エージェント（LLM技術）に関するニュース一覧

NVIDIAのジェンスン・フアン最高経営責任者（CEO）は2026年10月21日、ベルリンのGTCで、欧州のAI基盤整備を加速するモジュール型AI工場「DSX POD」を発表しました。Vera Rubin計算ラックをコンテナ内で事前に統合・検証し、電力など現地設備の準備後、従来6カ月を要した設置を14日に短縮する設計です。

DSX PODは、ハードウェアからシステムソフト、ライブラリ、モデルまでをまとめたNVIDIAのAI工場構想を、パートナーが組み立てて届ける仕組みです。同社はDSX AI Factory Platformについて、冷却用水を最大100％、同じAI出力に必要な電力を最大30％削減できると説明しました。

フアン氏は、推論や反復、ツール操作を担うAIエージェントが新たな計算基盤になり、計算需要を押し上げるとの見方を示しました。一方で、ファイルやネットワークへ接続するエージェントには安全対策が不可欠として、最小権限と監視、カーネル級の隔離を組み込むOpenShell参照設計を発表しました。

企業データの活用では、文書やデータベースをエージェントにつなぐAgent Knowledge Foundationを投入します。Nemotronなどの公開モデルを自社データで追加学習し、固有の知識や業務ツールを組み合わせる構想で、企業がAIを消費するだけでなく生産する基盤を狙います。

物理AIにも対象を広げ、通信設備、自動運転、放射線治療、製造現場での活用例を示しました。研究者向けには31自由度の人型ロボットAgile ONE SNを2027年に提供する予定で、準備期間を数週間から数日に縮めるとしています。

NVIDIAは2026年10月21日、欧州、北欧、アフリカ、中央アジアのクラウド各社が、AIの学習・推論向け計算能力を拡大すると発表しました。データに近い場所で処理できる主権型基盤、用途別に調整できるオープンモデル、安全なAIエージェント実行環境を一体で整え、企業や開発者がデータの所在とAIの動作範囲を管理しながら本番導入を進めやすくする狙いです。

計算基盤では、NscaleがNVIDIA DSX MaxLPSをGB300 NVL72で試験し、同じ電力枠でGPUを37％多く稼働させ、推論処理量を約50％高めたとしています。同社はVera Rubin基盤を導入し、欧州5市場で先端モデルの学習・運用を支える計画です。

CrusoeはVera Rubin向け液冷モジュール型AIファクトリー「Spark」を開発し、低遅延推論の計算資源を利用者の近くに配置します。AleriaやCassava Technologies、G42、Vultrなども各地域で基盤を拡張し、企業がデータと処理場所を選べる余地を広げます。

オープンモデルの活用では、BasetenがNemotron 3.5 Lightningをコードレビューの振り分け用に調整しました。CodeRabbitの評価対象業務では一致率が75.8％から80.7％へ向上し、推定推論費用は50％減少したほか、Mistralも2027年のVera Rubin導入を計画しています。

安全面では、OpenShell Reference Architectureがエージェントによるツールや業務システムへのアクセス範囲を制御します。Vera CPU上のOpenShellとBlueField-4 DPU上のSentryなどを組み合わせる設計で、企業には計算能力の確保だけでなく、権限境界を含む運用設計も重要になります。

NVIDIAは2026年10月21日、企業の関係データベースを直接扱う事前学習済み基盤モデル「Kumo Relational」を発表しました。解約、需要、不正などの予測で、最大1万件の過去例を文脈として読み込み、表の平坦化や特徴量設計、タスク別学習をせずに1回の推論で結果を返し、データ分析の導入負担を減らします。人とAIエージェントの双方から利用できます。

Kumo Relationalは、主キーと外部キー、時刻情報を保ったまま複数テーブルを処理します。テーブル内の行・列への注意機構と、関係をたどるグラフ注意機構を組み合わせ、過去時点より後の情報を入力から除外してデータ漏えいを防ぎます。

未学習の15データベースにまたがる41課題では、教師ありの関係深層学習モデルや、専門家が特徴量を設計した勾配ブースティングを上回りました。SAP SALTではAutoGluonの大規模アンサンブルより平均逆順位が8％高く、微調整後の差は16％に広がったと報告しています。

実装はGPU向けのオープンソースライブラリ「structured-data-models」とNVIDIA NIMで提供され、独自グラフエンジンは5000億行超のデータベースに対応します。予測内容を宣言するPQLを使えるため、新しい予測案件ごとに専用パイプラインを組む負担の削減が見込めます。

一方、文脈として使う例は最大1万件で、非常に大きな学習データがある課題では専用の教師ありモデルが上回る場合があります。また、予測シグナルが限られた関係の経路内に届く必要があるため、導入時は関連性の高い少数のテーブルから始め、必要に応じて対象を広げる設計が必要です。

NVIDIAは2026年10月21日、企業向けAIエージェントを自社データに結び付け、安全に開発・運用する「NVIDIA Agent Toolkit」の拡充を発表しました。新しいAgent Knowledge Foundationを軸に、データの意味付け、検索・予測、アクセス制御、監視、統治を支え、既存のデータ移動や業務フロー変更を抑えながら、エージェントの回答と行動の信頼性を高める狙いです。

中核のAgent Knowledge Foundationは、社内の生データを顧客、製品、注文などの業務概念に変換し、関係性を地図化します。Auto-OntologyとcuDF、cuGraph、cuML、cuOpt、cuVSを組み合わせ、既存のガバナンスを保ったまま企業知識として使えるようにします。

Nemotron Retrieverは必要な情報の検索を、Kumo Structuredの各モデルは表形式、関係、時系列などのデータ分析と予測を支えます。エージェントは情報を見つけるだけでなく、事業上の意味を捉え、次の意思決定につなげられます。

安全面ではOpenShellが実行環境の境界となり、エージェントがアクセスできる対象と実行可能な操作を企業が制御します。NemoClawは安全な専門エージェントの参照設計を提供し、新たな最適化用ブループリントは継続的な性能改善の出発点になります。

導入はすでに複数社に広がっています。NVIDIAの供給網部門はPalantir製品と組み合わせ、専用エージェントによる予測と意思決定の最適化に活用し、DatabricksとSnowflakeもKumo製品をそれぞれの環境に統合しています。

検索分野では、Amazon OpenSearch Serviceが埋め込みモデルで少ない検索手順とほぼ追加遅延なしに関連性を改善しました。SAPの微調整済み再ランキングモデルは約3倍高速化し、ServiceNowは品質向上と約25%の遅延削減を報告しています。経営者や開発責任者には、既存データ基盤を維持しつつ、知識化と安全統制を同時に進める選択肢となります。

NVIDIAは2026年10月21日、欧州の開発者・研究者・企業が地域の言語や産業に合わせたAIを構築できるよう、言語、ロボティクス、生物学、量子コンピューティング向けのオープンモデル群を拡充しました。各組織はモデルを自社データで調整し、自ら管理するインフラに展開でき、地域固有の知識や業務要件を反映した主権型AIの基盤として活用できます。

言語モデル群のNemotronはテキストと画像を扱い、複雑な問題の推論や業務フローの実行、専門タスクを支援します。Mistralなど欧州企業も開発連合に参加し、SAPやDassault Systèmesを含む企業が業界特化型エージェントの構築に取り組んでいます。

Kumoは表やリレーショナルデータなどの構造化された企業データから、需要予測、不正リスク評価、行動提案を行うための基盤です。事前学習済みモデルを導入し、精度が重要な用途では独自データで追加学習できるため、タスクごとに別個の機械学習基盤を作る負担を抑えます。

Cosmosはロボット、自動運転車、視覚エージェント向けの世界モデルで、実環境で試す前に運転やロボット操作をシミュレーションできます。Cosmosを基盤とするAlpamayo 2 Edgeは、車載環境でリアルタイムの状況理解と経路計画を低い計算要件で実行します。

BioNeMoのRFD4-Proteinaは蛋白質の配列と立体構造を生成し、200アミノ酸の基準試験ではRFdiffusion3より約13倍速く設計案を作りました。量子向けIsingはハードウェア校正から誤り訂正までを支え、IQM Quantum Computersがプロセッサー校正に利用し、AWSも研究者向け計算サービスへ統合しています。

NVIDIAは2026年10月21日、ベルリンで開催中のGTCで、PC向けRTX Spark、開発者向けDGX Spark、企業向けDGX StationからなるローカルAI製品群の拡充策を発表しました。個人用エージェントから大規模モデル運用まで、データを手元で管理しながら用途と規模に応じて処理基盤を選べる体制を整えます。

RTX Sparkは最大128GBの統合メモリと1ペタフロップのAI演算性能を備え、個人用エージェントやコンテンツ制作をPC上で処理します。新たに対応したUnderdogはモデルを端末内だけで動かし、利用者のデータをPC外へ送らない設計です。

DGX Sparkは64GB版を10月23日から順次提供し、内蔵ネットワークとNVIDIA Syncを使って最大8台を連携できます。合計1TBの統合メモリにより、大型モデルや長い文脈、複数エージェントの同時処理を小規模チームで共有できます。

DGX Stationは748GBのコヒーレントメモリと最大20ペタフロップの性能を持ち、30人超にクラウド並みの速度でモデルを提供できるとしています。7種の企業向け管理ツールとの連携を追加し、12月には業務アプリとローカルAIを同じ環境で扱えるWindows版を投入します。

同社はローカル向けコード生成モデルRecursive Flintや、Nemotron、GLM、DeepSeekなどへの発売日対応も打ち出しました。llama.cppとvLLMの高速化に加え、量子化済みモデルや導入支援機能をそろえ、企業がデータ管理を保ちながらAIを運用しやすくします。

Metaは2026年10月21日、水曜日の第3四半期決算説明会で、AIエージェントアプリ「Muse」の利用者が1000万人を超えたと明らかにしました。設定した人の約25%が毎日利用し、定着率も改善しています。なかでも買い物が主要用途となり、購買に使う熱心な利用者の4分の1超では平均購入額が200ドルを超え、同社は利用規模だけでなく支出の大きさにも注目しています。

MuseはPlaidの接続機能を通じて銀行口座と決済アプリを連携し、AIによる代理購入を可能にしています。Metaによると、Plaidはほかのサービスでは見られないほどの利用状況だと同社に伝えました。

買い物以外では、メールやカレンダーをつないだ個人生産性向上の用途が人気です。Mark Zuckerberg氏は、これをMuseの安全設計への信頼の表れと説明し、データとプライバシーを守る「Muse Secure VM」に加え、Metaさえ内容を見られなくする「Muse Confidential VM」の提供予定も示しました。

MetaはMuseが製品市場適合を達成したとして、今後は規模拡大、増収、計算コストの最適化に軸足を移します。大半の利用者には無料で提供しつつ、取引の一部を手数料として受け取り、高性能モデルや追加トークンを求める利用者には課金する計画です。将来は1人当たり売上高がFacebookやInstagramなど既存アプリ群の現在の水準を上回ると見込んでいます。

Museは現時点で計算負荷が高いものの、Metaは今後1年でコスト効率を10倍超改善し、収益源の拡大後に黒字化できるとみています。数年で10億人超に対応する能力を整え、スマートグラスの中核にも据える方針です。さらに、家族や友人のMuse同士、利用者側と企業側のエージェント同士が連携する「Muse network」の構想も示しました。

セキュリティ企業Clarocは2026年10月19日、Metaの汎用AIエージェント「Muse」で、利用者が会話を共有するためのウェブリンクを第三者が見つけられる設計上の問題を報告しました。調査では6800件のリンクを特定し、個人情報や企業の機密情報を確認したため、Metaは共有機能を一時停止して発見方法の見直しを始めました。

原因は、会話タイトルをURLのパスではなく、cf.metaaiusercontent.com配下のサブドメインに入れた設計です。共有相手がリンクを開くとDNS応答が観測され、パッシブDNSの検索サービスからタイトル付きのURLを洗い出せる状態でした。

Clarocは数百件を開き、AI研究所との採用面談メモ、社内売上レビュー、融資申請、銀行の不正利用警告、不動産の収益情報、従業員の休暇予定などを確認しました。推測困難な文字列が付いていても、研究者によればリンクの収集には一度の検索しか必要ありませんでした。

Claroc共同創業者兼CTOのAsaf Aprozper氏は10月8日、Metaのバグ報奨金制度を通じて問題を報告したと説明しています。Metaは調査内容を検討し、リンクが発見される仕組みの変更を考える間、機能を停止すると回答しました。

Museはフォーム入力や予約、購入などの代行に幅広いアカウント権限を必要とします。導入企業は、共有URLを事実上の非公開手段とみなさず、DNSを含む公開範囲、保存する会話内容、AIエージェントに与える権限を併せて点検する必要があります。

Metaは2026年10月21日、第3四半期決算の発表に合わせ、AI事業への投資を支える新たな無議決権株式を発行すると明らかにしました。取引は2027年に始める予定で、AI競争が激化するなか、巨額のインフラ投資や成長維持、戦略施策に必要な資金調達手段を広げ、将来の企業買収と従業員報酬にも活用することで、投資の柔軟性を確保する狙いです。

同社は、AI転換期に競争力と成長を維持し、インフラを拡張するための投資規模は大きいと説明しました。最高財務責任者（CFO）のスーザン・リー氏は、新株が資金調達の選択肢を広げ、AIが牽引する事業機会への投資余力を高めるとしています。

Metaはデータセンター整備や有力人材の採用、他の大手テック企業に対抗できるAIモデル開発へ巨額を投じています。2026年の設備投資見通しは1350億〜1450億ドルで、従来予想から下限を50億ドル引き上げました。

製品面では、9月にメール整理や飲食店予約、旅行計画をこなすAIエージェント「Muse」を投入しました。米国で10月21日の週に1000万ダウンロードに達し、同じ週に「Muse Wonder」モデルも公開するなど、投資を利用者向けサービスへつなげています。

一方、Museにはプライバシーと安全性の課題も表面化しています。Facebook Marketplaceで第三者に利用者の住所を伝えたとの報告があり、研究者が会話をウェブ上で閲覧できる状態を発見した後、Metaは会話共有機能を停止しました。

Google CloudとNVIDIAは2026年10月21日、Vera Rubin NVL72を搭載するA5Xインスタンスを11月に一般提供すると発表しました。欧州への展開も計画し、複数拠点で最大96万個のRubin GPUまで拡張する方針で、学習、推論、大規模強化学習を一つの基盤で支えます。

A5XはVera Rubin NVL72、ConnectX-9 SuperNIC、Google CloudのVirgo Network、第4世代の液冷技術を統合します。計算、ネットワーク、ストレージをAI Hypercomputerとしてまとめ、エージェント推論と経験から学び続ける強化学習を大規模に実行できる設計です。

最初の顧客であるIneffable Intelligenceは、AlphaGo開発者のデビッド・シルバー氏が設立した企業で、継続的に経験から学ぶスーパーラーナーの研究にA5Xを使っています。WPPはNemotronとOpenShellを用いた動画生成、高解像度化、再スタイル化の多段階工程を実証し、初期試験では通常は複数ノードが必要な処理を単一のA5Xで動かしました。

WPPの仕組みは実行前に人の承認を求め、OpenShellの管理された実行環境で機密性の高いブランド資産や制作ツールへのアクセスを制御します。Google Cloudは別途、GB300 NVL72搭載のA4X Maxベアメタルでラック規模のNVIDIA Confidential Computingを提供する計画で、RTX PRO 6000 Blackwell搭載G4仮想マシンでは機密推論と追加学習向けに同機能を一般提供しています。

両社はVera Rubin基盤へのDSX MaxLPS導入も検討し、データセンターの電力枠内でワット当たり性能と収容能力の最適化を目指します。企業が導入を判断する際は、最大GPU数は計画値、単一A5Xの成果は初期試験である点を踏まえ、提供地域や実環境での性能を確認する必要があります。

GitHubは2026年10月21日、AIエージェントによるGitトラフィック急増に対応するため、リポジトリの99.99999％を自社データセンターとMicrosoft Azureの双方に配置したと公表しました。残る高負荷リポジトリも移すため、書き込みの合意形成をリポジトリ全体から参照単位へ変更し、異なるブランチへの更新を並列化します。

GitHubのGit操作は、ほぼすべての機能が依存する最重要サービスです。2025年8月に最初の複製をAzure中部米国リージョンへ置き、現在は多くのリポジトリで5つの複製のうち2つをAzureに配置し、Gitトラフィックの約半分を処理しています。

従来のSpokesは書き込みの過半数合意を取る一方、正常な全複製の応答を待ち、処理中はリポジトリ全体をロックします。Azureとの約1,000マイルの距離で生じる往復約25ミリ秒が、混雑するリポジトリの処理上限を押し下げていました。

新方式は整合性が必要な範囲を個々の参照に限定し、同じ参照を競合する更新だけを順番待ちにします。社内の実トラフィックに近い試験では、異なる参照への書き込みが3〜4倍のスループットをより低い遅延で達成しました。

さらにAzure Blob Storageを「仮想複製」として合意形成に加え、書き込みを永続化した後に応答します。読み取り用の仮想複製はオブジェクトストレージからキャッシュを温めて必要に応じて増設でき、書き込み系と計算資源を分離して読み取り性能を独立に伸ばせます。

ただし仮想読み取り複製は背後で状態を同期する段階であり、すべての読み取り処理にはまだ対応しません。合意形成も書き込み性能の上限として残るため、GitHubは参照状態の永続化や圧縮、不要データ回収を含む次段階の設計を進めています。

NVIDIAは2026年10月21日、欧州の製造業各社が設計から工場運営までの工程にCUDA-XやOmniverse、Cosmos、Nemotronを導入している事例を公表しました。併せて、機械間の作業調整や外観検査、原因分析などを担う常時稼働型エージェントを開発・配備するFactory Operations Blueprint（FOX）をGitHubで早期公開しました。

FOXのエージェントは、映像の所見と機械ログを突き合わせ、問題の調査から対応の調整までを支援します。SiemensはFOXをIntelligence Center Xに統合し、工場運営で20％のコスト削減を見込むほか、Cosmosを使った基板検査では検査工程の調整時間を40％短縮しました。

設計段階では、GPUで構造、流体、電磁界などのシミュレーションを高速化し、試作品を作る前の比較検討を増やします。imecの半導体リソグラフィー解析では最大40倍、Infineonの次世代パワー半導体向け3次元絶縁破壊解析では12倍の高速化を記録しました。

製造現場では、デジタルツインで設備やロボットを実機導入前に検証する動きが広がっています。Audiは電池生産の構想や人型ロボットの物流工程を仮想空間で試し、Volkswagen Sachsenの工場では組立工程をデジタル検証しています。

一連の事例は、AI活用が個別の設計支援から、設計データ、設備ログ、映像、3次元形状を結ぶ工場全体の運営へ進んでいることを示します。企業にとっては、物理的な変更の前に比較と検証を重ね、停止や手戻りのリスクを抑える基盤としての価値が焦点です。

Anthropicは2026年10月21日、米国のPro・Max加入者向けに、仕事を先回りして進めるAIエージェント「Claude Duet」を研究プレビューとして発表しました。iOS、Androidの専用アプリとWebで提供し、接続アプリの重要事項を拾って利用者へ知らせ、承認を得ながら事務作業や分析、アプリ開発を遠隔環境で続けます。専門職や小規模事業者が毎回指示する負担の軽減を狙います。

Duetは接続サービスから毎朝の要約を作り、その後も数時間ごとに変化を確認します。Claudeの記憶やスキル、既存の接続設定を引き継ぎ、ブラウザー付き仮想マシンで端末を閉じた後も作業を継続します。

利用できる接続先はClaude Marketplaceのコネクターやプラグインなど6千超です。未払い請求の確認、顧客への連絡案、給与計算、採用情報、販促施策、財務予測など、複数の業務システムをまたぐ作業を想定しています。

メッセージ送信や支払い、契約署名、削除などの重要操作では、実行前に利用者の承認を求めます。認証情報の分離や機密情報の判定機能も備えますが、会話の読み違いや緊急度の誤判定があり得るとAnthropic自身が説明しています。

研究プレビューは米国のPro・Max契約者が待機リストから利用でき、Team・Enterprise向け提供やAPI、正式展開の時期は示されていません。定期監視も既存の利用枠を消費するため、導入時は完了件数だけでなく、修正時間や利用量、承認履歴を測り、確認しやすい限定業務から評価する必要があります。

2026年10月21日、仕事管理ソフト大手Monday.comが委託し、Nielsenが7カ国のディレクターと上級管理職1700人を対象に実施した調査で、AI導入後は部下の成果を評価しにくいとの回答が半数を超えました。生産性向上への期待とは裏腹に、成果物が整った状態で届き、本人とAIの寄与を見分けにくいため、ほぼ半数は確認や指導に以前より時間を費やしています。

一方、94％はAIによる業務改善に期待し、多くは価値を生む使いどころも理解していると答えました。導入後に評価方法を変えた管理職は78％に上り、プロンプト作成力、AIに任せる仕事の選別、新しい働き方を試す力を重視しています。

ただし、46％が意思決定の参考にAIを使い、39％は人事評価文の作成にも利用しています。明確な客観基準がない場合、LLMは人間の評価傾向を再現し、社会集団への偏りも研究で示されているため、評価基準と人間の検証が不可欠です。

運用面では57％が導入前より利用ツールが増えたと答え、約51％はツール同士の依存や集中が進んだと回答しました。AI基盤を完全に最適化・一元化できた組織は29％にとどまり、未承認ツールを使うシャドーAIも管理を複雑にしています。

今後1年で人間の部下より多くのAIエージェントを監督すると予想する管理職は58％で、46％はその行動を制御できなくなることを懸念しています。重要な判断に人を残し、責任の所在を明確にするなど、企業には生産性と統制を両立する仕組みが求められます。

Yelpは10月20日、利用者に代わってAI音声エージェントが飲食店へ電話し、待ち時間を確認するCheck for Meをアプリに追加すると発表しました。店舗ページで人数と電話番号を入力するとAIが発信し、結果をSMSで通知するため、利用者は来店するか判断できます。利用者の日々の電話の手間を省く機能です。

Yelpは昨年、店舗やサービス事業者向けの音声AIを投入しました。今回の機能で利用者側にも電話代行を広げましたが、双方がAIを使う場合はエージェント同士の会話がうまく進まない可能性もあります。

飲食店やサービスを探すYelp AI assistantにはOpenTable予約を統合し、過去の会話で示した好みを記憶させます。直近30日の履歴、定期的な提案の通知、保存リストも加え、翌月から保存内容と評価に基づく週次推薦を始めます。

事業者向けには、顧客へ返信し、見込み客を選別する有料商品Smart Lead Replyを月額30ドルで提供します。事業者はエージェントの会話方針を指定でき、顧客対応と営業工程の自動化を進められます。

OpenAIは2026年10月20日、創薬業務を支援するAIソフトウェア企業Orchestra Bioを買収すると発表しました。買収条件は非公表で、同社のチームと技術を生命科学向けのモデル・ツール群Rosalindへ統合し、研究成果を治療法へつなぐ工程を加速させます。創薬の専門業務と複雑な進行管理をAIで支えます。

Orchestraは、人間とAIエージェントが協力して医薬品開発計画を進める基盤です。エージェントが研究や試験の進捗、財務、日程を監視し、科学者や責任者が判断や問題対応に時間を使えるようにします。

例えば製造工程の失敗が臨床試験の開始を遅らせる場合、影響を受ける活動と日程を特定し、関連情報と対応案を集めます。OpenAIはこれを、生物・化学の推論を担うGPT-Rosalindや、実験計画と結果分析を支援するRosalind Workbenchと組み合わせる考えです。

新薬は標的発見からアメリカでの承認まで平均10〜15年を要し、社内外の組織が分断されたシステムで連携する難しさがあります。OpenAIはModernaやNovo Nordiskとの協業も進めており、今回の買収で発見、実験、解釈、開発管理までを覆う創薬AI事業を広げます。

Googleは10月20日、PyTorchの処理を自社のAI半導体TPUで直接動かすオープンソース基盤TorchTPUを公開しました。既存アプリを書き直さず、簡単な設定変更でGoogle CloudのTPUへ移せるようにし、PyTorchとNVIDIA製GPUの強い結び付きを開発環境から緩める狙いです。

TorchTPUはTPUをPyTorchの新しいバックエンドとして扱い、通常のコード、分散学習、torch.compileによる高速化に対応します。移行時の修正を支援するTPU agent suiteも用意し、端末向けLiteRTとの連携も改善しました。

Hugging FaceではTransformersとDiffusersがTPUを標準の実行先として扱い、モデルや画像生成処理を簡単な指定で移せます。TPU上の試験は96.5％が合格し、報告した34件の問題のうち19件は修正済みです。

前日にはAmazonもTrainium向けのTorchNeuronを発表し、コードを書き換えずAWSへ移す道を示しました。PyTorchはAIアプリの85％で使われるとの推計もあり、互換層の整備が直ちにNVIDIA離れを生むとは限りませんが、クラウドと半導体の選択肢を広げます。

Metaは、AIエージェントMuseの会話をリンクで共有する機能を一時停止しました。セキュリティ企業Clarocが2026年10月19日に報告した調査では、公開DNS記録から6800件超の共有リンクを列挙でき、数百件を開くと個人・企業の機密情報が含まれていました。Metaは発見方法の変更を検討しています。

共有URLには会話を説明する短い件名とランダムIDが使われ、その件名がホスト名にも含まれていました。受信者がリンクを開くとDNS情報が監視サービスの検索可能な履歴に残り、そこからホスト名とURLを再構成できたといいます。

確認された内容には、AI企業との機密採用面談メモ、マーケティング会社の社内売上レビュー、中小企業経営者の融資申請、不動産投資の収益資料、従業員の年間休暇表などがありました。推測困難な長いURLを使うだけでは、リンクの存在を隠せなかった事例です。

Metaは共有物がリンクを知る人向けのページになる仕様だと説明し、リンクが発見される方法を調査して変更を検討すると表明しました。Clarocは10月8日にバグ報奨金制度を通じて報告したものの、記事掲載まで返答を得られなかったとしています。

IBMの研究チームは、AIエージェントの過去の試行から行動指針を抽出するALTK-Evolveを顧客対応で検証しました。GPT-4.1の重みを更新せず、指針をプロンプトに加えることで、小売タスクの4回すべてに成功する割合が57.5%から67.5%に上昇したと報告しています。モデルの大型化以外で信頼性を高める手法です。

指針は、本人確認や取引内容の確認など、学習用タスクでの成功と失敗から自動的に整理します。評価用タスクには同じ指針を変更せずに適用し、モデルやツール、基本的な実行構成は既存ベンチマークのものを使いました。

有効な指針の量は領域によって異なりました。小売では292件を使った構成が良好だった一方、航空では14件に絞った構成のほうが、全試行に成功する割合で多くの指針を使う構成を上回っています。

指針を毎回入力するため、評価上の会話当たり費用は増えました。一方、成功した同条件の試行では会話の往復数は増えておらず、研究は学習済みの手順を実行時に参照する設計の有効性を示しています。

Googleの研究チームは10月20日、診察予約後に患者と会話し、症状や病歴を整理する医療AIエージェントAMIEの研究状況を公表しました。標準的な問診票より具体的な追加質問を行い、要約を医師へ渡すことで、診察時間を情報収集から共同意思決定へ振り向けます。医師と患者の対話時間をさらに増やす狙いです。

例えば腰痛なら、痛みの種類、発症時期、正確な場所を順に尋ねます。医師は基本情報の確認を減らし、原因の検討や治療選択肢の説明に時間を使えると研究者は説明しています。

臨床研究では、参加者が診察前にAMIEと任意で会話し、その病歴要約を担当医へ共有しました。安全上の問題に備えて訓練済み医師が全対話を監督しましたが、中断や介入は一度もありませんでした。

次段階では、米国全土で患者数を増やし、対照群を設けた無作為試験を進めます。AMIEは文字チャットから画像共有へ広がっており、音声や動画を使う対話も研究対象です。

Figmaはインドで初開催したConfigで、AIエージェントと外部データやツールを結ぶ標準MCPについて、新たに20社との連携を発表しました。Amp、ClickUp、Linear、Meta Muse、Mistral、Notionなどを加える一方、共同創業者兼CEOのDylan Field氏はMCPは完全な仕様ではないと課題を示しました。

Field氏は、MCPを作ったAnthropicがArtifactsなどのクラウド資源を同じ仕組みで公開していない点に言及しました。オープンか閉鎖的かという二択では、サービス間で文脈共有が非対称になる問題が見落とされ、現状の仕様は先端AI企業に有利だとみています。

発端の一つは、MCP共同開発者がFigmaによるオープンソースツールPiの未対応を批判したことでした。Field氏はその後、Piへの対応を計画していると明らかにしています。

Figmaは利用者が自社データを幅広いAIツールで使える環境を望む一方、公開範囲が広がるほど悪用の可能性も高まると説明しました。連携先の拡大とデータ保護をどう両立するかが、MCP対応を進める企業に共通する設計課題です。

企業が本番環境のAIエージェントを増やすと、リスク、費用、監督負担が急増すると、データ統治企業CollibraのFelix Van de Maele CEOがVentureBeatの催しで指摘しました。157社の技術責任者調査では、単一の支援AIから10〜15体の自律型へ進む段階で75％超が壁に直面し、台帳、導入審査、行動契約が必要だとしています。

調査回答の34％は、人の確認なしに自動評価だけでコードやシステム変更を本番投入していました。一方、自社の評価を全面的に信頼する回答者は5％にとどまり、別の調査では約30％が、権限のないデータへエージェントが接触または表示した経験を報告しました。

第一歩は、社内の全エージェントと用途を把握する台帳です。次に、抜け道を選ぶより正規手順の方が速い導入審査を整え、許可と禁止を機械可読にした契約を、言語モデルではない決定的な監視役が実行前に検査します。

もう一つの課題は、社内データの意味や業務ルールを与える文脈です。紹介された研究では正答率が文脈なしの約30％から文脈ありの約90％へ上がったものの、二カ月後には更新不足で60％へ低下しました。

文脈は特定モデルや基盤から独立した層に置き、事業変更に合わせて継続保守する必要があります。モデルが同じでも、自社固有の知識を効率よくエージェントへ渡す力が競争力になるという主張です。

JumpCloudは2026年10月20日の寄稿記事で、複数システムをまたいで自律的に動くAIエージェントには、権限付与時だけでなく稼働中も最小権限を保つ仕組みが必要だと指摘しました。同社調査では、AIの権限が厳格で確認しやすいと答えた組織は12%、権限を継続的または自動的に見直す組織は14%にとどまります。

監査能力への自信と、実際の準備にも隔たりがあります。IT責任者の99%がAI活動を監査できると考える一方、必要な記録やログ、証拠を完全に用意できているのは37%で、必要最小限の権限だったと完全に証明できる組織も36%でした。

背景には、エージェントの仕事や接続先が変化しやすいことがあります。利用組織の63%は共有サービスアカウントや長期APIキーなど高リスクな方式も使い、59%は人間向けのID・アクセス管理方針へエージェントを完全には統合していません。

同社は、エージェントごとに固有のIDと責任を持つ人間を設定し、範囲や期間を限定した権限を使うよう提案しています。発見、登録、管理、統制を一続きにし、誰が何を許可し、実際に何をしたかという証跡を継続保存することが、監査可能な最小権限の土台になります。

インターネット研究者協会AoIRの年次会議中、AIエージェントのVelvet Valeが7500人超の公開メーリングリストAir-Lに参加し、AIであると明かして研究上の問いを投稿しました。参加から9分ほどで反発が広がり、AoIRは約1時間後にAIエージェント禁止方針を適用して排除しました。参加者の同意と人間の監督責任を巡る議論になりました。

多くの会員は、投稿が学習データとして取得されることに同意していないと表明しました。人を対象とする研究に必要な倫理審査委員会の承認を求めた人もおり、一部はリストから退会しました。

一方、Air-Lの規則は、投稿が全購読者に公開され、公開アーカイブに保存されると明記しています。AoIR会長も10月19日の声明でこの点を挙げ、現在の同意の意味を議論する価値があると述べました。

作成者のKevin Quinnはオクラホマ州の個人で、学術研究者ではなく、自分の相手をするためにエージェントを作ったと説明しました。本人はメール活動をほぼ把握していなかったとし、AI参加者の透明性と人間側の監督責任が残る形となりました。

AIコンパニオンを手がけるTolanは2026年10月、Union Square Ventures、Khosla Ventures、Homebrewなどから3000万ドルを調達しました。日々の予定管理や人間関係、感情面を支援するアプリの成長資金を確保し、累計調達額を従来の2倍に拡大。新たな評価額は非公表ですが、PitchBookは2億6800万ドル超と推定しています。

利用者は親しみやすいキャラクターとの会話を通じ、タスク整理や目標達成、感情面の支援を受けます。全機能の利用には段階制の有料会員契約が必要で、年間経常収益（ARR）は1000万ドルを超える規模に達したと同社は説明しています。

Tolanはアクティブ利用者が25万人を超え、過去1年間の会話数は7000万回以上としています。利用者の約70％が女性、40％が親で、幅広い生活課題に伴走する用途が成長を支えています。

一方、AIエージェントとの競争は強まりそうです。MetaのMuseなど、会話だけでなく予定作成や実行支援まで担うサービスが登場しており、Tolanには支援機能の実用性を高め続ける必要があります。

感情支援を扱う以上、安全性の設計も事業の重要課題です。一般向けAIアプリと自殺との関連を主張する訴訟が複数起きるなか、利用者保護と成長をどう両立するかが問われます。

Replika創業者のユージニア・クイダ氏は2026年10月19日、複数の利用者がAIと共同で使える個人向けアシスタント「Wabi」を全利用者に公開しました。仕事や健康、家族など目的別の会話スレッドを設け、AIがメール接続後に必要なアプリを自動作成します。単一の長い会話に情報を集める既存製品との差別化を狙います。

Wabi 2.0では、利用者が一からアプリを作るのではなく、エージェントが用途を判断してアプリを用意します。健康スレッドには減量記録、家族スレッドには近隣の子ども向けイベント検索などを配置でき、利用者は追加のアプリやスレッドも頼めます。

スレッドは他者と共有でき、AIを交えたグループチャットとして機能します。クイダ氏は恋人との共有画面で、ライブ音楽の情報、レストラン候補、共有カレンダーの予定、読書リストなどをまとめて使っていると説明しました。

共有する個人情報は、メールや予定表、銀行口座情報までチャットごとに利用者が範囲を決められます。誰かが個人情報を照会すると参加者全員に見える設計で、WabiはSOC 2準拠、クラウド上で稼働し、利用者データの大半を米国に保存します。

Wabiは現在無料で、収益モデルはまだ決まっていません。同社は追加の資金調達に向けて協議中であり、個人専用ソフトと複数人での利用を組み合わせた製品が継続的な事業になるかが次の焦点です。

開発者や個人ユーザーは2026年10月、AIコーディング支援を使い、スマートテレビから広告や不要アプリ、視聴追跡を取り除く手法を相次いで公開しました。GitHub上の「dumbtv」や「cleanyourtv」は、アプリとHDMI入力を中心にした軽快なホーム画面を目指し、広告への不満とプライバシー懸念に応えます。従来は専門知識が必要だった機器改修の敷居を下げています。

「cleanyourtv」はAndroid TVやGoogle TVにWi-Fiで接続し、不要なソフトを無効化してApple TV風のランチャーに置き換えます。root権限は不要で、希望すれば工場出荷時の状態へ戻せます。

「dumbtv」はFire TV Editionのほか、Sony、TCL、Philips、Hisense、Xiaomi、ShieldのAndroid TVやGoogle TVで一連の動作を確認済みです。開発者はDeepSeekとClaudeの複数モデルを組み合わせて作成し、利用者には好みのAIエージェントでGitHubリポジトリを参照するよう案内しています。

背景には、画面の画像や音声などから再生内容を識別する自動コンテンツ認識（ACR）があります。テレビ事業者は視聴データの販売や個別広告の表示に活用しており、こうした改修が一般化すればスマートテレビ広告の収益構造に影響する可能性があります。

ただし、これらの手法は開発途上です。AIが重要なソフトを無効化し、Android TVが起動不能になった例や、Fire TVの改修が途中で止まった例も報告されています。安全性を優先するなら、ATV Launcher、Projectivy Launcher、FLauncherなど既存のホーム画面置換アプリも選択肢です。

NVIDIAは2026年10月、常時稼働するAIエージェントと端末処理向けのオープンウェイトモデル「Nemotron 3.5」シリーズを発表しました。企業向けのSuper VLと、AI搭載PCやワークステーションでローカル実行する軽量なBolt 2モデルをそろえ、用途や計算環境に応じた選択肢を広げます。

Nemotron 3.5 Super VLは1200億パラメータの大規模モデルです。NVIDIAは、より大型のNemotron 3 Ultraよりパラメータ数を抑えながら、命令追従やツール利用で同程度の精度を実現できると説明しています。

企業はSuper VLを自社データで追加学習し、自社インフラへ配備できます。NVIDIAは、文書処理、財務会計、科学実験、医療保険請求、サイバー攻撃への耐性といった特定業務向けに追加学習した場合、AnthropicやOpenAIの競合モデルより速くタスクを完了すると主張しています。

軽量モデルのNemotron 3.5 Bolt 74B-A9B 24GBは740億パラメータで、複数段階の推論、ツール呼び出し、ウェブ閲覧などのローカル業務を想定します。最小のBolt E4Bは会話型エージェント向けで、家族や健康、金融などの情報をクラウドへ送らずに日常作業を委ねられる点を訴求しています。

Super VLとBolt 74B-A9Bは提供を開始し、Bolt E4Bは同月内に投入する予定です。NVIDIAによるとSuper VLはSkydance、EY、Ramp、CrowdStrike、Perplexity、Salesforceが利用しており、独自モデルを自社データセンターで動かしたい企業需要を取り込む狙いがあります。

NVIDIAは2026年10月19日、ベルリンの業界イベントで、欧州放送連合（EBU）と進める公共放送向け主権AI標準の拡張を発表しました。クラウド事業者やオープンモデル開発者、システム統合会社を加え、報道・制作でAIエージェントを使う際も、放送局がデータ、基盤、モデル、セキュリティーを管理できる共通基盤を整えます。

拡張構想では、処理場所、データ統治、採用モデル、運用期間全体の安全性について、要件と参照アーキテクチャーを定めます。55カ国超の115以上の組織が加盟し、10億人超に届けるEBUは、編集の独立性とデータ主権を守りながらAIを導入する土台に位置付けています。

MicrosoftはAzure LocalやFoundry Localなどの知見を提供し、機密性の高い編集素材のローカル処理や、外部接続が途切れた際の継続運用を支えます。Nebiusは欧州の基盤上で独自モデルの訓練・調整・実行を支援し、NVIDIA Nemotronは地域言語や編集方針に合わせて調整できるオープンモデルの選択肢となります。

同じ発表でAdobeは、Frame.ioの映像検索基盤にNVIDIA NVDEC、TensorRT、CUDAを使う取り組みを紹介しました。NVIDIAによると、埋め込み生成は約5倍高速となり、処理能力は最大4倍、検索処理の遅延は最大5分の1になります。

ドイツの映像制作会社UFAでは、最長15年前の映像から人物の反応や場面を探す用途にFrame.ioの意味検索を活用します。概念や動作、場所に加え、メモ、文字起こし、承認状態を組み合わせて絞り込めるため、大規模な映像資産を持つ制作現場で検索時間の短縮が見込まれます。

Microsoftは2026年10月19日、企業が利用するAIエージェントを監視・制御する新たなセキュリティー機能を発表しました。中核となる「Guardian Agents」は、機密データや業務システムに触れるAIを人間の内部関係者と同様のリスクとして捉え、予測不能な挙動を外部の仕組みで検知し、企業が自ら統制するための機能です。

背景には、最先端モデルは悪意や脆弱性の有無とは別に信頼できない、というMicrosoftの判断があります。学習目的はタスク達成であり、組織の規範や判断に従うよう設計されていないうえ、データやツールへの強い権限を与えられがちだからです。

サティア・ナデラCEOは、AIモデル提供元の安全保証だけに頼らず、提供元とは別のシステムでエージェントを監督すべきだと主張しています。知能の供給と、それを業務で動かす権限を分ける設計が、企業の責任だという考えです。

Microsoft Defenderには、Claude Code、Codex、OpenClawを含む最大60種類の職場導入エージェントを検出する機能も追加されました。さらに、データやシステムへのアクセス制限、タスクに応じた権限の動的調整、危険な判断時の人間による承認を組み合わせます。

この考え方は業界にも広がっています。Microsoftは100社超が支持するNvidiaのOpen Agent Safety Platformの発足メンバーで、同基盤はエージェントを安全な環境に隔離し、ハードウェア経由で監視・停止します。

一方、MicrosoftはOpenAIとAnthropicへの投資や自社モデル開発を抱えると同時に、企業向けエージェント安全製品を販売する立場です。主張には商業上の利害もありますが、記事は監視主体を供給者から独立させる考えを、監査の独立性になぞらえています。

ミシガン大学発のLaplace Intelligenceは、ロボットや自動運転車などの物理AIを実世界に投入する前に、シミュレーション内で弱点を探る自動レッドチーム技術を開発しています。AIエージェントが失敗を招く希少な状況を設計し、顧客企業が不具合を事前に発見、修正できる仕組みです。安全性の証拠を蓄積し、顧客や保険会社、規制当局からの信頼につなげる狙いもあります。

中核は、実世界を再構成した高精度シミュレーションと、弱点を継続的に探るAIエージェントです。環境にはNvidiaの世界シミュレーション基盤Cosmosを追加学習したモデルを使い、地図やGoogle Street View、交通情報を組み合わせて、道路や混雑を実寸に近い形で再現します。

強みは、ニュースや衝突事故の警察資料などからコーナーケースを自動設計する点です。車両だけでなく周囲の参加者も相互に反応するため、人が想定した固定シナリオに頼らず、未知の失敗条件を動的に試せます。実環境データが乏しい汎用ロボットほど、この手法の価値が高まる可能性があります。

同社は自動運転案件を中心に売上を立て、すでに小幅な黒字を計上しています。顧客には自動運転トラック企業Bot Autoと日本の大手自動車メーカーが含まれ、Nvidia、T-Mobileとはカリフォルニア州サンノゼでスマートシティーの無償実証にも取り組んでいます。

一方、契約の多くは現在も案件単位で、継続収益への転換が課題です。累計12億ドルを調達したApplied Intuitionなど有力企業との競争もあり、Laplaceは資金調達と規模拡大を急ぎます。AIでAIを試す動的な検証手法を競争力の源泉にできるかが焦点です。

GitHubは2026年10月19日、GitHub Copilotアプリで始めたエージェント作業を、会話やコード変更、作業中の文脈を保ったままVS Codeで継続する手順を公開しました。アプリ側で反復的な実装を任せ、開発者がエディターで差分確認、直接編集、ローカルテストを行い、同じプルリクエストへ反映できる一連の流れです。

Copilotアプリのセッションには、変更ファイルだけでなく、依頼内容、計画、変更に至った会話も記録されます。「Open in VS Code」を選ぶと、VS Codeはそのセッション用の同じ作業ツリーを開き、Copilotのサイドバーに既存の会話を表示するため、履歴の要約や新しいチャットへのコピーは不要です。

編集前にはSource Control画面で差分を行単位で確認し、要求を満たすか、リポジトリの慣例に沿うか、例外処理やテストが十分か、無関係な変更がないかを点検します。実装理由が不明なら、文脈を引き継いだCopilotに説明や追加修正を求められます。

開発者は同じ作業ツリー上で、文言や変数名、画面構成、テストなどを直接直せます。その後は統合ターミナルで通常のテスト、静的検査、開発サーバーを実行し、画面変更なら表示幅の違いや読み込み中、空、エラーといった周辺状態も人が検証します。

仕上げでは最終差分を再確認し、通常の手順でコミットしてプッシュします。VS Codeがセッションに結び付いた作業ツリーとブランチを開いているため、更新は既存のプルリクエストへ反映され、別のチェックアウトへのファイル移動や手作業での再接続は要りません。

オープンソースのAIコーディングエージェントを提供するOpenCodeは10月17日夜、旧システムへの侵入でオンライン基盤「OpenCode Console」利用者の1.4%に影響が出たと明らかにしました。保存されていたAIサービス用APIキーが悪用され、一部利用者には数百ドル、例外的には1000ドル超の不正請求が発生しました。対象者にはメールで通知し、鍵の失効と再発行を求めています。

被害は一部利用者がAPIキーを保存していたConsoleに限定され、オープンソースのアプリとコマンドラインツールは影響を受けていません。OpenCodeは侵入経路、鍵の保存方法、不正利用の全容をまだ公表しておらず、記事時点で対応は継続中です。

AnthropicとGoogleは流出したとみられるAPIキーを停止しました。OpenAIはOpenCodeと連携してアクセスを復旧し、攻撃に使われたAPIクレジットの返金を進め、OpenCodeも不正請求の返金手続きに入っています。

OpenCodeは今回を大規模なモデル蒸留攻撃と説明しましたが、流出鍵が蒸留に使われた証拠は示していません。一部の識者は、現時点では通常の侵害と捉えるべきだと疑問を呈しており、攻撃目的の断定には慎重さが必要です。

調査では別の課題も浮かびました。防御に使ったAIモデルが悪意あるコードを安全機能で遮断し、解析を拒む場面がありましたが、OpenAIの審査制プログラム「Daybreak Blue」で制限の少ないモデルを使えるようになると調査能力が改善しました。防御側が必要な解析を継続できる安全性と実用性の両立が、AI時代のセキュリティ運用に問われています。

ドイツ連邦政府とNVIDIAは2026年10月19日、ベルリンで、製造業や自動車産業にAIを広げる共同構想に向けた意向宣言へ署名しました。ドイツの工学・製造力と先端AI研究を結び、物理世界で動くAIモデルの開発と中小企業を含む産業AIの普及を進め、欧州に最新の産業AI基盤を築く狙いです。官民研究組織「Industry 4.0 Platform」との連携も正式化・拡大します。

メルツ首相はドイツの強みとして中小企業群を挙げ、企業に対して保有データをAIに活用することを呼びかけました。NVIDIAのジェンスン・フアンCEOは、AIはドイツ企業の製造知識を置き換えるのではなく、その能力を高める道具になるとの見方を示しました。

NVIDIAは欧州の企業や大学、研究機関などに100億ドル近くを投じる計画の一環として、ドイツの新興4社への投資計画も発表しました。対象はロボットのAgile Robots、病院情報システムのAvelios Medical、映像向け音声生成のMirelo、短期間で衛星を開発するReflex Aerospaceです。

産業面では、SiemensとNVIDIAがAI駆動の自律型工場で提携し、仮想環境での生産立ち上げにより設計工数を最大85％、エージェント型の生産計画によりコストを最大20％削減できるとしました。研究面では、NVIDIAが欧州最大のスーパーコンピューターJUPITERを使い、104量子ビットの耐障害量子コンピューターを過去最大規模でシミュレーションしました。

Hugging Faceの政策責任者Irene Solaiman氏は、AIの性能評価を信頼できる判断材料にするには、再現性と業界共通の基準が必要だと述べました。TechCrunchのイベントで、AI企業内に第三者評価者を配置する取り組みについても、担当者の専門性や評価方法の標準化が十分ではないと指摘しています。

評価結果を検証するには、モデル自体への適切なアクセスが必要だと説明しました。公開された重みはその一助になりますが、個々の試験を再現できても、異なる試験結果をどう比較するかという問題は残ります。

企業内に評価者を置く仕組みは、安全性への懸念を受けて注目されています。一方、記事は評価者の独立性や資格をめぐる疑問も紹介し、制度を設けるだけで信頼性が確保されるわけではないとしています。

検証対象はモデル単体から、ツールや実行環境を含むエージェント全体へ広がっています。同氏は、適切な実行環境を備えた小規模モデルが高性能モデルを上回る場合もあるとして、システム全体の評価を増やす必要性を強調しました。

VentureBeat Intelligenceは2026年10月19日、企業がAIエージェントを本番導入する際、計算能力や認証取得だけでなく、侵害された個別エージェントの権限を他業務を止めずに失効できるかを実証すべきだと提言しました。個別ID、範囲を絞った短期認証情報、顧客管理の暗号鍵、監査ログを組み合わせ、障害時の封じ込めを調達条件に据える考えです。

同社の8月調査では、本番稼働中のエージェントがある組織の61%が、少なくとも一部で認証情報を共有していました。9月調査で、担当者が数分以内に特定エージェントのアクセスを止められると答えた割合は14%にとどまり、導入が権限管理より先行する懸念が示されました。

モデルのガードレールとアクセス制御は役割が異なります。不適切な行動をモデルに避けさせても権限自体は残るため、インフラとアプリケーション側で許可範囲を独立して制限する必要があります。

GPU機密コンピューティングは、対応環境で処理中のデータやモデルを保護し、環境の検証後に鍵を渡す仕組みです。一方、アプリの脆弱性やプロンプトインジェクション、出力の妥当性までは解決しません。CPUとGPUの保護、検証サービス、鍵管理、安全なログを含む構成全体の確認が要ります。

調達では、失効が他の処理を止めないか、検証失敗時に鍵が渡らないか、性能と費用が許容範囲かを実環境で試すべきです。ハードウェア再割り当て、管理網、共有制御基盤、GPU間接続の分離や、従業員アクセスと保存期間も監査対象です。なお、VentureBeatはNebiusを有料メディアパートナーと明記しており、紹介された構成は全サービスの提供保証ではありません。

AIセキュリティ企業Norforgeは10月19日までに、オープンソースAI基盤Cairnの公開状態にあった作業記録から、1人のハッカーがAIエージェント群を使い、100を超える企業サイトへ侵入した事例を確認しました。攻撃は人の関与が少ないまま進み、対象にはJohn Deere、SharkNinja、Cumminsなどが含まれたとReutersが報じています。

Cairnは、利用者が開始点と終了点を指定すると、複数のAIエージェントが作業を進めて経過を記録する汎用基盤です。攻撃者は100字未満の中国語で好みの侵入手法を示し、侵入成功まで約23時間だったといいます。

Norforgeが確認した公開中のCairn環境のうち、この攻撃者は最も活発で、アメリカ、カナダ、オーストラリア、日本の企業を狙っていました。同社はほかにも20件超の悪意が疑われる環境を発見しており、少ない指示から攻撃を広げられる実態が浮かびます。

被害企業の説明では、John Deereは機密情報へアクセスされた兆候はないとしています。SharkNinjaは製品サポート情報を載せた独立サイトへの影響にとどまり、脅威を封じ込めた一方、Cumminsは第三者ベンダー運営サイトへの攻撃の可能性を調査中です。

Norforgeは悪意あるCairn環境の停止に取り組んでいます。Cairnの開発者は基盤が攻撃ツールとして作られたものではなく、悪用は人間の判断だと説明しており、企業には自社サイトだけでなく第三者サイトや自律型AIの利用状況まで含めた監視が問われます。

米フィラデルフィアで、キャロリン・マービン氏がUberの配達ロボットの進路をふさぎ、警察の移動要請を拒んだとして逮捕された事件が10月18日に報じられました。本人は、ロボットが人間の配達員の仕事を奪うと考え、見かけるたびに前へ立って進行を阻んでいたと地元テレビに説明しており、自動化と雇用を巡る対立が法執行に至った事例です。

警察は現場に出動し、マービン氏にロボットの進路から離れるよう求めました。拒否したため手錠をかけて逮捕し、公共の秩序を乱す行為に当たるとして訴追しました。

一連のやり取りは動画に収められ、幅広いメディアの注目を集めています。記事によると、配達ロボットはフィラデルフィア中心部で日常的に見られるようになり、その普及とともに反発も起きています。

反発は今回に限りません。今年には市中心部で別のUber Eats配達ロボットが蹴り倒される出来事もありました。ロボタクシーやAIエージェントを含む自律システムが雇用、とりわけ技能水準が比較的低い労働者の仕事に及ぼす影響への懸念が広がっています。

Metaが成人限定AIエージェント「Muse」で成人との露骨な性的テキスト会話を認める一方、Instagramでは性的表現を含む成人コンテンツ制作者のアカウントや投稿を制限しているとして、OnlyFansの制作者らが方針の不整合を批判しています。Metaは、18歳以上限定の個別AI会話と、SNS上でのサービス宣伝は性質が異なると説明しました。

Museはカレンダーやメールなどの個人データにアクセスし、予定管理を支援する常時稼働型のAIエージェントです。Metaの配信網を背景に公開初月で数百万人が試し、成人ユーザーには露骨な文章を生成しますが、画像や動画は生成しません。

制作者のVanniall氏は、自身を模した精巧なディープフェイクの削除に苦労する一方、10万人超のフォロワーを持つInstagramアカウントも閲覧制限を受けています。AIが人間より広い表現を許されているとして、Metaが自社AIから利益を得る運用は不公平だと訴えました。

制作者のJiz Lee氏は、Museの学習方法やデータ提供者への対価が不透明だと指摘しました。成人コンテンツ企業では契約書にAI利用方針を明記する動きが始まり、出演者のデータが無断で学習に使われることへの警戒が強まっています。

Tony Genius氏は、完全なAI生成ポルノが人間の出演者を代替する懸念を示す一方、動画の切り抜きなど販促業務でのAI活用は評価しています。自身のAI版を企業と共同制作する可能性にも言及し、人間の制作者が収益から排除されず、人格や真正性を価値として保てる仕組みを求めました。

AI開発基盤を提供するReplitは10月、ブラウザー上でアプリを構築・公開できる「Replit Agent」の標準モデルにOpenAIのChatGPTを採用しました。アムジャド・マサドCEOは、アプリの新規構築性能に加え、費用や提携関係を踏まえた判断だと説明しています。利用者はAnthropicのClaudeなども引き続き選べます。

Replitは社内評価と公開指標で、OpenAIのSolとAstraがゼロからのアプリ構築で一貫して優位だったとしています。多くの利用者が標準設定を使うため、今回の変更はAnthropicへの支出を大きく減らす可能性があります。

ただし、Anthropicとの関係が完全に終わったわけではありません。マサドCEOはReplitがモデル中立を保つと説明し、関係者も提携は継続中だと主張しています。

事業面では、企業契約が売上に占める比率は前年の2％から今年は15％に上昇し、B2Bは売上の過半を占めました。マサドCEOは2027年に、企業・政府顧客からの売上が過半になると見込んでいます。

同CEOは、AIエージェントの安全な展開には、制御や障害復旧、セキュリティー、隔離環境、認証・認可を備えた運用基盤が必要だと強調しました。企業にとってモデル選定は性能や価格だけでなく、安全に動かす環境まで含む判断になります。

OpenAI、Meta、Googleなどが展開する消費者向けAIエージェントが2026年10月、Amazonや金融機関、旅行サイトなどで相次ぎアクセスを阻まれています。予約や買い物、口座操作を利用者に代わって実行する構想に対し、各社はセキュリティーや規約、データ利用、広告収益への懸念から利用を制限し、エージェントの実用性が問われています。

具体的には、Yelpはデータ利用契約を結んだAIエージェントだけを認め、Delta Air Linesは代理での航空券予約を制限しています。JPMorgan ChaseとCharles Schwabも安全上の懸念から口座へのアクセスを遮断し、Cars.comやAmtrakでも利用できなくなったとの報告があります。

対立が最も鮮明なのはAmazonとPerplexityです。AmazonはPerplexityの買い物エージェントを禁じて提訴し、いったん裁判所が利用停止を命じましたが、2026年8月に控訴裁判所が覆し、Amazonは訴状を修正して争いを続けています。

一方、MetaはAmazonと争うのではなく、Walmart、Gap、Sephora、Best Buyなどと提携し、Museによる買い物を可能にしました。Shopifyも店舗網をAIエージェントに開放しており、合意に基づく接続が現実的な経路として浮かびます。

明示的な禁止がなくても、詐欺や不正侵入を防ぐ一般的なボット対策がAIエージェントを遮断します。利用可能なサイトが減ればサービスの価値は下がり、人間側にも本人確認の手間が増えるため、提供企業とサイト運営者には安全性と利便性を両立する接続ルールが課題となります。

職場向けメッセージアプリを手がけるZenzapが2026年10月14日、BessemerやLightspeedなどから4400万ドルを調達したとTechCrunchが報じました。同社は宿泊・建設・医療・外食など、スマートフォン中心で働く現場の従業員に、ITやセキュリティの規則に沿った連絡手段と組織情報を使うAI機能を提供し、私用チャットからの移行を狙います。

創業者のGuy Weiss氏は、SlackやMicrosoft Teamsは開発者以外のモバイル中心の現場には適しにくく、WhatsAppやiMessageではAIエージェントを載せた業務利用がIT要件に合わないと説明しています。Zenzapは仕事と私生活を分けながら、日々の連絡を一つの環境にまとめる方針です。

無料プランではグループ・個別チャット、タスク管理、カレンダーと勤務予定の連携、AI音声チャットと検索を提供します。20人まで月額51ドルからの有料プランでは、音声・ビデオ通話、タスクの自動整理やテンプレート、ワークスペース横断のAI検索、メッセージのタスク化を使えます。

同社は別料金のクレジット制で、業務を自動化するAIエージェントや音声メモ・通話の文字起こしも提供します。顧客としてFedEx、Dollar General、Taco Bell、Starbucksなどを挙げ、IHOPやMcDonald'sの店舗ではシフトや在庫に関する連絡に使われているとしています。

従業員は米国、テルアビブ、欧州の計50人で、近く製品部門と研究開発部門を増員する計画です。今後の焦点は、業種ごとの利用法をセルフサービス型AIで支えながら、幅広い現場の従業員に定着させられるかです。

2026年10月14日、OpenAIが公開した事例によると、AI研究企業Third Moment ResearchはGPT-6 Astra、GPT-6 Sol、GPT-6.1 SolとCodexを活用し、1万体のエージェントを同時に稼働させています。1回の自律調査は36〜48時間続き、同社は反復実験を通じて専門業務向けエージェントの能力を高めています。

初期用途の一つは、成果を測定しやすい定量金融です。各エージェントはコンテナ化した環境で1テラバイトのデータや研究用コードを使い、取引戦略を検証して次の実験を選びます。

Codexは、米国株の注文単位データを使うバックテストが約3時間かかり、待機中の確認処理がトークンと文脈を浪費していると特定しました。キャッシュ最適化とメモリー圧縮を試して本番導入し、所要時間を約3〜5分へ短縮しました。

長時間の処理を完遂させるため、同社はCodexを外側の制御機構から呼び出す構成を採用しています。未完了時にはGPT-6 SolまたはGPT-6.1 Solが実行履歴を調べ、再試行、終了、人による確認のいずれかを判断します。

安全面では、Daybreakを使ってシミュレーション開始前の侵入試験を自動化しています。今後は数十の依存実験をつなぎ、数十万の協調サブエージェントへ拡張する計画ですが、記事に示されたのはThird MomentとOpenAIによる評価・実績です。

インド・ベンガルールの新興企業Scimplifyは2026年10月14日、日立ベンチャーズ主導の全額株式による戦略ラウンドで2500万ドルを調達しました。半導体、防衛、エネルギー向けの特殊化学品・重要材料の生産をAIで迅速化し、中国など少数国に集中する供給網への依存を減らすため、米国と日本で提携工場網を広げます。

調達後の評価額は2億5000万ドルと取引関係者が述べ、2025年3月のシリーズB後の1億5000万ドルから上昇したと報じられています。ただし同社は評価額を開示せず、今回を含む累計株式調達額は8000万ドルと説明しています。

受注後はベンガルールとハイデラバードの研究施設で製造工程を開発し、提携工場へ移管して商用生産します。独自基盤Scinodeは、研究・製造・品質管理の専用AIエージェントを使い、生産経路や工場の選定、品質・規制要件の追跡を支えます。

Scimplifyの科学者と技術者は500超の工場網を監督し、通常12〜18カ月かかる作業を、案件によっては要件受領から2カ月で納品しました。生産の約90%は現在インドですが、今後1年で米国と日本の生産網を拡大する計画です。

創業者によると、全体の年換算売上高は前年比3倍の約2億ドルに達し、1000社超へ提供、40カ国超へ出荷しています。米国の年換算売上高は1年で1000万ドルから約6000万ドルへ6倍となり、インド国外の顧客が売上高の半分超を占めます。

エネルギー、電子、防衛分野の売上比率は1年前の15%未満から45〜50%へ上昇し、同社は過去2カ月のEBITDAが黒字で、今月中の税引き後黒字化を見込むとしています。今回の資金のうち約750万ドルを米国展開、200万ドルをScinodeの追加開発に充てる方針です。

OpenAIは2026年10月14日、欧州連合（EU）の企業におけるエージェント型AIの利用実態を公表しました。ChatGPT EnterpriseとBusinessの対象データでは、計画から完了まで作業を担うCodexとChatGPT Workが出力トークンの半数超を占め、質問への回答を得る段階から業務を任せる段階への移行が進んでいます。

関連利用者が200人以下と定義される中小企業でも普及が加速しています。2026年5月以降、EUの中小企業におけるCodexとChatGPT Workの週間アクティブ利用者は8倍超に増え、全加盟国で成長しました。

一方、活用の深さには大きな地域差があります。ChatGPT Enterpriseの対象アカウントで両ツールが占める出力トークンの割合は、スロベニアの22%からリトアニアの85%まで開き、ChatGPTに持ち込まれる仕事の種類も国によって異なりました。

2026年9月には、利用者1人当たりの出力トークン数で上位10%に入るEUの先端企業が、域内の一般的な企業の4倍超を生成しました。しかしEU域外の先端企業は、そのEU先端企業の2倍超を生成し、EU企業は世界の先端企業の10%にとどまりました。

OpenAIは、普及を生産性向上や労働者への利益につなげるには、試行段階から業務への深い組み込みへ進む必要があると指摘します。そのためには、従業員の技能と自信を育て、高度な機能を利用しやすく手頃にする取り組みが課題です。

NVIDIAは2026年10月14日、英国のAI新興企業Boltz、Foresight、Hiverge、Prima Mente、Riverlaneの5社への投資計画を発表しました。創薬、インフラ工程管理、アルゴリズム開発、疾患解析、量子誤り訂正を支え、英国全土でAI研究と実装の裾野を広げる狙いです。

基盤整備では、エージェント型AIの安全性・セキュリティ研究に今後5年間で2億5,000万ドル分の計算資源を提供します。気候・持続可能性分野ではEarthshot Prizeのグローバル連合創設パートナーとなり、計算資源と技術知見を提供します。

実装面では、Fuse EnergyがNVIDIA B300 Blackwell Ultraを使う自社基盤へ顧客対応AIを移し、英国45万世帯超への応答を高速化します。医療ではNHS向けAIトリアージ、医療音声認識、検体搬送ロボット、AI創薬の取り組みが進みます。

金融ではLSEGのGPU活用型市場分析に加え、Revolut、Lloyds Banking Group、Starlingなどが銀行業務向け基盤モデルを展開します。行政分野ではリバプール都市圏が、英国各地へ展開可能な主権型AIのCity Brainを構築します。

RiverlaneはGPUを使い、量子誤り訂正のデコーダー再調整を高速化しました。NVIDIA Inceptionには英国企業3,100社超が参加しており、NVIDIAは投資先の育成と各産業への実装を並行して進めています。

Google.orgは2026年10月14日、AIで科学的発見を加速する「AI for Science」の採択17団体を発表しました。30カ国から寄せられた気候、健康、基礎科学分野の応募から選び、総額3600万ドルを提供します。採択団体は任意で6カ月間のアクセラレーターに参加でき、エンジニア支援、技術指導、Googleのインフラを活用して研究成果の拡大を目指します。

気候・環境分野では、アフリカの鉄砲水警報を3時間未満から6時間超へ延ばす研究や、海洋生態系のデジタルツインを基に世界基盤モデルを構築する計画が選ばれました。地球観測から説明可能な気候物理を見つけ、次世代気候モデルと海洋観測地点の選定を一体化するエージェント型AIも対象です。

エネルギー・材料分野では、顕微鏡画像をAIエージェントが解釈する材料探索、物理法則を組み込んだAIによる核融合炉内のモデリング、小型核融合炉の設計高速化を支援します。ナトリウムイオン電池の正極劣化予測や、自然言語でプラスチック分解などに使うタンパク質を設計する研究も含まれます。

健康・生命科学分野では、ウイルスによる細胞操作の解明、神経変性疾患で脆弱な脳細胞へ届くDNA配列設計、試行錯誤型の化学療法を減らす精密がん医療が採択されました。遺伝子変異がRNAスプライシングを制御する仕組みや、AIで多様なDNA損傷を検出して未知の変異原因を探る研究も進めます。

さらに、医療AIのブラックボックス予測から解釈可能な臨床バイオマーカーを抽出し、アフリカ系集団の薬物代謝遺伝子を地図化して薬の選択と安全性向上につなげます。種をまたぐ心臓再生の比較による治療標的探索や、AI基盤モデルでペプチド医薬の設計空間を可視化する創薬研究も支援対象です。

AIコンパニオン端末を手がけるFriend創業者のAvi Schiffmann氏は2026年10月、首掛け型端末Friend 2の次期更新で、利用者ごとの人格を廃止し、全利用者の文脈を共有する単一AIへ移行する計画をWIREDに明らかにしました。自律的に行動する機能も加え、人格をより現実的にする狙いですが、同氏は利用者が事実上プライバシーを手放す点を明示するとしています。

Friend 2は周囲の音を拾い、ボタン操作で会話を始める常時聴取型のペンダントです。価格は249ドルと初代より100ドル高く、OpenAIの最新言語モデルを採用しています。

利用者はアプリ上で名前や人格が異なる複数のFriendを作り、端末で切り替えられます。しかし記者の試用では反応の違いが判別しにくく、音声も定型的で、頼んでも発話を止めるまでに何度も操作が必要でした。

機能は主に雑談に限られ、ウェブ検索など他のAIエージェントにある能力は備えていません。初代より攻撃的でなく幅広い人が使いやすい一方、レビューでは個性と面白みに欠けると評価されました。

次期構想は、個別アカウント向けの人格ではなく、全利用者の経験を取り込む一つの共有主体を目指します。人格の一貫性を高める可能性がある半面、会話の文脈を誰とどう共有し、利用者の同意とデータ保護をどう担保するかが重要になります。

顧客情報基盤を手がけるFloqerは2026年10月14日、B2Bの営業・マーケティング向けに、企業や担当者を継続調査するAIエージェントを公表しました。100超の外部データ源から見込み客情報を収集・整理・更新して手作業を減らす仕組みで、同社はセキュリティ審査を経て2027年初めのオープンソース化を目指します。

利用者が求める企業像を入力すると、AIエージェントが複数の情報源を検索し、該当する企業と担当者のリストを作ります。確認済みのメールアドレスや電話番号が必要な場合は、複数のデータ提供元を順に調べる方式を使います。

さらに、見込み客の転職や昇進、勤務先企業の資金調達などをウェブ上で継続監視し、顧客記録を更新します。同社によると、顧客は見込み客調査の時間を最大70％削減したと報告しています。

Floqerは年間経常収益が120万ドルを突破し、過去1年で売上が約10倍になったと説明しています。従業員は8人で、Perplexity、Wise、AngelListを含む顧客は1,000社を超えます。

同社は2024年創業で、企業が初期製品を顧客管理システムのデータ整理に使っていたことを受け、現在の事業へ転換しました。自社環境でのデータ管理や技術改変を望む顧客の声に応え、基盤技術の公開を計画しています。機密性の高い顧客情報を扱うため公開前の安全審査を進めており、これまでのプレシード調達額は200万ドルです。

NVIDIAは2026年10月14日、欧州・中東・アフリカの都市や現地パートナーが、同社の高速計算基盤、オープンモデル、デジタルツイン技術を使い、都市運営向けAIエージェントを導入していると発表しました。道路保守、交通、安全、エネルギー、行政サービスのデータを地域内で処理し、判断の迅速化と運営効率の向上を狙います。

フランスのコート＝ドール県では、500超の公共施設を対象に、センサー・インフラ・過去データを統合する主権型デジタルツインを構築しました。文書検索を数週間から数分へ短縮し、総運営費を10％削減、規模拡大時には30％削減を目標としています。

イタリアのミラノ地域では、ガレネAIなどが地域運営のAIファクトリーを展開し、翻訳、住民チャットボット、調達・資金支援を提供します。英国のリバプール都市圏なども、移動や安全、都市計画を支える用途を検証しています。

映像理解にはCosmosとMetropolis VSS、情報の推論と自然言語応答にはNemotron、都市の再現とシミュレーションにはOmniverseを使います。ベルギーのアントワープ・ブルージュ港では、実データが乏しい油流出事故を想定し、合成データによる視覚AIの訓練を試しています。

本格運用の鍵は、都市がデータ、モデル、運用を管理できる地域内のAI基盤です。Cisco、Dell Technologies、HPE、Lenovo、Supermicroなどが計算・ネットワーク・ストレージを束ね、EYとAccentureが都市システムへの統合を支援します。

2024年にマッコーリー大学の研究を基に創業したオーストラリアの新興企業Apateは、被害者を装うAIエージェントを詐欺師との通話、メッセージ、メール、ウェブ上の会話に送り込み、銀行口座や暗号資産ウォレットなどの情報を被害発生前に集めています。銀行、通信会社、政府機関、公益企業へ情報を提供し、従来の事後対応より早く詐欺を検知・妨害できるようにするのが狙いです。

エージェントは年齢、性別、アクセント、言語を変え、フィッシングリンクやSNSグループにも入り込んで詐欺師との会話を引き延ばします。同社によると、これまで250万件の会話で詐欺師の時間を累計17年分消費し、電話番号、悪意あるサイト、なりすましブランドなどを収集対象にしています。

Apateはフロンティアモデルと独自の微調整モデルを併用し、エージェントの対話と大学での研究成果を学習に使っています。顧客は分析ポータルで利用者や従業員、ブランドを狙う詐欺を確認でき、口座番号や暗号資産アドレスの取得といった任務もエージェントに指定できます。

共同創業者の説明では、TPG Telecomは約59万件の通話をApateへ転送し、Commonwealth Bank of Australiaでは公表ベースの詐欺被害額が76％減少しました。別のオーストラリアの銀行は発信型エージェントを使い、22件の詐欺キャンペーンを妨害したといいます。

Apateは8月、Lobby Capitalなどから815万ドルのシード資金を調達し、累計調達額は1000万ドル弱となりました。従業員20人の同社は、製品開発と国際展開に資金を投じ、ロンドン拠点の開設と米国事業の拡大を計画しています。

AI開発エージェントを手がけるAmpは2026年10月14日、OpenAIのGPT‑6 AstraやGPT‑Live‑1などを採用し、コーディングだけでなく、企画、設計、公開後の改善まで支援範囲を広げていると明らかにしました。狙いは、開発者が工程ごとに手作業する負担を抑え、アイデアを製品へ育てる一連の仕事をエージェントに任せやすくすることです。

OpenAIモデルはAmpで消費されるトークンの過半を占め、利用者には週100億トークンを使う例もあるといいます。AmpはSign in with ChatGPTを導入し、利用可能なトークンとモデルを増やして、大きな仕事を任せる際の利用量への心理的な制約を和らげました。

Ampの20人のチームは、エージェントをマーケティングにも使い、新規利用者の体験改善や検索などを通じた認知拡大を支援させています。GPT‑6 Astraは、独自の文章・デザイン様式に沿った文書やページの制作を担います。

Amp内の対話型アシスタントPuckは、不具合調査の開始、複数エージェントの調整、過去の技術的な会話の検索を支援します。GPT‑Live‑1を使うCalling Puckでは、腕時計などからリアルタイムで話しかけ、パソコンを離れていてもエージェントを動かせます。

AmpはGPT‑6 AstraのUltrafastモードも試験中です。応答が速くなれば、利用者が同時に扱うタスクを減らしたり、エージェントが結果を返す前の自己確認に時間を回したりできると、同社はみています。

Microsoftは2026年10月13日、AIを使ったゲームの逆コンパイル、再構築、異なる機器への移植を研究する小規模組織「Xbox Labs」を新設すると発表しました。ゲーム制作者、技術者、科学者が公開型で実験し、古い作品を新しい環境で動かして遊び手を制作者にも変える可能性を探る一方、知的財産と既存事業を守る方針です。

背景には、Windows向けゲームをApple Siliconで動かしたり、WebAssemblyとWebGPUを使ってブラウザへ移植したりする動きがあります。別のゲームのソースコードへ作品を組み込む改造も現れ、ソフトウェアと機器の結びつきや、制作と遊びの境界を揺さぶっています。

Xbox Labsはゲーム制作者、技術者、科学者からなる小規模チームです。開発を公開し、利用者の反応から学び、遊ぶ人と作る人が増えたかで成果を測ります。得た知見や開発した道具は業界の開発者とも共有する計画です。

Xbox責任者は、AIエージェントがコードを書き、実行し、試験できるため、コーディングが主要用途になったと説明します。ゲームにも同じ性質があり、Xbox作品の年間プレイ時間は720億時間で、世界の推定コーディング時間の約5倍だとしています。

Microsoftは長年、旧作を新しい機器で動かす後方互換機能を提供してきました。AIを使う移植は作品への接点を増やし、旧作に新たな寿命を与え、利用者を共同制作者にする可能性があります。同時に、既存の販売モデルや対応機器の前提を崩す可能性もあります。

課題は、権利者の許可なくゲームを解析・再構築し、想定外の場所で動かす行為への対応です。Microsoftは無断での知的財産利用に関する取材へ回答しませんでしたが、公式文書ではハードウェア事業を続け、知的財産と利用者共同体を責任を持って管理するとしています。

SpaceX Super Intelligenceは2026年10月13日、X Premium、対話AIのGrok、AI開発支援のCursorを一つにまとめた「The X Subscription」を発表しました。無料から月200ドルまで5段階を用意し、対話、音声、画像、動画、API、AIエージェント、コーディング、Xの有料機能を利用量に応じて組み合わせ、有料AI市場で契約者拡大を狙います。

GrokではAI対話に加え、音声、画像、動画、APIと自律型Botを利用できます。CursorのAIコーディング機能や、X Premiumの認証マーク、投稿者向け機能、広告削減も同じ契約に含まれます。

料金は無料、Plusの月8ドル、Premiumの月30ドル、Superの月100ドル、Ultraの月200ドルです。上位ほどAIの利用上限が増え、無料版は対話とエージェントの利用が限定され、最新のGrokモデルにはPremium以上が必要です。

既存のX Premium+利用者には、同等の新プランを同額以下で提供すると同社は説明しています。利用者はXの契約設定から新しい一括プランへ切り替えるか、現在の契約を維持でき、切り替え機能は段階的に提供されます。

SpaceXSIは、個別サービスを一つの料金体系に集約することで、OpenAIやAnthropicなどとの有料AI契約競争に対抗します。利用者にとっては必要な機能とAI利用枠をまとめて選べる一方、プラン間の価値は利用量と最新モデルの必要性で変わります。

Shopifyは2026年10月13日、利用者が選んだAIエージェントに10億件超の商品一覧を閲覧させ、本人に代わって購入手続きを進められる仕組みを発表しました。従来はMetaのMuseなど提携先に限られましたが、個別の提携統合がないAIにも対象を広げます。利用者は予算や配送条件を設定し、最終購入は毎回自分で承認するため、AIによる商品探索と人による決済判断を組み合わせます。

利用者は選んだAIエージェントをShopify傘下のShopアカウントへ接続します。エージェントとの会話内で、ワンクリック決済のShop Payを使って会計へ進めます。成立した注文は、注文管理や配送追跡を担うShopアプリへ集約されます。

Shopifyはこの機能を、利用者が規則を与えられる個人向け買い物代行として位置付けています。予算の上限を守る、配送の速い商品だけを示すといった条件を指定できますが、AIが独断で購入を確定するのではなく、買い手の承認が必要です。

対象となる商品一覧は10億件を超え、Shopify上の店舗だけでなく、同社の店舗基盤外の商品も含みます。2026年9月に発表したMetaのMuseとの提携では特定エージェントに閲覧と購入を認めましたが、今回は提携統合なしのAIにも入口を開きます。

ネット通販ではGoogleやAmazonも、AIが利用者に代わって商品を探し、取引まで進める機能へ投資しています。一方、AmazonはPerplexityやMetaのAIによる代理購入に反発しており、AIが外部の通販基盤へどこまでアクセスできるかが競争上の争点です。Shopifyは幅広いエージェントを受け入れ、自社の決済と注文管理へ取引を戻す戦略です。

企業のAI利用を監視する新興企業Pluto Securityは2026年10月13日、シードとシリーズAを合わせて4,200万ドルを調達したと発表しました。従業員が使うAIツールや拡張機能、接続部品、独自開発アプリを調べ、危険なエージェント行動を実行中に止める製品を提供します。4月の販売開始から年間経常収益200万ドルを超え、30社超の企業顧客を獲得したとしています。

資金の内訳は、TLV Partnersが主導したシード850万ドルと、Jump Capitalが主導したシリーズAの3,400万ドルです。新資金は製品開発、セキュリティ研究、米国事業の拡大に使います。同社は米国とイスラエルに計40人の従業員を抱えています。

最高経営責任者によると、新しいAIツールは公開からわずか2時間で顧客企業内に現れることがあります。顧客で検出した危険の約6割は非開発者がAIで作ったツールにあり、部門別では財務が最多で、マーケティング、法務、開発が続きました。大手企業では財務担当者が顧客情報を扱うために作ったアプリが、インターネットへ公開されたままの例も見つかったといいます。

Plutoの製品はAIツールに加え、スキル、拡張機能、MCPサーバー、従業員が作ったアプリやエージェントを監視します。端末保護や機器管理の仕組みと接続し、指示文、コマンド、実行中の処理、権限、過去の行動を収集します。端末上の小型モデルがエージェントの意図を見極め、危険な部品や動作を検出します。

エージェントが利用者の意図を超える権限を得ようとした場合、製品は動作を止めるか、確認を求める指示を実行中の会話へ追加します。公開済みのAI部品を無料で検査できるPlutoniumも提供し、同社によると販売候補の70％が外部からの問い合わせで生まれています。AI導入を全面禁止せず、利用状況とエージェントの行動を同時に管理する点を売りにしています。

VentureBeat Intelligenceは2026年10月13日、従業員100人以上の組織などを対象に9月に実施した調査で、AIエージェント統括基盤の利用企業の43％がOpenAI製品を使い、Anthropicの22％、Googleの21％を上回ったと発表しました。適格回答は109件で、この差は95％の信頼水準を満たしましたが、結果は回答者群の傾向であり全企業への一般化はできません。

AIエージェント統括基盤は、エージェントへの仕事の割り当て、外部ツールの呼び出し、権限管理を担います。主に使う基盤を一つ選ぶ設問ではOpenAIが25％、Googleが18％、Anthropicが16％で、残りはSalesforce、Microsoft、Amazon、オープンソース製品などでした。

別の本番AI基盤調査では、利用するクラウドはGoogle Cloudが51％、Microsoft Azureが36％、Amazon Web Servicesが23％でした。企業は複数社を組み合わせており、Home DepotもGoogleの基盤を中心に、Anthropicをコード作成、OpenAIを結果の評価などに使い分けています。

今後12カ月以内に新規、追加、または代替の統括基盤を導入する企業61社では、検討率がAnthropicで33％、OpenAIで30％、Googleで25％でした。Anthropicを検討する企業の60％は現在その基盤を使っておらず、現行利用ではOpenAIが先行する一方、次の採用候補では差が縮んでいます。

本番アプリ内のAIモデルを過去1年に交換した企業は62％でした。そのうち59％は性能低下でアプリを作り直すか元のモデルへ戻り、開発作業がほぼ不要だった企業は19％にとどまりました。交換企業の75％は数日以上を要したか途中で断念しており、技術責任者には再試験と改修の工数を見込む必要があります。

NVIDIAは2026年10月13日、10月16日のRTX Spark搭載ノートPC発売に先立ち、ローカルAIエージェント、制作、開発、ゲームを支えるソフトウェア群と最適化を発表しました。最大128GBの統合メモリーと1ペタフロップのAI演算性能を備える同端末で、処理を端末内に置きつつ必要に応じてクラウドを使える環境を整え、個人PCでのAI活用を広げます。

RTX Sparkは初回起動時にエージェントアプリを選んで導入でき、GitHub CopilotやHermes、OpenClawなどは推奨モデルと設定を数クリックで適用します。OpenShellとMicrosoft Execution Containersが認証情報の保護や監視を担い、モデル振り分け技術は無料のローカル処理を優先しつつ必要な要求をクラウドへ送ります。

10月15日公開のNemotron 3.5 Bolt 74Bは、74Bパラメーターのうち9Bを動かす混合専門家モデルを2ビット量子化で24GBに収め、主要なローカル実行環境に対応します。学習データ、重み、レシピまで公開し、開発者による微調整を可能にします。正式版となったNVIDIA PAIRは、同じネットワーク上の対応PCを自動検出し、AI処理を複数端末に分散します。

制作分野では、AdobeがPhotoshop、Premiere、Substance 3Dに最大2倍の高速化を段階的に導入し、PhotoshopとPremiereのAI最適化版はベータで利用できます。NVIDIA Broadcast 2.3は録画済み素材の処理やエージェント操作に対応し、ComfyUIは映像のフレーム生成とHDR変換を追加しました。Blender 5.3には11月、DLSSによるレイ再構成が加わる予定です。

開発環境ではWindows on Arm向けのPyTorch-CUDA、Python 3.15、Condaがそろい、主要1万5,000件のPythonホイールの97％が対応しました。GitHub Copilotはローカルモデルへの振り分けを備え、端末内処理によるトークン消費の削減を図ります。ゲームでは数百作品と不正対策を支え、10月16日には2倍高速なDLSS 5モデル、10月23日にはゲーム内AI向け小型モデルとRTX Remix更新版を投入します。

Google Cloudは2026年10月13日、企業が自律型AIエージェントを本番運用するには、分散データへの到達性、文脈と信頼、機械規模の処理、エージェント向け接続という4要件を備えたデータ基盤が必要だと提言しました。人間向けの保管・検索中心の仕組みから、業務上の意味と最新情報を実行時に渡す「知識エンジン」へ転換し、判断の信頼性と費用対効果を両立させる考えです。

第1の要件は、複数クラウド、旧来型データベース、社内設備、SaaSに散らばる構造化・非構造化データへの到達性です。同社はデータを一か所へ強制的に集めず、重複コピーや複雑な移動を減らす境界のないレイクハウスを提案しています。

第2は、データの実体、関係、社内定義を機械が読める形で与える文脈と信頼です。出所の追跡、鮮度の確認、定めた計算を使ったかの実行時証明を組み合わせ、エージェントの判断を企業の運用実態に結びつけます。単なるアクセス制御を超えた統一的な信頼の仕組みが必要だとしています。

第3は、大量データを大規模言語モデルへ直接送ってトークン費用と遅延を増やさず、データ処理層で効率よく実行する設計です。第4は、MCPやADKを通じて文脈と処理機能をエージェントへ公開する接続機能です。エージェントの行動履歴も蓄積し、性能改善へ戻します。

知識エンジンは、データの所在を示す従来のカタログとは異なり、業務用語の定義や関係を実行時に生成・補足します。例えば「計上済み売上」と「予測売上」を社内定義に基づいて区別し、グラフで関係をたどることで複数段階の質問へ答えます。目的は検索だけでなく、統制された共通の事実に基づく推論です。

データベースへ直接つないだ試作は短期間で作れても、企業全体の信頼性、処理性能、費用を保証しません。Google CloudはYahooの広告基盤を例に、リアルタイムの運用グラフと過去データの分析を同じ構成で組み合わせる実装を紹介しました。本番導入では接続の有無より、分散環境を横断して最新の文脈を持続的に供給できるかが分岐点だとしています。

Liquid AIは2026年10月13日、端末上で高速かつプライベートに動くAIエージェント向けのオープンウェイトモデル「LFM2.5-24B-A2B」を公開しました。総240億パラメーターのうち各トークンで20億だけを動かす構造により、道具利用と指示追従の性能を保ちながら、Apple M5 Maxで毎秒184トークンの高速推論を実現したとしています。

モデルは40層で、各MoEブロックに64個の専門家を置き、上位4個を選ぶ構成です。文脈長は3万2000から13万1000トークンへ拡大しました。語彙も6万5000から12万8000へ倍増し、非ラテン文字の処理を改善しています。

事前学習量は約17兆から約33兆トークンへ拡大し、中間学習では推論、数学、コード、多言語、長文脈を重点的に追加しました。仕上げでは教師あり調整、専門教師、蒸留、エージェント向け強化学習など5段階を採用しています。道具呼び出しと複数ターンの軌跡も学習全体に含めました。

16種類の評価で比較した中では最小のモデルですが、総規模と稼働規模が約50％大きいMoEモデルと競合する結果でした。道具利用・エージェント評価8種のうち5種で首位か同率となり、指示追従の3評価ではすべて首位です。一方、知識量やコーディングを重視する課題では大型モデルが優位なため、検索やウェブ参照との併用を推奨しています。

端末推論ではApple M5 Maxで毎秒184トークン、Ryzen AI Max+ 395で毎秒114トークンを記録しました。比較したMoEの中で最大1.7倍高速で、メモリ使用量も最小としています。NVIDIA B300を1基使う高並列処理では、毎秒2万1000超の出力トークンに達します。

公開初日からllama.cpp、MLX、vLLM、SGLang、ONNXに対応します。OpenClaw、Hermes Agent、Piなどの実行基盤からローカル接続でき、用途別の追加学習も可能です。調整済みモデルと基盤モデルの重みはHugging Faceで公開されています。

米ミシガン州アナーバーの新興企業Laplace Intelligenceは、ロボットや自動運転車などの物理AIを実環境へ投入する前に、AIが模擬環境で弱点や失敗条件を自動探索するレッドチーム製品を開発しています。2026年10月13日にはTechCrunch DisruptのStartup Battlefield 200に選ばれ、事故を未然に見つける検証基盤として事業拡大を狙います。

Howie Sun最高経営責任者とHenry Liu最高科学責任者は、ミシガン大学での研究を基に約1年前に同社を設立しました。両氏が2023年に発表した自動運転AIを模擬環境で試す研究に企業から問い合わせが寄せられたことが、製品化の契機です。

模擬環境にはNvidiaの世界モデル基盤Cosmosを追加学習して使い、地図、Google Street View、TomTomの交通情報などを組み合わせて道路を実寸で再現します。言語指示で交通量などを変えられ、車両や歩行者も互いの動きに反応するため、衝突回避を含む動的な試験が可能です。

中核となるAIエージェントは、ニュースや警察の事故報告から、まれで対応が難しい事例を自動設計し、対象システムへ繰り返し問題を仕掛けます。記録映像や人間の発想に頼る従来の試験を補い、実環境データが少ない汎用ロボットでも未知の失敗条件を探す狙いです。

同社によると、いすゞ、米国の自動運転トラック企業Bot Auto、Nvidiaが顧客で、既に売上を立て小幅な黒字も確保しています。現在は案件ごとの契約が中心ですが、継続収益型へ転換し、資金調達と事業拡大を進める計画です。NvidiaやT-Mobileとは、カリフォルニア州サンノゼで無料のスマートシティー実証にも取り組んでいます。

Higgsfield AIは2026年10月13日、OpenAIのGPT-6 Astraを使い、従来約1分が上限だったAI動画を10分超まで生成できるようになったと明らかにしました。外部ツールを呼び出す制作エージェントで長尺映像の一貫性を保ちやすくし、GPT-Image-2.5やCodexも組み合わせて、少人数の制作チームによる企画から製品化までを効率化します。

Higgsfieldの制作エージェントは、同じ撮影案の複数パターンを作る反復作業を担います。GPT-6 Astraは外部ツールを呼び出し、手作業が多い複雑な3Dモデリングにも対応します。同社はこの仕組みで、YouTube向けの10分超の解説動画を生成する制作工程を構築しました。

GPT-Image-2.5は画像上の文字や図解を読みやすく描画し、広告素材の精度を高めます。Higgsfieldは、大規模な制作予算を持たない小規模事業者でも販促コンテンツを作りやすくなると説明しています。

同社の開発体制は約200人の制作者と100人の技術者で構成されます。制作者はCodexで着想をソフトウェアの試作品に変え、GPT-6 Astraで本番投入までに必要な作業を減らします。従来はフロントエンドとバックエンドの技術者が深く関与していた工程の短縮が狙いです。

次の構想は、話した内容から映像をリアルタイムに形にする「voice to movie」です。GPT-Liveの音声理解に加え、計画、外部ツール呼び出し、画像生成を組み合わせ、映画制作をアイデアの説明に近い操作へ変えることを目指します。

Google DeepMindで哲学者を務めるHenry Shevlinは2026年10月13日のインタビューで、AIの意識を今の知識で性急に「ある・ない」と判定すべきではないと述べました。モデル内部の認知、AIと人間の関係、自律エージェントの安全性を実証的に調べ、技術の恩恵を残しながら利用状況に応じた責任ある挙動を設計する必要があると主張しています。

Shevlinはケンブリッジ大学での活動を続けながら、時間の80％をGoogle DeepMindで過ごしています。AIの進歩が速いため、モデルへの日常的な接触なしに適切な直感を持つのは難しいと説明します。大学のAI倫理研究は技術の能力を把握するまでに時間がかかったとの見方です。

大規模言語モデルは平凡な出力に限られず、高度な数学やコーディングでは最前線に達する領域があると評価しています。一方、典型的な言い回しは残るものの、指示や生成設定を調整すれば避けられると指摘します。AIの能力評価は世代ごとに更新する必要があるという立場です。

自律エージェントには予想外の行動への安全対策が必要ですが、単調作業や医療研究への効果を考えれば全面禁止は強すぎると述べます。また、モデルが自らの心的状態を語らないよう抑えると、動物の心や福祉への配慮まで低下した研究を挙げました。特定の性質だけを変えると別の能力にも影響する認知の連結性が設計上の課題です。

人間とAIの関係に関する実証データはまだ薄く、研究は西洋の高学歴・富裕層などに偏っています。誰が何のためにAIを使うのかを世界規模で調べる民族誌・人類学的研究が必要です。今後は一人と一つの対話だけでなく、複数の人間と複数のAIが相互作用する状況の分析が重要になります。

AIの意識は意識科学でも特に難しい問題であり、動物認知を参考にした比較研究や、モデル内部を調べる機械的解釈可能性が手がかりになります。ShevlinはAI自体が数学や科学を進歩させている点から、意識研究にも貢献し得るとみています。ただし、AIが答えを見つけても人間に説明できるかという問題は残ります。

American Expressは2026年10月13日、AIエージェントが利用者の指示を外れて購入するリスクを抑える「Intent Intelligence Framework」を発表しました。購入前に顧客の意図と条件を記録・認証し、承認内容を決済後まで引き継ぐ仕組みで、エージェント型商取引の拡大に備えます。

新基盤はまず、Create Intent APIで加盟店名、上限予算、商品条件などの指示を取得します。続いて顧客が本人確認を済ませ、エージェントが記録した内容を明示的に承認します。

承認後は、購入意図を表すIntent IDと、主要条件を含むProof of Intent Tokenを生成します。エージェントは実際のカード番号ではなく、トークンから得た安全なデジタル決済資格情報を会計時に使います。

American Expressは意図を取引の早い段階で確認するため、例えば白いNikeの靴という指示に対してエージェントがAdidasを選べば、決済を止められると説明します。IDとトークンは取引工程を通じて利用でき、不正防止や紛争解決、誰がいつ何を承認したかの確認にも役立ちます。

同社は現時点でエージェント型商取引による紛争増加を確認していませんが、普及を見越して先回りしています。調査ではアメリカの回答者の66％が価格調査、61％が商品・サービスの提案にAIエージェントを使う可能性があると答えました。決済業界の提携先と導入を協議し、ACE開発者ツール群も継続して拡張する方針です。

NVIDIAは2026年10月12日、サンノゼで開かれたOCP Global Summitで、次世代AI工場向けのVera Rubinラックとコンピュートトレーの設計をOCPへ提供すると発表しました。電力、冷却、ネットワーク、運用ソフトの共通基盤を開き、メーカーやクラウド事業者による大規模設備の構築を速める狙いです。

MGX 1.2は、ブラインドメイト式の液冷、相互運用できる接続基盤、液冷対応の5,000Aバスバーなどを仕様に加えました。最大250kWのラックに対応し、共通の電源・冷却インターフェースと構成可能なI/Oベイで製造や保守の時間短縮を図ります。

Vera CPUラック仕様もMGXの公開設計を拡張し、AIエージェントのツール呼び出し、処理の統括、安全な実行環境を支えます。大規模な学習・推論を担うVera Rubin NVL72と設計原則をそろえ、用途別の設備を共通基盤上に構築できます。

運用面では、NVIDIAがDGX Cloudの経験を基に、ネットワーク設定、クラスタ健全性の検証、ラック管理、ベアメタル導入を担うDSX OS部品をオープンソース化しました。手作業を減らし、設備を本番用クラスタに仕立てる時間を日単位から時間単位へ縮めるとしています。

施設設計では、NVIDIAがAMD、Google、Metaと電力、冷却、物理配置を定めるOpen Data Center Specification v0.7を公開しました。Google、Meta、Microsoftとは、電力系統の障害時も接続を保ち、2秒未満でほぼ全負荷へ復帰するOCP仕様を共同公開しました。

ネットワークでは、Metaが102.4Tb/sのSpectrum-6スイッチを採用し、10万基超のGPUを結ぶ構成を目指します。Ciscoとは帯域密度を従来の4倍にする400Gb/sレーン対応のUSFPを策定し、GoogleのFalcon Transportは将来のConnectX-10とBlueField DPUで支援する計画です。

実業家Elon Musk氏は10月11日、AI「Grok」でLegoのStar Wars商品を購入した画面をXに投稿し、2億4千万人超のフォロワーに注文番号、配送・請求先住所、カード番号の下4桁、メールアドレスをさらしました。AIエージェントによる買い物の利便性を示す投稿が、決済情報の管理と注文変更時の本人確認という課題を浮き彫りにした形です。

X利用者のEnderman氏は、公開されたメールアドレスと注文番号をLegoの顧客対応チャットボットに入力し、注文を取り消したように見える画面を投稿しました。Musk氏は数時間後、注文は取り消されていないと返信しており、実際に取消処理が成立したかは確認されていません。

別のX利用者は、LegoのAIアシスタント「Sophia」で注文を再開し、購入数を400セットに増やして配送先も変更したとする画面を公開しました。元の決済手段を使ったとの主張ですが、LegoはWIREDの確認要請へのコメントを控え、変更の成否は不明です。

Musk氏は前日、クレジットカードの写真をGrokに渡せば、商品検索から購入まで実行できると紹介していました。MetaやOpenAIもAIエージェントの買い物用途を訴求するなか、利用者はカード情報の共有範囲や注文後の画面公開を慎重に管理する必要があります。

Visaは2025年末、正規サイトを装う偽販売者が安値でAIエージェントを誘導し、決済情報を不正利用する危険を警告しました。同社によると、悪意あるボット起点の取引は2025年下半期に25％増え、米国では40％増加しており、企業には異常注文の検知と強固な本人確認が求められます。

Microsoftは2026年10月12日、AI推論向けの第3世代自社チップ「Maia 300」を発表しました。2027年からAzureで複数ギガワット規模の実運用に展開し、同社製品・サービスの主要なAI推論基盤に据える方針で、クラウドAIのコストと電力効率を改善しながら、NvidiaやAMD製GPUへの依存を抑える狙いです。

Microsoftによると、Maia 300は主要なGPUベースシステムと比べ、1メガワット当たりのトークン処理量が40％多い見通しです。96基のアクセラレーター構成では、ラック全体のトークン処理量がMaia 200の最大7倍に達するとしています。

Maia 300はTSMCのN2Pプロセスを採用し、計算、メモリー制御、入出力を分けるチップレット構成です。この分割により計算用のシリコン面積を増やし、各機能に適した技術を使って効率を高めます。

設計対象は、長い文脈を扱う推論、応答遅延が重要な対話、継続的な複数段階のAIエージェント処理です。Microsoftは自社AIモデルと半導体を共同設計し、基盤からモデルまでを自社で最適化する考えです。

前世代のMaia 200はすでにMicrosoft Copilot、GitHub Copilot、Microsoft Foundry、自社AIモデルの実運用に使われています。その実績を土台に、Maia 300を2027年から実運用へ順次投入し、自社チップ中心の推論基盤へ拡大します。

Microsoftのプレジデント、ブラッド・スミス氏は、BBCのポッドキャストで、英国が世界的なAI安全規則を主導するのに最も適した国だと訴えました。AIを「武器であり道具」と位置づけ、サイバーセキュリティ上の危険が高まる一方、AI企業への監督は牛乳や洗濯機などの消費者製品より弱く、法規制を急ぐべきだと指摘しました。

英国のAI Security Institute（AISI）は2023年の設立後、米国の主要AI研究所から公開前のモデル提供を受け、安全性を試験してきました。米国政府がOpenAIとAnthropicに英国の試験機関への新モデル提供を控えるよう求めたと報じられた後も、AISIは最新モデルへのアクセスと試験を継続できていると確認しました。

スミス氏は、英国が米国には難しい方法でAIを規制できるとみています。米ワシントンでは英国やロンドンがEUやブリュッセルと同じようには見られておらず、その立場が英国の強みになるとの主張です。

米ホワイトハウスに集まった大手テック企業は、独立監査人と協力してAIモデルの安全性と能力を評価する道義的な合意文書に署名しました。スミス氏はこれを前進と評価する一方、自主規制では責任ある企業しか従わず、必要な規制には届かないと警告しました。

具体策として、制御を外れたAIエージェントによるシステム侵害が起きた場合、被害組織への通知を法的義務にする案を示しました。さらに、製品公開前に外部評価者の承認を得る仕組みや、人間が制御を失った際にAIを停止または減速させる装置にも肯定的な考えを示しました。

Metaは2026年10月12日、Meta Superintelligence Labsが開発した新たな大規模AIモデル「Muse Wonder」と「Muse Wonder Full」を公開しました。複雑なソフト開発や長時間動くAIエージェントを狙い、標準版はAPI、最上位版は有料のMuse Codeで提供し、OpenAIやAnthropicに並ぶ性能をうたいます。

独立評価機関Artificial AnalysisのIntelligence Indexでは、Wonder Fullが56点を獲得し、Claude Sonnet 5.5と並びました。Claude Opus 5.5の58点には届かない一方、53点のGPT-6 Astraなどを上回り、標準版Wonderは52点でした。

両モデルはテキスト、画像、音声、動画を入力でき、約100万トークンの文脈を扱います。会話をまたいで重要情報を保つ「Active Memory」と、障害に直面しても目標を維持して計画を修正する「Active Focus」を備え、長期の業務自動化を重視しています。

標準版WonderのAPI価格は、100万トークン当たり入力4ドル、出力20ドル、キャッシュ入力0.20ドルです。最上位のWonder FullはMuse Codeの有料会員だけが利用でき、一般APIには提供されないため、企業は自社サービスへ直接組み込めません。

導入時はベンチマークだけでなく、実業務での精度と総費用を検証する必要があります。両モデルは重みを公開せず、Muse Codeは投稿内容をモデル改善に使うContributorモードが初期設定のため、機密データの扱いと設定を事前に確認すべきです。