasdaq上場企業としての上場維持枠を活用し、AI分野への参入を図ります。

発表を受けてAllbirdsの株価は約600%急騰しました。背景には、北米データセンターの空室率が過去最低水準に達し、2026年半ばまでの計算能力がすでに予約済みという市場環境があります。企業やAI開発者がGPUを確保できない需給ギャップをNewBird AIが埋めるという構想です。

ただし、複数のメディアはこの転身に懐疑的な見方を示しています。Wired誌は「GPUを買う資金以外に何をもたらすのか不明」と指摘し、Ars Technicaは同社のSEC提出書類に「計算基盤市場の機会を調査中」との表現があることから、計画の具体性に疑問を呈しました。2017年にLong Island Iced Tea社がブロックチェーン企業に転身して株価急騰後に上場廃止となった前例との類似性も指摘されています。

なお、ブランド売却と事業転換はいずれも5月18日の株主総会での承認が条件となっており、承認後の第3四半期に株主への配当が予定されています。靴事業を引き継ぐAmerican Exchange Groupは、既存顧客向けの製品提供を継続する方針です。

AIでチップ最適化と設計を自動化、Nvidia支配に挑む2社

コード最適化の自動化

WaferがAIでカーネルコード最適化
AMDやAmazonと連携し効率最大化
Nvidiaのソフトウェア優位性を侵食する狙い

チップ設計へのAI活用

Ricursiveが評価額40億ドルで3.35億ドル調達
元Google技術者がチップ設計の自動化を推進
自然言語でチップ設計を指示する未来像
AIが自らのハードウェアを改善する再帰的進化

AIチップ市場で圧倒的な支配力を持つNvidiaに対し、AIを活用してその優位性を切り崩そうとする2つのスタートアップが注目を集めています。WaferはAIモデルを使ってチップ上で動作するカーネルコードを最適化する技術を開発し、Ricursive IntelligenceはAIによるチップ設計の自動化に取り組んでいます。両社のアプローチは、Nvidiaが築いたソフトウェアエコシステムとハードウェア設計の参入障壁をAI自体の力で突破しようとするものです。

Waferは強化学習を用いてオープンソースモデルにカーネルコードの記述を学習させるほか、AnthropicのClaudeやOpenAIのGPTに「エージェントハーネス」を追加してチップ向けコード生成能力を強化しています。CEOのEmilio Andere氏は、AMDやAmazonの最新チップがNvidia GPUと同等の理論演算性能を持つと指摘し、「ワットあたりの知能を最大化したい」と述べています。同社はGoogleのJeff Dean氏やOpenAIのWojciech Zaremba氏らから400万ドルのシード資金を調達しました。

一方、Ricursive Intelligenceは元Google技術者のAzalia Mirhoseini氏とAnna Goldie氏が設立しました。両氏はGoogleでAIを活用したチップレイアウト最適化技術を開発した実績があり、この技術は現在業界で広く使われています。Ricursiveではさらに踏み込み、大規模言語モデルをチップ設計プロセスに統合することで、自然言語による設計指示を可能にすることを目指しています。

Ricursiveの構想は投資家から高い評価を受け、わずか数カ月で評価額40億ドル、調達額3億3500万ドルに達しました。Goldie氏は、AIがチップとアルゴリズムを同時に最適化する「再帰的改善」が可能になると展望しています。より多くの計算資源を投じてより高速なチップを設計するという、チップ設計のスケーリング則が生まれつつあると同氏は語っています。

Nvidiaの強みはハードウェア性能だけでなく、CUDAをはじめとするソフトウェアツール群にあります。しかしAIによるコード最適化やチップ設計の自動化が進めば、このソフトウェアの堀は薄れる可能性があります。Andere氏は「チップのプログラマビリティに存在する堀が本当に強固なのか、再考すべき時期だ」と指摘しており、AI技術がAI半導体の勢力図を塗り替える動きが加速しています。

AI学習アプリGizmo、ユーザー1300万人突破でシリーズA約33億円調達

急成長の背景

120カ国以上で1300万人が利用
2023年の30万人から約43倍に急増
ゲーミフィケーションで学習継続を促進
TikTok世代の学習習慣転換を狙う

資金調達と今後の展開

Shine Capital主導で2200万ドル調達
従業員7人から約30人へ拡大予定
米国の大学市場への本格参入
エンジニアリングとAIチームを強化

AI搭載の学習プラットフォームを提供するGizmoが、シリーズAラウンドで2200万ドル(約33億円)の資金調達を実施しました。2021年のサービス開始以来、120カ国以上でユーザー数が1300万人を超え、2023年時点の約30万人から大幅に成長しています。調達資金はエンジニアリング・AIチームの拡充と米国大学市場への展開に充てられます。

Gizmoは学生のノートをインタラクティブな学習教材に変換するサービスです。リーダーボード、連続学習記録(ストリーク)、不正解時のライフ制限、友人への挑戦機能など、ゲーム的な仕組みを取り入れることで学習への継続的な関与を実現しています。10代から若年層をターゲットにしており、TikTokやYouTubeに慣れた世代の学習行動を変えることを目指しています。

米国では2025年の全国学力調査(NAEP)で学力が過去最低水準を記録しており、スクリーンタイムの過多や集中力の低下が要因として指摘されています。こうした環境のなかで、edtech分野ではAnki、Quizlet、Nibbleといった既存サービスに加え、YunoやKnowtなど新興プレイヤーも台頭しています。Gizmoの1300万ユーザーは競合のKnowt(700万人超)やYuno(100万ダウンロード)を上回る規模です。

今回のラウンドはShine Capitalが主導し、Ada Ventures、Seek Investments、GSV、NFXが参加しました。NFXは以前のシードラウンド(350万ドル)でもリード投資家を務めています。調達を機に、現在7名の従業員を約30名に増やす計画で、CEOのPetros Christodoulou氏はTechCrunchの取材に対し、米国の大学市場を重点的に開拓する方針を示しています。

バイブコーディングアプリAnything、App Store2度の削除を経て再建へ

Appleとの対立の経緯

3月26日にApp Storeから初回削除
コード実行禁止の規約2.5.2を根拠に排除
4月3日に一時復活も再び削除
悪意あるコードの実行リスクをAppleが懸念

Anythingの対応策

iMessageプラットフォームでアプリ構築機能を提供
デスクトップ版コンパニオンアプリを開発予定
より開放的なAndroidへの展開も検討

業界への波及

ReplitやVibecodeも更新停止の影響
AI活用でApp Store申請数が84%急増

Appleがバイブコーディングアプリへの規制を強化しています。影響を受けたアプリにはReplit、Vibecode、Anythingなどがあり、なかでもAnythingは2026年3月26日にApp Storeから削除され、4月3日に一時復活したものの再び削除されるという事態に見舞われました。

Anythingの共同創業者ディーラヴ・アミン氏はTechCrunchの取材に対し、Appleが開発者規約の条項2.5.2を根拠にアプリを排除したと説明しました。同条項はアプリによるコードのダウンロード、インストール、実行を禁止するものです。Appleはさらに、ユーザーが有害なアプリを構築しサイドロードした上で、App Reviewを通過したと主張する恐れがあると指摘しました。

こうした状況を受け、Anythingは代替手段の構築に乗り出しています。すでにiMessageプラットフォーム上でアプリを構築できる機能をリリースしたほか、デスクトップ版コンパニオンアプリの開発も進めています。アミン氏はiOSより開放的なGoogleのAndroidへの展開も視野に入れていると語りました。

この問題はAnythingだけにとどまりません。Epic GamesのCEOティム・スウィーニー氏もAppleの対応を批判し、開発ツールアプリの排除を即座にやめるべきだと主張しています。The Informationの報道によれば、AI搭載コーディングツールの普及でAppleのApp Store申請数は四半期で84%増加しており、人力によるレビュー体制の見直しを迫られる可能性があります。

AIによるアプリ開発が急速に広がるなか、プラットフォーム側の規制とユーザーの自由のバランスが問われています。消費者が自分でアプリを作れる時代が到来すれば、Appleのような大手プラットフォームも方針転換を余儀なくされるかもしれません。

AI生成コードの43%が本番環境でデバッグ必要と判明

深刻な生産性低下

開発者の週38%がデバッグに消費
修正に2〜3回の再デプロイが必須
AI信頼度「非常に高い」が0%
Amazonの大規模障害が現実の警鐘に

ランタイム可視性の欠如

97%の組織で本番環境の可視性が不十分
障害解決の54%がベテランの経験頼み
金融業界では74%がAI診断より人間を信頼
AI SREツールの本番導入は0社

業界が直面する構造的課題

既存監視ツールへの信頼度が77%で低評価
ベンダーロックインが診断精度を制約
必要なのは「説明力」でなく「観測力」

Lightrunが2026年版「AI駆動エンジニアリングの現状」レポートを公開しました。アメリカ・イギリス・EUの大企業に所属するSRE・DevOpsリーダー200人を対象とした調査で、AI生成コードの43%がQAやステージングテストを通過した後も本番環境で手動デバッグを必要としていることが明らかになりました。AIが提案した修正を1回の再デプロイで検証できた組織はゼロで、88%が2〜3回、11%が4〜6回のサイクルを要しています。

この問題の深刻さを示す実例が、2026年3月に発生したAmazonの連続障害です。3月2日には約6時間のダウンで12万件の注文が失われ、3月5日にはさらに深刻な障害が発生し、アメリカの注文量が99%減少、約630万件の注文が消失しました。いずれもAI支援によるコード変更が適切な承認なく本番環境に展開されたことが原因です。Amazonはこれを受け、335の重要システムを対象に90日間のコード安全性リセットを実施しました。

開発者の生産性への影響も甚大です。調査によると、開発者は週の平均38%、およそ丸2日分をデバッグ・検証・環境固有のトラブルシューティングに費やしています。AIがコードを高速に生成する一方で、そのコードが正しく動作するかの確認に膨大な時間がかかり、ボトルネックが「書く」から「検証する」に移動しただけという状況です。Google の2025年DORAレポートでも、AI導入とコード不安定性の増加に相関が確認されています。

調査が指摘する最も根本的な問題は「ランタイム可視性ギャップ」です。回答者の60%が本番環境の動作を可視化できないことを障害解決の最大のボトルネックと回答しました。AIのSREツールや監視ツールが障害調査を試みたケースの44%で、変数の状態やメモリ使用量といった実行レベルのデータがそもそも取得されていなかったため、調査が失敗しています。97%の組織でAI SREエージェントは本番環境への有意な可視性を持たずに運用されています。

業界全体の信頼の欠如も顕著です。AI SREツールを実際の本番ワークフローに導入した組織は調査対象の中に1社もなく、90%が実験・パイロット段階にとどまっています。信頼回復に必要な要素として、58%が「障害発生時点の変数を証拠として提示できる能力」を、42%が「修正案をデプロイ前に検証できる能力」を挙げました。AIに求められているのは、より上手に説明する能力ではなく、より深く観測する能力であることが浮き彫りになっています。

OpenAI、サイバー防御向け専用モデルを提供開始

TACプログラム拡大

数千人規模の個人防御者へ開放
数百チームの重要インフラ防御組織が対象
本人確認による段階的アクセス制御
chatgpt.com/cyberから個人登録可能

GPT-5.4-Cyberの特徴

防御用途向けにファインチューニング
バイナリリバースエンジニアリング機能搭載
正当な脆弱性研究への制限を緩和
限定的・段階的なデプロイで提供開始

サイバー防御戦略の全体像

Codex Securityで3,000件超の重大脆弱性を修正
1,000以上のOSSプロジェクトに無料スキャン提供

OpenAIは2026年4月14日、サイバー防御者向けの信頼アクセスプログラム「Trusted Access for Cyber(TAC)」を大幅に拡大し、数千人の認証済み個人防御者と数百の重要ソフトウェア防御チームに開放すると発表しました。同時に、防御的サイバーセキュリティ用途に特化してファインチューニングした新モデル「GPT-5.4-Cyber」の提供を開始します。

GPT-5.4-Cyberは、GPT-5.4をベースにサイバーセキュリティの正当な業務に対する制限を緩和したモデルです。最大の特徴は、ソースコードなしでコンパイル済みソフトウェアのマルウェア分析や脆弱性調査を行えるバイナリリバースエンジニアリング機能を備えている点です。デュアルユースのリスクがあるため、審査済みのセキュリティベンダーや研究者に限定して段階的に展開されます。

TACプログラムへのアクセスは明確な手順で設計されています。個人ユーザーはchatgpt.com/cyberで本人確認を行うことで登録でき、企業はOpenAIの担当者を通じてチーム単位でのアクセスを申請します。承認されたユーザーは、デュアルユースのサイバー活動に関する安全制限が緩和されたモデルを利用でき、さらに上位のアクセス階層としてGPT-5.4-Cyberの利用を希望することも可能です。

OpenAIのサイバーセキュリティ戦略は、アクセスの民主化、反復的デプロイ、エコシステムの回復力という3つの原則に基づいています。同社はGPT-5.2から段階的にサイバー特化の安全訓練を拡充してきました。GPT-5.4は準備態勢フレームワークで「高」サイバー能力に分類されており、モデル能力の向上に合わせて防御も拡大する方針を掲げています。

実績面では、半年前にプライベートベータで開始したCodex Securityがコードベースの自動監視と修正提案を行い、3,000件超の重大・高リスク脆弱性の修正に貢献しています。また、1,000以上のオープンソースプロジェクトに無料セキュリティスキャンを提供する「Codex for Open Source」や、総額1,000万ドルのサイバーセキュリティ助成プログラムも展開しており、防御者コミュニティの強化を多面的に進めています。

Google AI幹部がYeggeの社内AI活用批判に猛反論

批判の発端と内容

元Google技術者Yeggeが社内AI活用の遅れを指摘
社員の60%が基本的なチャット利用に留まるとの主張
Geminiでは高度なエージェント型開発が不十分との批判
Anthropic製品が「敵」扱いで使えないとの告発

幹部陣の反論

Hassabisが「完全な虚偽」と直接否定
週4万人超のエンジニアがエージェント型開発を利用と反論
社内外のAIモデルに幅広くアクセス可能と説明

業界への示唆

AI「利用」と「変革」の定義を巡る本質的な論争に発展

元Google技術者のSteve Yegge氏がXに投稿した内容が大きな議論を呼んでいます。Yegge氏は現役のGoogle社員である友人の見解として、同社のAI活用は外部から見えるほど先進的ではなく、エンジニアの多くが基本的なチャットやコーディング支援にとどまっていると主張しました。投稿は1日で190万回以上閲覧され、4,500件を超える「いいね」を集めました。

この投稿に対し、Google DeepMindのCEOであるDemis Hassabis氏が「完全な虚偽でクリックベイトだ」と即座に反論しました。Hassabis氏は投稿者の友人に対し「実際の仕事をしろ」と厳しい言葉で応じています。Google内部からの直接的かつ感情的な反応は、この問題が同社にとっていかに敏感であるかを物語っています。

Google Cloud AIディレクターのAddy Osmani氏は、社内で週4万人以上のソフトウェアエンジニアがエージェント型コーディングを利用していると具体的な数字を示しました。さらに、カスタムモデルやCLI、MCPなどの社内ツールに加え、AnthropicのモデルもVertex経由で利用可能だと説明し、「Googleは決して平均的ではない」と強調しました。DeepMindのエンジニアリングリードも、エージェントが24時間稼働していると証言しています。

一方のYegge氏は主張を撤回せず、トークン消費量や旧来の開発習慣からの脱却度合いこそが真の指標だと反論しました。広範な利用実績を示すだけでは、エンジニアリングの本質的な変革を証明したことにはならないとの立場です。Googleが具体的なデータを提示すれば批判を撤回する用意があるとも述べています。

この論争は、AI活用における「利用率」と「変革度」のどちらを重視すべきかという業界全体の課題を浮き彫りにしています。多くの企業がAIツールの導入率を成果として掲げる一方、パワーユーザー的な活用が組織全体に浸透しているかは別の問題です。Googleにとっては、AI分野のリーダーとしてのブランドイメージに直結するだけに、とりわけ重い問いとなっています。

ロボ推論AI刷新、Spotの産業点検が進化

新モデルの主要機能

空間推論と多視点理解を強化
計器読取り機能を新搭載
タスク成功検知の精度向上

Spot搭載と産業活用

産業施設の自律点検に活用
危険な残骸や漏洩の自動検知
ゲージやサイトグラス読取り

展望と残る課題

APIで開発者に即日公開
Atlas等への技術展開も視野

Google DeepMindは2026年4月14日、ロボット向けAIモデル「Gemini Robotics-ER 1.6」を発表しました。空間認識と多視点理解を大幅に強化したこのモデルは、ロボットが物理環境を人間に近い精度で理解することを目指しています。同日、Boston Dynamicsは四足歩行ロボット「Spot」にこのモデルを搭載し、産業点検の自律性を高めると発表しました。

Gemini Robotics-ER 1.6の最大の特長は、推論ファーストのアプローチです。視覚・空間理解、タスク計画、成功検知といったロボットに不可欠な能力を統合的に備えます。Boston Dynamicsとの協業で生まれた計器読取り機能により、複雑なゲージやサイトグラスを自律的に確認できるようになりました。安全性の面でも、敵対的な空間推論タスクにおいて過去最高のポリシー準拠率を達成しています。

Boston DynamicsのSpotは、すでに数千台が産業現場で稼働する数少ない商用四足ロボットです。新モデル搭載により、施設内の危険物検知、計器の自動読取り、環境把握にビジョン言語行動モデルを活用できるようになります。Spot担当副社長のMarco da Silva氏は「現実世界の課題に完全自律で対応できるようになる」と述べています。

一方で課題も残ります。現時点のモデルは視覚情報のみに依存しており、触覚や力覚センサーのデータは活用していません。DeepMindのCarolina Parada氏は、ウェブ上に触覚データが不足していることがその要因だと説明しています。Boston Dynamicsはベータプログラムの顧客からデータ共有を受け、モデルの改善に役立てる方針です。

商用展開では、80%以上の検知精度が実用化の閾値とされています。da Silva氏によれば、それを下回るとオペレーターが誤報を無視し始めるためです。Gemini Robotics-ER 1.6はGemini APIとGoogle AI Studioを通じて開発者に公開されており、Spotでの実運用データを基に人型ロボットAtlasを含む将来のプラットフォームへの応用も視野に入っています。

GitHubがAIエージェントの脆弱性学習ゲームと無料コード診断を公開

AIエージェント攻略ゲーム

Season 4はエージェント特化
自律型AIの脆弱性を5段階で学習
自然言語のみで参加可能
1万人超の開発者が過去シーズンを体験

無料コード脆弱性診断

CodeQLで最大20リポジトリ分析
ワンクリックで組織全体のリスク可視化
Copilot Autofixによる自動修正候補も表示
シークレット診断と統合された一元管理

GitHubは2026年4月14日、AIエージェントのセキュリティを学べる無料ゲーム「Secure Code Game Season 4」と、組織のコード脆弱性を即座に把握できる「Code Security Risk Assessment」を同時に発表しました。いずれも無料で利用でき、開発者やセキュリティ担当者がAI時代のコードセキュリティに取り組む敷居を大幅に下げる施策です。

Secure Code Gameの新シーズンでは、意図的に脆弱性を仕込んだAIアシスタント「ProdBot」を攻略します。プレーヤーは自然言語でProdBotに指示を出し、サンドボックス脱出やWebアクセス悪用、MCPサーバー経由の攻撃、メモリ汚染、マルチエージェント連携の弱点といった5段階の脆弱性を発見していきます。コーディング経験は不要で、GitHub Codespacesからすぐに始められます。

背景には、自律型AIエージェントの急速な普及とセキュリティ対策の遅れがあります。OWASPが2026年版のエージェントアプリケーション向けトップ10リスクを公開し、Ciscoの調査では83%の組織がエージェントAI導入を計画する一方、安全に運用できると考える組織は29%にとどまります。攻撃者の視点を体験することで、このギャップを埋める狙いです。

一方のCode Security Risk Assessmentは、組織の管理者がワンクリックでCodeQLによる静的解析を実行し、重大度別の脆弱性数、言語別リスク、影響を受けるリポジトリの一覧をダッシュボードで確認できます。検出された脆弱性のうちCopilot Autofixで自動修正可能な件数も表示され、修正作業への移行がスムーズです。GitHub Actionsの実行時間も課金対象外となっています。

2025年にはCopilot Autofixを活用して46万件超のセキュリティアラートが修正され、手動修正と比べ平均修正時間が約2倍速くなりました。既存のシークレット診断と統合されたタブ表示により、認証情報の漏洩リスクとコード脆弱性を一画面で把握できます。GitHubは教育と診断ツールの両面から、開発組織のセキュリティ底上げを図っています。

SynthID透かし解析の主張、Google側は否定

解析手法と限界

黒画像200枚から透かしパターン抽出
信号処理のみでNN不使用
完全除去は不可、デコーダ混乱が限界
悪用コスト引上げの設計を開発者も評価

Googleの反論

Google広報が体系的除去は不可能と否定
画像生成時にピクセル単位で埋込
全AI製品に広範適用中
実用的脅威の段階には未到達

ソフトウェア開発者のAloshdenny氏が、Google DeepMindのSynthID電子透かしシステムをリバースエンジニアリングしたと主張し、その手法をGitHubでオープンソース公開しました。Geminiで生成した200枚の純黒画像のコントラストと彩度を強調してノイズ除去することで、透かしパターンを可視化できたといいます。ニューラルネットワークやGoogleへの特別なアクセスは一切使用していません。

SynthIDは、GoogleのAI生成コンテンツに埋め込まれるほぼ不可視の電子透かしシステムです。画像生成の段階でピクセルに直接組み込まれる設計で、画質を劣化させずに除去することが困難になっています。Gemini、Nano Banana、Veo 3などGoogleのAI製品全般で使用されており、YouTubeのAI生成アバターにも適用されています。

ただし、Aloshdenny氏自身も完全な除去には成功していません。実現できたのはSynthIDのデコーダを混乱させるレベルにとどまり、透かし自体の削除ではありませんでした。同氏は「デコーダを諦めさせることしかできなかった事実が、設計の優秀さを物語っている」と述べ、SynthIDが完璧ではないものの悪用のコストを十分に引き上げていると評価しています。

Google広報のMyriam Khan氏はThe Vergeに対し、「このツールがSynthIDの透かしを体系的に除去できるという主張は誤りである」と明確に否定しました。現時点では、誰でもダウンロードして透かしを除去・追加できるツールには至っておらず、AI検知システムを欺く実用的な脅威にはなっていないと見られます。

Anthropicのエージェント管理基盤、利便性とロックイン懸念が併存

プラットフォームの特徴

エージェント配備を数日に短縮
状態管理・実行グラフ・ルーティングを一括提供
サンドボックスや認証管理が不要に
ハイブリッド型の従量課金モデル採用

ロックインと競合環境

セッションデータをAnthropic側が管理
制御・可観測性・移植性の低下リスク
MicrosoftやOpenAIとの価格構造の違い
規制業務での二重制御面問題

企業導入の現状

Anthropicのオーケストレーション採用が急伸
Claude利用企業が自社ツールに集約する傾向

Anthropicは2026年4月、エージェントの展開・運用を一元化する新プラットフォーム「Claude Managed Agents」を発表しました。従来は数週間から数カ月かかっていたAIエージェントの本番配備を数日に短縮できると同社は主張しています。サンドボックス環境の構築、認証情報の管理、スコープ付き権限設定といった複雑な作業をプラットフォーム側が吸収し、企業はタスク定義・ツール選択・ガードレール設定に集中できる設計です。

一方で、このアーキテクチャはオーケストレーションのロジックをモデル提供者側に委ねる構造的な転換を意味します。セッションデータはAnthropicが管理するデータベースに保存されるため、企業が単一ベンダーに依存するロックインリスクが高まります。エージェントの実行がモデル駆動型になることで、制御性・可観測性・移植性が低下する懸念があり、金融分析や顧客対応など規制の厳しい業務では、企業側の指示とClaudeランタイムの組み込みスキルが二重の制御面を形成し、矛盾が生じる可能性も指摘されています。

料金体系も注目点です。Claude Managed Agentsはトークン課金と使用量ベースのランタイム料金を組み合わせたハイブリッドモデルを採用しており、アクティブ実行中は1時間あたり0.08ドルが基本料金となります。たとえば1万件のサポートチケット処理では最大37ドル程度になる試算です。対するMicrosoftのCopilot Studioは月額200ドルで2万5,000メッセージという定額制で予測しやすく、OpenAIのAgents SDKはOSSとして無料ですがAPI利用料が別途発生する構造です。

VentureBeatの調査によると、2026年第1四半期のオーケストレーション分野ではMicrosoftが38.6%、OpenAIが25.7%のシェアを占めています。Anthropicのツールユース・ワークフローAPIの採用率は1月の0%から2月に5.7%へ急伸しており、Claudeを基盤モデルとして採用した企業が自社のオーケストレーションツールにも集約する傾向が確認されました。Claude Managed Agentsはこの流れを加速させる戦略的な一手であり、Anthropicはモデル提供者からオーケストレーション基盤へと立ち位置を拡大しつつあります。

企業にとっての判断は明確です。エンジニアリングの負荷を下げ、迅速にエージェントを展開したいならClaude Managed Agentsは有力な選択肢となります。しかし、制御性と移植性を重視する組織は、利便性とロックインのトレードオフを慎重に評価する必要があります。

Claude性能低下疑惑が拡散、Anthropicは否定

ユーザー側の主張

AMD幹部が詳細な分析を公開
推論深度の低下をログで実証と主張
BridgeBenchスコア急落の報告
「AI値下げ詐欺」との批判拡大

Anthropicの反論

モデル自体の劣化を明確に否定
思考量デフォルト変更が原因と説明
キャッシュTTL変更も意図的と回答
ユーザー体感と製品設定の認識差

Anthropicの主力モデルClaude Opus 4.6およびClaude Codeの性能が低下しているとの苦情が、GitHub、X、Redditで急速に拡散しています。きっかけとなったのは、AMDのAI部門シニアディレクターであるStella Laurenzo氏が4月2日に投稿した詳細な分析です。同氏は約6,800件のセッションファイルと約1万8,000件の思考ブロックを調査し、2月以降に推論の深さが著しく低下したと主張しました。

この投稿はXで拡散され、開発者のOm Patel氏による「67%の性能低下」という投稿や、BridgeMindのベンチマークで精度が83.3%から68.3%に下落したとする報告も加わり、「AIシュリンクフレーション(値下げ詐欺)」という表現とともに大きな議論を呼びました。

これに対しAnthropic側は、モデル自体の品質低下を明確に否定しています。Claude Codeの責任者Boris Cherny氏は、2月に導入した適応型思考のデフォルト化と3月のエフォートレベルの中程度への変更が主因だと説明しました。思考表示の変更はUIレベルのもので、実際の推論能力には影響しないとしています。

ベンチマーク結果についても外部の研究者Paul Calcraft氏が反論し、比較された2回のテストはタスク数が6問と30問で異なり、共通タスクでの精度差はわずか2.2ポイントに過ぎないと指摘しました。BridgeBenchの投稿にはコミュニティノートも付されています。

一方で、Anthropicは3月下旬にピーク時間帯のセッション制限を厳格化し、プロンプトキャッシュのTTLも5分間に変更するなど、実際に複数の運用変更を行っていたことは認めています。これらの変更がユーザー体験に影響を与えたことは否定できず、モデル品質への信頼が揺らいでいる状況です。

競合のOpenAIがCodEx強化やChatGPT Pro新プランの投入で攻勢をかける中、Anthropicにとってパワーユーザーとの信頼関係の修復は喫緊の課題となっています。同社はエフォートレベルの手動切り替えやキャッシュ制御の環境変数公開などで対応を進めていますが、ユーザーの不満が収まるかは不透明です。

AIエージェント同士の交流から恋愛マッチングへ

仕組みと背景

AIエージェントが仮想空間で自律交流
公開情報と自己申告データでデジタルツイン生成
UCLハッカソンで誕生しAnthropicが受賞
スワイプ型アプリの不平等を解消する狙い

課題と展望

相性予測の学術的根拠は乏しい
データ量の非対称性やコスト面の懸念
ソーシャルプラットフォーム化を計画
収益モデルは未確定の段階

ロンドンの開発者3人が立ち上げたPixel Societiesは、ユーザーごとにカスタマイズされたAIエージェントを仮想空間内で自律的に交流させ、現実世界での友人・同僚・恋愛パートナー候補を発見するプロジェクトです。各エージェントはLLMをベースに、公開SNSデータや性格診断の回答などを学習した「デジタルツイン」として振る舞います。

このプロジェクトは2026年3月、ロンドン大学で開催されたNvidia・HPE・Anthropic共催のハッカソンで2日間に開発されました。Anthropicから最優秀エージェントツール活用賞を受賞しています。開発者らはOpenClawの「ソウルファイル」概念に着想を得て、エージェントに個性を持たせる仕組みを実装しました。

既存のマッチングアプリは外見偏重で「容姿の格差」を生むと批判されていますが、Pixel Societiesはエージェント同士の会話から「繊細な相性」を見出せると主張しています。一方、UC Davisの心理学者Paul Eastwick氏はスピードデーティング研究を引用し、趣味・価値観・職業などの自己申告情報では相性をほぼ予測できないと指摘しています。

開発チームはプロトタイプを数百人に試用させており、最も多いリクエストは恋愛マッチングだといいます。今後はクローズドなシミュレーターからオープンなソーシャルプラットフォームへの転換を目指しています。ただし、シミュレーションのコスト、データ量の非対称性、長期関係を求めるユーザーと継続利用を前提とするプラットフォームのインセンティブ不整合など、事業化には多くの課題が残ります。

OpenAIモデルがCloudflare Agent Cloudで利用可能に

提携の概要

GPT-5.4含む最新モデル提供
数百万企業が即座にアクセス可能
Agent Cloud上でエージェント構築

開発者向け機能

CodexハーネスがGA公開
Cloudflare Sandboxで安全に実行
Workers AIでエッジ推論を実現
顧客対応や報告書生成を自動化

OpenAIのフロンティアモデルが、Cloudflareの新プラットフォーム「Agent Cloud」で利用可能になりました。GPT-5.4を含む最新モデルに数百万のCloudflare顧客が直接アクセスでき、企業向けAIエージェントの構築・展開が大幅に簡素化されます。

Agent Cloudは、Cloudflare Workers AI上で動作するプラットフォームです。企業はOpenAIモデルを活用して、顧客対応の自動化、システム更新、レポート生成などを行うエージェントを、セキュアな本番環境で展開できます。エッジコンピューティングにより、グローバル規模でのリアルタイム処理が可能です。

開発者向けツールとしては、OpenAIのCodexハーネスがCloudflare Sandboxesで一般提供を開始しました。Sandboxesはアプリケーションの構築・実行・テストを安全に行える仮想環境で、近日中にWorkers AIでも利用可能になる予定です。

CloudflareのCTOであるDane Knecht氏は、「OpenAIの強力なモデルをCloudflare環境に直接統合することで、知能とエンドユーザーの距離を縮める」と述べています。OpenAI側のRohan Varma氏も、クラウドエージェントが業務の基盤となりつつあると強調しました。

OpenAIはすでにAccenture、Walmart、Morgan Stanleyなど大手企業にサービスを提供しており、APIは毎分150億トークン以上を処理しています。Codexの週間アクティブユーザーは300万人に達しており、今回のCloudflare連携により企業向けAI導入がさらに加速すると見られます。

TechCrunch、AI用語集を更新し最新定義を公開

収録用語の概要

AGIやLLMなど主要語を網羅
ハルシネーションの定義と危険性
推論・学習・トークンの基礎解説
拡散モデルや蒸留技術も収録

新たに追加された項目

AIエージェントの定義を掲載
RAMageddonなど新造語も解説
メモリキャッシュの仕組みを説明
連鎖思考による推論手法の紹介

TechCrunchは2026年4月12日、人工知能分野で頻出する専門用語をまとめた用語集の最新版を公開しました。この用語集は、AI業界の報道で使われる技術用語を一般読者にもわかりやすく解説することを目的としています。複数の記者が共同で執筆しており、新たな手法や安全上のリスクが発見されるたびに定期的に更新される方針です。

収録されている用語はAGI(汎用人工知能)、LLM(大規模言語モデル)、ハルシネーション、推論、学習、トークンなど多岐にわたります。AGIの定義についてはOpenAI、Google DeepMindなど主要企業ごとに解釈が異なることも併せて紹介しています。LLMについてはChatGPTやClaude、Geminiといった具体的なAIアシスタントとの関係も説明されています。

注目すべき新項目として、AIエージェントの定義が加わりました。経費精算やレストラン予約、コード管理といったタスクを自律的に実行するツールとして説明されています。またRAMageddonという新造語も収録され、AI産業の急成長がメモリチップの世界的な供給不足を引き起こしている状況を解説しています。

技術的な項目では、連鎖思考(Chain of Thought)による推論の精度向上、拡散モデルによる画像・音楽生成の仕組み、蒸留技術による小型モデルの効率的な開発手法などが取り上げられています。ファインチューニングや転移学習といったモデル最適化の手法も網羅されており、AI開発の全体像を俯瞰できる内容です。

この用語集は、AIを活用したいビジネスリーダーやエンジニアにとって実用的なリファレンスとなります。専門用語の壁を越えて技術の本質を理解するための入り口として、定期的に参照する価値があるでしょう。

企業AI防衛に死角、端末推論とデータドリフト

端末上の影のAI利用

開発者がローカルで未承認モデルを実行
ネットワーク監視では検知不能
コード汚染やライセンス違反の温床

データドリフトの脅威

訓練時と異なるデータで精度が低下
攻撃者がモデルの盲点を悪用
予測信頼度の低下が早期警告に

対策の方向性

端末レベルのガバナンス強化が急務
社内モデルハブで安全な選択肢を提供

企業のAIセキュリティに新たな死角が生まれています。従来のセキュリティ対策はクラウドAPIへのデータ流出を監視する方針でしたが、開発者が高性能ノートパソコン上でオープンウェイトの大規模言語モデルをローカル実行する「Shadow AI 2.0」とも呼ばれる現象が広がり、ネットワーク監視では捕捉できないリスクが顕在化しています。同時に、セキュリティ用機械学習モデルの入力データが時間とともに変質する「データドリフト」も、防御力を静かに蝕んでいます。

端末上でのAI推論が実用的になった背景には、3つの技術的変化があります。64GBメモリ搭載のMacBook Proで700億パラメータ級モデルが動作可能になったこと、量子化技術の普及、そしてOllamaなどのツールによる導入の容易さです。開発者はWi-Fiを切った状態でソースコードレビューや機密文書の要約を行えるため、プロキシログやクラウド監査証跡が一切残りません。

ローカル推論がもたらすリスクは3種類に分類されます。第一に、未検証モデルが生成したコードがセキュリティ脆弱性を含んだまま本番環境に混入する「整合性リスク」です。第二に、非商用ライセンスのモデルで業務コードを生成してしまう「コンプライアンスリスク」があります。第三に、Pickle形式のPyTorchファイルなど悪意あるペイロードを含みうるモデルファイルをダウンロードしてしまう「サプライチェーンリスク」です。

一方、データドリフトの問題も深刻です。機械学習モデルは過去のデータのスナップショットで訓練されるため、現在の攻撃パターンと乖離すると検知精度が低下します。2024年にはエコースプーフィング手法でメール保護サービスのML分類器が突破される事例も発生しました。性能指標の急落、統計分布の変化、予測挙動の変動、信頼度スコアの低下、特徴量間の相関変化が、ドリフト発生の5つの兆候です。

対策としては、ネットワーク監視だけでなくエンドポイントレベルでのガバナンス強化が不可欠です。MDMやEDRを活用して未承認の推論ランタイムを検知し、社内にライセンス検証済みのモデルカタログを整備することが推奨されています。データドリフトに対しては、KS検定やPSIによる継続的な分布監視と、最新データによるモデル再訓練が基本的な対処法です。AIセキュリティの境界線はクラウドから端末へと回帰しつつあり、企業は両面からの防御態勢を構築する必要があります。

LangChain「メモリはハーネスの中核」オープン基盤を提唱

ハーネスとメモリの関係

エージェント基盤がメモリ管理を担う構造
コンテキスト制御がメモリの基盤
メモリはプラグインではなくハーネスの中核機能

クローズド基盤のリスク

ベンダーロックインによるモデル切替困難
長期メモリがAPI背後に囲い込まれる危険性
プロプライエタリなデータ資産の喪失リスク

オープン基盤の提案

Deep Agentsをオープンソースで提供
モデル非依存でメモリの所有権を確保

LangChainの共同創業者Harrison Chase氏は2026年4月11日、ブログ記事「Your harness, your memory」を公開し、エージェントハーネス(エージェント実行基盤)とメモリが本質的に不可分であると主張しました。クローズドなハーネスを使うことは、メモリの制御権を第三者に委ねることであり、開発者にとって深刻なリスクになると警鐘を鳴らしています。

Chase氏はLetta CTOのSarah Wooders氏の論考を引用し、メモリはハーネスに後付けする「プラグイン」ではなく、コンテキスト管理そのものがメモリの基盤だと述べています。会話履歴の保持、コンパクション時の情報取捨選択、長期記憶の更新と参照など、すべてハーネスが担う責務だという考えです。

記事ではクローズド基盤のリスクを3段階で整理しています。最も軽度なケースは、OpenAIやAnthropicのステートフルAPIにセッション状態を保存すること。モデル切替時にスレッドの継続ができなくなります。最悪のケースでは、長期メモリを含むハーネス全体がAPI背後に隠され、開発者がメモリの所有権も可視性も失うとしています。

Chase氏は、モデルプロバイダーがメモリによるロックインを意図的に推進していると指摘します。AnthropicのManaged AgentsやOpenAIのCodexが生成する暗号化コンパクション要約など、エコシステム外で利用できない仕組みが具体例として挙げられています。

この問題への解決策として、LangChainはオープンソースのエージェントハーネスDeep Agentsを提案しています。モデル非依存で、agents.mdやskillsといったオープン標準を採用し、MongoDB・PostgreSQL・Redisなど任意のデータベースをメモリストアとして接続できます。開発者が自らのメモリを所有し、ベンダーに依存しないエージェント開発を可能にする設計です。

GitHub Copilot CLIの初心者向けガイドを公開

Copilot CLIの概要

ターミナルでエージェント型AIを利用
コード生成やテスト実行を自律的に実行
npmやHomebrewで簡単にインストール可能

主な活用方法

プロジェクト全体の概要把握を依頼可能
コード生成やエンドポイント追加を指示
クラウドエージェントへのタスク委任に対応
対話モードと非対話モードの使い分け

GitHubは2026年4月10日、ターミナルから直接AIコーディングアシスタントを利用できるGitHub Copilot CLIの初心者向けチュートリアルシリーズを公式ブログで公開しました。同ツールはnpmコマンドでインストールでき、GitHubアカウントで認証後すぐに利用を開始できます。

Copilot CLIの最大の特徴は、エージェント型AIの能力をターミナルに持ち込む点にあります。コードのビルドやテストの実行を自律的に行い、エラーが発生した場合も人間のプロンプトなしに自己修正できます。開発者はタスクをCopilotに任せ、別の作業に集中した後で結果をレビューするというワークフローが可能です。

具体的な活用例として、プロジェクト全体の概要把握、新しいエンドポイントの追加、さらにはクラウドエージェントへのタスク委任が紹介されています。委任機能では、CLIのコンテキストを保持したまま新しいブランチの作成やドラフトプルリクエストの作成がバックグラウンドで実行されます。

今後のシリーズでは、対話モードと非対話モードの使い分け、スラッシュコマンド、MCPサーバーとの連携など、より高度な活用法が順次解説される予定です。開発ワークフローを中断せずにAIを活用したい開発者にとって、有用なリソースとなりそうです。

OpenClaw開発者のClaude一時停止が波紋

一時停止の経緯

開発者のアカウント停止
投稿拡散後数時間で復旧
OpenClaw理由の停止は社内で否定

背景にある料金変更

OpenClaw利用が別料金化
高い計算負荷が理由と説明
自社Coworkとの競合指摘

開発者と企業の緊張

開発者は現在OpenAI在籍
互換テスト目的でClaude利用

OpenClawの開発者であるPeter Steinberger氏が2026年4月10日、AnthropicからClaudeのアカウントを一時停止されたことをSNSで公表しました。「不審な活動」を理由とする停止通知の画像を投稿したところ、数百件のコメントが集まり大きな反響を呼びました。投稿が拡散された数時間後にアカウントは復旧しています。

今回の騒動の背景には、Anthropicが先週発表した料金体系の変更があります。同社はClaudeのサブスクリプションにOpenClawなどのサードパーティー製ツールの利用を含めない方針に転換し、API経由の従量課金を求めるようになりました。Anthropicは、Clawが連続的な推論ループや自動リトライを行うため通常のプロンプトより計算負荷が高いことを理由に挙げています。

しかしSteinberger氏はこの説明に懐疑的です。同氏は、Anthropicが自社エージェントCoworkにOpenClawと類似した機能を追加した直後に料金変更を行ったと指摘し、「人気機能をコピーしてからオープンソースを締め出す」と批判しました。特にClaude Dispatchのリモートエージェント制御機能は、OpenClawの提供する機能と重なる部分があるとみられています。

Steinberger氏は2026年2月からAnthropicのライバルであるOpenAIに勤務していますが、Claudeの利用はOpenClawの互換性テストが目的だと説明しています。同氏はOpenClaw FoundationとOpenAIでの業務を明確に分離しており、OpenClawがあらゆるモデルプロバイダーで動作することを目指していると述べました。一方、多くのOpenClawユーザーがChatGPTよりもClaudeを好んで使っている現状も浮き彫りになっています。