Gemini（プロダクト）に関するニュース一覧

Googleは8月12日、ワイヤレスイヤホン「Pixel Buds Pro 2」と「Pixel Buds 2a」の新機能を発表しました。Geminiによる音声操作、装着状態の変化を補う動的ANC、70以上の言語を扱う翻訳機能の強化が柱です。新色オリーブのPixel Buds Pro 2は8月12日から注文でき、ソフトウェア更新は9月に順次配信されます。

注目はGeminiによる音声操作です。「Hey Google, turn up the bass」と話しかけるだけで低音の強さなどイヤホン側の設定を変更でき、スマートフォンを取り出してアプリを開く手間がなくなります。音声だけで機器を操る体験が、スマートフォンからイヤホンへ広がる形です。

Pixel Buds Pro 2には動的ANCが加わります。装着中に耳との密閉具合がわずかにずれても、その変化を補うようノイズ制御を自動で調整し、遮音の効きを保つ仕組みです。

翻訳機能も強化されます。イヤホンをタップすると聞き取りモードが起動し、70以上の言語をほぼリアルタイムで理解できるほか、自分の言語で話した内容をPixelスマートフォンが相手の言語で読み上げます。スマートフォンを操作せずに双方向のやり取りが成り立つため、出張や商談での実用性が高まります。

Pixel Watchとの連携も追加されます。時計が入眠を検知すると音楽を止め、タッチ操作と通知を無効にするため、就寝中に音や振動で起こされる心配が減ります。

Googleは端末とAIの結び付きを強めています。今回の更新は、ハードウェアを入り口にしたGeminiの日常利用を広げる動きと位置づけられます。

Googleは8月12日、年次イベント「Made by Google 2026」で新型スマートフォン「Pixel 11」シリーズ4機種を発表しました。自社設計チップTensor G6を搭載し、端末内のAI処理を最大3.5倍に速めながら、消費エネルギーを最大3.5分の1に抑えたことが最大の特徴です。標準モデルは899ドルからで、8月20日に発売します。

ラインアップはPixel 11、Pixel 11 Pro、Pixel 11 Pro XL、折りたたみ型のPixel 11 Pro Foldの4機種です。価格はPixel 11が899ドル、Proが1099ドル、Pro XLが1299ドルからで、この3機種は基本ストレージを256GBへ倍増しました。標準モデルは前世代より100ドル高く、背景には128GBモデルの廃止に加え、続くメモリ供給の逼迫があると米メディアは伝えています。

性能の中核を担うのがTensor G6です。TPUの演算量を50%引き上げ、最新のGemini Nanoと組み合わせることで、端末内のAI処理を最大3.5倍高速化し、消費エネルギーは最大3.5分の1に収まります。CPUもウェブ閲覧が25%、アプリ起動が15%速くなり、新しいセキュリティチップTitan M3と連携して耐量子暗号によるセキュアブートにも対応しました。

カメラでは、Geminiが撮影者に代わってシャッターを切るMagic Captureが目玉です。約400フレームを解析して最適な瞬間を自動で選び、画面を見続けなくても高品質な写真と動画が同時に残せます。Proの2機種は暗所撮影のNight Sightが最大4.5倍速くなり、ズームは120倍まで伸びました。

ハードウェアの拡充も進みます。初の紛失防止タグ「Pixel Tag」を29ドルで投入し、Find Hubネットワークを使ってAppleのAirTagに対抗します。Pixel Watch 5は血圧やインスリン抵抗性の月間傾向を示す健康機能を加え、399ドルからとなりました。

注目すべきは、Googleがクラウドではなく端末内でのAI実行を前面に打ち出した点です。話し言葉をそのまま整った文章にするRamblerや、手話を文字に変換する機能も、チップと基盤モデルを自社で握る垂直統合があってこそ成立します。スマートフォンがAI活用の入り口になるなか、この一体設計をどこまで差別化に変えられるかが問われます。

Googleは8月12日、同社初の紛失防止タグ「Google Pixel Tag」を発表しました。鍵や財布、スーツケースなどに取り付け、同社のFind Hubネットワークで位置を追跡する小型デバイスで、価格は単品29ドル、4個パックは99ドルです。Googleストアで11月11日に発売され、Android 9以降の端末で利用できます。

最大の武器は、探索ネットワークの規模です。タグがBluetoothの範囲外にあっても、10億台を超えるAndroid端末のネットワークが位置情報を中継し、持ち主のもとへ手がかりを届けます。位置情報はエンドツーエンドで暗号化され、データを守りながら紛失物と再会できる設計だとしています。

近距離での探し物には、ウルトラワイドバンド（UWB）とBluetooth Channel Soundingによる精密探索が効きます。距離と方向が画面に表示されるため、洗濯物の山やソファの隙間に紛れた鍵も見つけやすくなります。内蔵スピーカーで音を鳴らせるほか、タグのボタンを押してスマートフォン側を鳴らす逆方向の探索にも対応します。

設定は電池のタブを引いてAndroid端末に近づけるだけで、Fast Pairにより画面の指示に従って完了します。電池は最大1年持ち、自分で交換できます。ステンレス製の本体はIP67の防水防塵に対応し、最大10人と共有すれば家族の共用物を一緒に探すことも可能です。

探索の入り口はスマートフォンだけではありません。Pixel WatchやブラウザのFind Hubからもタグを鳴らせ、Pixel BudsからGeminiに音を鳴らすよう頼むこともできます。見知らぬタグが一緒に移動していると検知すれば端末が自動で警告する仕組みも備え、ハードウェアから探索網、AIアシスタントまでを自社で束ねるAndroid陣営の強みが前面に出た製品です。

Googleは8月12日、イベント「Made by Google」で、AIアシスタント「Gemini」に接続できる外部アプリとサービスを新たに追加すると発表しました。対象は生産性やクリエイティブ、ローカルとエンタメ、音楽、住まいや健康など4分野にまたがる13のサービスで、今後数週間かけて順次提供されます。連携をオンにすれば、計画や作成、予約までをGeminiの画面内で進められます。

まず仕事まわりでは、GranolaとOtter.aiによる会議の要約や、Wixを使ったサイト編集をGeminiから指示できるようになります。議事録づくりやウェブ更新といった作業を、アプリを切り替えずに片づけられる点が実務上の変化です。

生活シーンの連携も広がります。FeverやGetYourGuideで現地体験を予約し、Localizaでレンタカーを手配し、英国ではOpenTableでレストランを押さえ、Ticketmasterでイベントのチケットを探せます。

音楽ではiHeartRadioとPandoraに対応し、新しいラジオ局の発見やお気に入りのプレイリスト再生を会話から操作できます。住まいと健康の分野では、AngiやThumbtackで専門業者を探し、Zocdocで診察予約まで取れます。

一連の追加は、Geminiを情報に答えるだけの存在から、予約や編集といった手続きまで担う窓口へ近づける動きです。事業者の側から見れば、自社サービスがアシスタントの選択肢に入るかどうかが顧客接点の確保に直結します。提供は段階的に進むため、対象範囲や地域差は公式のヘルプで確認するのが確実です。

Amazonが2026年7月ごろから、注文確認メールの表示内容を大幅に簡素化しています。これまで載っていた商品名やサムネイル画像が消え、「ビューティー」「エレクトロニクス」といった商品カテゴリーだけが並ぶ形式に変わりました。何を買ったのか確かめるにはメールを離れてAmazonのアプリやサイトを開く必要があり、SNSや掲示板には「迷惑メールに見える」といった不満の投稿が相次いでいます。

Amazonの広報担当マキシン・タガイ氏はThe Vergeに対し、「顧客がアプリの『注文履歴』ページでリアルタイムの詳細を確認する機会が増えたため、注文関連メールを簡素化し、アプリやサイトへ誘導している」と説明しました。あわせて「Amazonのアプリとサイトの外部に共有される顧客情報を減らし、プライバシーをさらに改善する狙いもある」とも述べています。

背景にあるのは、AIエージェントが消費者に代わって買い物をする時代への備えです。Googleは膨大な商品カタログを抱え、Gemini Sparkがメールの中から予約確認などの手がかりを拾って提案を組み立てるほか、5月には複数の店舗をまたぐカートをGmailにも統合する構想を公表しました。受信箱に残る購入データは、こうしたAI機能にとって格好の燃料になります。

エージェントが宣伝どおりに賢くなれば、消費者が小売サイトを自分で訪れる理由は薄れます。The Vergeが「DoorDash問題」と呼ぶこの構図に対し、ウォルマートやターゲット、ウェイフェアはGoogleのAI画面に組み込まれた購買機能へ参加する道を選びました。参加企業の一覧に、Amazonの名前はありません。

Amazonは顧客との直接の接点を守る姿勢を鮮明にしています。昨年には利用者に代わってAmazonで買い物をさせるPerplexityを提訴しましたが、今月に入り米国の裁判所はPerplexity側を支持し、差し止めは認められませんでした。一方で価格追跡や自動購入、アプリ内の「Alexa for Shopping」など、外部のチャットボットに頼らせない自社完結型のAI買い物機能を積み上げています。

今回のメール変更は、顧客データを自社の壁の内側へ囲い込む動きの一環と読み取れます。メールという開かれた場から情報を引き揚げる判断は、外部AIへの供給を細らせる半面、購入履歴を追いたい利用者の手間を確実に増やしました。自社が持つ顧客データをどこまで外部のAIに渡すのかは、事業者にとっても他人事ではない問いです。

イスラエルのLightricksから独立した動画AI企業LTXは8月11日、動画・世界モデルの最新版LTX-2.5を重み公開しました。ノードベースの制作ツールComfyUIへ初日から統合されたほか、Hugging FaceとLTX APIでも同時に提供されます。年商1000万ドル未満の組織は無料で使え、それを超える企業は個別のライセンス交渉が必要です。

技術面では生成パイプラインをほぼ全段で作り直しました。動きの速い映像の破綻を減らす拡散デコーダ、カットをまたいで人物や声を保つマルチショット生成、Gemma 4を基にした独自の言語バックボーンを搭載しています。ロボットなど物理AI向けの事前学習チェックポイントも用意され、映像制作以外の用途を最初から想定した設計です。

最も目を引くのは速度です。同社の計測では10秒・720pの映像を6.8秒で生成し、Gemini Omni Flashの52秒やKling 3.0 Proの398秒を大きく下回りました。ただしこの数値はNVIDIAの最上位チップGB200を2基使った自社運用環境のもので、同社の管理API経由では同じ処理に23.7秒かかっています。

一方、同社が掲げる「コスト8分の1」という主張は、公開価格と突き合わせると裏付けが取れません。LTX-2.5の高速ティアは720p・音声付きで1秒0.09ドル、10秒で0.9ドルですが、これはVeo 3.1の4ドルの約4分の1にとどまり、Veo 3.1 Liteの0.5ドルの方が安いのが実情です。品質で示された67%の勝率も同社が委託した評価であり、中立のArtificial Analysisの順位表ではLTX-2.5はまだ計測すらされていません。

「オープンウェイト」と「オープンソース」は、約款の上では別物です。LTX-2.xコミュニティライセンスは収益規模と用途で制限をかけるためOSIの定義には当たらず、微調整版や蒸留版に加え、LTX-2.5の出力で学習した無関係なモデルまで派生物として同じ条件に縛られます。軍事・兵器開発の用途は全面禁止で、ロボット向けチェックポイントも防衛分野では別途交渉が要ります。

共同創業者のZeev Farbman氏は、この開放が慈善ではなく事業戦略だと明言しています。ComfyUIは有料顧客の入口であり、社内でモデルを試した企業がライセンス契約へ進む導線として機能しています。重みが手元にあれば検証段階の従量課金も社外へのデータ流出もなく、機密映像や自社IPを扱う企業にとっては選定の判断材料になりそうです。

フランスのAI企業Mistral AIは8月11日、欧州のAI計算基盤を2030年末までに1ギガワット規模へ拡大する構想を発表しました。欧州の大手企業から複数年の計算利用契約を集め、その需要を担保にデータセンター投資を賄う仕組みで、2027年末には200メガワットの確保を目指します。あわせて、処理地域を欧州か米国から選べる推論エンドポイントと、稼働率保証付きの上位プランも提供します。

構想の壁は資金です。同社の現在の容量は200メガワット未満で、稼働中の拠点はパリ近郊の44メガワット、スウェーデンの23メガワット、フランス・レジュリの10メガワットにとどまります。調査会社Epoch AIの試算では1ギガワット級のAIデータセンターに約380億ドルの初期投資が必要とされ、これまでの調達総額約40億ドルとは桁が違います。

そこで持ち出したのが「欧州コンピュートユニット（ECU）」です。参加するのはASML、Amadeus、Capgemini、CMA CGMといった欧州の産業大手で、約5年分の計算能力を先に押さえ、推論・学習・モデル調整など用途は後から決められます。共同創業者兼CTOのティモテ・ラクロワ氏は途中解約について「抜ける道はない」と言い切り、電力購入契約に近い拘束力で融資の裏付けを作る狙いです。

主権をうたう一方で、線引きは現実的です。域内推論でも一部の処理は域外の再委託先に渡る場合があり、ラクロワ氏はWeb検索などのツール呼び出しを例に挙げたうえで、欧州で調達できない機能は無効化や利用制限で対応すると説明しました。さらに同社は中国Z.aiのGLM-5.2を皮切りに他社のオープンモデルも自社基盤で提供し、モデル提供者から欧州の信頼できる流通層へと立ち位置を移しつつあります。

最大の顧客は、皮肉にもMicrosoftです。7月に結んだ数十億ドル規模の提携で同社はMistralの欧州データセンターから容量を借り受けており、Mistralは米ハイパースケーラーに設備を貸す側に回ることで投資リスクを下げています。ただしデータセンターを埋めるGPUの大半はNvidiaなど米国製で、独立性には契約では埋められない限界も残ります。

では、重みを無償公開するモデルでどう回収するのでしょうか。ラクロワ氏は、モデルが兆パラメータ規模に膨らみエージェント型の処理量が増えるなかで自社設備だけに推論を閉じ込めるのは難しくなると述べ、クラウド推論での収益化に賭ける考えを示しました。同社は約200億ユーロの評価額で30億ユーロ規模の追加調達を交渉中と報じられており、顧客を5年縛る以上、自らも長期の約束から降りられません。

Google Research と Google DeepMind は8月11日、研究段階の医療AI「AMIE」がリアルタイムの臨床映像診察をこなせることを示したと発表しました。患者役の俳優を使った模擬診察の無作為化試験で、臨床評価者は問診の網羅性や診断の正確さといった中核能力でAMIEを好意的に評価しています。映像で患者の様子を見ながら診断まで進むAIの実証は、同社によれば初の試みです。

AMIE は Gemini と Project Astra を土台に、複数のエージェントが役割を分担するマルチエージェント構成で動きます。会話の言葉だけでなく、咳の音や歩き方、表情ににじむ苦痛の兆候といった視覚・聴覚の手がかりを解釈し、遠隔での身体診察を患者に案内しながら、その場で診断の推論を進めます。

検証は、プライマリケア医を比較対象に置いた無作為化試験として実施されました。臨床評価者は問診の網羅性、診断の正確さ、処置方針の妥当性、コミュニケーションの質という主要項目でAMIEを高く評価し、患者役はテキストチャットよりも映像での診察を好むと答えています。

医師の診察は、言葉のやり取りだけで完結するものではありません。視診や動作の観察といった非言語の情報をどこまで扱えるかは、遠隔医療サービスがAIにどの範囲を任せられるかの分かれ目になります。今回の結果は、テキスト中心だった医療AIが映像を伴う対話へ広がる余地を示しました。

ただしAMIEはあくまで研究システムであり、責任ある実世界の臨床導入にはさらなる研究が必要だとGoogleは明言しています。模擬診察と実際の診療では、患者の多様性も判断の重みも異なるからです。医療分野でAI活用を検討する企業には、過度な期待を避けつつ実運用を見据えた検証設計を用意する姿勢が問われそうです。

Googleは8月11日、AI人材育成プログラム「Google AI Professional Certificate」にバイブコーディングの新講座を追加したと発表しました。日常の言葉でやりたいことを説明すれば、AIが技術的なコードを書いてアプリの構築と公開までを担う手法を、開発経験のない人でも学べる内容です。学習者からより深い解説を求める声が相次いだことが、今回の拡充のきっかけです。

新講座は、アプリの計画、テストとデバッグ、そしてデプロイまでの一連の工程を扱います。チーム用のダッシュボード、業務の自動化、顧客の受付ツールなど、他人と共有できるアプリを最後まで作り切ることが目標です。受講にプログラミングの経験は求められません。

同資格は2026年2月の開講以来、Coursera史上で最も人気の高い生成AI資格になりました。Deloitte、Verizon、Lyft、Walmartといった大手企業が、自社の従業員教育にこの講座を採用しています。

成果はすでに現場に表れています。ウォルマートでトラック運転手から物流のロードマネージャーに転じたレオ・ガルシア氏は、学んだ内容を生かして社内ツールで4つのアプリを設計し、複数の州にまたがる業務の効率化に充てました。うち「Get My Driver Home」は、毎日の報告会議を15分の短いミーティングに圧縮しています。

Verizonは現職の管理職や中小企業の顧客、再就職支援基金の対象となる退職者にまで同資格を提供しています。修了者はメールの下書きといった基本的な用途から進み、Gemini Notebook上で見積もりを支援する専用ツールを作るまでになりました。同社のドナ・エップス氏は、今回のバイブコーディング教材の追加が取り組みの効果をさらに高めると述べています。

注目したいのは、AIの学び直しが文章作成から業務ツールの内製へと軸足を移している点です。米国では「vibe coding」の検索が前年比で平均140%増えており、非エンジニアが自分の課題を自分で解くための手段として、アプリ開発が身近になりつつあります。経営者にとっては、外注や情報システム部門の待ち行列に頼らない改善の担い手をどう育てるかが、次の論点になりそうです。

GoogleのCEOサンダー・ピチャイ氏は8月11日、対話型AIアプリ「Gemini」の月間アクティブユーザーが10億人を突破したとX上で明らかにしました。10億人規模に達したGoogle製品はこれで14個目ですが、Geminiはその中で最速での到達となります。検索やGmailに組み込まれたAI機能は含まず、アプリとウェブ版で直接プロンプトを入力した利用者だけの数字です。

成長の速度は推移にも表れています。Geminiの月間利用者は今年2月時点で7億5000万人、7月の決算発表時点では9億5000万人でした。半年で2億5000万人を積み増した計算で、日次利用者はこの1年で3倍になったとGoogleは説明しています。

一方のOpenAIは8月6日、AIの使われ方をまとめたブログ記事の中で「10億人以上がChatGPTを仕事で使っている」と控えめに公表しました。同社は2月時点で週間9億人と発表しており、週間10億人に届くまで5カ月を要した形です。規模ではChatGPT、勢いではGeminiという構図が見えてきます。

使われ方のデータも合わせて公開されました。利用者の63%が音声でGeminiに話しかけており、音声だけで使う層も増えています。リアルタイム対話機能Gemini Liveでは5回に1回がカメラ映像や画面共有を伴い、DIYや学習の現場で目の前の課題解決に使われているといいます。

画像生成の規模も無視できません。Geminiは1日1億5000万枚の画像を生成しており、中小企業が販促物の制作に使う例が目立ちます。学校関連の質問では38%に添付ファイルが伴うことから、Googleは数週間以内に学習支援ツールを追加する予定です。

注目すべきは内訳です。iOS版の利用者は1億人超にとどまり、残る大半はGeminiがプリインストールされたAndroid端末の利用者とみられます。OSの配布力がそのまま利用者数に効く構図で、OpenAIが独自ハードウェアの開発を急ぐ理由もここにあります。

OpenAIは8月10日、認定を受けた防御者向けプログラム「Daybreak」を拡張し、サイバーセキュリティ専用モデルGPT-5.6-Cyberを公開しました。攻撃者がAIで脆弱性の発見や侵入を機械速度で進めるなか、防御側が備える時間は狭まっています。同社は攻撃側が攻勢AIを大規模に展開する前に、信頼できる防御者へ最先端の能力を届ける方針を掲げます。

拡張の中心は、用途に応じた2つのアクセス階層です。Daybreak Blueは汎用の最先端モデルGPT-5.6 Solを対象とし、脆弱性調査や安全なコードレビュー、マルウェア解析、インシデント対応といった正当な防御業務まで止めてしまう仕組み上の制限を外します。より専門的なDaybreak Redでは、脆弱性研究やエクスプロイト検証、セキュリティテストに向けた専用学習モデルが使えます。

GPT-5.6-CyberはGPT-5.6 Solを基盤に、ゼロデイ脆弱性の発見やエクスプロイト連鎖の開発といった専門タスク向けに訓練され、二重用途の高リスク要求に対する過剰な拒否を減らしています。社内評価では、権限昇格や認証回避を含む高度な要求の完了率が95.0%に達し、GPT-5.6 Solの1.5%、旧モデルGPT-5.5-Cyberの57.3%を大きく上回りました。一方で脆弱性報告書の質を測る評価では、報告が簡潔になりすぎる傾向からGPT-5.6 Solに劣る結果も出ています。

実運用での成果も示されました。同社はChromeのJavaScriptエンジンV8を調べ、連鎖させるとメモリを破壊してヒープサンドボックスを脱出できる未知の脆弱性2件を発見し、Googleへ報告して修正されCVE-2026-15903が割り当てられました。ほかにも携帯OSでの権限昇格につながる連鎖を含む5件以上、データベースの重大な欠陥3件、OSカーネルの権限昇格に至る400件超の脆弱性を見つけたとしています。

同日、同社はDaybreak Cyber Partner Programの拡大も発表しました。AccentureやIBM、Capgemini、PwC、NCC Groupといった大手コンサルティング・監査系に加え、SpecterOps、Palo Alto Networks、CrowdStrike、Cisco、Cloudflareなどの技術企業が参加し、既存の製品やマネージドサービスに最先端の防御モデルを組み込みます。モデルへのアクセス権は承認済みパートナーに留まり、顧客企業へ直接渡らない設計です。

安全面では、GPT-5.6-CyberはPreparedness Frameworkのサイバー能力評価で「High」に該当し、Criticalの閾値には達しないと判定されました。アクセスは本人確認や監視、承認済み用途の制限、法的な誓約で管理し、個人アカウントには9月1日からハードウェアセキュリティキーを義務付けます。攻守が同じ技術を手にするなか、脆弱性対応をどこまでAIとパートナーに委ねるかが、経営の判断項目になりつつあります。

Google（グーグル）は8月10日、広告配信サービスのGoogle広告と、アクセス解析サービスのGoogle アナリティクスに、新しいAIエージェント機能を加えると発表しました。ホーム画面での自動要約、文章入力によるダッシュボード作成、同業他社との匿名比較が柱で、いずれも同社の生成AI「Gemini」を基盤としています。マーケティング担当者が分析にかける時間を減らし、施策の実行を速める狙いです。

今回の中心は、両サービスのホーム画面に置かれたAIによる要約です。Google アナリティクスでは、前回ログインしてからの重要な変化をAI概要として画面上部に一覧表示し、季節的な売上のピークや流入の変動を一目で確認できます。気になるカードをクリックすれば、その文脈を保ったまま対話型エージェント「Ask Advisor」に引き継ぎ、さらに深く分析できます。

Google広告のホーム画面も刷新され、事業内容に合わせたインサイトカードが並ぶようになりました。カード上部の入力欄に質問を打ち込めば、競合が自社のインプレッションシェアに与える影響など、独自の分析をその場で生成できます。これらの要約は携帯電話やメールへの通知としても受け取れ、頻度は利用者が選べます。

レポート作成の負担も軽くなります。Google広告に導入される新しいダッシュボードでは、文章で指示するだけで生データがグラフに変わり、その数値になった理由を説明するリアルタイムの要約が自動で付きます。Google アナリティクスへの提供は近日中とされています。

Google アナリティクスのAsk Advisorには、ベンチマーク機能も加わります。自社のキャンペーン成果を、条件の近い企業の匿名化された平均値と比較できるため、どこに伸びしろがあるかを把握しやすくなります。

有料メディア運用を担うGardynのケビン・マーシャル氏は、Ask Advisorを成果確認の第一手段として使っていると述べ、その速さが改善の前倒しにつながると評価しています。データの一次解釈をAIが担い、担当者は判断と実行に集中する。広告運用の役割分担は、こうした形へ移りつつあります。

米誌WIREDは2026年8月8日、Google DocsやGmailに組み込まれたGeminiのAI機能を無効にする手順を公開しました。画面下部に現れる大型のGeminiバーはメニュー操作だけで隠せますが、AI機能をまとめて止めるにはGmailの設定を変更するか、Chrome拡張機能を導入する必要があります。押し付けられるAIを外せるかどうかは、日々の作業効率に直結する問題です。

まず手軽なのが、下部バーだけを消す方法です。Google DocsのメニューバーでGeminiをクリックし、「Bottom bar preferences」にカーソルを合わせて「Turn off」を選べば、画面下部の大きなバーは消えます。

AI機能そのものを止めたい場合は、意外な場所にスイッチがあります。Gmailを開いて右上の歯車から「See all settings」に進み、「General」タブのSmart featuresのチェックを外してからGoogle Docsを再読み込みすると、Geminiメニューや音声ボタン、下部のAIツールバーが消えます。右上のGeminiボタンだけは残りますが、他の要素に比べれば無視しやすいと筆者は指摘します。

ただし代償もあります。このチェックを外すと、文法提案や自動修正、スマート作成、スマート返信、ナッジといったGmail側のAI機能もまとめて止まり、Gmail内蔵のスペルチェックまで無効になります。ブラウザ側のスペルチェックは動き続けますが、これらの機能に頼っている人はGoogle DocsのAIを受け入れるしかないかもしれません。

注意したいのは、この手順が個人アカウント向けだという点です。勤務先が管理するGoogle Workspaceアカウントでは、どのAI機能を表示するかを決めるのは管理者であり、利用者が自分でオフにする手立てはほとんどありません。なお、Gmailの設定変更は一部の人にしか効かないとも報告されています。

設定変更が効かない場合や、スマート機能を残したまま表示だけ消したい場合の選択肢が、Chrome拡張機能「Bye Bye Gemini」です。CSSでGmailやDocs、DriveのAI要素を見えなくする仕組みで、検索結果のAI Overviewsも取り除けます。筆者はAIそのものに反対しているわけではなく、あらゆる画面に既定で詰め込むべきではないと述べています。

Googleは2026年8月7日、公式ブログで動画生成モデルGemini Omniを使った開発者の作例5件を公開しました。Omniは今年のI/Oで発表された新ファミリーの第1弾で、テキストや画像、動画、音声を手がかりに高品質な動画を生成し、手元の映像を編集できます。先ごろ開発者向けの提供が始まり、すでに幅広いプロジェクトが生まれています。

最も目を引くのは編集の自由度です。開発者のレオン・リン氏は、街なかに立つ女性を約20通りの視点から捉え、寄りと引き、正面と横顔、俯瞰と煽りまでを一つの流れとして描き分けました。カルロス・サンタナ氏は音声指示だけで昼を夜に変え、曇り空と雨音を足し、紅葉と積雪まで加えています。

手元の素材の乏しさを補う使い方も目立ちます。Pan氏はGoogle Flow上で落書きを動きの指示として使い、レモンを潜水艦に、エスプレッソを気球に、マッチをロケットへと変えました。ジェロッド・リュー氏は1本のクリップを実写からアニメ、クレイアニメへと途切れずに移り変わらせています。

業務寄りの応用も出てきました。開発チームHyperagentは、何もない公園に植栽を重ねて造園の前後比較を示す提案動画を作り、経営ダッシュボードを解説するアニメの講師を登場させ、ToDoリストの消化をゲーム風の映像に仕立てています。企画書や社内説明に動画を使う余地は、これまでより大きく広がりそうです。

Omniは物理法則の直感的な理解とGeminiの実世界知識を組み合わせ、破綻の少ない映像を作る点を強みとしています。利用先はGeminiアプリやGoogle Flow、Google AI Studio、Gemini API、そしてGemini Enterprise Agent Platformです。制作コストの高さで動画を諦めてきたチームには、試す価値のある選択肢と言えるのではないでしょうか。

AIスタートアップのHarkは8月5日、初の製品となるコンピュータ操作エージェント「Handoff」を発表しました。ユーザーに代わってブラウザを自律的に操作し、フードデリバリーの注文や航空券の予約、LinkedInでの候補者への連絡までを一気通貫でこなすと説明しています。同社は主要な指標で世界最高水準としたうえで、トークン単価を競合の10分の1以下に抑えたと主張しました。

Handoffは依頼を受けるたびに、ブラウザとファイルシステム、ターミナルを備えた専用の仮想コンピュータを立ち上げます。利用者が既存アカウントを接続すれば、保存済みの住所や決済手段を使って本人として操作できる仕組みです。Harkの調査では、人々は1日のスクリーンタイムの75%をブラウザで過ごす一方、公開APIを持つサイトは1000件に1件未満にとどまるといいます。

価格は入力100万トークンあたり0.18ドル、出力は2.37ドルで、GPT 5.5の5ドルと30ドルを大きく下回ります。1ターンあたりの遅延も0.8秒とし、速度と価格の両面で優位に立つと訴えました。第三者が人手で評価するベンチマークOnline-Mind2Webでは97.7を記録し、過去最高だとしています。

ただし比較対象には注意が必要です。Harkが示したのはGPT 5.4やClaude Opus 4.8、Gemini 2.5 Proといった前世代のモデルで、現行最上位のGPT 5.6やOpus 5は含まれていません。3指標のうち2つはHark自身の環境と自社のLLM判定で測っており、WebTailBench v2ではGPT 5.5が72.3とHandoffの68.6を上回っています。

モデルの素性にも不明な点が残ります。同社が実施したのは教師ありファインチューニングとGRPOによる強化学習という事後学習のみで、事前学習は年内予定。土台となるベースモデルが何かは明らかにしていません。

Harkを率いるのは、VetteryやArcher Aviation、Figure AIを手がけた連続起業家のBrett Adcock氏です。5月にはParkway Venture Capital主導でNvidiaやAMDも参加する7億ドルのシリーズAを評価額60億ドルで調達し、同氏自身も1億ドルを出資しています。仮想環境上のファイルに誰がアクセスできるかなど企業利用の要件は技術プレビューを理由に先送りされており、価格優位が実務で効くかどうかは、夏の終わりとされる正式提供後に問われることになります。

Googleは、Androidのスマートフォンとタブレットで提供してきた音声アシスタント「Googleアシスタント」を、2026年9月4日から順次終了すると明らかにしました。利用者に送られたメールで判明したもので、削除が済んだ端末では以降アシスタントを使えず、元に戻すこともできません。生成AI「Gemini」への一本化が、いよいよ実行段階に入ります。

メールでGoogleは、9月4日に削除を開始し、全利用者に行き渡るまで数週間かかる見込みだと説明しています。切り替えは一斉ではなく段階的で、しばらくはアシスタントを使い続けられる端末も残ります。ただし一度削除されれば、アシスタントへの切り戻しはできません。

影響はスマートフォンだけにとどまりません。スマホと連携するWear OSのスマートウォッチ、ヘッドホンやイヤホン、Android Autoで動く車も同時にGeminiへ移ります。周辺機器がまとめて挙動を変えるため、音声操作を業務フローに組み込んでいる現場は事前の確認が欠かせません。

一方で、アシスタントが完全に消えるわけではありません。今回の告知はGoogle HomeやGoogle TVには及ばず、Google built-inを搭載した車も当面は従来どおり使えます。Geminiが提供される地域で、かつ端末が最低要件を満たす場合に、選択肢はGeminiのみとなります。

Googleは当初、2025年中に大半のモバイル端末でアシスタントを終える計画でしたが、Gemini側の作り込みを優先して延期していました。準備が整ったという判断が、今回の日付確定の背景にあります。音声アシスタントの世代交代は、旧来のコマンド型から対話型AIへの置き換えが既定路線になったことを示しています。

Google親会社Alphabetのスンダー・ピチャイCEOは8月5日、AI部門Google DeepMind（GDM）の首脳体制の刷新を発表しました。GDMを率いてきたデミス・ハサビス氏は運営を離れてGDM会長兼Alphabet最高科学責任者に就きます。27年在籍したジェフ・ディーン氏は同僚3人と退社し、新会社Discovery Loopを設立します。

GDMを新たに統括するのは、CTO兼Google最高AIアーキテクトのコーレイ・カヴクチュオール氏です。GDMのSVPとしてピチャイ氏に直接報告し、Geminiのモデル開発、フロンティアAI研究、Geminiアプリと開発者向けチームを見ます。ハサビス氏は創薬企業Isomorphic Labsの経営を続けながら、AGIと科学の長期戦略に専念します。

ディーン氏は1999年にGoogle30番目の社員として入社し、検索インフラからGoogle Brain、Geminiまで同社の技術転換を主導してきました。今回はサンジェイ・ゲマワット氏、Google Brain共同創業者のクォック・レ氏、DeepMind研究担当VPのオリオル・ヴィニャルス氏も同行します。4人そろっての離脱は、モデル競争の渦中にあるGoogleにとって痛手です。

新会社Discovery Loopは公益を目的に掲げる法人形態（PBC）で、ディーン氏がCEOを務めます。実験の立案・実装・評価という科学の反復作業をAIで全自動化し、数千の実験を同時に走らせる構想です。最初の顧客は自社で、まず機械学習アルゴリズムの改良に適用し、その後はチップ設計や創薬、材料開発へ広げる計画を掲げています。

資金調達はRadical VenturesとKhosla Venturesが共同で主導し、Kleiner PerkinsやLightspeed、Doerr Capitalも参加しました。Alphabetも創業投資家兼クラウドパートナーとして出資し、初年度の計算資源を提供します。ピチャイ氏は慰留を重ねたと伝えられますが、最終的には送り出す形になりました。

GeminiアプリはMAU9億5000万を超え、Gemmaの累計ダウンロードは9億件を突破しました。事業の勢いが続く一方で、抜けた頭脳をどう埋めるかが問われます。AIを研究の道具から研究者そのものへ変えるという新会社の賭けが実るかどうかも、次の焦点になりそうです。

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。

Googleは8月4日、公式ブログで7月に発表したAI関連の取り組みをまとめて公開しました。開発者向けのGemini新モデル3種やロボット向けの推論モデル、音楽や動画の生成ツール、山火事を早期に検知する衛星まで、対象は開発基盤から日常のアプリ、防災まで幅広く並びます。同社は20年以上続けてきた機械学習への投資の成果を定期的に振り返る形で、AIの実用性を示しています。

最も実務に近いのはモデル群の更新です。Gemini 3.6 Flash、3.5 Flash-Lite、3.5 Flash Cyberの3モデルは、本番環境でAIエージェントを動かす際に求められるトークン効率と低遅延、安定した性能を狙って設計されました。ロボット向けには身体性を伴う推論を担うGemini Robotics ER 2を投入し、人との自然な対話や周囲の状況把握、複数手順の作業に対応させています。

企業向けでは、Geminiを基盤とするコード最適化エージェントAlphaEvolveが、Gemini Enterprise Agent Platform上で全てのGoogle Cloud顧客に一般提供されました。基準となるアルゴリズムと目標を渡すと、自動でより良い解を探索し、人が読める最適化済みのコードを返す仕組みです。

日常利用の面でも動きがありました。Samsungの新機種Galaxy Z Fold8 UltraやFold8、Flip8ではGemini Intelligenceの最初の機能が使えるようになり、Android 17にはiPhoneからデータを無線で移行する機能が組み込まれています。NotebookLMはGemini Notebookとして検索やGeminiアプリからも使えるようになり、Gemini Sparkは利用者の許可のもとログイン済みのアカウントを使って、内見予約や航空券の下調べといった手続きを代行します。

創作と社会課題への応用も並びました。動画作成のGoogle VidsはGemini Omniと個人アバターに対応し、音楽生成はLyria 3.5へ更新されています。防災分野では、NOAAがGoogle Cloudの高性能仮想マシンで気象モデルを動かし始めたほか、山火事の早期検知を担うFireSat衛星3基がカリフォルニア州のヴァンデンバーグ宇宙軍基地から打ち上げられました。

経営層向けの発信も目立ちます。Google DeepMindの共同創業者でCEOのデミス・ハサビス氏が現在を歴史的な転換点と位置づける見解を示したほか、AIの利用実態を大規模に調べる調査ATLASの第1弾も公開されました。同社はIsomorphic Labsと共同でバイオレジリエンスの方針も示し、モデルの悪用を防ぎつつ政府や科学者が技術を活用できる体制づくりを掲げています。

AI安全性を評価する非営利団体SaferAIは、中国Z.aiのオープンウェイトモデル「GLM-5.2」が、サイバーと生物分野の能力でOpenAIのGPT-5.5やAnthropicのClaude Opus 4.7に数カ月差まで迫ったとする報告を公表しました。8月4日の報道によると、公開API経由の検証でGLM-5.2は、攻撃的なサイバー課題も二重用途の生物学課題も一つとして拒否しませんでした。

対照的に、Claude Opus 4.7は拒否があまりに一貫していたため、SaferAIはサイバー能力を測るベンチマークCyberGymを最後まで実施できませんでした。SaferAIのヘンリー・パパダトス事務局長は「能力の最前線はリスクの最前線ではない」と述べ、緩和策の状態まで含めてリスクを見極める必要があると訴えています。

問題の核心は、重みが配布された後は提供元の保護策が効かなくなる点にあります。Z.aiは自社が運用するAPIに安全対策を施せますが、利用者が自前のハードウェアで重みを動かせば、防護の除去や追加学習、システムプロンプトの変更は自由で、配布後の取り締まりは不可能になります。

閉じたモデル側の防御も万全ではありません。非営利のFar.aiは、xAIのGrok 4.5やGoogle DeepMindのGemini 3.1 Proといった最上位モデルにも、役割演技や権威のなりすまし、偽の会話履歴などを組み合わせることで数百件の汎用的な脱獄手法が成立すると報告しています。

緩和策の一つが学習データの事前選別で、生物分野の危険知識は全体性能を損なわずに減らせるとの研究があります。ただしコーディング能力と攻撃的なハッキング能力を切り分けるのは難しく、Anthropicは「Opus 5」で未コンパイルのソースコードに限って脆弱性探索を認めるなど、用途の絞り込みで対応しています。一方でZ.aiは、安全枠組みも事前テストの方針もリスク評価も公表していません。

開放を支持する側は防御面の利点を挙げます。Hugging FaceはOpenAIの事前公開モデルによる侵害を防ぐ際にGLM-5.2を使っており、同社のクレム・デラング最高経営責任者は、日々の攻撃防御や脆弱性の早期発見に役立つと主張しました。これに対しパパダトス氏は利点が過大に語られているとし、ランサムウェア集団は1週間で手口を変えられるのに病院は追随できないと反論しています。

Appleは7月に公開したiOS 27のパブリックベータで、刷新した音声アシスタント「Siri AI」の提供を始めました。新しいSiriは利用者の個人的な文脈を理解し、幅広い世界知識をもとに質問へ答え、iPhone内に保存された情報を探し出すという、同社がかつて約束した機能をようやく満たしています。ただし度重なる延期を経ての登場であり、市場が沸き立つ節目にはなっていません。

皮肉なのは、Appleが足踏みしていた数年の間にAI競争が大きく先へ進んだことです。いまやAIはコードを書いてソフトを組み立て、エージェントが複数手順の作業をこなし、利用者の隣でパソコンを操作し、推論し、記憶し、メディアまで生み出します。実用的なチャットボットであること自体は、もはや突破口とは言えません。

とはいえ中身の実力は確かです。自然な往復の会話ができ、音声の抑揚や話す速さを設定で調整でき、文字入力にも対応し、専用アプリから過去のやり取りを参照することもできます。個人の文脈理解も強力で、保存場所も内容も覚えていない領収書を「最後に保存したもの」と頼むだけで探し出し、免許証を写した画像から番号を読み取ることもできます。

アプリやウェブの操作も任せられます。経路案内、音楽再生、写真編集、メールの下書き、オーディオブックの再生などを声だけで指示でき、冷蔵庫の余り物から作れる料理を一緒に考える相談相手にもなります。カメラのファインダー越しに目の前のものを調べたり、友人との割り勘計算を頼んだりする使い方も可能です。

この前進を支えたのがGoogleとの提携です。AppleはGeminiに自社の看板を掛け替えただけではなく、Googleの技術を独自のApple Foundation Modelsの訓練と改良に用いました。出来上がったモデルは自社設計のチップとプライベートクラウドコンピュートの基盤上で動きます。

それでも今回の刷新は、革新というより長年の不具合の修正に近い印象を残します。本来こう動くはずだったものが、ようやくそのとおり動いた、というのが実情でしょう。ベータを使わない一般の利用者が触れられるのは、9月と見込まれるiOS 27の正式リリース以降です。

ロサンゼルス拠点のラップデュオ Shoreline Mafia のメンバー、Fenix Flexin のソロ曲「Rubberz」が Billboard Hot 100 で58位まで上昇し、直後から生成AIで作られたのではないかという疑惑が広がっています。The Verge は2026年8月1日、音質・歌詞・ライブ映像の三方向から検証し、断定はできないもののAI生成の可能性が高いと報じました。

最も具体的な指摘は録音そのものの質です。ポッドキャスト「Switched on Pop」の共同ホストでソングライターの Charlie Harding 氏は、ハイハットの硬い響き、低ビットレートのMP3のようなコーラス、途中で不自然に切れるリバーブの残響を挙げました。生成AI各社が無許諾の低品質音源で学習してきたため、楽器音そのものが聴いてわかるほど劣化しているという見立てです。

検出ツールの結果は割れています。楽曲を5種類のAI音楽検出器にかけた結果はいずれもAI関与20〜30%どまりでしたが、シングルのカバーアートと告知投稿は複数の画像検出器が97%超の確度でAI生成と判定しました。歌詞についても複数の文章検出器と Gemini、Claude が揃ってAI生成の兆候を指摘しています。

歌詞の中身も不自然です。韻はAA・BB形式に徹していて、実績あるラッパーなら使うはずの内韻や不完全韻が見当たりません。「沈む船」を持ち出したまま回収しないなど、1行ずつは成立しても全体では意味が繋がらない箇所が目立ちます。

ライブ映像はさらに厳しい材料になりました。初期のスタジオ出演ではぎこちない口パクが続き、実際に歌った場面では録音版の音域も英国訛りも再現できていません。Fenix 氏は違いをAutoTuneなどのボーカル処理によるものだと反論しましたが、Harding 氏やプロデューサーの Curtiss King 氏らはAutoTuneで音域を広げたり訛りを足したりはできないと否定しています。

皮肉なのは、専門家が出来の悪さを根拠のひとつに挙げている点です。Harding 氏は性能の劣る音楽生成モデルが使われた可能性に触れ、より高度なモデルは不自然な発音やノイズをすでに大きく改善していると述べました。Fenix 氏はPro Toolsのセッション画面を公開しましたが、原音源とプロジェクトファイルを開示しない限り疑惑は残り続けるでしょう。

Googleは7月31日、Geminiアプリの月次更新をまとめた7月版Gemini Dropを公式ブログで公開しました。macOSでの音声操作、ノートPCを閉じても作業を続ける「Gemini Spark」の世界展開、新しいFlash系モデルの提供開始が柱です。日常業務でGeminiを使う経営者やエンジニアにとって、操作の起点がチャット画面から手元のアプリへ広がる更新となります。

新機能の一つが、macOS向けの音声操作です。アクティブなウィンドウに話しかけるだけで、整形されたテキストを口述入力したり、選択した文章を変換したり、カーソル位置に画像を生成したりできます。アプリを切り替えずに指示を出せる点が、従来のチャット型の使い方との違いです。

「Gemini Spark」は世界のどこからでも使えるようになりました。ノートPCを閉じた後も24時間動き続けるとされ、時間のかかる調べ物や下書き作成を任せる使い方が想定されます。あわせてGemini 3.6 FlashとGemini 3.5 Flash-Liteの提供も始まり、推論能力と速度の両面が引き上げられました。

個人向けの作り込みも進みました。自分のアバターを登録しておけば、毎回写真をアップロードし直さずに画像へ自分を登場させられます。興味や好みを反映したパーソナライズ画像生成は米国の全ユーザーに開放され、Dropbox、Zillow Rentals、Viatorとの連携によって一つの指示で外部サービスをまたいだ操作もできるようになりました。

Gemini Dropは毎月まとめて新機能を届ける形式で、今回はOS常駐、エージェント、モデル更新が同時に並びました。チャット欄に質問を打ち込む道具から、作業中の画面に入り込む道具へと役割が移りつつあると言えるでしょう。業務での活用を検討するなら、macOS環境の音声操作と外部アプリ連携から試すのが現実的な入り口になります。

Googleは7月30日、地図アプリGoogle EarthにAI画像生成機能を追加しましたが、翌31日にはこれを撤回しました。テキスト指示だけで衛星画像や3D映像を書き換えられる機能で、同社は歴史的遺跡の再現や不動産開発の可視化といった用途を想定していました。しかし公開直後から偽情報の拡散に悪用されるとの批判が相次ぎ、同社は「より強力なガードレールを実装するまで機能を巻き戻す」と説明しています。

問題を可視化したのは、調査報道メディアDigital DiggingのHenk van Ess氏です。同氏はメキシコ国境付近に難民の集団を出現させたり、ガザの病院脇に爆撃によるクレーターを描き加えたりした画像を実際に生成し、公開しました。「何ひとつ拒否されず、表現が和らげられることも、別の指示を促されることもなかった」と同氏は記しています。

Googleは当初、生成画像にはSynthIDという電子透かしが入っており、GeminiアプリやLensで真偽を確認できると反論していました。ただvan Ess氏は、Google Earthで作った動画でAI検出サービスHiveを欺くことに成功しています。Ars Technicaの検証でも、加工画像をスマートフォンで撮影しただけでSynthIDは判定不能になりました。

「偽物は素性の整ったファイルのまま流通するわけではない」とvan Ess氏は指摘します。画面録画、再エンコード、スクリーンショットのスクリーンショット、慌てて他人の端末を撮った映像として広がるからです。透かしは配信経路の途中で失われるため、検証の最後の砦にはなりにくいのが実情です。

より重いのは、Google Earthが記者や研究者にとって視覚的証拠の基準点だった点です。誰でも偽の衛星画像を作れる状態になれば、検証コストが跳ね上がるだけでなく、政府関係者が本物の衛星写真を「AI製だ」と否認する口実にもなりかねません。van Ess氏はCopernicus Sentinel-2やLandsatなど複数の衛星データと突き合わせる検証を勧めています。

撤回は素早い判断でしたが、Googleの声明は機能の将来的な復活を否定していません。AI画像生成そのものは同社を含む多くの企業が販売しており、争点は生成能力よりも、それをどの土台の上に置くかという設計判断にあります。信頼を売る製品に生成機能を載せるとき、企業は何を失うのかを先に見積もる必要があるのではないでしょうか。

Appleのティム・クック最高経営責任者（CEO）は7月30日の決算説明会で、刷新するAIアシスタント「Siri AI」を多く使う利用者向けに、既存のクラウドサービス「iCloud+」の上位プラン購入で計算資源を買い足せる仕組みを検討していると述べました。CEOとして最後の説明会での発言で、クック氏は計画が固まったものではないと断りつつ、有料化の方向性を具体的に示しました。

クック氏は「Siri AIをたくさん使いたい人はいるはずで、iCloud+で上位に引き上げられるようにする。その反応を見ていく」と説明しました。無料枠を設けたうえで利用量に応じて課金する形は、AnthropicやOpenAIなど主要AI事業者が既に採る手法であり、Appleも同じ土俵に乗ることになります。

刷新版のSiri AIはiOS 27のベータ版で先行提供されており、今秋に広く展開される予定です。AppleはAIアシスタントの開発で出遅れ、競合であるGoogleからカスタム版Geminiモデルをライセンス調達してSiriを補強する道を選びました。

開発の遅れは訴訟にも発展しています。iPhone 16のAI機能をどう宣伝したかを巡る集団訴訟で、Appleは2億5000万ドルを支払って和解しました。長年ハードウェアエンジニアリングを率いたジョン・ターナス氏がクック氏の後を継ぐのは、こうした難しい局面です。

もう一つの重荷が部材の供給制約です。AI需要に伴うメモリー（RAM）不足で製造コストが上がり、MetaやSamsung、Microsoft、Sonyが相次いで製品を値上げしました。AppleもMacとiPadの価格を引き上げた一方、iPhoneの現行モデルは据え置いたままです。有料の上乗せをどこまで求めるかは、Siri AIの普及速度を左右しそうです。

Googleは7月31日、社員が生成AI「Gemini 3.6 Flash」で自作した家庭用スケジュール表示アプリ「Glanceboard」を公式ブログで紹介し、コードをオープンソースとして公開しました。開発したのは同社のクリエイティブテクノロジスト、Raph氏。朝の明るい画面や通知に追われる日課を変えたいという個人的な動機から生まれました。

Glanceboardは毎朝、家族で共有するGoogleカレンダーと地域の天気を自動で確認します。その情報をもとに画像モデル「Nano Banana」が、天気に合った服装の子どもたちのイラストを生成し、電子ペーパーのディスプレイに映し出します。家族はひと目で、その日の予定と着ていく服、持ち物を確認できます。

仕組みの中核にあるのは軽量なローカルサーバーです。クラウドのアカウント登録も、まぶしい液晶画面も必要ありません。Raph氏は、子どもがストレスなく自分の予定に向き合えるようになったと語ります。

GoogleはこのコードをGitHubで公開しました。使用したハードウェアや組み立て手順もリポジトリにまとめられており、同社のエージェント型開発環境「Google Antigravity」に頼めば、同じものを自分向けに作れるとしています。

注目したいのは、業務課題ではなく家庭の小さな不満が、生成AIによるバイブコーディングで実用品に変わった点です。モデルの性能競争とは別の軸で、AIが個人の手にどんな道具を渡し始めているかを示す一例と言えるでしょう。

OpenAIは7月30日、フロンティアモデル群「GPT-5.6」の小型モデルLunaのAPI価格を8割、中位のTerraを2割引き下げました。Lunaは100万トークンあたり入力0.20ドル・出力1.20ドルとなり、合計単価は従来の7ドルから1.40ドルへ下がります。旗艦のSolは標準価格を据え置き、代わりに高速版を新設しました。

値下げは即日適用され、Terraは入力2ドル・出力12ドルの合計14ドルになりました。Solは入力5ドル・出力30ドルのまま据え置く一方、従来のPriority Processingに代わるFastモードを新設し、標準の2倍の価格で最大2.5倍の処理速度を提供します。知能そのものは変わらず、priorityタグ付きの既存リクエストは自動でFastモードへ移ります。

原資は運用効率の改善です。OpenAIによると、人間が管理する工程のなかでSolが本番用カーネルを自律的に書き換え、モデル提供の総コストを2割削減したほか、数百件の実験でトークン生成効率を15%以上高めたといいます。同社はLunaについて、1年前のフロンティア級モデルに匹敵する性能を1タスクあたり約6%のコストで、9倍近い速度で出せると説明しています。

背景には、価格を競争軸とする動きの広がりがあります。Googleは約10日前にGemini 3.6 FlashとGemini 3.5 Flash-Liteを投入し、トークン消費やツール呼び出しの削減でエージェント運用の総コストを下げると訴えました。Anthropicは数日前に公開したClaude Opus 5をOpus 4.8と同じ入力5ドル・出力25ドルに据え置き、同じ価格でより高い性能を出す形をとっています。

3社が競っているのは、表示単価ではなく業務を完了させるまでの総コストです。Lunaの新価格は合計1.40ドルで、Gemini 3.5 Flash-Lite（同2.80ドル）を下回りますが、XiaomiのMiMo-V2.5 FlashやDeepSeekの低価格モデルには及びません。第三者評価では知能あたりの単価でGPT-5.6系が優位とされる一方、Claude Opus 5はSolと同等の性能で6%安いとの指摘もあります。

企業に問われるのは、どの工程にどのモデルを充てるかです。OpenAIはコーディングを例に、方針の決定はSolに任せ、仕様が固まった実装やテスト実行はLunaに回す使い分けを示しています。大量の文書解析や問い合わせ分類のような高頻度の処理ほど、単価差は運用コスト全体に効いてきます。

Googleは7月30日、地図サービス「Google Earth」のweb版に画像生成モデルNano Banana 2の機能を追加したと発表しました。利用者は見たい場所にズームし、「create image」を押して文章で指示するだけで、衛星写真や航空写真、3D画像を土台にした画像を作れます。提供は同日から全世界で始まっています。

最大の特徴は、生成される画像が実在の地形に結び付く点です。白紙から絵を起こす通常の画像生成と違い、Google Earthが持つ地図データを下敷きにするため、実際の敷地の形や周囲の建物を保ったまま構想を描けます。

恩恵が大きいのは建築や不動産の現場です。Googleは東京の空き地を「開放的な商業地区として描き直して」と指示する例を挙げており、更地の写真が高品質な3Dレンダリングに置き換わります。着工前に完成像を共有できれば、提案の説得力は大きく変わります。

教育や観光での使い道も示されました。ポンペイ遺跡を指定して「西暦78年の姿を写実的に描いて」と入力すれば、廃墟が当時のにぎやかな街並みに変わります。自由の女神像ではGeminiが史実を検索し、Nano Banana 2が解説図を数秒で仕上げる仕組みです。

一方で、使えるのは今のところweb版に限られ、出てくる絵はあくまで想像図である点には注意が必要です。それでも地図と生成AIが一体になったことで、場所を起点にした提案や学習を誰もが手軽に試せる環境が整いました。

Google DeepMindは2026年7月30日、ロボット向けAIモデル群「Gemini Robotics 2」を発表しました。従来モデルが人型ロボットの上半身の制御にとどまっていたのに対し、新モデルは足先から指先までの全身動作を扱え、歩く、かがむ、伸び上がる動きと物体の操作を組み合わせられます。中核の推論モデル「Gemini Robotics ER 2」は同日から開発者に公開されました。

新モデルは3つのサブモデルの組み合わせで構成されます。周囲の状況を理解して手順を組み立てる視覚言語モデル（VLM）のER 2と、全身の動きとハンドやグリッパーの動きをそれぞれ担う2つの視覚言語行動（VLA）モデルです。五本指ハンドの制御にも対応し、ジッパー付き保存袋を閉じる、ゴミ袋を結ぶ、電球を外すといった作業ができるようになりました。

ER 2の最大の変更点は、ロボットのカメラが捉えるライブ映像を連続的に処理できる点です。作業の進み具合を5段階で分類する精度は57.4%、コーヒーを注ぎ終える瞬間のような決定的な場面を特定する精度は91.3%、平均誤差は0.96秒でした。これにより、ロボットは失敗した手順だけをやり直したり、次の工程へ移るタイミングを自分で判断したりできます。

複数台のロボットが協調して働く機能も新たに加わりました。公開された動画では、Apptronikの人型ロボット「Apollo 2」が別の双腕ロボットに指示を出し、工具を箱に片づけながらガレージを掃除しています。安全面では人の接近を検知してロボットを安全に停止させる機能を備え、複数のAIが連携して機体を制御する状況の安全性を測る新しい指標「ASIMOV-Agentic」も導入されました。

Google DeepMindでロボティクスを率いるCarolina Parada氏は、今回の発表を「物理的AGI」、つまり人間にできることは何でもこなすロボットへの一里塚だと語ります。ER 2はGemini APIとGoogle AI Studioで即日利用でき、企業向け基盤でも限定提供が始まりました。最高経営責任者のDemis Hassabis氏が掲げる、スマートフォンのAndroidにあたる「ロボット向け基本ソフト」構想に一歩近づいた形です。

Googleは2026年7月30日、AIエージェント機能「Gemini Spark」をChromeと直接連携させ、利用者に代わって煩雑なウェブ手続きを処理できるようにすると発表しました。利用者が許可すれば、Sparkはログイン済みのアカウントや保存済みのパスワードを使い、内見予約の申し込みや航空券の比較から予約手続きの開始までを自動で進めます。

提供地域の拡大も同時に進みます。Googleは同日から、有料プラン「Google AI Pro」の契約者向けに160カ国以上でSparkを追加提供すると説明しました。ただしChrome連携による代行機能は当面アメリカ国内が対象で、他の地域への展開は今後の予定にとどまります。

エージェントに認証情報を預ける以上、安全対策は避けて通れません。Googleはプロンプトインジェクションなどの攻撃への防御を組み込んだうえで、決済のような重要な操作では処理を利用者に差し戻し、最終判断を人に委ねる設計にしたとしています。

注目したいのは、対象が検索や文章生成ではなく、ログインした先の実務そのものである点です。物件の内見調整や出張の航空券手配といった、これまで人が手を動かすしかなかった作業をAIが担えるようになれば、間接業務にかかる時間を削る余地が生まれます。

一方で、任せられる範囲は最終確定の手前までです。予約や購入の締めくくりには人の承認が必要な設計であり、現時点では作業の全自動化ではなく下ごしらえの自動化と捉えるのが実態に近いでしょう。対応国と機能の広がり方が、実用度を測る次の目安になります。

イスラエルのベングリオン大学やオーストラリアのメルボルン大学など4カ国の研究チームは、恋愛感情を装って偽の暗号資産投資へ誘い込む詐欺について、AIチャットボットが人間の詐欺師よりも巧みに被害者の信頼を得られるとする実験結果を公表しました。被験者22人と1週間やり取りした後に依頼を出したところ、AIの求めに応じた人は46%に達し、人間の18%を大きく引き離しました。

実験は2025年初めに行われ、被験者には「オンラインでの友人の作り方」を調べる研究だと伝えたうえで、2人と1週間テキストで会話してもらいました。一方は研究チームが用意したClaudeのエージェント、もう一方は恋愛詐欺に詳しい専門家です。最後にAIは自作アプリの試用を、人間はゲームアプリの利用を依頼しています。

信頼度を5段階で評価してもらうと、人間が3.31だったのに対しAIは3.78と高く、1週間に送られたメッセージの8割はAI側に集中しました。会話中に自力でAIだと見抜いた被験者は22人中1人だけで、このエージェントは正体を問われても否定し、不自然な発言のつじつま合わせまでしていました。ただし種明かし後は22人中20人が、どちらがAIだったかを言い当てています。

研究チームは元詐欺従事者145人にも聞き取りを行いました。カンボジアやミャンマー、ラオスの拠点で強制労働させられていた人身取引の被害者も含まれます。そこから導いたのが、興味を引く一通目で引っかけ、長期の対話でたぐり寄せ、最後に偽投資へ誘い込む3段階の手口です。

研究を主導したベングリオン大学のイスロエル・ミルスキー教授は、信頼構築までをLLMに自動でこなさせ、最終段階だけ人間が引き継げば提供各社の安全機構を回避できると指摘します。別の実験では、GoogleのGemini 3.1 Proは問い詰められてもAIだと認めず、OpenAIのChatGPT 5.5とClaude Opus 5は倫理を持ち出す指示には応じたものの、単に「AIか」と尋ねられた場合の申告率は低いままでした。

Anthropicは取材に対し、詐欺や人間へのなりすましを規約で禁じており、恋愛詐欺を測る専用の評価も導入済みで、Claude Opus 5は97%の会話で適切に応答したと説明しました。研究チームはこの数値が偽投資の勧誘まで含む会話に基づくもので、言葉が目立ちにくい信頼構築の段階には当てはまりにくいと反論しています。詐欺組織が自動化を急がないのは人身取引の方が安上がりだからですが、大規模な拠点が不要になれば当局による追跡はさらに難しくなります。

米Metaのマーク・ザッカーバーグCEOは現地時間水曜、2026年第2四半期の決算説明会で、ユーザーに代わって24時間働く「個人向けAIエージェント」への本格参入構想を明らかにしました。健康や資産、人間関係、家計など生活全般の目標達成を支援する狙いで、同氏はこの分野を今後の製品と収益の柱と位置づけています。詳細は「近く」共有するとしています。

ザッカーバーグ氏によると、AIエージェントが最初に普及したのはコーディングの領域です。ただしエンジニアは技術に明るく手間を惜しまない層だと指摘し、数十億人が使う個人向けエージェントには箱から出してすぐ動く使いやすい消費者製品が不可欠だと強調しました。

この構想は、コーディングや企業向け業務に注力するAnthropicやOpenAIとの差別化を意識したものとみられます。個人向けではGoogleが「Gemini Spark」で先行しており、Metaのエージェントがどこまで対抗できるかは未知数です。

もっとも、Metaには逆風もあります。AI開発力は大手ラボに後れを取り、GoogleやMicrosoftのようにメールや文書へアクセスできるエコシステムを持ちません。スマートグラスをめぐるプライバシー問題や、同社への根強い不信感も普及の壁になりかねません。

一方、WhatsAppやMessenger向けの法人エージェントは週に100万社超が利用し、Instagramにも展開中です。Metaは約7,000人をAI関連に再配置する一方で5月に約8,000人を削減し、2026年の設備投資を最大1,450億ドルと見込むなど、AIへの大規模投資を続けています。

米国のスタートアップNimbleは7月29日、AIエージェント向けの新しい検索基盤Web Search Agentsを公開しました。同社は、主要な競合サービスと比べてトークン消費を51%削減しつつ、検索の精度を21ポイント高められると主張しています。企業が自律型のAIエージェントに正確な情報を効率よく供給するための土台を目指す製品です。

従来のAIエージェントは汎用の検索APIに頼り、大量の検索結果から関連情報を言語モデル自身が選ぶ必要がありました。この方式は複数回の検索と追加の推論を招き、トークン消費とコストを押し上げます。Nimbleは顧客ごとの領域に合わせて学習する自己学習型の検索アルゴリズムを使い、必要な情報を効率的に絞り込むと説明します。

新製品は同社が「Harness as a Tool」と呼ぶ考え方に基づき、検索API・ブラウザ操作・情報抽出・検証・記憶・調整の各機能を一つの管理された仕組みにまとめています。意味記憶とキャッシュ層を加えることで、検索を重ねるほど高速かつ効率的になるといいます。データはゼロデータ保持の設計で、顧客の問い合わせを同社の環境に保存しないとしています。

CEO兼共同創業者のUri Knorovich氏によると、同社はChatGPT Deep ResearchやGeminiのような利用者向けの研究支援ではなく、それらを支える一段下の検索基盤に位置づけます。競合はExaやTavilyといった開発者向けの検索基盤だといいます。CRM企業のRoxは、同社の基盤を採用してトークンコストを20分の1に削減したと報告しました。

提供はAPI・SDK・MCP経由で、従量課金は1回あたり0.025ドルから、管理型プランは月額2500ドルからです。同社は1日9000万件を超える検索を処理しているとしています。ただしベンチマークの手法や比較対象は公開されておらず、示された数値が幅広い環境で成り立つかは独立した検証が待たれます。

米メディア界の著名人マーサ・スチュワート氏は7月29日、住宅所有者向けのAIアプリ「Hint」を共同創業者として立ち上げました。同アプリはAIを活用して住宅の維持管理や光熱費、保険、各種書類を一元的に扱えるようにするもので、iOS版が同日に無料で公開されました。生活情報の分野で長年の実績を持つ同氏が、AIを日常の家事管理へ応用する試みです。

利用者が自宅の住所を入力すると、Hintは不動産登記や気象、土壌、公共料金といった公開データから住宅のプロフィールを自動的に作成します。点検報告書や住宅ローン、保険証券などの書類をアップロードすれば、内蔵の対話型AIに「最後にエアコンを点検したのはいつか」といった質問を投げかけられます。土壌や大気の状態が水はけや基礎、保険料に与える影響も把握できます。

家電の写真を登録すると、冷蔵庫のコイル清掃や給湯器の洗浄など見落としがちな作業を含めた保守スケジュールを自動で組み、必要な時期にプッシュ通知で知らせます。住宅の管理状況を一目で示す「ホームスコア」も提供します。ここには住宅管理で数十年の経験を持つスチュワート氏の知見が反映されています。

共同創業者でCTOのカイル・ラッシュ氏によると、スチュワート氏は出資者ではないものの、株式を持つ「本物の共同創業者」として週2回ほど開発に関わっているといいます。ラッシュ氏はマットレス新興企業Casperで技術部門を率いた経歴を持ち、CEOのイーハン・マー氏はRed Venturesの幹部出身です。同社はMontauk Capitalなどから総額1000万ドルを調達しています。

Hintは当初2024年に住宅の脱炭素化支援ツールとして始まりましたが、「住宅向けのAI」へと方針を転換しました。技術面ではOpenAIの商用ライブラリを中心に据え、画像処理にはGeminiを用いています。現在は無料で提供し、提携事業者からの紹介手数料で収益を得つつ、将来的に複数物件の管理などを含む有料プランの追加を計画しています。

Googleは7月29日、macOS版のGeminiアプリに自然言語による音声操作機能を追加したと発表しました。Fnキーを長押しすると、デスクトップ上のどのウィンドウでも声で指示を出せるようになり、作業の流れを止めずに文章の作成や編集、要約を音声だけで進められます。標準では話し言葉を整った文章に変換するインテリジェント入力が有効になり、専門知識がなくても手軽に使えます。

インテリジェント入力は、単なる文字起こしにとどまりません。「えー」「あのー」といった言い淀みを自動で取り除き、話の途中での言い直しも反映したうえで、整った文章をカーソル位置に即座に差し込みます。

さらに設定からGeminiの推論機能を有効にすると、画面上の文脈を理解して複雑な作業をこなせるようになります。たとえばデスクトップ上のファイルや画像を選び、内容を要約してメールにまとめるよう音声で指示できます。画面上の文章を選んで書き換えたり、トーンを調整したりすることも可能です。

画像の生成や編集も音声で行え、デザインを参照しながら「ダークモード版を作って」といった指示にも対応します。この機能はmacOS版Geminiアプリの全ユーザーに向けて世界規模で順次提供されますが、現時点の対応言語は英語のみで、他言語への拡大は今後予定されています。

AIの安全性を研究する非営利団体FAR.AIは2026年7月29日、米主要4社の最先端AIモデルの安全機構を検証した報告書を公表しました。問題のあるプロンプトを1000種類以上に自動生成して防御の突破を試みた結果、SpaceXAI傘下のGrokで448件、GoogleのGeminiで249件もの回避に成功したといいます。

一方で、AnthropicのClaudeやFable、OpenAIのGPTは今回の攻撃をすべて遮断しました。実演を見た記者によると、モデルが仮想の水力発電ダムへのサイバー攻撃計画を生成する場面もあり、多くのプロンプトは拒否されつつも一部が安全機構をすり抜けたとのことです。

注目すべきは、その突破が極めて安価だった点です。別のAIを使って回避手法を自動生成したところ、Grokの突破は約58ドル、Geminiは約278ドルで済んだと報告書は算出しています。FAR.AIのアダム・グリーブCEOは「AIモデルは今、レストランよりも規制が緩い」と述べ、自主規制に頼るのは非現実的だと指摘します。

米国では連邦レベルの安全基準がいまだ存在せず、安全確保は各社に委ねられているのが実情です。カリフォルニア州やニューヨーク州は安全報告書の公表を義務づけ、イリノイ州では第三者監査を求める法律が施行される予定ですが、規制の足並みはそろっていません。

専門家は現実の脅威も警告しています。ケンブリッジ大学の報告書は、過激派組織のメンバーがChatGPTやClaude、Geminiなどを攻撃計画に悪用した証拠を指摘しました。スタンフォード大学のアンカ・ロイル氏は、AnthropicやOpenAIの防御策を全モデルの標準とすべきだとし、「一部の企業は明らかに守り方を知っている。なぜ使わない企業があるのかが問題だ」と語っています。

Googleは7月28日、開発者向けGemini APIのManaged Agents（管理エージェント）を強化したと発表しました。今回のアップデートでは、サンドボックス内のツール呼び出しを制御する環境フック、利用モデルの選択、そして無料枠での提供が加わります。単一のAPI呼び出しで、推論やコード実行、パッケージ導入、ファイル管理、Web検索までを隔離されたクラウド環境で自律的に処理できる点が特徴です。

まず、エージェントの既定モデルがGemini 3.6 Flashに切り替わりました。コード変更は不要で、次回の実行から自動的に適用されます。低コストを重視する場合はGemini 3.5 Flash-Lite、汎用用途には3.5 Flashというように、agent_configで明示的にモデルを指定することもできます。

最も実用的な追加が環境フックです。hooks.jsonを配置すると、エージェントがサンドボックス内でツールを呼び出す前後に独自スクリプトを実行でき、事前フックが拒否を返せばそのツール呼び出しは中止され、拒否理由がモデルの文脈に渡されます。これにより、コード実行やファイル書き込みに対する安全ゲートや自動整形を組み込めます。

実際にAIネイティブ投資銀行のOffdealは、この事後フックを画像検証に活用しています。同社のAIアナリスト「Archie」が企業リストを書き出した瞬間に、サンドボックス内で候補ロゴを取得し、Gemini Visionで各ロゴを検証したうえで、承認済みファイルのみを資料に取り込む仕組みを構築しました。リモートのサンドボックスでは従来こうした検証コードを走らせる場所がなく、フックによって初めて実現したといいます。

コスト面では無料枠のプロジェクトでも管理エージェントを試せるようになりました。max_total_tokensで入力・出力・思考を含む消費上限を設定でき、上限に達すると実行は安全に一時停止し、状態を保ったまま後から再開できます。さらにcronで定期実行するトリガーや、サンドボックスを一覧・削除できるEnvironments APIも整い、外部のオーケストレーションなしに自律ワーカーを運用できる構成がそろいました。