元OpenAI最高技術責任者のMira Murati氏が率いるThinking Machinesは7月15日、同社初となる基盤モデルInklingを公開しました。誰でも重みをダウンロードして改変できるオープンウェイト方式で、商用利用に寛容なApache 2.0ライセンスを採用しています。企業が自社データで調整して使うことを前提に据え、大手が売る画一的なモデルへの対抗軸を打ち出しました。

Inklingは総パラメータ9750億のMixture-of-Experts構成ですが、実際に稼働するのは約410億に絞られ、大規模ながら高速で安価に動きます。テキスト・画像・音声・動画の45兆トークンで一から学習したネイティブマルチモーダルモデルで、文脈長は100万トークンに達します。

最大の特徴は、推論にかける計算量を0.2から0.99まで自在に調整できる思考努力機構です。単純な処理では消費トークンを抑えて低コストに、複雑な課題では計算を厚くするといった使い分けができます。強化学習の過程では、モデルが自ら推論の文法的な冗長性を削ぎ落とす「思考の凝縮」と呼ばれる現象も観測されました。

ベンチマークでは最上位を狙わず、幅広い用途で安定した性能を出す設計です。SWE-bench Verifiedで77.6%を記録し米NvidiaのNemotron 3を上回る一方、コーディングや高度な推論では中国のGLM 5.2やDeepSeek V4 Pro、クローズドのClaude Fable 5などに一歩譲ります。同社もInklingを「現時点で最強のモデルではない」と明言しています。

事業面では、収益源をモデル本体ではなく微調整プラットフォームTinkerに置く戦略です。重みが公開される以上、誰がどこで動かしても同社に課金義務は生じないためです。また政治的に微妙な話題にも直接答えるよう学習させた検閲耐性も、差別化要素として打ち出しています。

同社は2025年にMurati氏らが設立し、創業から約9カ月でこの規模のモデルを出荷した点を強調しています。ただ初期の学習データ生成にはMoonshot AIのKimi K2.5など他社のオープンモデルを一部利用しており、次モデルでは完全に自己完結させる方針です。

OpenAIは2026年7月15日、モデルの脆弱性を自動で探索する安全性向けレッドチームAI「GPT-Red」を発表しました。同社は最大級の学習規模に匹敵する計算資源を安全性のためだけに投じ、GPT-Redが生成した攻撃を最新モデルGPT-5.6 Solの訓練に組み込むことで、プロンプト注入への耐性を大幅に高めたとしています。人手に頼るレッドチームの限界を、AI自身による自己改善で突破する狙いです。

GPT-Redは自己対戦型の強化学習で訓練されます。攻撃側のGPT-Redはプロンプト注入の成功など有効な失敗を引き出すと報酬を得る一方、防御側の多様なLLMは攻撃を退けつつ本来のタスクを完遂すると報酬を得ます。防御が強くなるほど攻撃側はより多様で強力な手口を探さざるを得ず、両者が競い合いながら共に進化する仕組みです。

性能は人間のレッドチームを上回ります。訓練とは異なる間接的プロンプト注入の評価環境で、GPT-Redは84%のシナリオで攻撃を成功させ、人間の13%を大きく引き離しました。さらにオフィスの自動販売機を管理する実運用エージェント「Vendy」に対しても、価格の不正変更や他人の注文取り消しなど三つの悪意ある目的をすべて達成しています。

こうして見つけた弱点は防御力の向上に直結します。GPT-Redを訓練に組み込んだGPT-5.6 Solは、4カ月前の最良モデルと比べ最難関の直接プロンプト注入で失敗を6分の1に減らし、GPT-Redの直接注入では失敗率をわずか0.05%まで抑え込みました。過度な拒否や能力低下による「見かけの安全」ではなく、通常性能を保ったままの改善だと同社は説明します。

OpenAIはGPT-Redを本番モデルとは切り離し、悪用能力が外部に漏れないよう内部専用に保つとしています。今日のモデルで明日のモデルをより安全にする「安全性のフライホイール」を回し始めたと位置づけ、より詳しい内容を記したプレプリントを今週公開する予定です。

米Meta（メタ）でデータ基盤を統括するエンジニアリング担当VP、バラク・ヤグール氏は2026年7月、カンファレンス「VB Transform 2026」で講演し、企業のITインフラは人間向けに設計されておりAIエージェント時代には対応できていないと警告しました。同社のデータシステムに届くエージェントからの問い合わせは半期で30倍に急増し、20年かけて築いた前提が崩れ始めているといいます。

ヤグール氏は、社内インフラで容量・アイデンティティ・速度という3つの前提が同時に破綻していると指摘しました。容量面では「1エンジニア＝1負荷」という常識が通用せず、1人が10のエージェントを起動し、さらに各々が下位エージェントを生む結果、1000人の組織が一夜にして10万人分の負荷を生み出すと述べています。

アイデンティティの面では、エージェントが人間でもデプロイ済みサービスでもなく、バッジも持たないまま自律的に判断するため、既存のアクセス制御の枠に収まりません。速度の面では、GitHub Copilotが平均ユーザーのコードの46%を書く一方、テストや配信の工程は速くならず、CI/CDパイプラインが新たなボトルネックになると語りました。

対策として同社が重視するのが信頼できるデータ環境です。エージェントは内部で自由にデータを探索できる一方、出力はすべて出所まで追跡・精査され、機微なフィールドは到達前にマスクされます。ヤグール氏はこの方針を「広く探索し、狭く公開する」と表現し、2月に投入したエージェント型データアプリは3カ月で社内ダッシュボードの63%に採用されたと明かしました。

モデルが相関から推論へ移行するにつれ、データ層自体も書き換わっています。「推論はデータを大量に消費する」として、ランキング処理は24時間かかるバッチETLからリアルタイム配信へ、ストレージは中身を理解して必要な列と期間だけを取り出すスキーマ認識型へと移行中です。同社は毎秒5億クエリ、学習データ読み出しで毎秒1ペタバイトの処理能力を目指しています。

こうした基盤刷新は、利用者への提案にも直結します。Instagramの42%のユーザーがアルゴリズムそのものの変更を望んでいるとし、ヤグール氏は意図を推論する会話型レコメンドを紹介しました。同氏は「人間向けに20年かけて築いた基盤を、人とエージェントが協働する世界へ作り替える時間はおそらく20カ月」と述べ、猶予の短さを訴えました。

米AppleのAI機能「Apple Intelligence」が、中国で提供可能になります。ロイターの報道によると、中国のインターネット規制当局である国家インターネット情報弁公室（CAC）が7月15日、AlibabaのAIモデル「Qwen」を組み込む形でAppleのAIサービスを承認しました。対象はiOS、iPadOS、macOS、visionOSと、主要OS全般に及びます。

この承認は、Appleにとって重要市場でのAI展開を前進させる一歩となります。Apple Intelligenceは2024年に他地域で提供が始まっていましたが、中国では規制対応の遅れから投入できずにいました。今回Qwenとの統合が認められたことで、その空白がようやく埋まる見通しです。

Alibabaはこの内容をCNBCに認め、Qwenが「Apple Intelligenceの体験に統合される」と説明しました。統合ではテキストと画像の理解・生成といったAI機能が対象になるとしています。ただし提供開始の具体的な時期は明らかにしていません。

Appleはこれまで、AlibabaではなくBaiduとの提携を模索したものの、中国向けのモデル調整で問題に直面したと報じられています。DeepSeekやByteDanceのモデルとの統合も検討したとされ、こうした試行錯誤が中国投入の遅れにつながりました。最終的にAlibabaとの連携で決着した形です。

背景には、中国事業の好調があります。第2四半期の中華圏売上は前年比28%増の205億ドルに達し、値引き施策を追い風にiPhoneは中国スマホ市場で2位の座を取り戻しました。今回のAI承認は、この勢いをさらに後押しする材料となりそうです。

市場も好感を示しました。提携報道を受けてAlibabaの米国株は寄り付き前に4%上昇し、記事公開時点では6%超の上げ幅となっています。中国のAI市場でAppleと組む意義が、投資家に評価された格好です。

非営利AI研究機関のAi2は7月15日、海洋監視AIエージェント「Shippy」の構築で得た知見を技術ブログで公開しました。Shippyは違法漁業や海上の不審行動を分析官が把握するためのエージェントで、誤答が巡視船の誤誘導につながりかねない高リスク領域で運用されます。開発チームが最重視したのはモデルの性能ではなく、正確さと信頼性を保つシステム設計だと強調しています。

同社はエージェントを「soul」「skills」「config」の三層でとらえています。soulはペルソナと行動境界を定めるシステムプロンプト、skillsは要求種別ごとの対応手順を記したマークダウンファイル、configは実行ハーネスや使用モデルなどの設定です。ハーネスにはオープンソースのOpenClaw、モデルにはClaude Opus 4.6を採用し、モデルやハーネスの変更は再ビルドではなく設定変更だけで済む構成にしています。

エージェントは非決定的である一方、使うツールは予測可能にできます。ShippyはAPIを直接叩かず、専用のSkylight CLIを介して認証やページング、構造化出力を処理します。初期の試作でAPI呼び出しをモデルに任せた際は不正なページングや誤った絞り込みによる微妙なバグが続発したため、複雑さをCLIに閉じ込め、各層を独立してテストできるようにしました。

利用者のデータ分離も大きな課題でした。Skylightは70カ国以上の政府機関やNGOに使われており、ある担当者の会話や監視対象が他者に漏れてはなりません。同社はエージェント基盤「Mothership」を構築し、セッションごとに専用のKubernetesポッドを立ち上げ、利用者のトークンを実行時に注入してデータを本人の権限内に限定しています。

評価では、静的な質問でモデルを測る一般的なベンチマークではなく、実データに対してモデル・skills・サンドボックスを一体で採点する独自の仕組みを用います。専門家がシナリオと重み付きルーブリックを作成し、LLMが判定者として各基準を0〜1で評価、加重合計が閾値を超えるかで合否を決めます。skillsやモデル、データが変わるたびに再実行し、基準で後退した版はユーザーに届けない運用です。

今後はShippyがSkylightの地図を直接操作するUI制御、簡単な照会を小型モデルに振り分けるモデルルーティング、スレッドをまたいで文脈を保持するクロススレッド記憶を計画しています。Mothershipは汎用基盤として設計されており、野生生物保護のEarthRangerなど他分野への展開も視野に入れています。高リスク領域でエージェントをどう信頼できるものにするか、その実装知見が具体的に示された事例と言えるでしょう。

IBM Researchのチームは2026年7月15日、Hugging Faceのブログで、AIエージェントのモデルルーティングは単純な分類問題ではなく、システム全体の最適化問題だと指摘しました。同社が実運用のエージェント開発で得た知見で、コスト・複雑さ・遅延という3つの次元がルーティングを想定以上に難しくしていると説明します。

最も意外だったのがコストです。AppWorld Test Challengeの417タスクを同じCodeActエージェントで処理したところ、Claude Sonnet 4.6は合計79ドル、GPT-4.1は155ドルとほぼ2倍でした。GPT-4.1はトークン単価が安いにもかかわらず逆転した理由はキャッシュの読み取り料金にあり、文脈を再利用するエージェント処理でSonnetが恩恵を受けたためです。

複雑さも一筋縄ではいきません。「契約書を要約して」といった一見簡単な依頼でも、検索やコンプライアンス確認、ツール利用が連鎖し、実行してみるまで難易度が分からないことが多いといいます。さらに企業導入ではデータ所在地や承認モデル一覧などのガバナンス制約が加わり、ルーターはコストや品質、遅延と同時にこれらを調整する必要があります。

遅延もモデルの速さだけでは決まりません。ハードウェアやキャッシュの状態、エンドポイントの混雑といったインフラ要因が応答時間を左右するためです。そこで同社はルーティングを分類ではなく最適化問題として設計し直し、コスト・品質・遅延を同時に最適化する軽量なアルゴリズムを構築しました。

成果も具体的です。遅延を優先した構成では精度84%を93ドル・83秒で達成し、Opus単体と比べコスト21%減・遅延9%減を、精度低下わずか4%で実現しました。ルーター自体は1タスクあたり約6ミリ秒・2キロバイトと軽量で、最良のモデルではなくシステム全体の最適点を見つけることが重要だと結論づけています。

米AI大手Anthropicと資産運用大手Blackstoneなどが、企業向けAI実装を担う合弁会社「Ode with Anthropic」を立ち上げました。5月に発表された同社の規模は15億ドルで、Hellman & FriedmanやGoldman Sachsも出資しています。優れたモデルを売るだけでは企業顧客を獲得できないという認識が、最前線のAI研究所に広がっていることを示す動きです。

Odeはもともと、傘下企業へのAI導入で大手コンサルや小規模な専門企業を活用してきたBlackstoneが構想したものです。中でも際立っていたAIエンジニアリング新興企業Fractional AIを合弁が買収し、事業の中核に据えました。同社は買収に伴い、OpenAIとの11カ月に及ぶ提携を解消しています。

CEOに就くのはFractional共同創業者のChris Taylor氏です。「うまく実行すれば1兆ドル企業になる姿を想像するのは難しくない」と語り、急成長のなかで品質をどう保つかが最大の課題だと述べました。現在は約100人のエンジニアを抱え、Anthropicの応用AIチームと連携しながら、可能な限りClaudeを使う「Claude優先」の方針で実装を進めます。

最高技術責任者のEddie Siegel氏は、強みは実装の品質と業務課題に合わせた独自開発だと説明します。「モデル選定は重要だが、労力の大半を注ぐ場所ではない」として、ソフト開発における言語選択になぞらえました。チームは半数超が元創業者という少数精鋭で、大量の常駐エンジニアではなく「特殊部隊」と位置づけています。

一方で課題も明確です。OdeはOpenAIの「The Deployment Company」に加え、DeloitteやAccentureといったコンサル大手とも競合します。企業向けエンジニア人材の需要は供給をはるかに上回っており、精鋭チームを維持・拡大できるかどうかが、次のAI競争の勝敗を左右しそうです。

米Microsoftは7月14日、WindowsやOfficeなど自社製品を対象に過去最多となる570件の脆弱性を修正しました。毎月定例の「パッチチューズデー」での配信で、同社はコードの脆弱性発見にAIを活用したことが件数増加の背景にあると説明しています。

修正のうち少なくとも2件はゼロデイ脆弱性で、Microsoftが把握する前に悪用されていました。1件はWindows Serverに影響し、限定的な利用者からシステム管理者へと権限を昇格できる危険なものです。

もう1件はファイル共有サーバーのSharePointに関わる欠陥です。米政府のサイバーセキュリティ機関CISAは、この脆弱性が組織への侵入に実際に悪用されているとして警告を発しました。

件数急増の理由として同社が挙げるのがAIの活用です。Windows責任者のPavan Davuluri氏は「AIが防御側の問題発見を助けることで、顧客は各更新に含まれるセキュリティ更新の量が増えるのを目にするだろう」と述べています。

AIモデルがサイバーセキュリティ分野で高度化するにつれ、研究者はこれを使って長年コードに潜んでいた脆弱性を掘り起こしています。Windowsのコードには数十年前にさかのぼる部分もあり、潜在的な欠陥の洗い出しが今後さらに進む見通しです。

AI作曲サービスを手がけるSunoが、2025年11月のハッキング被害で流出したデータにより、YouTube MusicやDeezer、Geniusなどから楽曲を大量に無断収集していた疑いが明らかになりました。米メディア404 Mediaが2026年7月15日に報じたもので、これまで非公開だった学習データの実態が初めて外部に露呈した形です。

流出した2023〜2024年のソースコードには、YouTube MusicやDeezer、Pond5、Jamendo、IMSLPなどから音源を収集する指示が含まれていました。あるファイルによると、Sunoが取り込んだYouTube Musicのクリップは200万件超に達し、ポッドキャストも約100万時間分の取得を狙っていたとされます。

収集の手口も具体的に判明しました。Sunoは第三者企業のBright Dataを使ってYouTubeから音源を抜き取り、ボーカル素材を得るためにアカペラ版を検索していたとみられます。こうした手法はYouTubeの利用規約や技術的な保護の回避にあたる可能性があります。

今回の流出は、ハッカーがサプライチェーン攻撃で従業員の認証情報を奪い、社内のソースコードにアクセスしたことが発端でした。顧客のメールアドレスや電話番号、Stripeの決済情報も抜き取られましたが、Suno社は顧客に通知していませんでした。同社は「限定的な事案で速やかに封じ込めた」と説明しています。

この事実は、Sunoが直面する著作権訴訟にも影響を与えかねません。全米レコード協会（RIAA）などは同社を提訴しており、Sunoは著作物を用いた学習をフェアユースで正当化できると主張してきました。競合のUdioも同様の疑いを持たれており、生成AIの学習データを巡る争いは一段と激しくなりそうです。

音声AI基盤企業のHumeは7月15日、音声対話の人間らしさを測る新ベンチマークReal World VoiceEQを公開しました。従来指標が単語誤り率や遅延に偏り飽和状態に近づく中、声のトーンや感情、話者の同一性など文字起こしでは捉えられない音響情報を扱えるかを評価する狙いです。40超の商用・オープンソースモデルを対象に、15以上の評価軸と60超の指標で測定します。

この指標は、多様な属性や話し方、音響環境の下で集めた100万件を超える人間の評価を基盤としています。現在の内訳はTTS評価が78万5千件、STS評価が4万8千件に達し、音声AIの人間評価として過去最大級の規模だといいます。評価はすべて同社の音声特化基盤Kairos上で実施され、企業や研究機関が独自評価やRLHFによるモデル改善に転用できる設計です。

評価から浮かんだのは、あらゆる能力で首位に立つ「最良の音声モデル」は存在しないという事実でした。予約番号や口座情報を正確に復唱するモデルが感情表現に弱く、自然に聞こえるモデルが精密性で劣るなど、技術的正確性・感情理解・表現力・頑健性で強みが分かれます。TTS評価では8つの能力群すべてで上位5位に入る構成は一つもありませんでした。

音声対話モデルは全カテゴリで最も差が大きく、感情の認識に長けても自然な応答が苦手な例が目立ちました。音声を扱えても非言語情報を実際に使うとは限らず、多くのモデルは語句に依存し、間や強調、ためらいといった手がかりを見落とします。例えば銀行の本人確認で自信ある「はい」とためらいがちな「…はい…」は意味が異なりますが、多くのモデルはこの差を捉えられません。

既存ベンチマークの限界も明確になりました。雑音を背景にした音声の書き起こし誤り率は音楽背景の約4倍に達し、単一の背景音スコアが本当の弱点を覆い隠すと指摘します。さらに一部のモデルは公開ベンチマークに最適化された兆候を示し、参照文の既知の誤りを再現したり、音声に存在しない伏字を復元したりする例も確認されました。

同社は、テキスト評価で普及するLLM流用と同様に音声言語モデル(SLM)を評価者に使う手法には慎重さを求めます。発音精度など明確な正解がある課題では人間評価者との一致度が高い一方、声が役柄に合うかなど主観的な判断では一致度が低下したためです。速度と正確性だけでなく、人間のように理解し表現できるかが今後の音声AIの成否を分けると結論づけています。

インターネットの基盤プロトコルを設計した一人であるヴィント・サーフ氏が、AIエージェントの身元確認を担う新たな取り組みの助言役に就きました。同氏は先週20年勤めたGoogleを退社したばかりで、DNS登録会社Identity Digitalの子会社Innovation Labsを支援します。狙いは、AIエージェント同士が自らを名乗り、責任を追えるオープンな仕組みを築くことにあります。

背景には、AIエージェントの識別と監査に関する共通の標準が存在しないという課題があります。現在の多くのエージェントは自社システム内にとどまっていますが、企業はネット上を自律的に動き回り、他社のエージェントと直接やり取りする世界を思い描き始めています。その実現には、誰が名乗り、誰が行動の責任を負うのかを明確にする土台が欠かせません。

Innovation Labsが提案するのがDNSidという仕組みです。各エージェントに固有の識別子を与え、既存のドメイン名と結び付けたうえで、暗号学的な証明によって登録の履歴を記録します。暫定CEOのアリー・クライン氏によると、同社は複数の大手クラウド事業者やID企業とこの標準を実証中とのことです。

サーフ氏は、エージェントがドメインよりもはるかに能動的に動くため、識別をめぐる問いは厄介なものになると指摘します。組織がエージェントを登録する際に何を約束したことになるのか、まだ明確ではないためです。それでも同氏は、命名と識別の重要性が高まる今こそ貢献できると考え、この役割を引き受けました。

普及の鍵は機能性だとサーフ氏は語ります。競合する複数の標準が乱立すれば相互運用できず、最終的には利用者からの圧力が事実上の標準を決めると見ています。かつてTCP/IPが広まった経緯と同じだという見立てです。クライン氏は、この提案が登録データを独占しない点を強調し、特定企業による囲い込みへの拒否反応を避けたい考えを示しました。

米メディアWIREDの記者が、約2,000ドルで購入したeバイクが配送中に紛失し、返金を求めてFedExや銀行、警察に問い合わせた際、いずれもAIチャットボットに阻まれ人間の担当者にたどり着けなかった体験を報告しました。荷物は身に覚えのない人物の署名で受領済みとされ、3か月が経った今も問題は解決せず、記者は約1,700ドルを取り戻せていません。

背景には、企業が人件費削減の一環としてAIを顧客対応に急速に導入している現状があります。ガートナーの調査では、顧客対応部門のリーダーの31%がAI導入を理由に人員を削減済みまたは削減予定と回答し、ベライゾンのシュルマンCEOも顧客対応業務の大部分をAIが置き換えるとの見方を示しました。

問題を深刻にしているのが、解決を諦めさせるために意図的に手続きを煩雑にする「スラッジ」と呼ばれる手法です。エモリー大学のハミルトン教授は、この手法はAI以前から存在したものの、AIによって「そのディストピア的な性質が増幅された」と指摘します。消費者の反発は強く、米英加の調査では59%がAI対応に不満を持ち、85%が人間との対話を望むと答えました。

専門家は、企業がAI導入の負の影響を十分理解しないまま突き進んでいると警鐘を鳴らします。エール大学のダール教授は、投資家からAI戦略と投資対効果を問われる経営者が、うまくいかなくても引き返せなくなるサンクコストの心理が導入を後押ししていると分析しました。2026年の世界のAI支出は2.5兆ドルに達する見通しです。

ビジネスの観点では、顧客対応の質がAIによって業界を問わず均一に低下すれば、優れたサービスが差別化の武器になり得ます。安易な全面導入は評判を損なうリスクをはらんでおり、複雑な問題には人間の関与を残す設計が問われています。

カナダの企業向けAI新興Cohereで製品エンジニアリング担当VPを務めるラシャッド・アラオ氏は今週、米メンロパークで開催された生成AIエージェントの主要会議「VB Transform 2026」で講演しました。同氏は、企業のAI主権とはオープンモデルを落としたり社内ファイアウォールの内側でアプリを動かしたりする以上のものだと主張し、機密データやインフラ、ベンダー変更の自由を手放さずにエージェントを構築する重要性を訴えました。

アラオ氏はGoogleとMetaで責任あるAIや信頼・安全のエンジニアリングを率いた経歴を持ちます。銀行や病院、政府といったミッションクリティカルな組織を例に挙げ、「データがどこに存在するか、AIそのものをどう扱うかに非常に厳格な統制を持つことが重要だ」と述べました。AIの運用は、組織が理解し直接管理できる法域で行うべきだという考えです。

その統制はGPUやプライベートクラウド基盤から、モデル間で要求を振り分けるガバナンス機構、さらには企業データに作用するコネクターや検索ツール、エージェント基盤にまで及びます。「スタック全体を制御したい」と同氏は語り、部分的な対策では主権は成立しないとの立場を鮮明にしました。

推論価格の下落で小型モデル最適化の意義が薄れるのではという問いに対し、アラオ氏は総消費量がそれ以上に速く増えていると反論しました。企業が単純なチャットボットから、推論しツールを呼び出し複数手順を踏むエージェントへ移行するにつれ、「トークン利用量は指数関数的に増える」というのが根拠です。同氏はトークン消費に応じて課金する事業者は消費最大化を志向すると指摘し、Cohereはそうした売り方をしないと差別化を強調しました。

処方箋はシンプルで、「その場のタスクに適したモデルを使う」ことです。あらゆる要求を最大のフロンティアモデルに送るのではなく、必要な知能と機密性・規制負荷に応じて振り分けるべきだといいます。同氏は、規制の厳しい業務にオンプレミスのモデルを使い、機密性が低く高い知能を要する業務はNorthプラットフォーム経由で大型モデルに送るカナダのある銀行の例を挙げ、モデルルーティングの有用性を説きました。

先月オープンソース化された「North Mini Code」については、開発者の用途の8割で「はるかに効果的で安価だった」と述べました。同モデルは単一のNvidia H100 GPUで動き、ターミナル作業やコードレビューを狙います。加えて総パラメータ2180億のうち生成時に250億のみ稼働するApache 2.0ライセンスのモデル「Command A+」も公開済みです。同氏は検索がマルチモーダル化しエージェントの一部になりつつあると述べ、ガバナンス層がベンダーロックインの解消につながると締めくくりました。

MITメディアラボのパット・パタラヌタポーン助教らの研究チームは、利用者が対話を始める前にAIの内面をのぞける新手法「神経透明性」を発表しました。この成果は今週開かれた知的ユーザーインターフェースに関するACM会議で報告されたもので、パーソナライズAIの行動を事前に予測する狙いがあります。数百万人が独自のAIコンパニオンを作る一方、その振る舞いを把握できていない現状に応える試みです。

仕組みは、共感や誠実さ、毒性、幻覚、迎合といった注目すべき振る舞いを選び、それを促した時と反対を促した時のモデル内部の活性を比較する点にあります。その差分がモデル内の「行動方向」となり、利用者が書いたシステムプロンプトの活性をこの方向へ投影します。結果はサンバースト図として可視化され、会話を始める前に想定される性格傾向を示します。

研究チームが重視したのは、問題を防げる設計の瞬間です。現状では、チャットボットが意図しない振る舞いをした後に初めて問題に気づくことが多いためです。反応的な修正から先回りの設計へ移すことを目標に掲げています。

調査からは驚くべき事実が浮かびました。利用者は自分のAIの振る舞いを一貫して読み違え、測定した15の特性のうち11で予測を外したのです。好ましい特性を過大評価し、迎合性のような有害になりうる傾向を過小評価する姿が見られました。

この盲点が危険なのは、その場で役立つ振る舞いが長期的には健全とは限らないからです。常に意見を肯定し思考に異を唱えないLLMは、不健全な信念や感情的依存を強めかねません。専門家でもシステムプロンプトが長い会話でAIをどう形作るか予測しきれず、AIは依然として大きなブラックボックスだと同助教は指摘します。

興味深いことに、可視化は利用者の信頼を高めた一方で、設計のしかたそのものは変えませんでした。透明性だけでは不十分であり、続く研究では多ターン会話で内部表現がどう変化するかを追う取り組みが進んでいます。同助教は、こうした透明性ツールが食品の栄養表示のように当たり前になる未来を思い描いています。

米xAIは2026年7月15日、同社のAIチャットボット「Grok」を悪用したとして、米サウスカロライナ州の男性を提訴しました。ロイターの報道によると、xAIは同人物が安全対策を意図的に回避し、非同意の画像を改変して児童性的虐待コンテンツ（CSAM）を生成・配布し、同社ポリシーに違反したと主張しています。

訴状によれば、被告の男性は写真をもとに本人の同意なく性的な画像へと変換したとされます。この男性は今年2月にCSAMの所持と配布の疑いで逮捕され、すでに8件の重罪で訴追を受けている人物です。訴状は、その刑事事件に関わる画像の「少なくとも一部」がGrokで生成・改変されたと指摘しています。

背景には、xAIがGrokに搭載した画像編集機能があります。昨年に露出度の高い「スパイシー」モードを導入し、画像を編集できる機能を追加した結果、未成年を含む性的なディープフェイク画像が氾濫する事態を招きました。3月には10代の若者らが、自身を未成年として描いた画像を生成されたとして同社を提訴しています。

今回xAIは、被告の行為が同社を「重大な法的リスクと評判の毀損」にさらしたと主張しています。裁判所に対し、損害の賠償に加え、被害者から起こされる訴訟への防御費用の支払いを命じるよう求めました。あわせて、被告がxAIのアカウントを作成したりGrokを利用したりすることの差し止めも要請しています。

注目すべきは、これがGrokで作成されたディープフェイクをめぐりxAIが個人を提訴した初のケースとみられる点です。イーロン・マスク氏はかつて、Grokで違法コンテンツを作る者は違法コンテンツを投稿した場合と同じ結果に直面すると述べており、今回の提訴はその方針を実際の法的措置として示した形となります。

AI開発大手のOpenAIは、米国の州と連邦が連携してフロンティアAIの安全規制を築く「逆連邦主義」という構想を打ち出しました。同社のクリス・レイン最高国際問題責任者が公式ブログで説明したもので、カリフォルニア、ニューヨーク、イリノイの3州が相次いで安全法制を整備し、共通の基準へと収れんしつつあると指摘します。これらを土台に、民主主義の価値観に基づく米国主導の世界的なAI枠組みの構築を目指すとしています。

「逆連邦主義」とは、州が互いに似た法律を制定することで、事実上の全米基準を下から形づくる考え方です。OpenAIは、フロンティアAIのような強力なシステムの重要な決定は、AI開発ラボだけでなく民主的な政府が担うべきだと主張しています。規制がばらばらの「パッチワーク」になれば、開発の停滞や現場の混乱を招くと警告します。

3州が共通して備えるべき核心要素は3つです。第一にフロンティアモデルのリスク評価を含む安全枠組みの文書化と結果の公開、第二に重大な安全インシデントの報告、第三に独立した監査を通じたガバナンスと説明責任だとしています。カリフォルニアが開示の基本枠組みを整え、ニューヨークが他州への展開可能性を示し、イリノイが独立検証を加えたと評価します。

連邦レベルでも動きが進んでいます。トランプ政権は、最も高性能なAIモデルのサイバー能力を検証する枠組みを、8月上旬までに整える目標で作業を進めています。OpenAIは、バイデン政権下で設立され現政権で強化されたAI標準・革新センター（CAISI）が、連邦の検証能力の中核を担うべきだとしています。

議会でも超党派で法案づくりが進み、オバノルテ、トラハン両下院議員らが連邦枠組みの提案を示しました。さらにOpenAIは、G7でブラジルやインド、韓国などを交えて国際的な枠組みが議論されたと明かし、国家基準を世界標準へ広げる意向を強調しています。

Apple の FaceID を共同開発した技術者ジディ・リトウィン氏が、AI で脳の健康を解析するスタートアップ「Hemispheric」を率い、7月15日に5200万ドルの資金調達を発表しました。同社は10万人分の脳データを収集し、手術を必要とせずに脳の電気活動から認知機能を読み解く深層学習モデルを構築しています。米国とイスラエルのベンチャーキャピタルや個人投資家が出資しました。

リトウィン氏は2020年に Apple を退社し、LinkedIn で接触してきた共同創業者ハガイ・ララザル氏と出会いました。Vision Pro のハンドトラッキング開発で数十万人規模のデータ収集を手掛けた経験を、脳データの大規模収集に応用したといいます。ララザル氏は適任者を探す中で約75人と面談し、事業を推進できる相棒としてリトウィン氏に白羽の矢を立てました。

従来、うつ病やアルツハイマー病、パーキンソン病の診断は主観的な問診や行動観察に頼らざるを得ませんでした。両氏はアジアやテルアビブ、ボストンで有償ボランティア10万人から25万時間分の脳データを集め、ゲームのような課題で脳の各部位を活性化させて記録しました。大規模言語モデルが文章から意味を推定するのと同じ仕組みで、脳の電気活動から機能を推論する基盤モデルを訓練したのです。

診断ではEEGヘッドセットを装着し、タブレットのアプリを操作しながら約15分間、脳の電気活動を計測します。AI が信号を解読して臨床医の診断や治療法の選択、経過観察を支援する仕組みです。ララザル氏は「血液検査のような存在を目指す」と語り、装置を安価にして精神科クリニックや病院、心理士のもとへ広く普及させる構想を描いています。

同社はまずPTSD向けの製品を来年初めにFDAへ申請し、2027年後半の一般提供を目指します。現在はアルツハイマー病の診断や予測が可能かを検証する臨床研究を進めています。OpenAI や Anthropic といった大手も医療分野へ進出しており、競争が激しさを増す中で同社は独自の脳スキャナー開発にも取り組んでいます。

インドのAIコーディング新興企業Emergentは、シリーズCで1億3000万ドルを調達したと明らかにしました。資金調達後の企業価値は15億ドルに達し、わずか半年で評価額を5倍に伸ばしています。同社は非技術者でもアプリを構築できる「エンジニアリングチームを箱に詰めた」ようなプラットフォームを掲げ、起業家や中小企業を主な顧客としています。

今回のラウンドは未公開株投資会社のCreaegisが主導し、SoftBankのVision Fund 2やKhosla Ventures、Y Combinatorなどの既存投資家も参加しました。これで累計調達額は2億3000万ドルとなります。同社は今年1月に評価額3億ドルで7000万ドルのシリーズBを実施したばかりで、そこからの上昇ぶりが際立ちます。

事業面では、年換算売上高が1億2000万ドルに到達し、直近4カ月で70%増加しました。有料顧客は20万社を超え、運送会社や工場、建設業、不動産管理会社などが自社向けの業務ソフトを構築しています。売上の内訳は北米が約3分の1、欧州が約3分の1で、インドは8〜9%にとどまります。

共同創業者兼CEOのMukund Jha氏は、最も近い競合としてReplitを挙げました。一方で、AnthropicのClaude CodeやOpenAIのCodex、Cursorといった開発者向けツールとは一線を画すと主張します。非技術者にはコーディングだけでなく、デプロイやホスティング、テスト、デバッグまで一貫して担うプラットフォームが必要だという考えです。

調達した資金は、製品開発と研究の加速に充てる方針です。アプリの構築成功率の改善や、ローカルおよびオープンソースモデルを使う複雑なAIアプリへの対応を進めます。顧客の増加が著しい欧州では拠点の開設も検討しており、約200人の従業員の大半が拠点を置くインドのベンガルールに加え、サンフランシスコのオフィスも年内に30〜40人拡充する計画です。

OpenAIの現従業員7人と元従業員1人が、フロンティアAI開発企業への規制強化を求める政治資金団体（スーパーPAC）「Guardrails Alliance」に総額21万5000ドル超を寄付していたことが、7月15日の連邦選挙委員会への初回提出を前にWIREDの取材で明らかになりました。同社社長で共同創業者のグレッグ・ブロックマン氏が支援する推進派PAC「Leading the Future」に、社員が自らの資金で対抗する構図が浮かび上がっています。

最大の寄付は、2022年から研究エンジニアを務めるフアン・フェリペ・セロン・ウリベ氏による20万ドルでした。同氏は「AIの社会的悪影響を抑える4年間の研究が、私企業に責任を負わせる規制につながらなければ無駄になると懸念してきた」と述べ、寄付を決めた理由を説明しています。安全性研究者のガブリエル・ウー氏やアライメント研究者ら複数の社員も、それぞれ5000ドルを拠出しました。

Guardrails Allianceは先月、初期資金500万ドルで発足し、テック労働者や労働組合が支える草の根の取り組みを掲げています。今回の選挙サイクルで1500万ドルの調達を目標としており、社員からの寄付はその一部にとどまります。共同創業者のシャウナ・トーマス氏は資金力の差を問題視せず、「AI系PACの実態を暴けば人々は拒否する。世論を活用する方が費用は安い」と語りました。

対するLeading the Futureは、1億ドル超の資金を集めた推進派の団体です。ブロックマン氏は妻とともに5000万ドルの拠出を表明しており、社員側の寄付規模とは大きな開きがあります。同PACはニューヨーク州のAI安全法を起草したアレックス・ボーレス氏の議会選を阻もうとするなど、規制に積極的な候補への対抗を進めてきました。

背景には、政策形成をめぐる社内の緊張の高まりがあります。ブロックマン氏の寄付には一部社員が懸念を示し、経営陣に説明を求めてきました。OpenAIは、ブロックマン氏の関与は個人の資格であり、社員も個人として政治参加は自由だとするブログを示しています。

反Leading the Futureの動きは今回だけではありません。Anthropicが2000万ドルを投じる「Public First Action」も、AIの安全策推進を掲げて2026年選挙で対抗する構えです。Guardrails Allianceはカリフォルニア州第34選挙区など、他の民主党候補の支援も検討していると明らかにしています。

韓国のソウル大学と漢陽大学の研究チームは、DNA折り紙の設計を自動化する生成AIモデル「Generative SNUPI」を開発しました。犬やモナリザなど任意の形状をDNAで再現でき、その成果は科学誌Nature Communicationsに掲載される予定です。従来は専門知識を要する手作業だった設計を、目標の形を描くだけで済むよう変えます。

中核となるのは、画像生成AIのDALL-EやMidjourneyでも使われる拡散モデルです。目標形状にノイズを加えて調整し、DNA配列という形で出力します。グアニンとシトシン、アデニンとチミンが結び付くDNAの化学的な規則を踏まえ、分子の力で自然に目的の立体へ折りたたまれるよう配列を設計します。

DNA折り紙は約20年前からある技術で、ナノロボットや細胞に働きかける治療構造への応用が期待されてきました。しかし設計に手間と費用がかかることが普及の壁でした。研究チームは、短いDNA鎖「ステープル」が長い「足場」を紙のホチキス留めのように引き寄せる仕組みを、AIが精密に指定できるようにしました。

作られた構造の一部は当初形を保てませんでしたが、これはモデルの誤りではなく、描いた形状自体が構造的に不安定だったためだといいます。そこで研究チームは、設計の前に構造の安定性を予測する工程を加えました。研究に関わっていないカーネギーメロン大学のテイラー教授は、新しい道具が分野全体を前進させると評価しています。

実用化に向けた課題は、より柔軟な構造の実現です。創薬や免疫療法といった応用では、外部の刺激に応じて形を変える動的な性質が求められます。研究チームは、今後こうした再構成が可能な構造の設計へと研究を広げる方針です。

Meta（メタ）やスタンフォード大学、東京大学、フランスの高等師範学校の研究者らは、乳児の視点で世界を理解できるかをAIに問う新テストEgoBabyVLMを公開しました。乳幼児の頭に装着したカメラで撮影した約1000時間の映像をモデルに与え、その世界を説明できるかを判定する試みです。結果として、最先端のモデルはこの雑然とした現実の映像に対して惨敗しました。

1歳児はプログラムを書けなくても、わずか一、二度見ただけで新しい物体を覚え、断片的な観察と身体的な接触から世界を学びます。一方で今日のAIは、膨大な学習データと小国並みの電力を消費します。研究者は、赤ちゃんの脳の構造にこそ、低コストで省エネなAIを実現する鍵があると考えています。

言語面では、2023年のBabyLMが、10歳児が触れる程度の少ないデータで文法を学べることを示し、文法が脳に生得的に備わるとするチョムスキーの説に一石を投じました。しかし物理世界の理解は事情が異なります。ETHチューリッヒの言語学者コッターレル氏は「人間同士のやり取りには、インターネットのような大規模なデータが存在しない」と指摘します。

MITの認知科学者テネンバウム氏は、Transformerがデータのパターン抽出に長ける一方で、物理世界や社会的力学、心の理論といった常識を獲得できないと語ります。純粋なパターン学習だけでは、赤ちゃんが受け取るデータから彼らが学ぶすべてを再現することは難しい、というのです。

打開策も見え始めています。スタンフォード大学のフランク氏らは今年、同じ乳児視点の映像を使い、物体同士が時間とともにどう影響し合うかという因果や時間関係を効率的に学ぶ新型モデルを検証しました。物理推論の基盤を従来より効果的に習得できたといい、物理や社会関係を素早く学ぶよう設計されたモデルが、全体として優れた学習器になる可能性を示しています。

GitHubは公式ブログで、コード管理サービスを初めて使う人に向けて、必須スキルを一つの物語としてまとめた入門ガイドを公開しました。バージョン管理の基礎からオープンソースへの貢献までを段階的にたどれる構成で、開発初心者だけでなく、長年ツールの中身を学ばずに開発してきた人も対象としています。

基礎編ではまず、ファイルの変更を時系列で記録するGitの仕組みを解説します。編集する作業ディレクトリ、確認するステージング領域、履歴を保存するローカルリポジトリという三つの区分と、status・add・commitといった日常的に使う少数のコマンドを覚えれば十分だと説きます。あわせて、二要素認証によるアカウント保護やREADMEでのプロフィール整備も推奨しています。

協働編の中心は、ブランチを切って変更し、プッシュしてプルリクエストを出し、レビューを経てマージするという反復的な流れです。プルリクエストは変更点を差分で示し、レビュアーがコメントできる場になります。IssuesとProjectsを使えばタスクやバグを一覧で管理でき、「Closes #42」のような記述でプルリクエストと課題を自動的に連携できます。

発展編では、テストやデプロイを自動化するGitHub Actions、サーバー不要でサイトを無料公開できるGitHub Pages、そして脆弱性を自動検知するセキュリティ機能を紹介します。シークレットスキャンやDependabot、CodeQLは公開リポジトリで無料利用でき、セキュリティは最後の工程ではなく日々の習慣だと強調しています。

全体を通じて、このガイドは断片的なコマンドの暗記ではなく、現代の開発が回る仕組みそのものを理解させる狙いがあります。AIプロンプトを共有リポジトリで管理する例のように、コード以外の資産にも同じ流れが応用できる点も示され、チームの生産性向上を目指す読者にとって実践的な出発点となる内容です。

世界初のチャットボットとして知られるELIZAの実際のソースコードが、MITの保管庫からこのほど発掘されました。研究者らはMIT出版局から刊行された書籍『Inventing ELIZA』でこのコードを解析し、単純なパターン照合の域を超えた高度なプラットフォームだったと明らかにしています。1960年代半ばに登場した本ソフトは、人と機械の対話のあり方を根本から変えました。

最大の発見は、ELIZAが複数の人格を演じ分ける仕組みを備えていた点です。多くの人が同一視する精神療法士のふるまいは、実は「Doctor」と呼ばれる一つの台本にすぎませんでした。創始者ジョセフ・ワイゼンバウム氏は、システム本体と台本を分離する設計を採用していたのです。

台本を差し替えることで、ELIZAは数学や詩、色彩、相対性理論、さらにはエレベーターまで、多様な話題を扱えました。教育用に開発された台本群では、条件付きキーワード照合という技術革新により、過去の発言を追跡し、利用者の回答に応じて会話を分岐させることも可能になっています。これはソクラテス式の対話を模したものでした。

こうした設計は、現代のソフトウェア設計を先取りしていたと評価できます。設定をデータとして扱う手法やプラグイン構造、ドメイン固有言語といった発想が、システムと台本の分離という形で既に体現されていました。1966年の学術論文では、ワイゼンバウム氏があえて記述を省いた技術的詳細も存在します。

研究者らが強調するのは、台本だけで人格が完成するわけではないという点です。ボットと利用者が共同で対話の意味を作り上げる、その協働こそが重要だと指摘しています。言語やセラピー、人間とコンピュータの相互作用に関する当時の前提は、今日のAI開発にも影響を与え続けているのではないでしょうか。

サンフランシスコの音声AIスタートアップRimeは7月15日、企業の電話対応を担う音声AIモデルの開発に向け、2400万ドルのシリーズAラウンドを実施したと発表しました。ラウンドはM13ベンチャーズが主導し、Twilio VenturesやUnusual Venturesなど既存投資家も参加。同社は昨年5月にシード資金550万ドルを調達していました。

Rimeは2022年、スタンフォード大の元博士課程学生Lily Clifford氏、元Amazon AlexaエンジニアのBrooke Larson氏、スタンフォードのエンジニアAres Geovanos氏が創業しました。営業やカスタマーサポートの通話を企業から請け負う音声AI市場は、ElevenLabsやDeepgram、Vapiなど競合がひしめく激戦区です。

同社の差別化は、Web上の音声をかき集める代わりに自社の録音スタジオで会話データを収集する点にあります。音素ベースのアーキテクチャを採用し、ブランド名や業界特有の用語の発音を正確に再現することで、顧客が自社向けにモデルを再学習する手間を減らせると説明します。

一方でClifford氏は、音声AIの現状に率直な見方を示します。企業は依然として従来型のIVR（自動音声応答）を好み、AI音声はまだその効果に及ばないと指摘。「LLMで音声アプリは作りやすくなったが、対話の体感は変わっていない。声の良い新しいIVRのようなものだ」と述べました。

こうした課題を受け、同社は音声認識・音声合成・LLMを個別に組み合わせる従来の構成から、音声対音声（speech-to-speech）モデルへ軸足を移しています。狙いは低遅延化とターンテイキングの改善、背景雑音への対応であり、多数のモデルを束ねる運用負荷の軽減にもつながります。

顧客には食品サービスや医療、航空、フィンテック企業が並び、Mayo ClinicやDialpad、Upstart、Asurionといった大手との契約を獲得済みです。今回の資金で35人の体制を拡大し、Meta Superintelligence LabsやNvidia出身のRafael Valle氏をチーフサイエンティストに迎え、モデル開発や提携を強化します。

ライブ配信ショッピングのWhatnotは7月15日、リアルタイム推薦・検索技術を持つ機械学習企業のShapedを買収したと発表しました。刻々と在庫やオークションが変わるライブ商取引で、買い手が最適な商品を見つけられるようにする発見・パーソナライズ機能の強化が狙いです。

同社のデータ・AI担当VPであるEmmanuel Fuentes氏は、ライブ商取引を「独特に難しい推薦問題」と位置づけます。在庫が秒単位で変わり、番組が連続的に始まっては終わり、視聴中に買い手の意図も移ろうためです。

Whatnotは過去6年で推薦エンジンの速度を改善し、推薦の遅延をほぼ1日から数分にまで短縮してきました。Shapedの技術を組み込むことで、推薦をさらにリアルタイムへ近づける考えです。同社のシステムは週あたり50万時間超のライブ映像と数百万件の対話を処理しています。

Shapedは顧客データと大規模言語モデル、機械学習を組み合わせ、高度に個人化された検索・発見体験を提供する技術を開発してきました。OutdoorsyやQVCなどを顧客に持ち、創業者でCEOのTullie Murrell氏は約12人のエンジニアや研究者とともにWhatnotへ加わり、新設の応用AI研究グループを率います。

買収は同社の急成長を背景としています。2019年創業のWhatnotは販売者の累計注文が10億件を突破し、昨年はシリーズFで2億2500万ドルを調達、評価額は110億ドル超となりました。eBayやPoshmarkなど再販大手もAI統合を競っており、推薦技術の獲得競争が加速しています。

音声AIプラットフォームのSpeechifyは2026年7月、成長基盤をNext.jsとVercelへ全面移行した成果を公開しました。同社は40以上の言語にまたがる50万超の動的ページを6000万人のユーザーへ配信しており、移行によって配信ページ数を40倍、到達する世界の読者を3倍に広げ、コストを50%削減したと説明しています。移行の狙いは、頻繁に変わるコンテンツを高速かつ安全に届ける仕組みの再構築にありました。

移行を決断した直接の契機は、セキュリティ侵害でした。同社は過去に不正アクセスを受け、半日にわたり全訪問者がカジノサイトへリダイレクトされる被害に遭っています。この経験からGrowth EngineeringのDenis Chernobai氏がインフラの見直しを主導し、ゼロから作り直す判断に至りました。移行後はセキュリティ事故ゼロと稼働率99.99%を維持しています。

配信コストの課題は、ページ構成の特殊さにありました。1万本の基本ページを40以上の言語に翻訳し、オンボーディングや価格実験のたびに内容が変わるため、静的生成は選べません。かといって全て動的配信すると、訪問ごとにデータベース参照が発生し負荷が膨らみます。同社はVercelのData CacheやISR、Next.jsのCache Componentsを組み合わせ、初回描画後に即キャッシュして最寄り拠点から配信する方式でこの問題を解決しました。

頻繁なリリースに伴うリスクも軽減されました。成長チームは数日ごとに新しいファネルやA/Bテストを投入しますが、不具合のあるリリースは即座に収益問題へ直結します。VercelのInstant Rollbacksにより、問題が起きてもユーザー影響ゼロで即時復旧でき、少人数チームが大規模チーム並みの速度で開発できる体制を整えました。

同社はさらに開発者向けのSpeechifyAIを立ち上げ、音声技術をAPIで外部提供しています。旗艦モデルのSimba 3.2は、2026年7月時点でArtificial Analysisの音声合成リーダーボードで首位に立ちました。専任のプラットフォームエンジニアを持たない小規模な成長チームが、Fluid computeによる自動スケールと継続的デプロイを活用し、10倍規模の企業と競える環境を築いた点が、この事例の要諦だと言えるでしょう。

OpenAIは7月15日、同社初の自社ブランドハードウェアとなる230ドルのキーボード「Codex Micro」を発表しました。キーボード専業のWork Louderと共同開発した限定生産品で、AIコーディング助手Codexのエージェントを手元で監視・操作するための機器です。スマホやデスクトップアプリに代わる「エージェント作業の司令塔」と位置づけられています。

最大の特徴は、上段に並ぶ6つの半透明キーです。待機中は白、思考中は青、完了は緑、判断待ちはアンバー、エラーは赤と色で状態を示し、常時稼働するCodexのスレッド状況が一目で分かります。点灯したキーを押せば該当ウィンドウが画面に開く仕組みです。

下段のキーには、変更の承認・却下やスレッド分岐、音声入力用のプッシュトゥトークなどが割り当てられています。付属の32個のキーキャップやChatGPTデスクトップアプリでの再設定に対応し、ジョイスティックとダイヤルではワークフロー起動やエージェントの推論レベル調整が可能です。

もっとも、OpenAIはこの製品を限定コラボと説明しており、大衆向けというより本格参入を告げる話題づくりの色が濃いといえます。実際、外観は既存のCreator Micro 2とほぼ同一で、机上を彩る派手なガジェットの域を出ないとの見方もあります。

より重要なハードは別にあります。Bloombergの報道によると、OpenAIの本命は画面のない可動式スマートスピーカーで、ChatGPTと連携する持ち運び可能な端末とされます。元Appleのエンジニアやジョニー・アイブ氏が関与し、来年の投入が噂されています。

この本命端末をめぐっては、Appleが先週OpenAIを企業秘密の窃取で提訴し、緊張が高まっています。Appleは幹部が意図的に機密情報を引き出したと主張する一方、OpenAIは不正を否定しています。今回のキーボード発表は、そうした法廷闘争の渦中でのハード市場参入の号砲となりました。

宇宙開発企業SpaceXの株価が15日、IPO価格の135ドル付近まで下落しました。同社はイーロン・マスクCEOのもと6月12日に上場し、約860億ドルを調達したばかりです。当日は一時133ドルを割り込み、終値は135.27ドルとなりました。上場直後に200ドル超まで急騰した水準からの大幅な後退です。

株価は上場から1か月にわたり、ほぼ毎週値を下げてきました。上場直後にはAmazonやMicrosoftに匹敵する時価総額をつけた時期もありましたが、その勢いは続いていません。変動の一因は、Nasdaqで取引される株式が全体のわずか4%にとどまる点にあります。

この小さな浮動株が、絶えず集まる注目と重なり、上場初月から激しい値動きを生んでいます。市場はマスク氏が掲げる壮大な事業構想に対し、冷静さを取り戻しつつあるようです。この動きはテック株全般の調整とも連動しており、SpaceXがIPO後に発行した社債も値を下げています。

SpaceXの株価は、投資家がマスク氏の遠大な約束をどう評価するかを映す指標でもあります。同社のIPOは、AnthropicやOpenAIといった大手が上場する道筋も整えました。両社はすでにIPOを非公開で申請しており、SpaceX株の行方がその成否を占う材料として注視されています。

同社は木曜、株価の耐久力を試すもう一つの局面を迎えます。上場後初となる大型ロケットStarshipの試験打ち上げです。5月のブースター故障以来の飛行で、開発途上ゆえに失敗も起こりうる「飛ばして、壊して、直す」手法をとっています。今回もブースターと上段の回収は予定せず、メキシコ湾で着水を模擬するため、いずれも爆発で終わる計画です。

米新興企業Reelfulは2026年7月15日、カメラロールの写真や動画クリップをTikTokやInstagram Reels風の短尺動画へ自動変換するiOSアプリを公開しました。従来の動画編集ツールを複雑で時間がかかると感じる人に向けた設計で、編集作業を自動化する点が特徴です。創業者は元Snapchatの機械学習エンジニア、Kate Deyneka氏です。

利用の流れはまず、旅行の振り返りや商品デモといった伝えたい物語をプロンプトで入力します。続いて30秒の音声サンプルを録音して音声クローンを作成し、カメラロールから写真や動画を選ぶだけです。あとはReelfulが構成を練り、台本を書き、AIナレーションを付け、字幕や音楽、効果音まで含めた最終編集を組み立てます。

同アプリは静止画をAI生成の動画クリップに変換する機能も備えます。例えばマンゴーを切る人の写真を、実際に果実へ包丁を入れる短い動画へと動かせます。生成された動画にはAI制作であることを示すウォーターマークが付きます。

Deyneka氏は当面のターゲットを、オンライン上の存在感や個人・企業のブランドを継続的に築く必要がある起業家や事業者だと語ります。例えばサービスや顧客の変化に関する素材を多く持ちながら、編集の時間や人手がない店舗が想定顧客です。イベントで撮った短いインタビューを帰宅途中にアップすれば、家に着く頃には動画が完成しているという手軽さを目指しています。

料金は買い切りとサブスクの両方を用意します。動画クレジットは5本15ドルから購入でき、サブスクは月10本の「Creator」が25ドル、月25本の「Pro」が50ドル、月60本の「Studio」が100ドルです。Reelfulは現在a16zのSpeedrunプログラムに参加しており、今後はAndroid版やWeb版の投入も計画しています。