Allen Institute for AIの研究チームは、ユーザーの質問に含まれる誤解をAIが見抜けるか測るベンチマーク「XYBench」を公開しました。カーネギーメロン大学、NVIDIA、ジョンズ・ホプキンス大学の研究者と開発し、プログラミングや料理、家の修理などに関する8,115件の質問で、字面の依頼と本来の目的のずれを評価します。

例えば、カップケーキにアイシングが付かない理由が生地の温度なのに、利用者がアイシングを濃くする方法を尋ねるケースです。XYBenchは、AIが依頼された方法だけに答えず、背景の目的を推定し、より有効な解決策へ案内できるかを測ります。

Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro、Qwen3.5-9B、DeepSeek-V4 Proを評価したところ、各モデルは本来の目的より、質問に明記された依頼への解決策を提示しやすい傾向がありました。Stack Overflowの質問では、モデルが主に本来の目的に焦点を当てた回答は35〜41％で、人の回答例を下回りました。

モデルは回答を自ら作る場合よりも、選択肢から目的に沿った助言を選ぶ場合に高い成績を示し、役立つ回答を見分ける能力と生成する能力の差も明らかになりました。研究チームは、質問の字面ではなく利用者の目的に応える能力の評価や改善にXYBenchを使うことを期待しています。対象は英語の質問が中心で、他言語や会話形式への拡張は今後の課題です。

Anthropicは、AIモデルの配備判断や安全策の設計を支える安全性評価の作り方を解説しました。評価結果が「前モデルより安全」といった主張の根拠になるため、測定方法そのものの信頼性が重要です。

安全性評価はモデルの能力そのものではなく、特定の入力に対して危害を引き起こしたり助長したりする応答をする可能性と、その深刻さを測ります。危険な依頼への対応だけでなく、薬の用量のように意図は無害でも誤答が危険につながる質問も対象です。

評価には、実際に測りたい性質を測れていない、モデルが採点基準に合わせて攻略する、第三者が再現できる情報が不足するといった問題があります。選択式か自由回答か、選択肢の順番などでもスコアが変わる可能性があります。

記事は心理学分野の再現性改革を引き合いに、仮説や分析計画を事前に記録すること、評価データと手順を明確にすること、複数の評価方法で結果を確かめることの重要性を論じています。評価の限界を開示し、配備判断に過度な確信を持ち込まないことが求められます。

MITの研究者らは11月13日、構造物の最適化設計に人間が途中参加するAI支援システムを発表しました。アルゴリズムが設計を生成する途中で変更候補を示し、設計者の知識を反映することで、性能と製造しやすさを高める狙いです。

対象のトポロジー最適化は、与えられた空間や目標に合わせて材料配置を計算しますが、計算に時間がかかり、完成するまで設計者が介入しにくい課題があります。結果が複雑になりすぎて、実際には製造困難な構造になることもあります。

新システムは機械学習で、人が修正したくなる可能性の高い領域を素早く特定します。研究チームはデザインの美観、性能、製造性に関する人の反応を模したデータを作り、候補部分を厚くするか薄くするかを設計者が指定できるようにしました。

実証では、製造しやすさと線形座屈荷重が改善し、座屈荷重は39％向上しました。全自動設計に比べて所要時間の増加は15秒にとどまり、研究者らは人の判断が必要な設計領域、とくに建物や橋への応用拡大を目指しています。

Hugging Faceのllama.cppチームは11月13日、llama.cppとggmlのライブラリv1.0.0を公開しました。ローカル機から企業向けサーバーまで幅広い環境でマルチモーダル大規模言語モデルを動かす基盤として、利用者や連携ソフトの増加を見据え、APIとABIの互換性を明確に管理します。

今後は公開C APIに互換性を壊す変更がある場合、メジャーバージョンを上げます。後方互換の機能追加やバックエンド更新はマイナー、API変更を伴わない修正はパッチとして扱う方針です。

llama.cppは量子化や最適化したバックエンド、移植性の高いC/C++実装により、多様なハードウェアでの推論を可能にしてきました。基盤ライブラリggmlは150を超えるモデル構造と主要な投機的デコード方式を支援します。

開発チームはHugging FaceのBucketsやJobsを活用してCI能力を拡大し、NVIDIA、AMD、Qualcomm、Arm、IBM、Intelのハードウェア上で検証を進めています。API境界の明確化と品質管理は、ローカルAI製品を構築する開発者の継続的な利用を支える狙いです。

Vercelは11月13日、長時間処理やAIエージェントの実行を支えるWorkflow SDK 5を公開しました。実行データの暗号化、地域ごとの状態管理、処理経路の効率化を導入し、同社の測定では特定の処理の遅延やオーバーヘッドが旧版比1.6倍から25倍改善しました。

SDKはワークフローの入力、出力、フック、ストリームのデータをAES-256-GCMで暗号化します。Vercel上では標準で鍵を管理し、自己ホスト環境では利用者が実行ごとに安定した鍵を設定できます。

v5では実行状態やキュー、ストリームを各Vercel Functionリージョンに配置し、実行を開始した地域の近くで処理できるようにしました。トレース画面には検索やズーム機能が加わり、実行属性でワークフローを検索できますが、属性には秘密情報を含めないよう案内しています。

性能改善では不要なキュー往復や保存処理を減らし、長い処理の再生やWebSocketによるストリーム配信を最適化しました。比較は2026年10月にVercel本番環境の単一リージョンで行われたもので、すべてのアプリケーションで同じ改善が得られる保証ではありません。Python SDKも同等の機能を持つベータ版として提供されています。

OpenAIは2026年11月13日、AIエージェント「Dots」が利用者に代わって商品を購入できる「ChatGPT Wallet」を米国で始めました。対象は18歳以上のChatGPT Pro会員の一部で、利用者は対応カードを登録し、商品選びから決済までをChatGPTに支援させます。

決済前には購入商品、合計金額、使用カードを利用者が確認します。Face IDや指紋認証などの安全確認を経て、購入ごとに明示的な承認が必要です。

承認後、カードネットワークが実カード情報の代わりとなる決済トークンを発行します。カード番号などをエージェントや販売事業者に渡さず、既存カードの特典や対象となる紛争時の保護も維持するとOpenAIは説明しています。

同社はAmerican Express、Mastercard、Visaと協力し、エージェントによる決済を既存の販売・決済システムで受け入れやすくする仕組みも提供します。まず利用を限定して実際の取引から互換性と信頼性を改善する方針です。

GitHubは11月、2026年10月にサービス性能を低下させる障害が8件発生したと月次報告で明らかにしました。Azure中央米国リージョンへの移行と容量増強を進める一方、書き込み停止やネットワーク障害が運用上の課題を浮き彫りにしました。

11月9日時点で、本番サービス151のうち140、MySQLプライマリ50のうち32がAzure中央米国で稼働しています。同リージョンでは9つすべてのKubernetesクラスターを拡張し、計算容量を2倍超にしました。移行済みサービスの通信量は3月以降82％増えています。

一方、10月7日の書き込み障害ではデータベース運用と本番ルーティングの連携に問題があり、10月29日には中央米国の3つの可用性ゾーンに及ぶAzureネットワーク障害が発生しました。また共有データベース接続プールの枯渇で、マージやAPIなどに影響が出た事例も報告されています。

GitHubは制御系リクエストの容量確保や接続管理の改善、負荷の集中する処理の移設を実施しました。東部米国3リージョンの構築は約1週間遅れており、12月第1週に初の段階的なトラフィック移行を計画しています。

AI検索スタートアップのOctenは、AIエージェント向け検索を拡充し、ページを約10ミリ秒で特定するモデル「Pulse」と月額20ドルのWeb検索定額プラン、画像検索を発表しました。外部情報を頻繁に調べるエージェントの検索コストと待ち時間を抑える狙いです。

Pulseの10ミリ秒はサーバー内処理の中央値で、ネットワーク通信やページ取得、回答生成まで含む所要時間ではありません。軽量モードはURLとタイトルを返し、標準モードでは追加情報や本文取得にも対応しますが、後者などには別料金がかかる場合があります。

月20ドルのStandardプランはWeb検索を無制限で利用できますが、個人向けで、混雑時にはリクエストが待ち行列に入ります。企業向けの処理能力保証は別契約で、同社のBuilderプランは毎秒最大50件の枠とSLA付きで月額2,099ドルとされています。

独立評価ではOcten Searchの速度とタスク当たり費用に強みが示される一方、品質スコアで上回る競合もあります。また、ダウンロード可能なPulseモデルの重みとURL表は非商用ライセンスで、商用の自社運用には別途許諾が必要です。

企業は実際の業務質問で、回答品質、総費用、応答時間、取得できる根拠を測る必要があります。目的地を素早く特定する用途と、深い調査を要する用途を分けて評価することが導入判断の要点です。

Microsoftは木曜日に発生したMicrosoft 365の大規模障害について、11月13日時点でサービスの広範な復旧と安定化が進んだと説明しました。Outlookなどの停止は北米で始まり、70カ国を超える地域に広がり、企業や政府、病院、航空会社の業務に影響しました。

同社によると、障害は以前のネットワーク容量増強時の問題が、最近のネットワーク変更後に表面化したものです。サイバー攻撃やAI・AIエージェントが原因ではないとし、残る顧客や地域の復旧を続けています。

停止中に送信されたメールを届けるため、Microsoftはメールのキュー保持時間を48時間に延長しました。サービス復旧に伴い、遅れていた通知やメールがまとまって届く可能性があります。

障害の総影響は確定していませんが、日本や米国の政府機関、航空会社、警察・緊急サービス、病院などで支障が報告されました。Microsoftは原因の全容を調査し、完全な事後報告書を公表するとしています。

Googleは11月13日、GeminiアプリにGoogle Walletを接続し、米国の利用者向けに個人の支出情報を踏まえた回答を提供し始めました。利用者はチャットでWalletを呼び出し、家計の見直しや予算づくりを相談できます。

たとえば、前四半期の支出を可視化して貯蓄目標を立てたり、継続課金中のサービスや値上がりを調べたりできます。昨年の旅行・贈答品支出をもとに、今年の休暇予算を提案させる使い方も示されています。

銀行やカードの口座をPlaid経由でWalletに連携すれば、分析対象を広げられます。Googleによると、Geminiは口座情報を読み取るだけで、資金の移動、管理、投資はできません。

接続は任意で、利用者は設定画面からいつでも有効・無効を切り替えられます。機能はウェブとAndroid、iOSで順次利用可能となり、Personal Intelligenceの記憶内容を確認・編集するMemory Summaryも提供されます。

AIエージェント管理を手掛けるLangChainは2026年11月13日、シリーズCで3億ドルを調達し、企業評価額が30億ドルに達したと発表しました。CapitalGが主導し、GIC、DFJ Growth、IVP、Sapphire Venturesなどが参加しました。

評価額は約1年前の12億5000万ドルから2倍以上に増えました。同社は2022年に、初期の大規模言語モデルが苦手としたウェブ検索やAPI呼び出し、データベース連携を支えるオープンソースプロジェクトとして始まりました。

基盤モデル各社の機能が進むなか、LangChainは企業がAIエージェントを作成・管理する領域に軸足を移しています。主力製品LangSmithは特定のモデルやクラウドに利用者を縛らず、エージェントの動作を制御しやすくするとうたいます。

同社によるとLangSmithの顧客は7000社で、Harvey、Rippling、Clayのほか、Nvidia、Toyota、Salesforceなどが含まれます。競合も多い市場で、調達資金を活用して企業導入と製品開発を進める構えです。

NvidiaはHugging Face上のSimReady資産を使い、ロボットが缶をつかんで移動させるシミュレーション例を公開しました。UR17Gロボットアーム、Robotiq製グリッパー、飲料缶のOpenUSD資産をIsaac Simで組み合わせます。

SimReady資産には用途に応じた関節、駆動設定、質量、衝突形状などが含まれます。共通の仕様と検証レポートを参照し、シミュレーションに必要な機能が備わっているかを確認できます。

実演ではエージェントが生成した制御コードを使い、アームの接近、把持、持ち上げ、移動、解放を試します。関節の動きやグリッパーの開閉、缶が机を突き抜けないか、移動中に保持できるかを個別に検証します。

ただし例は位置が既知の固定環境で、視覚認識や不確実な位置への対応を扱いません。缶の変形や液体の動きも再現せず、実機での安全性や幅広い環境での堅牢さを示す結果ではありません。

Robust AIは、人の仕事を置き換えるのではなく、倉庫や工場で作業者を支援する移動ロボット「Carter」を開発しています。台車に似た形状で、物流施設や製造現場で商品のピッキング、棚入れ、施設内の搬送を担います。

Carterは力を感じるハンドル、AI視覚システム、全方向へ動ける車輪を備えています。作業者は片手で押したり引いたりし、身振りや画面で指示できるため、既存の現場に合わせて使い方を変えられます。

同社は、全面自動化に巨額を投じにくい工場にも段階的に導入できる点を重視します。ロボットが人を保管場所へ案内する、作業者について回る、荷物を別の作業地点へ運ぶといった運用が可能です。

共同創業者のロドニー・ブルックス氏は、現場で人の主要業務を妨げない設計が重要だと説明します。病院で通路をふさいで看護師の移動を妨げたロボットの例を踏まえ、人が得意な作業を保ちながら、ロボットとデジタルシステムが補助する形を目指しています。

音声AI企業のElevenLabsは11月11日、会議記録、音声入力、AIエージェント連携をまとめた実験アプリ「ElevenAI」を発表しました。チームでの利用を想定し、現在は一般公開前のプレビューとして早期アクセスを受け付けています。

ElevenAIは会議を記録し、参加者に録音を通知します。過去の複数の会議を横断して質問したり、会話中に以前の発言を確認したりできるため、社内の会話を検索可能な情報源として扱えます。

音声入力では90超の言語に対応し、話した言葉を整えたテキストにして各アプリへ入力できます。会社は、業界固有の用語も音声入力や会議文字起こしで理解すると説明しています。

ElevenAgentを組み合わせれば、会議メモをもとにフォローアップメールの下書きを作るなど、後続作業にもつなげられます。ElevenLabsは個人向け生産性アプリというより、企業が会議情報を活用し、記録やフォローアップを自動化するチーム基盤として位置付けています。

OpenAI Foundation理事でAlignment Research Center所長のポール・クリスティアーノ氏は、今週トロントでの講演で、AI事故が人類にとって重大な死亡リスクになるとの見方を示しました。目標を追求するAIが人間の意思決定を上回る「AIによる社会掌握」を想定し、急速な開発が続けば半年から1年以内にも起こり得ると述べました。

同氏が描く社会掌握とは、目標を追うAIシステムが地球上の出来事を人間と同じように決め、人間が停止を試みても実効性を持たない状況です。講演では、その帰結として多数の死者や人間が住めない環境につながる可能性を挙げました。

一方、クリスティアーノ氏は、この種の事態の確率を数値化する定量モデルは存在しないと認めています。その上で、AI開発が最も速い軌道をたどる場合には、社会掌握の可能性を五分五分に近いと表現しました。

講演は三部構成のシリーズの初回で、同氏は政策対応が開発を遅らせてもリスクは極めて高いとの見解を示しました。これは同氏の予測と警告であり、確率を裏付ける定量的な推計が示されたわけではありません。

AI導入を急ぐ技術組織では、倫理や規制への対応を日々の開発工程に組み込む人材が求められています。IEEE Spectrumの記事は、監査や安全、データ追跡の技能を短期認証で補う方法を紹介しています。

従来のコンピューター科学や工学の学位課程は、設計やシステム構築を中心としており、AI監査や安全手順を十分扱わない場合があります。働きながら学ぶエンジニアにとって、数年に及ぶ再就学は現実的でない一方、対策の先送りは製品遅延や法的リスク、信頼低下につながり得ます。

マイクロクレデンシャルは、学習後の評価を通じて特定技能の習得を確認する短期認証です。偏りの緩和、アルゴリズムの透明性、リスク監査などを学び、複数の認証を積み上げて専門性を示せます。

IEEE Credentialing Programは、AIシステム設計の倫理的配慮を扱うIEEE 7000シリーズなどの標準を、実務向けの認証に結び付けています。記事は、組織が開発ライフサイクルの中で安全性や規制適合性を確認できる人材育成経路として提案しています。

Anthropicは、仕事の優先事項を見つけて支援する消費者向けAIエージェント「Claude Duet」を研究プレビューとして提供しています。米国のPro、Max、Ultra会員を対象に待機リスト経由で公開し、専門職や小規模事業者を想定しています。

The Vergeの記者は旅行と仕事の予定が詰まった1週間、Duetを試しました。記事では、仕事を助ける場面がある一方、先回りして何度も促すなど、少しせわしない振る舞いもあったと紹介しています。

Duetはコード作成を主目的とするClaude Codeより日常業務に寄せた製品で、消費者が使うアプリとして提供されます。Anthropicの他の業務向けツールと比べても、利用者の注意を整理し、何を優先するか判断する役割を重視します。

今回の評価は記者による短期間の試用で、広範な利用者における効果を示すものではありません。研究プレビューの段階で、利用可能地域や加入条件も限定されています。

Nvidiaの共同創業者ジェンセン・フアン氏は2026年11月、33年間率いた同社の最高経営責任者を退きました。CFOのコレット・クレス氏が暫定CEOに就き、取締役会は後任を探しています。

退任の背景を巡っては、フアン氏の私生活に関する報道に加え、同社製AI半導体が中国へ不正に流れた可能性が注目されています。米当局はシンガポール企業Megaspeedを調べており、報道では中国のAI企業が輸出規制対象のNvidia製GPUを利用したとの分析も出ています。

米議会では、政権が輸出管理や国家安全保障上の懸念をどう扱ったかを調査する動きが進んでいます。フアン氏は議会証言に応じる意向を示したと報じられ、Nvidiaの販売管理と政府の監督が問われています。

後継者選びは経営の継続性にも関わります。報道によればフアン氏は過去にクレス氏の戦略判断能力に批判的な発言をしており、同氏が暫定CEOとして長期戦略や投資判断を担えるかが焦点です。

NvidiaはAI計算基盤を支える主要企業であり、経営の混乱は半導体供給やAI産業に波及し得ます。イスラエルの大規模研究開発拠点や中国市場への関与も含め、後任人事と輸出規制調査の行方が事業環境を左右します。

米メディア企業Mansaは、全編をAIで生成した縦型短編ドラマ「They Left Us to Die」を公開し、黒人の物語に対する視聴者の需要を探っています。共同創業者のネイト・パーカー氏は、短編の視聴数や反応を測り、スタジオが実写作品に投資する根拠につなげる構想を示しました。

作品はゾンビ感染が広がるロサンゼルス南部を舞台に、感染した弟を救おうとする黒人の救急看護師を描きます。Mansaは、企画から脚本、公開までの時間を短縮し、従来のスタジオが支援に慎重な題材の需要を検証したい考えです。

一方、出演者を使わないAI作品には、黒人の才能を支援すると掲げてきた会社が俳優の機会を奪うのかとの批判が出ました。映画業界では黒人俳優や監督の比率が低く、雇用不安も強まるなか、AI活用が既存の格差を広げるとの懸念があります。

Mansaはこれまで実写の短編ドラマを9本、全編AI生成作品を2本制作していますが、今回のAIシリーズの視聴実績は公表していません。縦型短編ドラマ市場は拡大し、企業や配信各社が参入する一方、低コスト制作が視聴者に支持されるか、また制作者の仕事にどう影響するかが問われています。