基盤モデル（LLM技術）に関するニュース一覧

スタンフォード大学とArc研究所の研究チームが、自然界にない新種のウイルスを生成AIに設計させ、うち16個が実際に機能すると確認しました。成果は科学誌Scienceに掲載され、AIが白紙から設計したウイルスが細菌に感染し増殖した初の事例です。耐性菌への新たな対抗策として期待される一方、生物兵器への転用リスクも指摘されています。

研究チームが使ったのは、計算生物学向けの基盤モデルEvo 1とEvo 2です。動植物や微生物など数百万件のゲノムで訓練され、遺伝子の配置や保存されやすい配列といった進化の制約を学習しています。チームは大腸菌に感染するバクテリオファージ「Phi X-174」を手本として与え、複製ではなく新しいゲノムを大量に生成させました。

生成されたゲノムのうち、機能する可能性が高い300個を選び、1分子ずつ人工合成して大腸菌に導入しました。実際にウイルスとして働いたのは16個で、遺伝子構成も調節領域もゲノムサイズも既知のファージとは異なっていました。感染の速さや増殖能力にも個体差が見られたといいます。

注目されたのは耐性菌に対する実験です。Phi X-174への耐性を獲得した大腸菌にAI設計ファージの混合物をぶつけたところ、短時間で耐性を突破して感染を成立させました。研究者らは、病原体の進化速度に追随する個別化したファージ療法への道が開けたと評価しています。

一方で、同じ技術は新しい病原体や毒性物質の設計にも使えます。ジョンズ・ホプキンス大学健康安全保障センターの研究者は、AIによる致死性ウイルスの作成を確実に防ぐ手立ては現時点で存在しないと述べ、科学技術の進歩と規制の整備の間に大きな断絶があるとニューヨーク・タイムズ紙に語りました。3年前にはランド研究所も、AIが生物兵器を用いた攻撃の計画立案を高度化させうると警告していました。

経営やエンジニアリングの現場に直結する話ではないかもしれません。ただ、基盤モデルが言語や画像を超えて生命の設計図そのものを扱い始めた事実は、AI規制の議論の射程が一段広がることを意味します。安全対策をどこまで製品設計に織り込むかという問いは、今後さらに重みを増すはずです。

NVIDIAは8月4日、自動運転車とロボタクシー向けの推論基盤モデル「Alpamayo 2 Super」をHugging Face上で公開し、商用利用を解禁しました。ライセンスはLinux Foundationが策定した寛容型のOpenMDW-1.1で、微調整や派生モデルの作成、商用での再配布までを認めます。これまで研究開発向けだった同モデル群を、そのまま製品化に持ち込める形へ切り替えました。

重みの公開は、AV開発企業にとって費用面の意味も持ちます。各社は自社のデータと基盤を手元に置いたまま調整でき、あらゆる基礎機能をゼロから再学習したり、タスクごとにフロンティアモデルの利用料を払ったりせずに済みます。旧世代のAlpamayo 1.5とAlpamayo 1にもOpenMDWが適用され、系列全体が追加の許諾なしで商用展開できるようになりました。

性能面では、自動運転の推論を測るベンチマークLingoQAで、評価対象となった約40モデルのうち首位に立ちました。NVIDIAの測定では、Lingo-Judge指標でQwen2.5-VL 72Bを17.0ポイント、Gemini 2.5 Proを15.1ポイント、GPT-4oを23.2ポイント上回っています。モデル規模は100億パラメータのAlpamayo 1.5および1の3倍で、事例の少ないまれな多者間の交錯でも推論を一般化しやすくなりました。

Alpamayo 2 Superは、走行状況ごとに5種類の出力を同時に返します。走行軌跡、判断の理由をたどる因果連鎖トレース、譲る・車線変更・停止といったメタアクション、学習データ向けの自動注釈、そして画像内の領域と回答を結びつける視覚質問応答です。前後左右を覆う全周カメラ映像をまとめて扱うため、車線変更や合流、複雑な交差点での判断根拠を開発者が追跡できます。

因果連鎖トレースはNVIDIAの安全検証基盤Halosのワークフローと連携し、ISO/PAS 8800が求めるAI安全性の考え方に沿います。自社フリートの映像に自動で注釈を付ける用途にも使え、数カ月かかっていた注釈作業を数日規模まで短縮できるとしています。

周辺ツールには、閉ループ模擬のAlpaSim、高スループットな強化学習を担うAlpaGym、Physical AI Open Datasetsなどがそろいます。Alpamayo系列はHugging Faceで50万ダウンロードを超えており、自動運転向けの公開推論モデルとして最も採用が進んだ系列だとNVIDIAは説明しています。

音声AIスタートアップのSmallest.aiは7月31日、シリーズAで1300万ドルを調達したと明らかにしました。ラウンドはSeligman Venturesが主導し、Sierra Venturesと3one4 Capitalが参加、累計調達額は2100万ドルを超えました。2024年後半に設立された同社は、人間と話しているのか機械と話しているのか判別できない音声エージェントの実現に、この資金を投じます。

同社が賭けるのは、大規模言語モデルの高速化ではなく、会話に特化した小型モデルです。創業者兼最高経営責任者のSudarshan Kamath氏は、人が話している最中に聞き手はすでに考え、話が長すぎれば口を挟むと指摘し、聞く・考える・話すを同時に行う設計を採用したと説明します。

LLMはプロンプト全体を受け取ってから思考を始めるため、テキストの会話なら許容される待ち時間も、音声では不自然に響きます。Smallest.aiのモデルは特定の話題についてリアルタイムの知能層として働き、応答の遅れをほぼゼロに抑えます。知識の範囲を超える質問が来た場合は、人間の担当者のように一度保留にしたうえで、大規模な基盤モデルに引き継ぎます。

Kamath氏は、今後のAIエージェントがリアルタイム対話用の小型音声モデルと、必要に応じて呼び出すオフラインのLLMという二層構成に移行すると見ています。同社は多様な訛りへの対応、数十言語のサポート、騒音環境での動作といった音声固有の課題に絞って開発を進めています。

既存顧客にはRingCentralやTruecallerが並び、Kamath氏はSierraやDecagonのような新興のカスタマーサポート企業も見込み客だと語ります。サポート企業にとって音声を極めることは本業から外れる作業だという読みが、その根拠です。競合は音声AI最大手のElevenLabsやCartesia、地域言語に強いSarvamなどが挙がります。

吹き替えやポッドキャストに音声AIを展開する競合とは異なり、Smallest.aiは企業向けのリアルタイム対話エージェントに事業を絞ります。Kamath氏は自社モデルでチューリングテストを破りたいと述べ、AIか人間か分からない対話の実現が同社唯一の焦点だと強調しました。

ソフトウェア大手SAPは7月30日、Oxford Economicsと共同でまとめた「SAP Value of AI Report 2026」を公表しました。13カ国の経営層2,600人を対象とした調査で、AIは平均的な組織の業務の30%を担い、前年の25%から広がっています。一般的なAIの投資利益率は16%から21%へ、エージェントAIへの期待値は10%から17%へ上がりました。

最大の障害はデータです。より多くの価値を引き出せない理由として73%がデータの品質と可用性を挙げ、79%は低品質な出力による手戻りや遅延を経験しています。基盤モデルの普及でデータを集めて整える手間は減った半面、ERPから抜き出した時点で失われる業務上の文脈をどう保つかが新たな論点になりました。

統制の備えはさらに遅れています。AIを統制する準備が十分だと答えた企業は12%にとどまり、69%が承認されていないシャドーAIの利用を認めました。SAPのAI Agent Hubはエージェントやモデル、MCPサーバーを検出して一覧化する機能を持ち、顧客は自社にあると知らなかったエージェントを数千件見つけたといいます。

次の拡大局面を担うのがAIエージェントです。SAPの最高AI戦略責任者ショーン・カスク氏は、目的を与えれば複数の手順とツールを自ら使い分けて成果にたどり着くと説明します。同社はすでに400を超えるAIユースケースを投入しており、ベータ版の未払費用計上エージェントでは中堅企業の会計担当者が月12時間かけていた作業を2〜3時間に減らしたといいます。

一方で、投資の進め方はばらついたままです。AI投資が場当たり的な組織は半数を超え、戦略的に全社で優先順位を付けられていると答えたのは17%にすぎず、前年の9%からほぼ倍増したとはいえ少数派です。69%が投資対効果に満足する半面、67%は潜在力を出し切れていないと考えており、成果を確認したからこそ次の課題が見えた形です。

人の側の準備も欠かせません。回答者の約80%がAIの価値を最大化するには技術研修だけでは足りないと考え、75%はすでに従業員の再教育を計画しています。ただし本レポートはSAP自身が手がけた調査であり、自社製品に有利な文脈で読まれやすい点は割り引いて受け止める必要があります。

米Ciscoは7月30日、オープンモデルの出所を検証する無料データベース「AI Supply Chain Provenance Explorer」を公開しました。約900のモデルについて、重みを直接解析する指紋照合で親モデルとの派生関係を示し、提供元の本社所在地やライセンス制限、スキャン済みファイル数を一覧できます。系譜の確認が投稿者の自己申告タグ頼みだった状況を、検索での照会に変えます。

背景には、オープンモデルの派生元が特定の陣営へ急速に偏っている事実があります。Interconnects AIが4月に公開したATOMレポートによれば、2026年2月時点で新規派生モデルの69%がAlibabaのQwenを親として申告しており、2024年1月の1%から大きく伸びました。中国系ラボ全体では70%を占め、欧州は4%にとどまります。

検証の中身は2段階です。まずアーキテクチャのメタデータを比較し、判別がつかない場合は埋め込みの幾何関係や層ごとのエネルギー分布など、重み由来の5種類のシグナルを抽出して類似度を算出します。Ciscoは自社の111ペアのベンチマークで閾値0.70時に96.4%の精度を報告し、誤検知を避けるためトークナイザーの一致は診断用にとどめてスコアから除外しています。

ただし守備範囲は限定的です。Hugging Faceが2026年春時点で200万件超をホストするのに対し、検証対象は約900件にとどまり、範囲外のモデルは従来通り自己申告タグに依存します。APIの提供有無も明らかにされておらず、現状はCIゲートに組み込む統制ではなく、人手で引く参照資料の位置づけです。

公開の時期も見逃せません。欧州委員会は8月2日に汎用AIモデル提供者への執行権限を得て、最大1500万ユーロまたは全世界売上高の3%の制裁金を科せるようになります。オープンソース例外は重みの公開だけでは足りず、月間利用者数の条件を持つLlamaやGemmaのライセンスは対象外と判断される可能性が高く、両者はATOMの集計で新規派生の約5分の1を占めます。

実務で承認記録に加えるべき項目は4つあります。重み解析に裏付けられた派生関係、スキャン済みファイル数、提供元の本社所在地、そしてライセンスの継承関係です。基盤モデルの脆弱性が公表されたとき、どの本番モデルが影響を受けるかを即答できるかどうかが、次に問われる論点になります。

AI動画生成のRunway ML幹部が、7月に開催されたVB Transform 2026で、リアルタイム動画モデルの厄介なバグを新機能に転換した事例を明かしました。同社のエンタープライズ製品責任者Ryan Phillips氏によると、AI生成アバターが動画生成中に画面中央からずれる不具合を数週間かけて修正しようと試みたものの、根本解決には至らなかったといいます。最終的に選んだのは、バックエンドの修正ではなくユーザー体験側の工夫でした。

チームが突き止めたのは、ユーザーの入力画像が完全に中央へ配置されていれば動画が安定するという事実でした。そこで同社は、生成前に画像を自動で中央へ補正する「Optimize for Image Quality（画質最適化）」というフロントエンド機能を導入します。モデル側の限界をあえて製品機能として包み込むことで、利用者には欠陥ではなく便利な機能として映るようになったのです。

そもそもリアルタイム動画の実現には、高度に最適化された技術スタックが欠かせません。巨大な基盤モデルの事前学習から始め、小型で高速な生徒モデルが教師モデルを模倣する蒸留によって生成時間を8〜9割削減し、さらに敵対的ポストトレーニング（APT）で失われた画質を取り戻します。このアーキテクチャ変更こそが、皮肉にも冒頭のドリフト不具合を生んだ原因でもありました。

品質管理の要は、堅牢な評価セットにあるとPhillips氏は強調します。製品・デザイン・研究・営業が部門横断で「成功」の定義をすり合わせ、日々のテスト結果はなんとExcelの表計算で「軽微」「重大」に分類して管理しているといいます。近年はLLMを審査役として使い、モーフィングなどの視覚的な破綻を自動で採点させる手法も取り入れています。

インフラの細部も見逃せません。Runway Characters公開直後、API呼び出しの8%が16fpsに落ち込み動画がカクつく問題が発生しました。チームはClaudeを搭載したAIエージェントとDatadog、Sentryを併用して原因を追跡し、us-east-1の特定データセンターに絞り込みます。解決策は設定変更ではなく、GPUの物理的な交換でした。

AI企業のRecursive Superintelligenceは7月28日、Amazon Web Services（AWS）と総額4.1億ドル規模の計算資源契約を結んだと発表しました。同社は自己改善型AIの開発に注力する新興企業で、今回の複数年契約により計算資源を柔軟に拡張できる体制を整えます。契約に投資の要素は含まれず、純粋な計算基盤の調達である点が特徴です。

Recursiveは今年5月にステルス状態を脱し、6.5億ドルを調達して事業を開始しました。今回の4.1億ドルは調達額の大半を占めますが、創業者兼CEOのRichard Socher氏は、これが「今後数年で結ぶ計算資源契約の中で最も小規模なものになるだろう」と述べ、さらなる大型契約を見込んでいます。

同社が掲げるのは、人間の介入なしにAIが自らを改良し続ける再帰的自己改善（RSI）です。この方針では、従来は人件費や運営費に充てる予算の多くを計算資源へ振り向けます。Socher氏は「重要なのは人員数ではなくエージェント数だ」と語り、製品開発の自動化を目指す姿勢を示しました。

AWS側にとっても、投資を伴わない大規模契約は異例です。AWSでスタートアップ・ベンチャー担当VPを務めるJason Bennett氏は、Recursiveの特殊な要件に応える専用インフラを共同開発すると説明しました。こうした基盤整備は、他の基盤モデル企業を呼び込む布石にもなりそうです。

RSIは長らくAI進化の転換点とされてきましたが、その具体的な要件は依然として曖昧で、急速な飛躍を予測する声もあれば緩やかな連続的進歩とみる声もあります。Recursiveはこの技術を実際の製品開発に用いる方針で、Socher氏は「10月ごろには実際に触れられる有用なものをお見せできる」と述べ、年内の初期製品公開に自信を示しました。

イスラエル発のロボット研究所Enigmaは7月27日、ステルス状態を解除し、7100万ドルのシードラウンドを完了したと発表しました。調達はIndex VenturesとRibbit Capitalが主導し、投資家のサラ・グオ氏も参加しています。同社は設立1年未満ながら、人とロボットの関わり方そのものを研究し、操作を直感的にすることを目指します。

多くのロボット企業は、明示的に学習していないタスクもこなせる基盤モデルの開発を競っています。これに対しEnigmaは、モデルの能力向上だけを追うのではなく、人間がロボットとどう関わるかを研究する点で一線を画します。この違いが、直感的なインターフェースや新しいロボットの頭脳につながると同社は期待しています。

具体策として、Enigmaは世界中の誰もがオンラインで100台超の独自ロボットを操作できる大規模実験を始めます。ロボットはイスラエルとカリフォルニア州の格納庫に置かれ、絵筆で絵を描いたり、剣で戦ったり、フラスコの液体を混ぜる簡単な化学実験を行ったりできます。ロボットアームも基盤モデルも、いずれも自社でゼロから開発したといいます。

共同創業者のジョナサン・ヤコビ氏は、ロボット操作を車の音量ノブのように直感的にしたいと語ります。食器洗いを頼むのに15分も説明が必要なら、結局は自分でやった方が早いと感じてしまう、というのが同氏の問題意識です。実験では、テキストや音声、動画の提示、タップやドラッグなど、最適な対話手段を探ります。

ヤコビ氏はマイクロソフト史上最年少の社員として知られ、共同創業者のガル・ニブ氏とはイスラエル軍の精鋭部隊「Unit 8200」で共にサイバー研究に従事した旧友です。二人はロボットの専門家ではなく、投資家はその「門外漢」ゆえの独創性を評価します。事業用途はまだ明確でないものの、同社はすでに医療・物流・娯楽分野の企業と提携を進めています。

NVIDIAは2026年7月27日、手術ロボット向けのリアルタイム生成シミュレーター「Cosmos-H-Dreams」を公開しました。これは大規模な世界基盤モデルを少数ステップで動く生徒モデルへ蒸留し、単一のGPU上で初期画像とロボットの動作情報から次の映像を逐次生成する仕組みです。物理ロボットは運用コストが高く実験の再現も難しいため、安全かつ高速に方策を訓練・評価できる環境の提供を狙います。

基盤となるのは、映像とロボットの動きを対応付けて視覚的な変化を学習した世界基盤モデルです。従来の「Cosmos-H-Surgical-Simulator」は初期シーンと動作の系列から将来の手術映像を生成し、実機を動かさずに方策評価や合成データ生成を可能にしていました。今回はこれをダビンチ研究用キット（dVRK）の卓上縫合に特化させ、逐次的に映像を生む因果的な生徒モデルへ蒸留しています。

最大の課題は、手術特有の動きを保ちながら生成コストを下げることです。開発チームは教師モデルの計算過程を事前に記録して生徒モデルに模倣させ、さらに自らの出力を条件に学習を進める自己強制蒸留で誤差の蓄積を抑えました。その結果、1フレームあたり2ステップという少ない拡散処理で映像を生成できるようになっています。

高速化を担うのが、自己回帰型モデル向けの推論ライブラリ「FlashDreams」です。ストリーミング用のキャッシュやCUDAグラフなどの最適化により、従来の毎秒約10フレームから毎秒約160フレームへ処理速度を引き上げ、単一のRTX PRO 6000上で対話的な操作を実現しました。ブラウザやMeta Questからの操作にも対応し、人や学習済みの方策が閉ループで環境を制御できます。

想定される用途は、方策の閉ループ評価や強化学習・模倣学習の訓練環境、そして針落としなど稀な失敗を意図的に再現する検証などです。将来的には遅延を考慮した遠隔手術や、手技のリハーサル、術中の意思決定支援への応用も見込まれます。ただしNVIDIAは、本モデルが研究開発用の基盤であり、診断や実機制御を目的としたものではないと明確に位置づけています。

Microsoftは7月27日、サンフランシスコでのイベントで、同社初のサイバーセキュリティ特化モデル「MAI-Cyber-1-Flash」と、エージェント型の防御基盤「Perception」を発表しました。新モデルは脆弱性の発見・修正を担う自社ハーネス「MDASH」に組み込まれ、業界標準ベンチマークでフロンティアモデルを上回る性能を、約半分のコストで実現したと説明します。

最大の特徴は、モデル単体ではなく処理の振り分け方にあります。MAI-Cyber-1-Flashが全体の最大90%のタスクを高速・低コストで処理し、残る難易度の高い約10%だけを、OpenAIの「GPT-5.4」など大型モデルに委ねる構成です。CEOのMustafa Suleyman氏は、このハーネスを問題ごとに最適なモデルへ振り分ける「ルーター」だと説明しています。

性能面では、コードベースを解析して実際の脆弱性を見つける能力を測る「CyberGym」で約96%を記録し、GeminiやMythosなど競合を上回ったとしています。ただしこの評価は自社実施であり、調整済みのシステム全体を競合の基盤モデルと比べた点には留意が必要です。Suleyman氏は、企業がフロンティアモデルの高い利用料に反発し、コスト削減を強く求めていると指摘します。

Microsoftが優位性の根拠とするのが、長年蓄積してきたデータです。同社は毎日膨大なセキュリティシグナルを処理し、160万の顧客から知見を得ており、数十年に及ぶ長期的なデータセットを持つと主張します。攻撃と防御の結果を結び付けて学習に生かせる点が、モデル開発専業には模倣しにくい強みだとしています。

防御基盤のPerceptionは、攻撃経路を探す「レッドチーム」、リスクを調査・分類する「ブルーチーム」、修復と防御強化を担う「グリーンチーム」の各エージェントを連携させます。従来は複数の専門家が何時間もかけていた作業を、数分に短縮できると同社は説明します。一方で、脆弱性を見つけるAIは攻撃にも転用され得るため、Microsoftはアクセスを厳格に制限し、提供を段階的に拡大する方針です。

AIを使ったサイバーセキュリティ製品は競争が激化しており、AnthropicはMythosを、OpenAIはDaybreakをそれぞれ投入しています。Suleyman氏は今回の発表を「氷山の一角」と位置づけ、競争の単位はもはや単一のモデルではなく、ルーターや小型モデル、独自データを組み合わせたシステム全体だと強調しました。

AIコーディングスタートアップのCognitionは7月24日、対話型AIアシスタント「Poke」を運営するThe Interaction Company of Californiaを買収したと発表しました。買収額は数億ドル規模とされ、Pokeの対話モデルと個性をコーディング支援エージェント「Devin」に取り込む狙いです。AIアシスタントの応答の仕方そのものが、基盤モデルと並ぶ競争優位になりつつあることを示す動きといえます。

Pokeの特徴は、ツールというより友人のように振る舞う対話スタイルにあります。ユーザーの依頼にスラングやユーモアを交えて応じ、親しみやすくやり取りする点が消費者に支持されてきました。Cognitionはこの人間味をDevinに加えることで、ソフトウェアではなく同僚のように感じられる存在を目指します。

Pokeは2026年3月にローンチし、iMessageやSMS、Telegram、WhatsAppなど各種メッセージアプリから利用できます。旅行や健康、金融、スケジュール管理などのタスクに使われ、直近3カ月で1億件超のメッセージが交わされました。一方で運用コストが高く、数十万人に使われながらも黒字化は難しかったと共同創業者のMarvin von Hagen氏は明かします。

今回の買収でPokeはCognitionのモデルとインフラを活用し、速度と信頼性の向上を図ります。年内は大きな変更はなく、6月に承認されたAppleの「Messages for Business」上での提供も続く見通しです。来年にはPokeが最新モデル「SWE-1.7」を一部タスクで使うほか、複数のDevinセッションを束ねる役割も検討され、両製品の完全統合も選択肢に残されています。

米OpenAIは7月23日、対話AI「ChatGPT」の健康機能「ChatGPT Health」を、アメリカの18歳以上の全利用者に提供開始しました。無料プランを含む全料金体系が対象で、WebとiOSから利用できます。利用者はApple Healthや医療記録を本人の許可のもと連携でき、検査値や服薬、睡眠などを踏まえた個別の会話が可能になります。

ChatGPTには毎週3億件を超える健康関連の質問が寄せられており、今回の更新では健康情報を通常のチャットに統合しました。同社は今年初めに専用ハブを試験導入しましたが、健康に関する会話の約70%がハブの外で発生していました。そこで専用画面を開かなくても、食事の提案時にアレルギーを考慮するなど、日常の会話に健康情報を反映できるようにしました。

ChatGPT Healthは最新モデル群で動作します。有料ユーザー向けの「GPT-5.6 Sol」を同社は「健康分野で最強のモデル」と位置づけ、全てのGPT-5.6モデルが専門評価「HealthBench Professional」で前世代を上回ったとしています。同社健康製品担当のアシュリー・アレクサンダー氏は、モデルが「臨床医を上回る水準で推論できる」と述べましたが、健康部門を率いるカラン・シンガル氏はこの主張を「割り引いて捉えたい」と補足しました。

一方で安全性への懸念も残り、提供開始の前日には、フロリダ州の牧師が「極めて危険な医療上の助言」で肺塞栓症の治療が遅れたとしてOpenAIを提訴しました。同社は利用規約で「診断や治療を目的としたものではない」と明記し、重要な情報は医療従事者に確認するよう促しています。プライバシー面では、連携した医療データを基盤モデルの学習や広告には使わず、通常より強固な暗号化を施すと説明しています。

背景には、健康分野を巡るAI企業の競争があります。AnthropicやGoogleも健康関連機能を投入しており、各社が個人データと結びついた実用領域を開拓しています。ただしAIチャットボットの医療助言には信頼性を疑問視する研究も複数あり、利便性と安全性の両立が今後の課題となります。

米航空宇宙局（NASA）のジェット推進研究所（JPL）は、Googleの視覚言語モデル「Gemma 3」を人工衛星上で稼働させ、衛星自身のセンサーが撮影した画像を軌道上で解析する世界初の実証に成功しました。用いたのは「NAVI-Orbital」と呼ぶソフト基盤で、Loft Orbital社の衛星「YAM-9」に搭載しました。地上からプロンプトを送るだけで探索内容を変えられる点が、従来の宇宙機運用と大きく異なります。

NAVI-Orbitalは、LangGraphを使った制御役が処理を統括し、4ビットに圧縮した「Gemma 3 4B」を動かして画像を平文で説明します。7,960枚の画像を使った地上ベンチマークでは88%の精度を記録しました。このモデルは特別な学習や微調整を受けておらず、Hugging Faceから誰でも入手できる基盤モデルと同じものです。

実際の撮影実験では、Nvidiaの小型演算モジュール「Jetson Orin AGX」上でGemma 3を動かしました。40億パラメータの4ビットモデルは8ギガバイトの記憶容量だけで動くため、消費電力の小さな端末でも稼働します。実証ではフランスのトゥールーズ上空とアルゼンチン沖で2回の実撮テストを行い、画像の説明文生成や質問への応答を確認しました。

関係者が最も期待するのは、意味圧縮と呼ぶ手法による通信量の削減です。衛星は生の画像データではなく、要点をまとめた数十キロバイトのテキストだけを送れば済むため、通信が遅くても実用的に運用できます。応用例としては、現在は最大90分の遅れが生じる山火事の検知を、機上での解析によって短縮できる可能性が挙がっています。

一方で、Gemma 3が衛星を操縦しているわけではありません。NAVI-Orbitalは飛行制御ソフトから意図的に切り離され、画像の読み取りと説明の生成に役割を限定しています。それでも対象を変えたいときはプロンプトを書き換えるだけで済み、開発チームは将来、宇宙飛行士を自然言語で支援する相棒への発展を目指しています。

ドイツのAIラボ、Black Forest Labs（BFL）は7月23日、マルチモーダル基盤モデル「FLUX 3」を発表しました。単一のプロンプトから画像や、最大20秒の音声付き動画を生成でき、同じアーキテクチャをロボットの視覚と動作にも拡張する点が特徴です。同社にとって初の公開動画生成モデルであり、まずは招待制の限定公開で提供を始めます。

BFLが強調するのは、画像・動画・音声を別々のモデルとして束ねるのではなく、単一アーキテクチャで同時に学習させた点です。同社はこれを「ビジュアル・インテリジェンス」と呼び、創作やシミュレーション、コンピュータ操作、ロボティクスを一つの能力の応用として捉えます。共同創業者でCEOのロビン・ロンバッハ氏は「画像だけを学んだモデルは画像しか生成できない」と述べ、物理世界の理解こそが説得力ある生成を生むと訴えました。

動画機能が今回の目玉です。テキストや画像からの生成に加え、キャラクターを別シーンへ引き継ぐ動画間生成、複数クリップを連結して数分の多カット映像を作る機能などを備えます。すべての動画出力に音声が付随し、20秒という長さは提供を終えたOpenAIのSoraに並ぶ水準です。

もっとも、公開されたのは暫定的な選好テストに限られます。BFLによれば初期候補モデルは10秒・720pの比較でLuma Ray 3.2に93%、Runway Gen-4.5に77%の割合で好まれた一方、最有力の対抗馬であるGoogleのGemini Omni Flashとは52%の互角でした。価格や実運用のSLA、画像モデルのベンチマークは一切示されておらず、企業は総保有コストを算定できません。

BFLは動画基盤をロボット制御へ応用する「FLUX-mimic」も公開しました。スイスのMimic Roboticsと組み、従来30時間以上かかった学習をわずか30分の実機データで特定作業に適応できるといいます。一方、オープンな重みは年内に後追いで提供する予定で、評価額32.5億ドルの同社が築いた開発者基盤をどこまで維持できるかが問われます。

Alphabet（グーグル親会社）のスンダー・ピチャイ最高経営責任者は2026年7月22日、同社ブログで2026年第2四半期決算の要点を公表しました。全社売上高は前年同期比24%増となり、クラウド事業が82%、検索広告が17%、YouTube広告が13%それぞれ伸びました。同氏は人工知能（AI）への投資が全事業の成長を押し上げていると強調しました。

成長を最も牽引したのはクラウド事業です。売上高は82%増、受注残高は5140億ドルに拡大し、フォーチュン100企業の約9割が業務用基盤Gemini Enterpriseを利用しています。新規顧客の獲得ペースは前年比で2倍超、Google Cloud Marketplaceの取引は7倍超に伸びました。

AIモデルの利用も急拡大しています。モデルAPIの処理量は毎分約220億トークンと前四半期の160億から増え、月間900万人超の開発者が利用しています。対話アプリGemini Appの月間利用者は9億5000万人に達し、日次利用者は1年で3倍になりました。

製品面では低コストな新モデルGemini 3.6 Flashなどを投入したほか、検索の新機能「AI Mode」の月間利用者が10億人を超えました。次世代基盤モデルGemini 4の事前学習も始めており、同社は「これまでで最も野心的な取り組み」と位置づけています。半導体からモデルまで統合したAI基盤が、こうした成長を支えています。

AI開発企業Writerの研究者は2026年7月、基盤モデルを変えずにAIエージェントの運用コストを大幅に下げる手法を論文で公開しました。モデルを包むオーケストレーション層（ハーネス）を最適化することで、タスクあたりのトークン消費を38%、コストを41%削減しつつ、品質を維持できると示しています。エンジニアリングチームがモデルの再学習なしに適用できる点が特徴です。

背景にあるのはtokenmaxxingと呼ばれる業界の悪弊です。良い設計の代わりに巨大なコンテキストと大量のトークンを力任せに投入する手法で、同社CTOのWaseem AlShikh氏は「請求額はタスク単価×トークン単価だが、多くのチームは後者しか見ていない」と指摘します。エージェントではループのたびに膨らむ文脈が再送され、トークン量が単価下落より速く膨張するため、価格低下が非効率を覆い隠す麻酔になっていると言います。

研究チームはClaude Sonnet 4.6やGemini 3.1、Writer独自のPalmyra X6など6モデルで、22件の企業タスクを固定して検証しました。従来型のエージェントループと最適化済みのWriter Agent Harnessを比較した結果、トークン量は1.42万から8800へ、平均コストは21セントから12セントへ低下しました。処理時間の中央値も48秒から27秒へと44%短縮しています。

一方でマルチエージェント構成には限界も見えました。検索などを担うサブエージェントへの委譲が実用水準に達したのはPalmyra X6とClaude Sonnet 4.6の上位2モデルのみで、Gemini Flash 3.5やQwen 3.6など軽量モデルは信頼性の閾値を大きく下回りました。委譲能力はまだ軽量モデルでは安定しないということです。

実務者向けの指針として同氏は、静的な指示を上部、動的な要素を下部に置くTwo-Zoneプロンプトでキャッシュを効かせること、履歴を外部に退避させるコンテキストオフローディングを挙げます。さらに「モデルに自らの支出を監視させてはならない。防護柵はモデルの下、コード側に置く」として、タスクごとの厳格なトークン上限や失敗後の支出抑制を勧めています。

ただし最適化には工数がかかるため、試作段階では軽いハーネスで素早く反復すべきだとも述べます。恩恵が大きいのは1日数百万リクエスト規模に達した段階です。モデルが計画や推論を自ら担うようになるほど、ハーネスの役割は能力補完から予算・権限・監査といった統治の徹底へ移り、企業が手放すべきでない層になると同氏は展望しています。

Nvidiaのジェンセン・フアン最高経営責任者は7月15日と16日の2日間に東京を訪れ、日本政府と産業界を巻き込む国家AI基盤の構築で合意しました。政府は国産AI開発プロジェクト「Noetra」に5年で最大1兆円を投じ、その計算基盤をNvidiaの次世代半導体が担います。フアン氏はAIの次の主戦場を工場の現場と位置づけ、日本の製造業をその中心に据えました。

中核となるNoetraには、ソフトバンク、ソニー、NEC、ホンダを軸に国内約44社が集まりました。工場や車両、ロボットを動かすフィジカルAIの基盤モデルを自国で持ち、米国や中国のAIに頼らない体制をつくる狙いです。開発は3段階で進み、2026年度に日本語に強い推論モデル、2028年に文章・画像・映像・音声を扱うモデル、2030年にロボットを動かす「実世界ネイティブAI」を計画しています。

その計算資源を支えるのが、Nvidiaが「世界初の国家AIインフラ」と位置づけるVera Rubin AI工場です。Vera CPUを1万3750基、Rubin GPUを2万7500基搭載し、消費電力は140メガワット規模で、2028年の稼働を見込みます。数兆パラメータ級のモデル学習は、この拠点が担う想定です。

ロボット分野では、ファナック、安川電機、川崎重工、富士通、日立、NEC、ソニー、ソフトバンク、クボタなどがNvidiaのCosmosモデル採用を表明しました。東京では、Jetson Thorチップ上で動く「Cosmos 3 Edge」が公開され、機械そのものにモデルを組み込む道が開かれています。ホンダの研究部門やオムロンはすでに開発に着手しました。

トヨタ自動車は次世代車でNvidiaのDriveプラットフォームを採用済みで、今回はシミュレーションによる生産ラインの設計や交通状況を読む仕組みにも適用範囲を広げます。ただし車両側は運転者を前提とする高度運転支援にとどめ、WaymoやTeslaより慎重な路線を選んでいます。

背景にあるのは労働力の減少と主権の問題です。日本は2040年までに18分野で1000万台のAI搭載ロボットを普及させ、官民で650億ドルを投じ、約20兆円規模とされる世界市場の3割超を狙います。高市政権はAIと半導体を成長戦略の柱に据えていますが、その独立への挑戦は当面、米国製の半導体の上で走ることになります。

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。

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。

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。

米マサチューセッツ工科大学（MIT）情報意思決定システム研究所のDevavrat Shah教授が、企業データを扱う表形式・時系列データ向けの基盤モデルを開発しました。この技術は同氏が共同創業した新興企業Ikigai Labsに実装され、業務プロセス自動化大手のCelonisが買収したと2026年7月14日にMITが伝えました。Shah氏はMITでの職務と兼務でCelonisの主任科学者に就いています。

この基盤モデルは、GPSが衛星からのわずかなデータを正確な位置情報へ変換するグラフィカルモデルを、汎用的な表計算形式のデータへ応用したものです。テキストや画像で学習する多くのAIとは異なり、行と列で構造化されたデータを入力とし、予測を実際の結果と照合しながら継続的に学習します。少ない計算資源で秒単位の意思決定を担う点が特徴です。

想定する用途は、消費財メーカーや製薬会社など大企業の需要予測と意思決定です。Shah氏は家電メーカーを例に、翌四半期にどの地域で何台売れるか、価格変更や販促が需要にどう響くかといった問いに答えられると説明します。製造から価格設定、販売まで相互に依存する工程をデジタル化して継続的に最適化することが、業務改善につながるとしています。

Celonisは世界の大企業1400社超で業務のデジタル化と自動化を手がけてきました。デジタル化された情報基盤の上にIkigaiの技術を載せることで、選択肢のシミュレーションや最適戦略の予測が大規模に可能になるとShah氏は語ります。同氏はこの試みを、AI分野で話題の「世界モデル」になぞらえ、企業の業務プロセスの世界モデルを築くものだと位置づけています。

Appleは7月14日、大幅刷新したAIアシスタント「Siri」を、iOS 27の公開ベータを通じて一般利用者に開放しました。開発者以外へ新型Siriを広く提供するのは初めてで、秋の正式版に先立つ最大規模の実地検証となります。世界の対象デバイスは約25億台に上り、一部の導入でも大規模なテストになる見通しです。

新しいSiriは6月のWWDCで発表されたもので、旧来の音声アシスタントを、端末内の情報にアクセスできるより高機能なAIツールへと転換します。メールや写真、メッセージを参照し、画面上の内容に応答するほか、世界の知識に基づいて回答します。ChatGPTやGemini、Claudeなどに対抗する位置づけです。

操作性も刷新されました。従来の「Hey Siri」やサイドボタンに加え、画面上部のダイナミックアイランドからも呼び出せます。さらに検索機能Spotlightと統合され、ほぼあらゆる質問に答えられるようになりました。初めて専用アプリも用意され、iPhoneのほかiPadやMac、Apple Watchなど全製品で利用できます。

技術面では、端末上で動く独自の基盤モデルとプライベートクラウド演算を活用します。この基盤モデルはGoogleと協力して構築され、Geminiを蒸留して小型で効率的なモデルに仕立てたものです。ただしGeminiの単なる改称版ではなく、Apple独自のデータでApple Silicon向けに設計されています。

一方で注意も必要です。開発者版では、ニュース検索の指示を連絡先検索と取り違えるなど、誤作動が見られました。今年の開発者ベータは比較的安定していたとされますが、動作を最優先する場合は9月の正式版を待つ選択肢もあります。

中国の身体性AI企業X Square Robotが、家庭用ロボットの実用化に向けて独自の統合スタックを打ち出しました。同社は、ロボットが学ぶデータ、物理世界の変化を予測する世界モデル、実行可能な行動を生む行動モデルを一体で設計し、これらをオープンソースで公開する方針を示しています。汎用ロボットには大規模言語モデルのような確立した「レシピ」がまだなく、その答えを統合スタックに求めた点が特徴です。

同社が最も重視するのは、パラメータ数ではなく相互作用データの質とコストです。装着型のリグで人の作業を記録する独自の収集システムを構築し、記録した軌跡を実機で再生して、実際に課題を達成したものだけを有効とする物理再生の検証工程を取り入れました。ロボット不要のデータで事前学習し、少量の実機データで補うことで、すべて実機で集める場合の約20分の1のコストで同等性能に達すると報告しています。

世界モデルWALL-WMは、固定長の時間窓ではなく、把持や配置といった意味を持つ行動事象を単位に据えた点が独自です。長期的な推論に向く可変長の「事象モード」と、制御に必要な定常出力を返す「固定長モード」を併せ持ちます。既存の大規模動画モデルの知識を壊さずに行動ネットワークを重ねる設計により、予測性と実行可能な制御を両立させています。

行動モデルWall-OSS-0.5には、事前学習した時点で微調整前でも実機で動くべきだという要件を課しています。離散的な行動トークン、言語との対応付け、連続的な行動生成という3つの目標を同時に学習させる方式です。さらに、動作の意図を上位コードが表すX-Tokenizerにより、再調整なしで複数のロボット間へ転用できる行動表現を実現しています。

投資家の期待も高まっており、同社の評価額は200億元（約29億ドル）を超えました。データ基盤や基盤モデル、拡張可能な学習システムを長期的な差別化要因とみる見方が広がっています。ただし現在の成果の多くは自社のロボットとベンチマークで測ったもので、コード公開後に外部で再現・検証されて初めて真価が問われます。

マサチューセッツ工科大（MIT）の研究チームは7月13日、児童保護団体Thornと共同で、AIモデルが違法な児童性的虐待資料（CSAM）を生成できるかどうかを、実際に画像を生成せずに判定する新たな監査手法を発表しました。モデル内部の隠れ表現を解析することで、有害な画像生成に特化したモデルを高精度で見抜けるのが特徴です。試験ではCSAM生成用に改変されたモデルを100%の精度で特定しました。

背景には、生成AIの急速な普及があります。誰でも改変できるオープンソースモデルが悪用され、全米行方不明・被搾取児童センターへのAI生成CSAMの通報は2024年の6万7000件から2025年には150万件超へと急増しました。しかし米国では意図に関わらずCSAMの生成自体が違法なため、従来の「生成して出力を確認する」監査手法が使えないという深刻なジレンマがありました。

研究チームが着目したのは、モデルを効率的に特化させるLoRA（低ランク適応）という微調整技術がもたらす内部の変化です。「Gaussian probing（ガウス探査）」と呼ぶ手法で、ランダムなデータをモデルに入力し、多層構造の内部でどう処理されるかを解析します。出力を最後まで生成しないため、有害画像を作り出すことなく能力を推定できる点が画期的です。

3種類のモデルの改変版で検証したところ、CSAM生成用に調整されたモデルを100%正確に識別できました。手法は安価で拡張性が高く、毎月何千もの改変モデルが公開される現状にも対応できます。ホスティング事業者はこれを使い、危険なモデルにフラグを立てて削除したり、アップロード自体を防いだりできます。

筆頭著者のMIT大学院生Vinith Suriyakumar氏は「これまで測定手段がなく、悪用される大きな死角だった。今回、深刻な悪影響を及ぼすAI安全性の問題に対処できる」と語ります。研究チームは今後、より多くのモデルで検証を進め、微調整前の基盤モデルの段階で有害な能力を検出できるかも探る方針です。

Google Researchは、表形式データ向けのゼロショット基盤モデル「TabFM」を公開しました。従来のようにデータセットごとにモデルを一から学習する必要がなく、未知の表に対しても一度の推論で予測を返せる点が最大の特徴です。表の予測を「文脈内学習(in-context learning)」の問題として捉え直すことで、数週間かかっていた構築作業を一回のAPI呼び出しに置き換えます。

企業データの多くはデータウェアハウスやCRMに眠る表形式ですが、そこから信頼できる予測を得るには手間がかかります。欠損値の補完や特徴量エンジニアリング、ハイパーパラメータ探索に加え、運用後もデータドリフト監視や再学習が続くためです。一方でテキストや画像の生成AIはすでにゼロショット推論へ移行しており、表データはこの流れから取り残されていました。

大規模言語モデルに表をそのまま読ませても、文脈長の制約や数値のトークン化、二次元構造の喪失といった壁に突き当たります。TabFMはデータを格子として扱い構造を保ったまま処理する設計で、既存研究のTabPFNとTabICLの長所を統合しています。行と列を交互に注意する仕組みや行圧縮を組み合わせ、大規模な表でも効率よく文脈内学習を行います。

学習には実データを使わず、数億件の合成データセットを構造的因果モデルで生成して事前学習しました。51のデータセットからなる評価基盤TabArenaでは、調整済みの教師あり手法に匹敵または上回る精度を示しています。ただしGoogleは、最適化された本番モデルをすべて置き換えるものではないと慎重な姿勢を崩していません。

一方で新たな経済的トレードオフも生じます。学習時間はゼロになるものの、予測のたびに履歴データ全体を文脈として処理するため推論が重く、ミリ秒単位の低遅延を求める用途には向きません。またモデルの重みは非商用ライセンスで公開されており、商用製品への組み込みは現時点では認められていません。

それでもGoogleは、TabFMをBigQueryへ統合し「AI.PREDICT」コマンドでデータウェアハウス上から直接予測を実行できるようにする計画です。scikit-learn互換のAPIも用意され、専任のデータサイエンスチームがなくても高品質なベースラインを素早く構築できる点が実務での価値だと同社は説明しています。

AIスタートアップのFundamentalは2026年2月、表形式データに特化した基盤モデル「NEXUS」を発表し、2億7500万ドルの資金を得てステルスを脱しました。同モデルは大規模表形式モデル（LTM）と呼ばれ、6月にはAWSがAmazon SageMakerへ組み込むなど採用が広がっています。表計算データを扱えなかった生成AIの弱点を埋める新技術として注目されます。

ChatGPTやClaude、Geminiの基盤であるLLMは、文章や画像の生成には長けるものの、行と列で構成される構造化データの分析を苦手としてきました。言語が語順という並びに意味を持つのに対し、表データは列や行の順序を入れ替えても意味が変わりません。この非連続な性質が、次の値を予測するLLMの仕組みと相性が悪いのです。

金融取引の不正判定などでは、入力がわずかに変わるたびに出力が揺れるLLMの特性が問題になります。Fundamentalのフレンケル最高経営責任者は、予測は常に決定論的であるべきだと指摘します。表データの世界では再現性が信頼の前提となるためです。

LTMは15年以上使われてきたXGBoostのような機械学習と異なり、多様なデータベースでの事前学習を生かして幅広い予測タスクに応用できます。各データの数値だけでなく、それが何を表し、他の項目とどう関係するかを同時に学ぶ点が特徴です。Fundamentalは数十億の表でNEXUSを学習させ、機密計算基盤により顧客データには一切触れない設計としました。

開発競争も熱を帯びています。3月には不正対策のFeedzaiとMastercardが金融特化モデルを、6月末にはGoogleが合成データで学習した「TabFM」を投入しました。研究者らもFlexTabやTabICLなど新モデルを相次ぎ発表しており、表データ分析の自動化が今後の主戦場になりそうです。

米スタートアップGeneral Intuitionのピム・デウィッテCEOは、ロボティクスが大規模言語モデルの「ChatGPTの瞬間」に近づいていると主張しました。同社はゲーム動画を数百万時間学習させた基盤モデルを開発し、ロボットごとにデータを集める従来手法を置き換えると訴えています。先月には3億2000万ドル、評価額23億ドルで資金を調達しました。

従来の身体性AI開発では、企業が特定のロボットや環境ごとに専用データを大量に集めていました。デウィッテ氏は、こうした個別最適の作業の多くが間もなく不要になるとみています。汎用モデルが空間と時間についての基礎的な推論能力を持てば、現実世界のデータは「数分」で足りると説明します。

学習データの鍵は、プレイヤーがいつどのボタンを押したかという行動データです。同社と主要投資家のヴィノッド・コースラ氏は、この行動情報こそが人間に近い空間的・時間的な直観を育てると考えています。インターネットのテキストよりも、ゲームの動画のほうが優れた教師データになるという発想です。

実証では、同じモデルが長時間ゲームをプレイしつつ、四足歩行ロボットも動かしました。しかも実世界データはわずか8分の微調整だけで、前方カメラ1台のみでゼロショット動作したといいます。人や動く物体がある実際のオフィス環境で機能した点に、同社も驚いたと語ります。

同社の狙いは、自らロボットを作ることではありません。他社が独自の機械を開発する土台となる物理AIの基盤モデルになることです。「自動運転車の会社は作らない。次に作る人の手間を10分の1にする」とデウィッテ氏は述べています。

米AIチップ企業SambaNovaは7月8日、General Atlantic主導のシリーズF資金調達の初回クローズで10億ドルを調達したと発表しました。企業価値評価額は110億ドルに達し、今後数週間で追加投資家が加わる第2クローズも見込まれています。2017年設立の同社にとって、2026年2月のシリーズE（3億5000万ドル）からわずか5カ月での大型調達となります。

同時に明らかになったのが、金融大手JPMorgan Chaseが同社を「推論インフラのパートナー」に選定したことです。SN40LとSN50システムを用い、行内で安全なオンプレミス型のAI推論を稼働させます。ロドリゴ・リアン最高経営責任者（CEO）は「銀行業界に対し、クラウドサービスに完全依存しない時代が来たというメッセージだ」と述べました。

リアン氏はこの受注を市場全体へのシグナルと位置づけます。JPMorgan級の銀行が最も機密性の高いモデルの推論を自前の安全な基盤で動かし始めており、その流れは銀行業界を超えて広がるとみています。企業や政府の多くは「AI活用に踏み出したばかり」で、大きな収益機会がなお残されていると指摘しました。

出資元でもあるIntelとの関係も深まっています。5カ月前には、IntelのXeonチップを基盤としたAI推論開発を支える複数年契約を締結し、両社は製品を共同開発・共同販売する体制へ移行しました。かつて約16億ドルでのIntelによる買収交渉も報じられましたが、リアン氏は独立維持について明言を避け、「いずれ株式を公開する」方向に傾く可能性を示唆しました。

技術面での強みは、最大級のモデルを高速に動かす「プレミアム推論」にあります。数兆パラメータに及ぶ最新の基盤モデルを単一ラックに収め、素早く処理する設計が特徴です。次世代チップSN50は2026年後半に出荷を始め、SoftBankが初の導入パートナーとなります。

調達資金は事業拡大と供給網の強化に充てる方針です。リアン氏は「桁外れの需要の波」に対応するため供給網を確保すると説明し、今後12カ月の受注をこなすうえで不可欠だと強調しました。顧客にはJPMorganのほか、サウジアラムコや日本企業も名を連ねています。

米Hugging Faceは7月7日、オープンソースのロボット学習ライブラリ「LeRobot」の最新版v0.6.0を公開しました。今回の更新はロボット学習のループを閉じることに主眼を置き、行動前に未来を想像する世界モデル型ポリシー、成功可否を判定する報酬モデル、失敗を学習データに変える配備用CLI、6種の新しいシミュレーション評価基準を一挙に導入しました。同日、半導体大手NVIDIAとの協業拡大も発表され、両社の開発者基盤が結び付きます。

目玉は未来を想像する3つの世界モデル型ポリシー（VLA-JEPA、FastWAM、LingBot-VA）です。いずれも学習時に未来フレームを予測しますが、推論時には想像の処理を省くため、追加コストなしで恩恵を得られる設計が特徴です。さらにGR00T N1.7やMolmoAct2など新たなVLAが加わり、モデルの選択肢が一段と広がりました。

新設された報酬モデルAPIには、100万を超える軌跡で学習した汎用モデル「Robometer」と、学習不要でVLMを流用する「TOPReward」が並びます。配備用の新CLI「lerobot-rollout」はDAgger方式の人手介入に対応し、ロボットが失敗した瞬間に操作を引き継いで修正データを記録できます。収集・微調整・再配備という改善の循環が、コマンド一つで回せるようになりました。

NVIDIAとの協業では、商用利用が可能な初のオープンなロボット基盤モデルIsaac GR00T 1.7と、データ収集基盤Isaac TeleopがLeRobotに統合されました。物理AI向けの世界基盤モデル「Cosmos 3」も近日中に加わる予定です。NVIDIAの300万人のロボット開発者とHugging Faceの1600万人のAI開発者が結び付き、物理AIの開発が加速します。

基盤となる依存関係は約40%削減され、pip installが軽量になりました。加えてFSDPによる複数GPU学習やHF Jobs上のクラウド学習にも対応し、単一GPUに収まらない大規模モデルの訓練も容易になっています。オープンソースの協調がロボット開発の民主化をどこまで押し進めるのか、次の展開が注目されます。

Hugging FaceとAmazon SageMaker AIは2026年7月7日、Hugging Faceで見つけたモデルをワンクリックでSageMaker Studioに取り込める連携機能を発表しました。開発者はモデル選択から実験開始までを一続きで行え、選んだモデルは環境に事前ロードされた状態で立ち上がります。基盤モデルのファインチューニングでも推論エンドポイント展開でも、該当ワークフローへ直接着地できる仕組みです。

従来はモデル発見後にAWSコンソールを開き、ドメイン作成、IAM権限の設定、時にはGPUクォータ申請と、複数の手順を踏む必要がありました。この摩擦が着想から実験までの速度を落としていた点が課題でした。今回の連携は発見からエンタープライズ展開までを一直線につなぎます。

新機能は3つあります。1つ目はHugging Faceのモデルページに表示される「Customize」「Deploy」ボタンからStudioへ飛ぶディープリンクで、モデルの文脈をそのまま引き継ぎます。2つ目はSFT・DPO・RLVR・RLAIFに対応した新管理ポリシーを自動付与する事前構成済み権限で、IAMロールの手動設定が不要になります。

3つ目はインスタンス選択時にG5・G6などのGPUクォータの空きをUI上で直接確認できる機能です。Service Quotasへ別途移動する必要がなく、上限緩和が必要な場合も該当ページへ直接誘導されます。経営者やエンジニアにとって、オープンモデルを自社のAWS環境で素早く試し、展開までの時間を縮められる意義は大きいと言えるでしょう。

エヌビディアは7月6日、各国がAIを戦略的優先課題に活用する動向を解説したブログを公開しました。生成AIやエージェント型AIの台頭を受け、各国が国産インフラと現地データで独自の基盤モデルを構築する主権AIの潮流を強調しています。同社は国家AI戦略に不可欠な5つの要素を提示し、7月7〜10日にジュネーブで開くAI for Goodサミットに合わせて発表しました。

同社は、データが入り知能が出力される次世代データセンターを「AIファクトリー」と定義しました。創業者兼CEOのジェンスン・フアン氏は「AIファクトリーは世界の近代経済の基盤になる」と述べています。各国は国有通信事業者や電力会社と連携してAIクラウドを運用したり、地域のクラウド事業者を支援したりと、多様な方式で国内の計算能力を整備しています。

国家AI戦略の5要素として、経済成長や安全保障に直結するAIの必要性、STEM教育などによる人材育成、現地データで訓練された基盤モデル、投資家や開発者による地域エコシステム、そして自国が所有・運用するAIファクトリーを挙げました。モデルの現地化により、方言や文化的背景を踏まえた出力が可能になるとしています。

実例も紹介されました。フランス経済・財務省ではAIエージェントが数百万件の文書を処理し、文書検索を2日から2分に短縮、1万人の従業員で200万ユーロを節約しました。インドのサーバムは国内インフラ上で22の公用語に対応する多言語モデルを提供し、ブラジルのウィデラブスは司法サービスの近代化を進めています。

エヌビディアは2019年から「AI Nations」構想を通じ、各国のAIエコシステムと人材育成を支援してきました。同社は、国産インフラと現地の人材を社会的価値に変える取り組みが世界各地で広がっていると位置づけ、信頼できるAIの重要性を訴えています。

MIT(マサチューセッツ工科大学)のニュース室は2026年6月30日、電気工学・計算機科学科准教授でCSAIL所属のPhillip Isola氏に、急速に普及するエージェントAIの本質と影響を聞きました。MIT Sloan校とBCGの2025年11月の調査では、調査対象企業の35%が既にAIエージェントを導入済みで、さらに44%が近く導入を計画していると判明しています。Isola氏はAIエージェントが持つ知能や、それを支える基盤モデルと仕組みを研究する立場から、現状と将来像を語りました。

Isola氏によると、エージェントAIとは世界に対して行動を起こすAIです。ロボットによる物理的操作や、航空券の予約といったデジタル上の操作がこれに当たり、物語や画像を生成する従来の生成AIとは性質が異なります。多くの企業は同じ少数のAIモデルを基盤に使い、Claudeのような生成AIを中核に据えたうえで、計算機やデータベースなどの道具を組み合わせる「ラッパー」を被せて製品化していると説明しました。

開発上の最大の課題は学習データの不足だといいます。航空券を予約する一見単純な作業でも、どこをクリックし、不具合時にどう対処するかを示すデータはほとんど存在しません。そのためエージェントは実際にサイトを訪れ、試行錯誤を通じて何が機能するかを学ぶ必要があり、こうした環境のモデル化が難しい点が普及の壁になっています。

最も成果が出ている分野としてIsola氏が挙げたのはコーディング支援です。コードで訓練された言語モデルが人間の解法を予測し、答えの正誤を確認できる限り、試行錯誤を繰り返して良い戦略を見つけられるためだといいます。一方で医療や安全保障、重要な経営判断のように高リスクで安全性が問われる領域では、技術が完全自動化に追いついておらず、人間の判断を補助する役割にとどめるべきだと述べました。

リスク面では、容易に任せられるがゆえの検証不足を警告しました。「バイブコーディング」のように手軽に依頼できる結果、人々が動作確認を怠り、バグの混入や私的データの漏洩が既に起きていると指摘します。さらに、宿題やコーディング、計算をエージェントに頼り続けることで人間自身の能力が失われる脱スキル化の危険にも触れ、技術が未成熟なまま能力を手放す事態を懸念しました。

将来像についてIsola氏は、現在のエージェントAIが言語モデルに道具を持たせた構成にとどまる点を限界として挙げました。より強力にするには映像や物理的な力、時系列データなど多様な様式を扱う新しいアーキテクチャが必要かもしれないと述べます。その一方で、数学や言語、コードを理解する高度な推論システムにカメラやキーボードを与えれば空間領域でも機能する可能性もあり、次の波が既存モデルの拡張か全く新しい設計かは、いま多くの研究者が向き合う大きな問いだと締めくくりました。

Anthropicは6月30日、計算科学の研究を一つの環境で完結できるAIワークベンチClaude Scienceを発表しました。データベースやパイプライン、各種ツールを行き来する手間を省き、自然言語で研究を進められる点が特徴です。同社は新しいAIモデルではなく、Claude Opus 4.8を含む既存のClaudeをそのまま使うと明言しています。

仕組みは、主担当のAIが研究のプロジェクトマネージャーとして動き、60を超える科学データベースに接続します。ゲノミクスやタンパク質構造、化学向けの専用ツールキットを備え、必要に応じて作業を分担するサブアシスタントを作り出します。さらに別の検証用AIが、出版前に引用や計算を二重チェックする仕組みです。

再現性を高める工夫も盛り込まれています。3Dタンパク質構造などの図を、それを生成したコードや作成手順、メッセージ履歴とともに保存できます。研究データを自社サーバーへ送らず、ラボ自身のインフラ上で動かせる点も、データ管理を重視する現場には利点となります。

今回の発表でもう一つ重要なのが、NVIDIA BioNeMo Agent Toolkitとの統合です。NVIDIAの高速化された計算機能が呼び出し可能なスキルとしてまとまり、Claude Scienceが適切なツールを選んで実行します。Parabricksはゲノム解析を時間単位から分単位へ、RAPIDS-singlecellは130万細胞の処理を52分から25秒へと短縮します。

競合との違いも鮮明です。OpenAIは4月、生物学推論に特化したGPT-Rosalindを、米国の認定企業に限定した研究プレビューとして公開しました。Google DeepMindはAlphaFoldやAlphaGenomeといった自社の基盤モデルを強みに、Gemini for Scienceで30以上のデータベースを束ねています。Anthropicは広い購読層への開放、OpenAIは企業限定、Googleは独自モデルという三者三様の戦略です。

Claude ScienceはPro、Max、Team、Enterpriseの各プランでベータ提供され、Novo NordiskやAllen Instituteが事例に挙がっています。Anthropicは最大50件のプロジェクトに合計3万ドル分のクレジットを提供する計画で、応募は7月15日まで受け付けます。法務や金融、エンジニアリングなど他の専門領域でAIベンダーがどう競うかを占う、早期のシグナルになりそうです。

スイスの新興企業Flexion Roboticsが、人型ロボットにオフィスの雑務を自律的にこなさせる学習手法を発表しました。元Nvidiaのロボット研究者らが創業した同社は、ドアを開ける、階段を上る、箱を運ぶといった単純な技能を組み合わせ、複雑な作業を実行させます。インターンのような事務作業を担う人型ロボの実現を狙う取り組みです。

従来のデモ映像の多くは、シャツを畳むなど特定作業に特化したもので、裏で人がロボットを操作する遠隔操作に頼っていました。この方式は未知の環境では安定して機能しません。Flexionはまずシミュレーション内で個別技能を教え、その後マスターAIアルゴリズムがそれらの使い方を判断する点が異なると説明します。

公開された映像では、改造したUnitree製の人型ロボが「届いたお菓子の小包を階段で取りに行き、エレベーターで戻って棚の空き引き出しに収める」という指示を受け、自律的に動きます。中核のAIモデルは人間の作業動画を学習し、いつどの動作を取るべきかを把握。習得済みの技能を実世界で発動させ、歩行やバランス維持のためのモーター制御も担います。

共同創業者でCEOのNikita Rudin氏は、ソフトの「秘密の材料」は強化学習を広範に使う点だと語ります。試行錯誤で課題を習得させるこの手法を、マスターAIからシミュレーション、モーター制御まで各層で採用しています。なぜこれが重要なのでしょうか。汎用性と効率の両立が、実用化の鍵を握るからです。

Elon Musk氏やJensen Huang氏ら業界の重鎮は、人型ロボが人間の労働を置き換え経済に大きな影響を与えると主張します。一方でFlexionの実演は、人型ロボの活用にはAIの根本的な進歩が必要であることを示しています。ABI ResearchのGeorge Chowdhury氏は「人型ロボ自体ではなく、それを支えるAIモデルこそが革新的だ」と指摘します。

ABI Researchは、ロボット基盤モデルの市場が2036年までに1500億ドル規模に達すると試算します。Flexionは複数の人型機種に対応し、多数のロボット企業と連携している点が商業的な強みです。ただしChowdhury氏は、成功にはハードウェアメーカーとの緊密な協力が不可欠で、激しい競争に直面すると見ています。

米トランプ政権が今月、Anthropicの高性能モデルClaude Fableを厳しい輸出規制の対象とし、外国人によるアクセスを禁じました。これを受け欧州では、米国製AIへの依存が事業継続のリスクだという認識が一気に広がっています。米中がAI開発競争を繰り広げるなか、自国の技術力に自負を持つフランスやドイツは締め出されたと感じ、独自路線を模索し始めました。

規制の影響は深刻でした。今回の指定はAnthropicで働く外国籍の従業員、つまりFableの開発に関わった当事者のアクセスまで禁じる内容だったためです。同社は急ぎモデルを市場から取り下げましたが、米政府がいつでもアクセスを遮断できる以上、欧州企業は米国モデルの上に安定した事業を築けないという教訓が残りました。

欧州側の動きも具体化しています。フランスのマクロン大統領はG7の場でAI幹部に主権問題を説き、米国が国家主義的なAI政策を続けるなら独自路線を進むと表明しました。同氏の「Choose France」構想は1000億ユーロを超えるAIインフラ投資の確約を集め、その中核をSoftBankの750億ユーロのデータセンター建設計画が担います。ただし当局の承認が前提です。

企業間の連携も進んでいます。カナダ拠点のCohereはドイツのアレフ・アルファとの協業を起点に、多国間の主権優先のパートナー網を築こうとしています。元Metaの著名研究者ヤン・ルカン氏は、各国が自国の言語や文化に合わせて使えるオープンな基盤モデルを共同開発する「Project Tapestry」を推進しています。

とはいえ課題は大きく残ります。Anthropicが直近で調達した650億ドルは、昨年の欧州と英国のAI新興企業への投資総額を上回るとされ、米欧の資金格差は依然として歴然です。欧州が世界二番手のAIを築くには、20カ国超の緊密な連携と過剰な規制の見直し、そしてリスク回避からの発想転換が欠かせません。

それでも2026年には新しい要素が加わりました。米政権の不器用な政策が、現状維持を耐え難いものにしている点です。チップ新興企業Qantのフェルチュ氏は「今の欧州の注目はトランプ氏なしには得られなかった」と語り、Fableの輸出規制が主権をめぐる新たな議論を呼んだと指摘します。欧州はAI主権を追求するほかない局面に立っています。

米Anthropicは2026年6月23日、Slack上に常駐するAIチームメイト「Claude Tag」をベータ提供開始しました。Claude EnterpriseとTeamの顧客が対象で、チャネル内の誰もが@Claudeとタグ付けするだけで作業を委任できます。同社の既存のSlackアプリを置き換える製品です。

最大の特徴はマルチプレイヤー方式である点です。チャネルごとに単一のClaudeが全員と対話し、誰もが進行中の作業を確認して会話を引き継げます。利用者ごとに別インスタンスが立つ従来の連携とは異なります。

Claudeはチャネルの内容を追いながら文脈を蓄積し、許可があれば他チャネルからも情報を集めます。タスクを段階に分解してツールで実行し、結果をスレッドに返答します。基盤モデルは5月に公開されたClaude Opus 4.8です。

能動的に振る舞うモードでは、関連情報を自発的に提示し、止まったスレッドを追跡します。数時間から数日にわたり自律的に作業を進める非同期実行にも対応します。Anthropicは自社製品チームのコードの65%が同種の社内版で生成されていると説明しています。

企業利用に向けて、管理者はツールやデータ、稼働チャネルを指定し、用途別に分離したClaude IDを設定できます。営業用と開発用で記憶やアクセスは共有されず、組織やチャネル単位のトークン上限設定と、全操作の監査ログも備えます。既存アプリからの移行は30日以内の管理者の承認が必要です。

背景には、Slackを舞台とする企業向けAIの主導権争いがあります。SlackbotのSalesforce、OpenAIのWorkspace Agents、Perplexity、CognitionのDevinなどが参入済みです。記憶を蓄えたAIは置き換えが難しく、ベンダー依存や常時監視の統制といった論点を企業は見極める必要があります。

上海人工知能研究所は2026年6月、AIエージェントが自らの運用規則（ハーネス）を改善する新枠組み「Self-Harness」を発表しました。エージェントが自身の実行ログを点検し、モデル固有の失敗パターンを見つけて修正案を生成、性能を検証してから採用する仕組みです。検証実験では、対象モデルに応じて33〜60%の相対的な性能向上を確認したとしています。

ハーネスとは、基盤モデルを取り巻く制御層を指します。システムプロンプトやツール、メモリ、検証ルール、障害復旧手順などが含まれ、エージェントの失敗の多くはモデル本体ではなくこのハーネスに起因します。従来は技術者が勘や限られた失敗例を頼りに手作業で調整しており、モデルの更新ペースに追従しづらいという課題がありました。

Self-Harness は三段階の反復ループで動きます。まず一連のタスクを実行して失敗の傾向を抽出し、次に各失敗に対応した最小限の修正案を複数生成します。最後に回帰テストで評価し、別のタスクで性能を下げずに改善した修正だけを次版に統合する流れです。人間の技術者や外部の強力なモデルに頼らない点が特徴です。

具体例も示されました。あるモデルは設定の探索を延々と続けて時間切れになっていましたが、Self-Harness が50回のツール呼び出しで方針転換を強制する規則を書き加えました。別のモデルには重複コマンドを禁じる規律を、さらに別のモデルにはシェル間で環境変数を保持する規則を追加するなど、症状に応じた対策を自動で組み込んでいます。

一方で代償もあります。論文の筆頭著者ハンファン・チャン氏は、繰り返しの修正案生成と並列評価によりAPIトークン消費や処理時間、評価基盤のコストが増えると指摘します。さらに自動更新の良否は評価パイプラインの精度に依存するため、厳密な検証器が欠かせません。コーディングや社内業務自動化、DevOps など失敗を測定しやすい領域が適し、医療や安全性が問われる分野は避けるべきだとしています。

チャン氏は、技術者の役割がプロンプト調整から「フィードバック設計者」へ移ると予測します。基盤モデルが高度化してもハーネスは消えず、その役割はモデルをより豊かな外部環境へつなぐ方向に広がるとの見方です。人間による評価が及ぶ限り、フィードバックの担い手として人の関与は欠かせないと結んでいます。

AIスタートアップのSakana AIは6月21日夜、複数のAIモデルを動的に束ねて最先端水準の性能を出すマルチエージェント基盤「Fugu（フグ）」を公開しました。開発者や企業、国家が特定ベンダーへの依存や地政学的な輸出規制から守られることを狙い、OpenAI互換の単一APIを通じて専門化したAIエージェント群へ問い合わせを動的に振り分ける仕組みです。

Fuguは巨大な単一モデルに頼る従来構造を回避し、優れた総合請負業者のように動きます。複雑な要求を受けると自ら全てを実行せず、問題を分解して専門の基盤モデル群に下請けさせ、その成果を検証したうえで最終出力を統合します。Sakanaは「Fugu自体がLLMであり、エージェント群の各LLMや自分自身を再帰的に呼び出すよう訓練されている」と説明しています。

背景には、6月12日にAnthropicが米政府の輸出規制命令を受け、最上位モデルのClaude Fable 5とMythos 5への一般アクセスを停止した事情があります。CEOで共同創業者のDavid Ha氏はXで「単一企業のモデルに国家インフラを頼るのは巨大なリスクだ。集合知こそ権力集中への実用的な備えになる」と述べ、Fuguが交換可能なエージェント群でベンダー制限を回避すると強調しました。

性能面でも存在感を示しています。コーディング能力を測るLiveCodeBenchではFugu Ultraが93.2、通常版Fuguが92.9を記録し、Claude Fable 5の89.8を上回りました。ソフトウェア課題を扱うSWE-Bench ProではUltraが73.7で、Claude Opus 4.8（69.2）やGPT-5.5（58.6）を明確に上回っています。

一方で価格は高めです。商用のプロプライエタリAPIとして提供され、どのモデルを選ぶかは利用者から意図的に隠されます。Fugu Ultraは100万トークンあたり入力5ドル・出力30ドルの固定料金で、単一モデルAPIと比べ高価な部類に入ります。月額は20ドルから200ドルの3段階で、EUとEEAではGDPR対応のため当面利用できません。

コミュニティの反応は分かれています。ある開発者は「単一の明快なプロンプトなら直接モデルを使うだろうが、委任や検証、調査ループを伴う複雑な作業ほどFuguが活きる」と評価しました。他方で「これは閉じたモデル群の上に乗る閉じたオーケストレーターにすぎず、AI主権とは言えない」との批判もあり、単一の巨大モデルがなお優位とみる声も残っています。

米国立科学財団（NSF）は2026年6月22日、AI研究基盤を提供するNAIRRパイロット計画が、過去2年間で全米700件超の研究を後押ししたと発表しました。NVIDIAはクラウド経由でDGXノードを最低4基・1カ月以上、研究者に専有提供し、技術支援も担いました。タンパク質予測から感染症対策まで、対象は医療・農業・エネルギーへと広がっています。

目玉の一つが、フラットアイアン研究所などの国際連合Polymathic AIによる流体シミュレーションです。同団体はNVIDIAのGPUとNVLinkを用い、大規模データセット「Well」で訓練した基盤モデルWalrusを一般公開しました。データやコード、重みも合わせて開放し、科学分野向けの強力な基盤モデル開発を狙います。

ミシガン大学のVenkat Viswanathan教授らは、分子AIと汎用LLMを融合する枠組みを開発中です。分子基盤モデル群MISTは独自トークナイザーSmirkを使い、400超の構造物性関係で微調整され、電気化学や量子化学など複数分野で最高水準に匹敵する性能を示しました。NAIRRで得た40GPUのDGXクラスタに加え、20万GPU時間を活用しています。

ボストン大学のハリリ研究所は、感染症の発生監視プログラムBEACON向けにLLMを訓練しています。世界の疾病追跡基盤やニュース、SNSの情報を解析し、簡潔な発生報告を自動生成する仕組みです。海外派遣の医師や政府機関、研究者がすでに利用を始めています。

同研究所のIoannis Paschalidis所長は「以前は専門家が報告書を作るのに数時間かかっていたが、今は約2分で済む」と語りました。NAIRRとNVIDIAの連携はハーバードやスタンフォードなど多くの大学にも広がっており、研究者がAIと高速計算へ広くアクセスできる環境が整いつつあります。

半導体大手NVIDIAは6月22日、ドイツの研究機関ユーリッヒにある欧州初のエクサスケール級スーパーコンピューター「JUPITER」が、独ハンブルクで開催中の国際会議ISCで4つの科学プロジェクトの成果を披露したと発表しました。脳の細胞単位での地図化、全球気候の精密模擬、次世代通信網のAI、量子計算機の模擬という、これまでの計算機では到達できなかった課題に挑んでいます。JUPITERはNVIDIA製の「Grace Hopper Superchip」を中核に構築されています。

脳研究では、ユーリッヒ脳アトラスのチームが脳の微細構造を解析する基盤モデル「CytoNet」を開発しました。人間の脳は860億のニューロンと約100兆の接続を持ち、細胞単位での理解は困難でしたが、4,096基のGrace Hopperを用いて5日未満で訓練を完了しています。研究チームは次の段階として、脳研究者を支援するAIエージェントの構築を進めています。

気候分野では、ETHチューリヒなどの研究者が開発したモデル「ICON」が、地球システム全体を1キロメートル解像度で結合シミュレーションする世界初の成果を上げました。海洋・大気・陸域に加え炭素循環まで統合的に再現する点が画期的で、20,480基のGrace Hopperを使い、実際の気候146日分を24時間の計算で処理する世界記録を樹立しています。

通信分野では、通信機器大手のEricssonとユーリッヒが3月に提携を発表し、5Gの進化と6G網に向けたAI開発でJUPITERを計算基盤として活用します。脳に着想を得たアーキテクチャにより、複雑なネットワーク運用を大幅に低いエネルギーで処理することを目指しています。

量子計算では、ユーリッヒの研究者が50量子ビットの万能量子計算機を完全に模擬し、従来の48量子ビットの記録を更新しました。CPUとGPUのメモリを密結合したGH200の構造により、GPU単体の限界を超える量子状態を保持できた点が突破口となっています。この模擬器「JUQCS-50」は、量子アルゴリズム設計の検証基盤として研究者に開放される予定です。

神経科学から気候、通信、量子まで広範な科学を支えるJUPITERの実績は、エクサスケール計算が研究段階から実用段階へ移行したことを示しています。これらの成果は、科学の最前線におけるGrace Hopper基盤の有効性を裏付ける証左となりました。

米AI企業のHugging Faceは2026年6月18日、自社ブログでパラメータ効率の良い微調整手法（PEFT）の比較検証結果を公表しました。広く使われるLoRAが本当に最適かを同社の標準ライブラリで検証し、用途によっては他手法が上回ると結論づけています。経営者やエンジニアが開いたモデルを自社データで調整する際の指針となる内容です。

PEFTは、モデル全体を何度も載せる必要がある微調整のメモリ負荷を大幅に下げる技術群です。少ないメモリで量子化モデルも調整でき、チェックポイントが小さく、既存知識を忘れにくい利点があります。同社が開発するPEFTライブラリは、多数の手法を統一APIで扱える点が特徴です。

LoRAは早期に登場し効果が高かったため、現在は圧倒的な普及率を誇ります。同社の調査では、PEFT手法を一つだけ挙げたモデルカードの98.4%がLoRAで、画像生成のチェックポイントでも約95%を占めました。ただしこれは性能の証明ではなく、解説や周辺対応の充実が人気を呼ぶ自己強化の可能性も指摘しています。

論文に基づく手法選びには問題があると同社は警告します。研究者は既存指標を超える結果を出す圧力にさらされ、比較対象や評価基準も論文ごとに異なるため、再現が難しいのです。実際、学習率の調整だけでLoRAが他手法に並ぶという研究もあります。

そこで同社は同一の基盤モデル・データ・ハードウェアで全手法を評価する基準を整備しました。数学データセットでの推論学習と、猫のぬいぐるみという新概念を学ぶ画像生成の二つを用意し、テスト性能に加えVRAM使用量や忘却、実行時間、チェックポイント容量まで追跡しています。

結果として、数学課題ではLoRAが性能とメモリの均衡点に位置する一方、画像生成ではOFTが高い類似度と低メモリで上回りました。同社は、LoRAが悪い選択ではないものの自動的な既定にすべきではなく、config一行で手法を切り替えて自分の用途に最適な手法を試すよう促しています。

ニューヨーク拠点の新興企業General Intuitionが、約300億円規模の資金調達に向けて交渉していることが2026年6月18日、関係者の話で分かりました。実現すれば同社の評価額は2000億円超に達し、空間と時間を移動するAIエージェントの基盤モデル開発を一段と加速させます。今回の調達はわずか8カ月前のシードラウンドに続くもので、市場の高い期待を映します。

同社は2025年10月、ゲーム映像の共有プラットフォームMedalから約134億円のシード資金とともにスピンアウトしました。今回の出資者にはジェフ・ベゾス氏とエリック・シュミット氏に加え、既存投資家のKhosla VenturesとGeneral Catalystが名を連ねるといいます。Medal共同創業者のピム・デ・ヴィッテ氏が率い、世界モデルやシミュレーションの専門家らが集結しています。

強みはMedalが持つ独自データです。月間1000万人の利用者が生む年間20億本のゲーム映像を用い、身体性を備えたAIや世界モデルを訓練します。一人称視点の対話的なプレイ映像から学べる点が他にない価値で、機械にリアルタイムの空間的・時間的推論を教える基盤になると同社は主張します。

この独自データはOpenAIの関心も集めており、同社は過去にMedalの買収を試みたと報じられています。関係者によれば、関心を示した大手AI研究所はOpenAIだけではないといいます。世界モデルの領域はRunwayやDecart、World Labs、グーグルのGenie 3などが相次ぎ参入し、競争が激しさを増しています。

ただGeneral Intuitionの戦略は他社と一線を画します。多くの企業がゲームやロボット訓練向けに世界モデルを販売するのに対し、同社はエージェントを訓練するために世界モデルを構築し、エージェント自体を製品とします。調達資金は計算資源の増強に充て、今夏の終わりから初秋にかけて新製品を投入する計画です。

インドのAIスタートアップSarvamは6月15日、評価額15億ドルで総額2億3400万ドルを調達し、同国の新たなAIユニコーンになったと発表しました。出資はインド複合企業HCLグループのIT子会社HCLTechが1億5000万ドルを拠出して主導し、Bessemer Venture Partnersや既存株主のKhosla Ventures、Peak XV Partnersも参加しました。Series Bラウンドでは総額3億ドルの調達を目指しています。

今回の調達は、Sarvamが2023年にシード・Series Aで4100万ドルを集めてから2年以上を経たものです。同社は今年初めに300億および1050億パラメータのオープンソースモデルを公開しており、モデル開発から推論基盤、企業向けアプリまでを一貫して手掛けるフルスタックAI企業を目指しています。製品は銀行・保険・行政・防衛などの分野で導入が進んでいます。

背景には、各国・各企業が高度なAIと計算基盤へのアクセスを自前で確保しようとする主権AIへの動きがあります。OpenAIとAnthropicはいずれもインドを米国に次ぐ第2の市場と位置づけますが、インドは巨大な利用者基盤を持つ一方で、高い計算コストと資金調達の難しさから、最先端モデルを自前で開発する有力企業はほとんど育っていませんでした。

AI主権をめぐる議論は先週、Anthropicが米政府の指示で外国人による最新モデルFable 5とMythos 5の利用を停止したことで、改めて緊急性を帯びました。最先端AIへのアクセスが少数の海外プロバイダーに集中している現状が浮き彫りになり、Sarvamのような国産基盤モデルへの期待が高まっています。

Sarvamは今回の資金で、エージェント・コーディング・サイバーセキュリティ向けの次世代モデル研究を進め、計算基盤の拡充も図る方針です。同社の対話AIは現在1日200万件超のやり取りを処理し、推論基盤は日約1000万件のAPI呼び出しをさばいています。音声モデルは月50万時間超の音声を文字起こししています。

導入規模も拡大しています。多言語音声エージェントはインド農業省向けに1700万人の農家からデータを収集し、ある大手保険会社の全国キャンペーンでは4500万人の契約更新を支援しました。創業者はNandan Nilekani氏が支援するIIT MadrasのAI4Bharat出身のVivek Raghavan氏とPratyush Kumar氏で、技術を国内に広く普及させる方針を掲げています。

東京拠点のAIスタートアップSakana AIは6月15日、初の商用製品となる自律型リサーチエージェント「Marlin」を発表しました。秒単位で回答する従来型チャットボットとは異なり、最大8時間にわたり自己統治的な推論ループを継続し、引用付きで100ページ規模の戦略レポートや役員向けスライドを生成する点が特徴です。同社はこれを「仮想CSO（最高戦略責任者）」と位置づけ、企業や金融機関、シンクタンク向けに提供します。

利用の流れは通常の大規模言語モデルとは根本的に異なります。ユーザーは調査テーマを与え、初回のすり合わせを経た後は作業から離れるだけで、Marlinが自ら仮説を立て、ウェブを調べ、複数の情報源を照合して因果関係を整理します。最終成果物は単なる文章の塊ではなく、要約スライドや付録、参考文献を備えた構造化された戦略オプション群として届けられます。

中核を担うのは、同社が独自に研究してきた探索エンジンAB-MCTS（適応的分岐モンテカルロ木探索）です。研究を可能性の分岐ツリーとして扱い、行き詰まりが見えた局面では新たな仮説を生む「探索」へ、有望な解には監査と改良を重ねる「活用」へと、外部フィードバックに応じて動的に切り替えます。さらに各サブタスクで最適なモデルを選ぶマルチLLM方式へ拡張し、複数の基盤モデルを集合知として組み合わせている点が商用化の鍵となりました。

料金は段階制で、従量課金は1回の実行に100クレジット、追加クレジットは1点98円です。月額15万円のProプランは2,000クレジット、月額40万円のTeamプランは6,000クレジットを含み、大企業向けには個別見積もりのEnterpriseも用意されています。顧客データはオプトイン同意がない限りモデル学習に使わない厳格な方針を掲げ、M&A;や未公開戦略を扱う企業の懸念に配慮しています。

Sakana AIは2023年に、Googleの2017年論文「Attention Is All You Need」の共著者で「Transformer」という語を生んだLlion Jones氏と、元Google Brain研究者のDavid Ha氏が東京で共同設立しました。巨大な単一モデルに頼るのではなく、魚の群れのような小型で専門特化したモデルの協調を志向する設計思想を掲げ、推論時スケーリングで実績を重ねてきました。

2025年後半には評価額が26億ドル超に達するシリーズBを実施し、NvidiaやGoogleに加え、MUFGやCiti、Salesforceといった大手が出資しています。約300人の専門家が参加した4月からの非公開ベータでは、「想定していなかった切り口を発見した」との評価も得ました。AIの価値が速さから思考の深さへ移る中、Sakanaの動向は今後も注目されます。

拡張現実ゲーム「ポケモンGO」で世界中のプレイヤーが撮影した実世界の画像が、配送ロボットや軍事ドローン向けのナビゲーション技術の開発に使われていたことが、2026年6月12日にArs Technicaの報道で明らかになりました。開発したのは、ゲーム開発元ナイアンティックから2025年5月に分社化したAI企業ナイアンティックスペーシャルです。

同社は、数百万人のプレイヤーがゲーム内で撮影した短い動画と、自社アプリ「Scaniverse」の利用データをもとに、物理世界の3Dモデルとなる大規模地理空間モデルを訓練してきました。学習に使われた画像は約300億枚にのぼり、その多くはプレイヤーが訪れるよう促された都市部に集中しています。

これらの画像は、同じ場所をさまざまな角度や天候、照明条件のもとで捉えており、撮影時の端末の位置と向きを示すメタデータも備えていました。こうした豊富なデータが、現実空間を認識・解釈するAIの基盤モデル構築に大きく寄与したとみられます。

ナイアンティックスペーシャルの広報担当者は、地上スキャンはあくまで訓練の一要素であり、モデルは元データの複製や閲覧手段ではないと説明しています。さらに、スキャンの対象は像や噴水など公共の名所に限られ、ゲーム内では完全に任意の機能だったと強調しました。

10年前に世界的な熱狂を巻き起こしたゲームが、軍事用途も視野に入る技術の礎となった事実は、複雑な余韻を残します。同社は2019年以降、プライバシーポリシーや公式発表でスキャンが技術向上に使われると明示してきたと述べており、データ活用の透明性をめぐる議論を呼びそうです。

Microsoftは6月11日、AIエージェントのスキルを自動で改良するオープンソース基盤SkillOptを公開しました。基盤モデルの重みを変えずに、指示文をまとめたマークダウン文書を「学習可能な対象」として扱い、性能評価のフィードバックに基づいてスキルを進化させる点が特徴です。MITライセンスで提供され、企業の複雑な業務にエージェントを適応させる手間を大きく減らすことを狙います。

従来、エージェントのスキル調整は手作業が中心で、各ファイルの指示文を書き直しながら改善点を当て推量する非効率な作業でした。SkillOptは深層学習の発想を取り入れ、課題を実行するモデルとスキルを最適化するモデルを分離します。実行で得た成功・失敗の軌跡を分析し、追加・削除・置換の編集を提案したうえで、検証用データで性能が改善した場合のみ採用する仕組みです。

重要なのは、変更が「数学的に妥当な改善か」を保証する設計です。Microsoft Research Asiaの研究者は、チームがスキルを変更できるかではなく、その変更が改善である保証がないことが課題だと指摘します。SkillOptは編集予算を学習率のように使い、検証ゲートで誤った修正を排除し、失敗した編集を記録して再発を防ぎます。

性能面では、評価した52通りのモデル・ベンチマーク・実行環境のすべてで既存手法を上回りました。GPT-5.5ではスキルなしと比べ平均23.5点の改善を示し、小型モデルでも文書理解や逐次的な意思決定で大幅な向上が見られました。最終的なスキルは2000トークン以内に収まり、中央値は約920トークンと、人間が短時間で確認できる読みやすさを保ちます。

実用面では移植性と効率性が強みです。Codex CLIで訓練した表計算スキルをClaude Codeへそのまま移すと、標準設定比で59.7点向上したといいます。スキル1件あたりの訓練費は1〜5ドル程度で済み、導入時に完全に回収できる一度きりの費用とされます。一方で、数十件の代表例と採点可能な評価指標が必要で、主観的な課題には不向きという制約も示されました。

Sapient Intelligenceの研究チームは、独自のHRM-Text（階層型再帰モデル）アーキテクチャを用いて、わずか約1500ドルで10億パラメータの基盤言語モデルをゼロから訓練したと発表しました。従来、基盤モデルの事前訓練には数百万ドル規模の費用とインターネット規模のデータが必要とされてきましたが、同社はこの常識を覆す結果を示しています。

HRM-Textの核心は、計算を「ゆっくり変化する戦略層」と「素早く変化する実行層」に分離する二層構造にあります。従来のTransformerが生テキストに対して次トークン予測を繰り返すのに対し、HRM-Textは指示と応答のペアのみを訓練データとして使い、タスク完了を目的関数としています。さらに、再帰的な構造で生じる勾配の不安定性を抑えるため、独自の正規化技法「MagicNorm」とウォームアップ手法を導入しました。

ベンチマーク評価では、MMLU 60.7%、GSM8K 84.5%、MATH 56.2%を達成しています。これは20億〜70億パラメータ規模のオープンモデルと同等以上の水準です。訓練に使ったトークン数はQwen・Gemma・Llamaなどの100分の1から900分の1、推定計算量は96分の1から432分の1にとどまります。GPU16台のクラスタで1.9日という短期間で訓練が完了しました。

同社CEOのGuan Wang氏は、企業が直面する課題を「訓練コスト・インフラの重さ・実験サイクルの遅さ」の三重苦と表現しています。HRM-Textは知識の暗記と推論能力を切り離す設計のため、企業は自社データを外部のフロンティアモデルに送ることなく、コンパクトな推論エンジンとして活用できます。外部の検索システムと組み合わせることで、事実情報の取得は別途行う構成が想定されています。

現段階では「ChatGPTの代替にはまだならない」とWang氏自身が認めており、プロダクション利用にはテンプレート設計やアテンションマスクの調整など技術的な作業が必要です。それでも、基盤モデルの訓練コストが1500ドル台に下がるインパクトは大きく、「AIはインフラの問題ではなく戦略の問題になる」と同氏は主張しています。Transformersライブラリでのサポートも始まっており、vLLMやSGLangへの対応も開発中です。

AIスタートアップのDecartは2026年6月10日、写実的な運転環境をリアルタイムに生成するインタラクティブな世界モデル「Oasis 3」を発表しました。自動運転車メーカー向けに希少な走行シナリオを大規模にシミュレーションすることを主な用途とし、今後はロボティクスなど物理AIへの展開も予定しています。APIは初日から公開され、価格は1秒あたり0.02ドルです。

Oasis 3は同社の基盤モデル「Lucy」をベースに開発されました。前方1台・側方2台のマルチカメラ構成で物理的に正確な環境を生成し、時間制限なく無限にシナリオを拡張できる点が特徴です。自動運転開発者にとっては、限定的なデモではなくエッジケースを際限なく試行できることが大きな利点となります。同社の垂直統合型最適化スタック「DOS」により、競合他社より1桁以上低いコストでモデルを運用できるとCEOのDean Leitersdorf氏は説明しています。

一方で技術的な課題も残っています。テスト記事によれば、初期シーンはプロンプト通りに高品質で生成されるものの、走行を続けるとテーマの整合性が急速に崩れ、都市の特徴が汎用的な風景に変化してしまいます。他の車両をすり抜けるなど物理シミュレーションの正確性にも問題があり、Leitersdorf氏はこれを「現在取り組んでいる重要な研究課題」と認めています。自己回帰的に1フレームずつ生成する構造上、コンテキストウィンドウが急速に埋まることが根本原因です。

競合環境は激化しています。GoogleのGenie 3、Fei-Fei Li率いるWorld Labsの「Marble」、LumaやRunwayなどが世界モデル市場に参入しています。Decartは数週間前に3億ドルの資金調達を完了し、評価額は約40億ドルに到達しました。Toyota、Adobe、eBayが戦略的投資家として参加し、既存投資家のNVIDIAも出資しています。

Leitersdorf氏は、APIを開放することでLLM黎明期のOpenAIのように開発者エコシステムが自然発生的に成長すると期待を示しています。既に10万人超の開発者がeコマースやライブストリーミング分野でLucyを活用しており、Oasis 3で物理AI領域への拡大を狙います。世界モデル分野はまだ初期段階にあるものの、開発者による予想外のユースケース創出が技術の進化を加速させるというのが同社の見立てです。

Appleは2026年6月9日、年次開発者会議WWDC 2026で、AIアシスタント「Siri AI」の全面刷新と、第3世代の独自基盤モデル「AFM 3」ファミリーを発表しました。新SiriはGoogle Geminiをベースとし、専用アプリとして独立。テキスト・音声・画像によるマルチモーダル対話に対応し、iPhoneからMac、Apple Watchまで全デバイスで利用できます。Tim Cook CEOにとって最後のWWDCとなる今回、同社はAI分野での遅れを取り戻す姿勢を鮮明にしました。

Siri AIの最大の特徴は、画面上のコンテンツを認識して文脈に応じた操作を実行するエージェント機能です。InstagramやSafariで表示中の情報をもとに検索や予定登録を行ったり、メッセージの文脈からリマインダーを自動提案したりできます。Apple上級副社長のCraig Federighi氏は「AIにおけるプライバシーは交渉の余地がない」と強調し、処理はオンデバイスまたはPrivate Cloud Computeで完結すると説明しました。

技術面で注目されるのがAFM 3 Core Advancedです。20億パラメータの重みをDRAMではなくNANDフラッシュに格納し、プロンプトごとにルーティングして1B〜4Bのパラメータを動的にDRAMへロードします。従来のMoEモデルがトークンごとにエキスパートを切り替えるのに対し、プロンプト単位で一度だけ選択する設計により、メモリ帯域の制約を回避しています。サーバー側のAFM 3 Cloud ProはGoogle Cloud上のNvidia GPUで稼働し、複雑な推論やエージェント処理を担います。

写真編集では、Appleはこれまでの慎重姿勢を転換し、Image Playgroundでフォトリアルスタイルの画像生成を解禁しました。新ツール「Extend」は画像の枠外をAIで補完し、「Spatial Reframing」は写真の視点を3D的に変更できます。改変画像にはGoogleのSynthID透かしを付与し、AI生成コンテンツの識別を可能にしています。かつてFederighi氏が「写真は現実を正確に捉えるべき」と述べていたことを考えると、大きな方針転換です。

開発者向けには、App IntentsとApp Schemasを通じてアプリの機能をSiriやSpotlightに公開する仕組みが拡充されました。Shortcutsアプリでは自然言語による操作の自動化が可能になり、Safariでも自然言語でブラウザ拡張機能を作成できます。一方、Siri AIはEUと中国では当初利用不可で、対応ハードウェアも限定されるため、グローバル展開には課題が残ります。Appleの戦略はスタンドアロンのチャットボットではなく、OS全体にAIを統合するアプローチであり、プライバシーを武器にMicrosoftやGoogleとの差別化を図っています。

Anthropicは2026年6月9日、Mythos級モデルとして初めて一般公開されるClaude Fable 5と、制限付きアクセスのClaude Mythos 5を同時に発表しました。Fable 5はソフトウェアエンジニアリング、知識業務、ビジョン、科学研究の各分野で同社史上最高の性能を示し、SWE-bench Proで80.3%、FrontierCode Diamondで29.3%を記録しています。

Fable 5とMythos 5は同一の基盤モデルですが、一般公開版のFable 5にはサイバーセキュリティ、生物学・化学、モデル蒸留に関するリクエストを検知してClaude Opus 4.8に自動転送する安全機構が組み込まれています。Anthropicによると、セッションの95%以上はFable 5自体の応答のみで完了し、転送が発生するのは全体の5%未満です。1000時間を超える社内外のレッドチームテストでは汎用的な脱獄手法は発見されませんでした。

早期アクセスを得た企業からは高い評価が寄せられています。Stripeは5000万行のRubyコードベースで、チームが2か月以上かかる移行作業をFable 5が1日で完了したと報告しました。CursorはCursorBenchで最高性能と評価し、Hexは複雑な分析タスクのベンチマークで初めて90%を突破したと述べています。金融分野ではIMCやOptiver、Balyasnyがトレーディング分析での優位性を認めています。

制限付きのMythos 5はProject Glasswingのサイバー防御パートナーと一部の生物学研究者のみに提供されます。同モデルはExploitBenchで78.0%を記録し、サイバーセキュリティ能力では世界最高と同社は主張しています。生命科学分野では、社内の専門家がMythos 5を用いて創薬プロセスの一部を約10倍に加速し、14のタンパク質標的のうち9件で有望な候補を得たとしています。

価格は入力100万トークンあたり10ドル、出力100万トークンあたり50ドルで、Opus 4.8の2倍ですがMythos Previewの半額以下です。サブスクリプションプランでは6月22日まで追加料金なしで利用可能ですが、6月23日以降は使用クレジットが必要になります。また全Mythos級モデルのトラフィックに対し30日間のデータ保持が義務化され、訓練目的には使用しないとしています。AnthropicとOpenAIの両社がIPOを非公開で申請するなか、高性能モデルの商用展開競争が激化しています。

Microsoft AIのCEOであるムスタファ・スレイマン氏が、The Vergeのインタビューで同社のAI戦略を語りました。OpenAIとの契約を昨年10月に再編し、超知能（Superintelligence）チームを新設。独自のフロンティアモデル開発に本格着手したことを明らかにしています。スレイマン氏は「長期的に第三者のIPに構造的に依存し続けるわけにはいかない」と、自社開発の必然性を強調しました。

Build 2026で発表した推論モデルMAI-Thinking-1は、数学ベンチマークAIMEで97%を達成し、Opus 4.6と同等の性能を示しています。他社モデルの蒸留は一切行わず、独自データとトレーニングで構築しました。スレイマン氏は「教師を超えるモデルを作るには、全コンポーネントを自前で構築する必要がある」と説明。自社チップMaia 200との最適化で、ワットあたり性能を1.4倍に引き上げたことも公表しています。

消費者のAI離れについても率直に言及しました。世論調査で若年層ほどAIへの反発が強まっている現状を認めつつ、「テクノロジーの目的は人々をより健康で幸せにすること。その基準を満たさなければ人々が拒否するのは当然」と述べています。具体的な取り組みとして、全米トップのMayo Clinicと長期提携し、医療用基盤モデルをゼロから共同開発する計画を発表しました。

AI意識をめぐる議論では、Anthropicのアプローチを名指しで批判しました。Claudeの憲法（学習指針）に意識や福利を盛り込むことは「哲学的な失敗」であり、AIに自身の苦痛や権利についての考えを持たせることは「極めて危険」だと指摘。苦痛は本質的に生物学的なものであり、ニューラルネットワークには該当する仕組みが存在しないとの立場を示しました。超知能については「数年以内に到来する」としつつ、自己改善を繰り返す特異点は「数十年先」との見方を明確に区別しています。

2026年6月3日、NVIDIAはデンバーで開催中のCVPR 2026において、自動運転車・ロボット・ビジョンAIの開発を加速する物理AIエージェントスキル群を発表しました。先日公開されたオープン基盤モデルCosmos 3と連携し、シーン再構築から合成データ生成、ポリシー訓練、評価までの断片的だったワークフローを一気通貫で自動化します。すべてのツールはGitHubでオープン公開されています。

自動運転分野では、走行データから編集可能な3Dシーンを生成するNeural Reconstructionスキルや、数千GPUで強化学習を並列実行するオープンソースフレームワークAlpaGymを提供します。さらに320億パラメータの推論型VLAモデルAlpamayo 2 Superは、認識から計画・行動までの全スタックを統合し、レベル4自動運転の開発基盤となります。研究論文LCDriveは、テキスト推論を潜在表現に圧縮することでトークン数を約半分に削減し、車載ハードウェアでの高速推論を実現しました。

ロボティクス分野では、Isaac Sim 6.0とIsaac Labにエージェント対応スキルを統合し、シーン作成からシミュレーション実行、データ取得まで自動化しました。注目すべきは研究論文GraspGen-Xです。20億回のシミュレーション把持データで訓練された初の把持基盤モデルで、未知のグリッパーと未知の物体に対してゼロショットで把持姿勢を生成できます。ロボット開発者がグリッパーごとに訓練し直す必要がなくなるのでしょうか。

ビジョンAIでは、Metropolisスキルが合成異常データの生成や疑似ラベリングを自動化し、外観検査モデルの精度向上を支援します。また、ゲーム環境で訓練した汎用エージェント基盤モデルNitroGenは1,000以上のゲームと4万時間の操作データから学習し、少数データ環境で従来手法比52%の性能向上を達成しました。NVIDIAの物理AIデータセットはHugging Faceで累計1,500万ダウンロードを超え、研究インフラとしての存在感を強めています。

NVIDIAとMicrosoftは、Microsoft Build 2026においてAIエージェント向け統合基盤の大幅拡充を発表しました。Windows端末からAzureクラウド、オンプレミス環境まで、エージェントAIの開発・実行に必要なハードウェアとソフトウェアをフルスタックで提供します。NVIDIAのジェンスン・ファンCEOが台北からサティア・ナデラCEOの基調講演にライブストリームで参加し、両社の協業拡大を明らかにしました。

端末側では、RTX Spark搭載のWindows PCが今秋登場します。1ペタフロップスのAI性能と最大128GBの統合メモリを備え、個人向けAIエージェントの実行に特化した初のPCとなります。Microsoft Surface、ASUS、Dell、HP、Lenovo、MSIから発売予定です。さらにDGX Station for Windowsは、GB300 Grace Blackwell Ultraチップを搭載し最大748GBのコヒーレントメモリと20ペタフロップスのFP4性能で、1兆パラメータ規模のモデルを常時稼働させる企業向けデスクサイドAIスーパーコンピュータです。

クラウド側では、NVIDIAのオープンモデル群がMicrosoft Foundryに統合されます。新たなオープンフロンティア推論モデルNemotron 3 Ultraや、物理AI向け基盤モデルCosmos 3が提供開始となります。Microsoft Fabric Data WarehouseへのNVIDIA GPU統合では、CPU比で最大6倍のSQL実行速度を実現しました。GitHub CopilotにはOpenShellが統合され、エージェントをサンドボックス環境で安全に実行できます。

インフラ面では、Microsoftのウィスコンシン州フェアウォーターAI工場が前倒しで稼働を開始し、数十万台のGrace Blackwellシステムを単一のAI工場として運用しています。次世代のVera RubinプラットフォームもAzureデータセンターへの配備が検証済みで、メガワットあたりの推論スループットを最大10倍に引き上げ、エージェントAIのトークン単価を桁違いに削減します。両社の協業は端末から大規模データセンターまでを一貫してカバーし、エージェントAI時代の基盤を形成する動きです。

NVIDIAは2026年6月2日、金融機関が自社の取引データを活用してトランスフォーマーベースの基盤モデルを構築するための開発者向けテンプレート「Build Your Own Transaction Foundation Model」を公開しました。金融業界では不正検知・与信・レコメンドなど用途ごとに個別のAIモデルを運用してきましたが、サイロ化による非効率が課題となっており、統一的な基盤モデルへの移行が加速しています。

先行事例として、RevolutはNVIDIAと共同で「PRAGMA」と呼ばれる基盤モデル群を構築しました。26カ国・2600万ユーザーの240億件のイベントデータで訓練され、与信スコアリングや不正検知など複数領域で既存の専用モデルを上回る性能を示しています。従来数週間から数カ月かかっていた特徴量エンジニアリングが不要になった点も大きな成果です。

Mastercardは数百億件規模の匿名化された取引データで独自の大規模テーブル基盤モデルを開発中で、不正検知やパーソナライゼーションなど幅広い用途を見込んでいます。Adyenは1兆ドル規模の決済処理に基盤モデルを導入し、強化学習でコンバージョン最大化とリスク最小化を実現しています。Stripeは昨年1120億ドルの不正をブロックし、不正率を平均38%削減しました。

NVIDIAの調査によると金融機関の65%がすでにAIを活用し、42%がエージェント型AIの利用・評価を進めています。今回のテンプレートはAWSのSageMaker HyperPodやNebius AI Cloud上で利用可能で、EXL・Infosys・GFT・Thoughtworksなどのサービスパートナーが導入支援を提供します。既存のパイプラインに統合できる設計のため、ゼロからの再構築なしに基盤モデルの恩恵を得られる点が特徴です。

NVIDIAは6月1日、物理AI向けの世界基盤モデル「Cosmos 3」を発表しました。COMPUTEXのGTC台北で公開された本モデルは、テキスト・映像・画像・音・動作という複数のモダリティを単一モデルで処理し、ロボットや自動運転車、スマート空間が現実世界を理解・予測・行動するための基盤を提供します。