検索（ユースケース）に関するニュース一覧

Appleは7月13日、スマートフォン向けOS「iOS 27」の初の公開ベータを配信し、長く待たれてきた刷新版音声アシスタント「Siri AI」を一般ユーザー向けに初めて開放しました。今回のSiri AIはオプトイン方式のベータとして提供され、利用にはApple純正の待機リスト登録が必要です。実機で試した米メディアの記者は、アプリを起点にせず「やりたいこと」を先に伝えるだけで端末が横断的に処理する体験を、将来像を垣間見るものと評価しています。

新しいSiri AIの核心は、操作の起点を変える点にあります。従来はアプリを開いて指示していた作業を、Siriが端末内の複数アプリやWeb情報を横断して代行します。ある記者は画面上のイベントページを見ながら出演順を尋ねると、SiriがページとWebを検索して正答を返し、ブラウザを開く回数が大きく減ったと述べています。

とりわけ有用なのが画面認識と個人コンテキストの連携です。メールを解析して6件の予定をカレンダーに自動登録したり、端末を数日かけて索引化したうえでメッセージやカレンダーから今週の予定を抽出したりと、端末に深く組み込まれた強みを示します。SNSの投稿について「誰がどこで言ったのか」と尋ねるだけで、画面内容から文脈を補って出典を返す場面もありました。

一方で課題も残ります。現時点でSiri AIの新機能に対応するのはApple純正アプリに限られ、TelegramやGmailなど外部アプリのデータには触れられません。対応には開発者がアプリに「エンティティ」と「インテント」を実装する必要がありますが、SDKがベータの間は反映できず、実際の展開は秋の正式版以降になります。

利用にはiPhone 15 Pro以降というハードウェア要件もあり、iOS 27を入れても自動で使えるわけではありません。Androidの「Gemini」が先行して同種の体験を提供してきた点を指摘する声もありますが、数百万規模の米国iPhoneユーザーにとっては端末との関わり方を変える転機になり得ます。記者らは総じて、完成度は道半ばながら、Appleがようやく実用的なSiriの土台を築いたと見ています。

AIモデルのルーティング（振り分け）を静的な分類問題ではなく、記憶を蓄える動的なエージェントとして扱う新しいオープンソースフレームワーク「Agent-as-a-Router」が2026年7月13日に報じられました。研究チームはその具体実装であるACRouterを公開し、常に高価な最上位モデルへ振り分ける方式と比べ、コーディング課題でコストを2.6倍削減したと発表しています。巨大モデルの学習や無数のルールを書く必要なく、稼働しながら自己最適化する点が特徴です。

従来のルーティングは、キーワードで振り分けるヒューリスティックか、過去データで学習した静的分類器が主流でした。いずれも入力テキストしか見ず、モデルが実際に課題を解けたかを観測しないため、複雑な事例では当て推量になってしまいます。研究チームはこれを情報欠損と呼び、環境変化や新モデルの登場で精度が急落する弱点を指摘します。

ACRouterの核心はContext-Action-Feedback（C-A-F）ループです。新しいプロンプトが届くと、過去の類似課題で各モデルが成功したか失敗したかを記憶から検索し、最適なモデルを選んで実行します。その結果を成功・失敗の信号として記憶に書き戻すため、運用しながら学習を続けられる仕組みになっています。

システムはOrchestrator、Verifier、Memoryの3要素で構成されます。VerifierはPythonの実行環境やデータベースに接続し、生成されたコードやクエリが実際に動くかを検証して、確かなフィードバックを得ます。制御役のOrchestratorは巨大なモデルではなくQwen3.5ベースの0.8Bアダプターで、手元の端末に自前で載せられる軽量さです。

評価では約1万課題からなるCodeRouterBenchを用い、8つの最先端モデルで検証しました。単一モデルでは全分野を支配できず、平均首位のClaude Opus 4.6もアルゴリズム設計や検証コード生成では他モデルに逆転されています。ACRouterはコストと性能のパレート最前線に位置し、分布内テストで費用は13.21ドルと、Opus固定の34.02ドルを大きく下回りました。

ただし万能ではありません。成否が明確に判定できるコーディングやデータ検索では威力を発揮する一方、創作のような主観的で検証しにくい領域には向かないと研究チームは注意を促します。コードはGitHubで、モデル重みはHugging FaceでApache 2.0ライセンスのもと公開され、Claude CodeやCodex、OpenCodeと連携できます。

AI開発企業のDeepSeekが主力モデルV4-Proの利用料金を75%引き下げましたが、企業向けAIベンダーの採算は改善していません。米メディアVentureBeatが2026年7月12日に報じました。原因は、AIエージェントがチャットボットの数百倍のトークンを消費し、値下げのペースを上回って処理量が膨張しているためです。1つの利用者リクエストが数十回の課金処理に化ける「100倍問題」が、AI事業の収益構造を揺さぶっています。

トークン増幅とは何でしょうか。単発のチャットボットでは1つの質問がほぼ1回のモデル呼び出しで済み、入力対課金の比率はおよそ1対5です。一方、計画・検索・ツール実行・検証・要約を繰り返す多段階エージェントでは比率が1対700以上に達します。各処理が会話やツール出力を蓄積し続けるため、単純な問い合わせでも約35,000トークンが課金され、1件あたり0.1〜0.4ドルに膨らみます。

この構造は既存のビジネスモデルを直撃します。従来の主流は1席あたり月額いくらのSaaS課金でしたが、ヘビーユーザー1人の推論コストが月額料金を超える逆転が起きています。複数のベンダーが熱心な利用者ほど粗利がマイナスになると内々に報告しており、SalesforceのAgentforceでも宣伝と実際の提供機能の差が表面化しました。

対策の技術は出そろっています。問い合わせごとに適切なモデル階層を選ぶコスト意識型ルーティングは、品質を落とさず推論費を約60%削減します。AnthropicやOpenAIなどが提供するプロンプトキャッシュは、再利用部分を75〜90%割り引きます。ツール出力の切り詰めや投機的デコードも有効な手段です。

重要なのは「AIは高い」という話ではありません。フロンティアモデルの単価は年3倍のペースで下がり続けていますが、消費量の増加が値下げを追い抜いている点が本質です。今後24カ月を生き残るのは最安モデルを使う企業ではなく、エージェントの思考コストを把握し統制できる企業だと筆者らは指摘します。

米紙ニューヨーク・タイムズ（NYT）などは、OpenAIが自社データを検索できないと偽り、著作権侵害の証拠を隠していたとして、裁判所に制裁を求めました。両社が2023年から争う著作権訴訟で、OpenAIは学習データやChatGPTの会話ログの検索は技術的に困難でプライバシー上の懸念もあると主張してきました。しかし4月の証言で、その主張を覆す内部実態が明らかになったとされます。

NYT側によると、OpenAIのデータプライバシー技術者は4月の証言録取で、同社が既に学習データ内の報道記事を内部調査していたと認めました。さらに提訴前から約7800万件の匿名化されたChatGPT会話を集めたデータベースを保有し、著作権侵害の程度を社内で分析していたとされます。訴訟後には出力の複製を検出する『Project Giraffe』というツール群も導入していたといいます。

証拠開示の過程も問題視されています。原告は当初1億2000万件のログ提出を求めましたが、OpenAIとの交渉で2000万件に縮小し、昨年12月に提出されたサンプルは大量の黒塗りで『使用不能』と裁判所に評されました。原告はさらに、OpenAIが保全命令に反して数十億件のログを削除・圧縮し、サンプルの一部を差し替えたとも主張しています。

NYTは、OpenAIの証人が保全命令の順守を『困難だ』と判断し、実際には何の対応も取らなかったと証言した点を重視します。原告はこれを意図的な隠蔽だとして、『軽微な制裁では効果がない』と厳しい処分を要求しました。

具体的には、争点の2000万件サンプルを証拠として使わせないこと、複製が実際に起きていたと事実認定すること、陪審にログ削除の事実を説明することなどを求めています。認められれば、OpenAIのフェアユースの反論は大きく後退する可能性があります。

一方、OpenAIの広報担当者は疑惑を全面的に否定しました。『訴訟が弱まる中で、原告は無関係な人々のプライバシーを侵害しようとし、明白に虚偽の主張を続けている』と反論し、利用者のプライバシーとフェアユースを引き続き擁護する姿勢を示しました。

Googleは7月9日、広告がAIで作成・編集されたかどうかを利用者に伝える新機能を発表しました。検索やYouTube、Google Discoverに表示される広告の三点メニューや情報アイコンから開ける「My Ad Center」画面に、「この広告の作り方（How this ad was made）」という項目を追加し、AI使用の有無を明示します。生成AIで手軽に広告を作れる一方、実物写真でない合成画像が消費者を誤認させかねない懸念に対応する狙いです。

開示の付与方法は、広告の作り方によって分かれます。広告主がGoogle自身の生成AI広告ツールを使った場合、開示は自動で有効化されます。一方、外部ツールで作った広告については、広告主が新設のコントロールでAI利用を自己申告する必要があり、Google側が独自に真偽を検証することはありません。

一部の市場では、現地の法規制に応じてラベルが広告そのものに直接表示される場合もあります。表示は自動、あるいは広告主が申告した際に行われます。利用者はこの画面から、広告のブロックや報告、出稿主の確認も引き続き行えます。

今回の更新は、Googleが進めてきたAI透明性の取り組みの延長線上にあります。同社はすでに生成AIの出力にSynthIDと呼ぶ知覚できない電子透かしを埋め込んでおり、2023年以降は選挙・政治広告での合成コンテンツ開示を義務付けてきました。今年に入ってからは、SynthIDやC2PAによるコンテンツ証明の対象も広げています。

同様の仕組みは競合も導入済みです。Metaも「About this ad」パネルに「AI info」ラベルを用意しており、プラットフォーム各社で広告のAI表示が標準になりつつあります。広告主には業界標準への対応が、経営者には自社広告の信頼性設計が問われる局面と言えるでしょう。

OpenAIは7月8日、人間との会話に近い音声モデルGPT-Liveを世界で公開しました。従来のAdvanced Voice Modeを置き換える新世代で、聞くと話すを同時に行う全二重（フルデュプレックス）方式を採用します。iOS、Android、ウェブで提供が始まり、有料利用者にはGPT-Live-1、無料利用者には軽量なGPT-Live-1 miniが標準となります。

最大の技術的前進は、入力音声を処理しながら同時に応答を生成できる点です。会話中に「うん」「なるほど」といった相槌を打ち、こちらが考えて言葉を止めても割り込まず、必要なときは静かに待つことができます。沈黙を区切りと誤認して不自然に話し出す旧方式の弱点を解消し、より滑らかなやり取りを実現します。

もう一つの変更は、会話を担う層と深い処理を担う層を切り離したことです。単純な質問はGPT-Liveが直接答え、Web検索や高度な推論、エージェント的な作業が必要な場面では、裏側で最新のGPT-5.5に処理を委ねます。計算を待つ間も会話を止めずに続けられるため、応答の自然さと知性を両立させています。

この仕組みは新しい機能も生み出します。話し終わるのを待たずに発話しながら翻訳するリアルタイム翻訳や、天気やスポーツの結果を視覚情報で補足する表示が可能になりました。指示すれば呼ばれるまで黙って会話の文脈を吸収し続けることもできます。

一方でOpenAIは、これをAIの話し相手（コンパニオン）にする狙いはないと強調します。自傷などの話題では専門家が監修した相談窓口を案内し、10代には年齢に応じた応答を返す安全機構を組み込みました。ChatGPTが利用者の妄想を助長したとする一連の訴訟を抱える中での配慮とみられます。

同社によれば、すでに1億5000万人以上が音声や口述機能でChatGPTと対話しています。AppleやAmazon、Sesameなど競合も会話性の強化を進めており、音声を複雑な業務の主要インターフェースへ育てる競争が加速しています。APIでの提供も近く予定されています。

Googleは7月8日、地図サービスのストリートビューについて、アルバニア、モンテネグロ、北マケドニア、セルビアのバルカン4カ国で画像を大幅に刷新したと発表しました。撮影車両は域内を10万3千キロメートル以上走行し、沿岸都市から山間の史跡まで幅広い範囲を新たに収録しています。日常の移動から旅行計画まで、より正確で役立つ地図を提供する狙いです。

アルバニアでは、活気ある首都ティラナに加え、アドリア海とイオニア海に面したドゥラスやヴロラといった主要な沿岸都市を捉えました。世界遺産の街ベラトや、カルスト地形の泉「ブルーアイ」など、文化・自然の名所も高精細な画像で楽しめるようになっています。

モンテネグロでは、中世の城塞都市コトルの城壁や、首都ポドゴリツァのミレニアム橋などが更新されました。北マケドニアでは6世紀のスコピエ要塞や、ユネスコの複合遺産であるオフリド湖が収録され、伝統と現代が交わる街並みを見て回れます。

セルビアでは今回最も広範な更新が行われ、首都ベオグラードの要塞やノヴィ・サドの文化地区に加え、マナシヤ修道院やゴルバツ要塞など歴史的な建造物も対象となりました。ドナウ川沿いの雄大な景観も新たに閲覧できます。

利用するには、パソコンやスマートフォンでGoogleマップを開き、目的地を検索したうえで黄色い「ペグマン」アイコンをドラッグするだけです。今回の刷新は、成長を続けるこの地域の多様な魅力を、世界中のユーザーが手軽に体験できる機会となりそうです。

米メディアのTechCrunchは2026年7月8日、複数のAI関連スタートアップが売上高を単に伸ばすだけでなく、成長そのものを加速させていると報じました。各社が次の収益マイルストーンに到達するまでの期間が短くなっており、AI活用が事業成長を押し上げる構図が鮮明になっています。ただし各社が用いる「ARR」の定義は年間契約収益や直近月次の年換算など様々で、単純比較には注意が必要です。

成長の象徴がAIモデルの学習データを担うMercorです。同社は6月時点で年換算の総収益が20億ドルを超えたと発表し、10億ドル到達からわずか4カ月での倍増となりました。創業3年未満の同社は2025年9月に5億ドルの水準に達したばかりで、成長の速さが際立っています。

モデル開発大手のAnthropicはさらに歴史的な速度で拡大しています。同社は5月下旬に収益の年換算ランレートが470億ドルを突破したと公表し、これは300億ドル超えの報告から2カ月足らずでの到達でした。2025年7月時点では40億ドル、同年後半で90億ドルだった水準からの急伸です。

企業向けAIでも加速が続きます。顧客対応エージェントを手がけるSierraは最初のARR1億ドルに7四半期を要した一方、次の1億ドル追加はわずか2四半期でした。業務検索のGleanはARRを100億ドルから200億ドルへ倍増させるのに9カ月かかったのに対し、200億ドルから300億ドルへはわずか6カ月で伸ばしています。

注目すべきは、成長の加速がAIネイティブ企業だけにとどまらない点です。設立14年のHR技術企業Gustoは直近5四半期連続で売上が加速し、12カ月間の売上高が10億ドルを突破しました。設立18年の法務ソフト企業Clioも2023年のAI組み込み後に成長が急伸し、ARRは5億ドルに達しています。既存企業がAIを取り込むことで、収益成長が底上げされている実態がうかがえます。

AIモデルが生む出力と旧来インフラの能力差、いわゆる構造的な足かせが、エージェント時代の最大の障壁になっています。VentureBeatがMongoDB提供として2026年7月7日に伝えたところによると、Modelence、Tavily、Huntrという新興3社は、可変スキーマやベクトル検索を扱えない従来型データベースを避け、MongoDB Atlasを基盤にエージェント特化のデータ基盤を構築しました。共通する狙いは、AIエージェントの求める柔軟性と拡張性を一つの基盤で満たすことにあります。

課題はデータ層にあります。AIエージェントのシステムは、可変スキーマやベクトル埋め込み、リアルタイム検索、マルチテナント規模の処理を人手を介さず同時にこなす必要がありますが、従来のリレーショナルデータベースは文書の柔軟性やAI機能を前提に設計されていません。固定スキーマはエージェントが新しいデータ形状を持ち込むたびに手動更新を強い、別建てのベクトルDBは遅延と同期コストを上乗せします。

アプリ生成基盤のModelenceは、データベースや検索、ベクトルを一つの場所にまとめられる点を評価しました。文書モデルの柔軟さに型付きスキーマを重ね、TypeScript連携でアプリ論理とDBの単一情報源を実現しています。同社はこの速度と信頼性を背景に、300万ドルのシード資金を調達しました。

エージェント向け検索APIのTavilyは、あらゆるリクエストの認証と利用計測に加え、触れた全文書のライフサイクル管理を担っています。同社は低遅延の認証用クラスタと、URL単位でスケールする文書用シャードクラスタを早期に分離しました。データチームリードは、変化を罰しないデータ基盤の選択が単一の機能以上に価値を持つと語ります。

履歴書作成支援のHuntrは、190カ国50万人超の求職者を抱え、わずか3人のエンジニアチームで運営されています。深くネストし候補者ごとに異なるキャリアデータが文書モデルと合致し、ハイブリッド検索とベクトル検索が求人に最適化した履歴書生成を支えます。同社はMongoDBを4人目のエンジニアと評しています。

3社の事例は、エージェント時代の設計図を示します。データベースと検索、ベクトル保存を単一基盤に統合することで、複雑なスキーマがもたらす開発の停滞を取り除ける、というのが共通の教訓です。AIエージェントの作業が高度になるほど、データ基盤こそが出荷速度と運用の信頼性を左右すると言えるでしょう。

半導体大手のNVIDIAは7月7日、AIエージェント時代に向けた新型CPU「Vera」を、大規模環境で単一スレッド性能を最大化する新カテゴリーの製品として紹介しました。同社は、AIエージェントがツール実行やコード処理を繰り返す「エージェントループ」において、各処理を高速に終えるコアあたりの性能こそが重要だと主張します。従来のデータセンター向けCPUがコア数の拡大を優先してきたのとは対照的な設計思想を打ち出しています。

なぜ単一スレッド性能を重視するのでしょうか。AIエージェントは前の処理結果を受けて次の判断を下すため、処理が逐次的に連なるからです。同社によれば、コア数を増やしてもループ内の各ステップは短縮できず、むしろコア同士が資源を奪い合って性能が落ちる場合もあるといいます。

Veraの中核は独自コア「Olympus」で、従来品のGraceに比べIPCが50%高いとしています。メモリ帯域は最大1.2TB/s、コア間帯域は3.4TB/sに達し、88の全コアがボトルネックなく動作すると説明します。エージェント処理を模した高負荷環境では、x86比で1.8倍の持続的なコア性能を示したとのことです。

実際の検証も進んでいます。検索AIのPerplexityは、リポジトリの複製とテスト実行を伴う開発作業でx86比約1.5倍高速だったとし、本番環境への導入を検討中です。データ処理でもStarburstのSQL分析が3倍、Redpandaの配信遅延が最大6分の1になったといいます。

VeraはGPUを搭載する「Vera Rubin」と同一のCPUでもあり、AIファクトリー全体を単一アーキテクチャで動かせる点を同社は強みに挙げます。さらに次世代コア「Rigel」を採用するCPU「Rosa」も計画しており、エージェント時代に向けたロードマップを継続する構えです。

Metaは7日、傘下のSuperintelligence Labsが開発した初の画像生成AI「Muse Image」を公開しました。同モデルはMeta AIアプリやInstagram、WhatsAppの画像生成機能をすでに支え、近くFacebookとMessengerにも展開されます。従来のLlama系を置き換える「Muse」ファミリーの中核として、SNS上の創作体験を刷新する狙いです。

最大の特徴は、プロンプト内で他のInstagramアカウントを@メンションできる点です。Meta AIは指定したユーザーの公開写真を参照し、その人物の姿を生成画像に取り込みます。ただし利用者は、自分のコンテンツがAIに再利用される範囲を設定で管理できます。

同社はMuse Imageを「agentic（自律的）」と説明します。大規模言語モデル「Muse Spark」と連携し、プロンプトを解釈してWebを検索し、生成前に構成を計画するといいます。Superintelligence Labsを率いるAlexandr Wang氏は、動画生成モデル「Muse Video」の投入も予告しました。

機能面では、提案プロンプトによる画像変換や招待状・ポストカードの作成に加え、Facebook Marketplace等の画像を基にした部屋のリデザインにも対応します。写真の上に直接描き込んで編集し、フィードやストーリー、チャットに共有することも可能です。

Muse Imageはまず米国のInstagram Storiesに追加される30種の新AIエフェクトを支え、その後は他国やMetaの各アプリへ順次拡大します。肖像の無断利用を巡る懸念は残るものの、SNSと生成AIの融合を一段と進める動きといえます。

Googleは7月7日、山火事検知に特化した衛星「FireSat」3基を米カリフォルニア州のバンデンバーグ宇宙軍基地から打ち上げたと発表しました。非営利団体アース・ファイア・アライアンス（EFA）が主導し、Google Researchと衛星メーカーのMuon Spaceが連携する専用衛星群で、火災が広がる前の早期検知を目指します。同日には国連がAIを活用した早期警戒に関する報告書を公表し、防災でのAI活用が国際的な焦点となっています。

今回の打ち上げは、昨年軌道投入された試験衛星の成果を土台としています。試験機は5メートル四方という初期段階の小規模な火災を検知する能力を実証し、既存の衛星では捉えられなかった低強度の火災も発見してきました。新たな3基はこの実証済みの設計をそのまま継承し、継続的な観測網の拡充につなげます。

この取り組みは、テック企業や非営利団体、慈善事業、民間が単一の使命の下で結集した成果だとGoogleは位置づけています。初期の衛星配備を後押しするため、Google.orgは1500万ドル超を提供しました。山火事の境界追跡はすでに検索とマップを通じて34カ国で提供されており、衛星網の拡大でその精度と範囲がさらに高まる見通しです。

Googleは山火事以外の分野でも危機対応AIを広げています。洪水予測サービス「Flood Hub」は150カ国超の20億人をカバーし、2025年のハリケーン「メリッサ」ではWeatherNextが上陸を5日前に予測してジャマイカ当局の避難通知を支えました。先月ベネズエラを襲った地震では、Android端末を簡易地震計として使う警報システムが震源の外にいる数百万人に揺れの数秒前に警告を届けています。

災害発生後の支援でも、AIによる衛星画像解析が復旧を加速させています。国連衛星センター（UNOSAT）と連携した被害評価の仕組みは、メリッサ被災地で38万5000棟超の建物に被害スコアを付与しました。2025年にGoogleが危機情報を人々につないだ回数は1日平均1000万回に達しており、予測から警報、復旧までを一貫して支える体制の強化が進んでいます。

Tencentは7月6日、Hunyuanチームが開発した大規模言語モデルHy3の正式版を公開しました。総パラメータ2950億、アクティブ210億のMoE構成で、4月のプレビュー時とは一転して制約の緩いApache 2.0ライセンスを採用しました。これによりEU・英国・韓国を除外していた従来の中国製モデルの障壁が消え、これらの地域に配信する企業も採用可能になります。

Tencentが打ち出した目玉は、リーダーボードではなくブラインド人間評価です。270人の専門家による312件の比較で、Hy3は4点満点中2.67を記録し、GLM-5.1の2.51を上回りました。ただし6月に登場した新版GLM-5.2はSWE-bench Verifiedで84.2対78.0など、エージェント型コーディング全般でHy3を上回っており、コーディング首位の座は維持しています。

Hy3の真価は検索とツール活用のエージェント用途にあります。BrowseCompで84.2、DeepSearchQAで91.0を記録し、Claude Opus 4.8やGPT-5.5に匹敵する水準です。ツール連携やロングコンテキスト検索でもオープンモデル最上位を占め、リポジトリ規模のコーディングをGLM-5.2に譲る一方、検索・ツール中心の用途では最有力の選択肢と位置づけられます。

企業向けにTencentが強調したのは信頼性の指標です。実運用シナリオの内部評価で、幻覚率はプレビュー版の12.5%から5.4%へ、常識エラー率は25.4%から12.7%へ低下しました。マルチターンの問題発生率も17.4%から7.9%へ改善し、根拠がある時のみ回答しデータを捏造しないという明示的な振る舞いの徹底が寄与したとしています。

導入コスト面でもHy3は差別化します。約744BのGLM-5.2がFP8で8基のH200ノードを要するのに対し、Hy3のFP8フットプリントは300GB未満で済みます。推奨構成は米国の輸出規制に準拠したNvidia H20-3eを想定しており、規制下の中国企業でも8基で全精度稼働が可能です。この設計は西側のH100・H200・B200でも快適に動く副次効果を生み、ライセンス障壁の消滅と合わせて採用のハードルを大きく下げます。なおTencentは、OpenRouterで2週間無料提供するとしています。

画像編集サービスのPhotoroomは2026年7月6日、7B規模の画像生成モデルPRXを支えたデータ戦略を技術ブログ「PRX Part 4」で公開しました。同社は公開・内部データセットを混ぜて事前学習用コーパスを構築し、全画像を視覚言語モデル(VLM)で再キャプションしたうえで、学習用フォーマットに変換した過程を詳しく説明しています。地味だが品質を左右した工程だとしています。

中核は長文キャプションの効果です。同社は短い説明文から100〜200語の詳細な説明文に切り替えるだけで生成品質が大きく改善したと述べ、FID・CMMD・DINO-MMDの各指標で優位を確認しました。正確に記述すれば広告やロゴ、文字などの「ノイズ」も制御可能な属性として学習でき、後段の選別を軽く保てると説明しています。事前学習は幅、微調整は質という方針です。

データ基盤には二つの形式を使い分けています。数億〜数十億行を対話的に探索するために列指向のLanceで構築・検索し、分散学習にはMosaicのMDSシャードで配信します。キャプション生成にはQwen3-VL-8Bを採用し、H200あたり毎秒20枚の速度と安定したvLLM対応を評価しました。より高品質なQwen3.5-9Bは速度が遅く不安定な依存関係が必要だったため見送りました。

保存形式や計算の設計も実測に基づいて決めています。テキストエンコーダをQwen3-VLへ切り替えた際、テキスト潜在を事前計算せず学習時に逐次計算する方式に変更し、スループット低下は3〜4%に収めました。画像はPNGではなくJPEG品質92で保存し、再符号化の劣化がほぼ知覚できず、PNGと生成品質が事実上区別できないことを確認しています。

選別と重複排除も低コストな手法で実施しました。キャプションのみを読むQwen3-8Bで画像を「見る/読む/NSFW」に分類し、知覚ハッシュで近似重複を除去しています。いずれも元データを書き換えず、シャードごとのスキップリストで除外する仕組みで、後から見つけた品質問題や学習利用を拒否したユーザーのデータにも柔軟に対応できます。PRXはApache 2.0で公開されています。

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。

Googleが6月、検索サービスのプライバシー設定を更新し、利用者がアップロードした画像・ファイル・音声・動画を初期設定でAIモデルの学習に使えるようにしていたことが分かりました。米メディアTechCrunchが7月6日に報じました。設定は顧客向けメールで通知されたのみで、多くの利用者は気付かないまま同意した状態になっています。

新設された「検索サービス履歴」と「パーソナライズされたおすすめ」は、活動データの使い道と保存期間を制御する体裁を取りつつ、実際にはAI学習への利用を広げるものです。対象はGoogle検索本体にとどまらず、マップ、ショッピング、フライト、ホテル、翻訳、ニュースなど複数サービスに及びます。Lensで撮影した写真やSearch Liveの音声入力、翻訳の発話練習の録音も保存されうると説明されています。

同社はメールで、保存したメディアが「AIモデルや安全対策を含むGoogleサービスの開発・改善に使われる」と明言しました。ヘルプ文書でも、履歴を生成AIの学習などに用い、人間のレビュアーも関与すると記しています。一部の保存は製品動作のための一時的なものですが、同社の記述ではAI学習を目的とした保持も含まれます。

この動きは、ウェブから収集したデータだけに頼らず、利用者が自ら作成・投稿したデータを取り込む業界全体の流れを映しています。TechCrunchはMetaも同様に利用者の画像やAIグラスの記録で学習していると指摘しました。

利用者は「検索サービス履歴」と「検索サービスのパーソナライズ」の設定ページで変更できます。前者では「メディアを保存」の項目を履歴とは別個に解除でき、保存データを3カ月・18カ月・36カ月で自動削除するよう設定することも可能です。

注意点として、従来の「ウェブとアプリのアクティビティ」設定は今回、Web・App用と新しい検索データ用の二つに分割されました。新設の検索データ設定は初期状態でオンのため、従来設定だけを変えても検索サービスの利用は対象から外れず、別途の解除操作が必要です。

米メディアTechCrunchは2026年7月3日、Chromeとsafariに対抗する有力ブラウザの一覧を公開しました。今年のブラウザ戦争は検索結果の争いにとどまらず、どの企業のAIが利用者に代わってブラウザ内で操作するかという新たな段階に入ったと指摘しています。GoogleとAppleが依然として市場を支配する一方、資金力のある新興企業から大手までが相次いで参入しています。

最も注目されるのがAI搭載ブラウザです。Perplexityのcometはチャット型検索エンジンとして機能し、メール要約やカレンダー招待の送信までこなしますが、月200ドルのMaxプラン限定です。Arcを手がけるThe Browser CompanyはAI中心のDiaを招待制ベータで提供し、閲覧履歴を横断して情報検索やタスク実行を支援します。

大手の動きも活発です。OpenAIは10月にmacOS版Atlasを投入し、ChatGPTに検索結果を尋ねたり、agent modeで作業を代行させたりできます。OperaのNeonは月19.9ドルで、利用者がオフラインの間でもタスクを実行する点が特徴です。Y Combinator出資のAsideやJatterなど、フォーム入力やデータ管理を自律実行する新顔も控えています。

プライバシー重視の選択肢も健在です。Braveは広告とトラッカーの遮断で知られ、独自の暗号資産BATによる報酬制度を備えます。DuckDuckGoはチャットボットなど生成AI機能を追加し、詐欺サイト検知も強化しました。GitHub共同創業者が率いるLadybirdは、Chromiumに依存しない完全独自エンジンのブラウザをゼロから構築する野心的な計画を進めています。

このほか、休憩リマインダーや呼吸法を備えたOpera Air、生産性重視のSigmaOSやZen Browserといった、心の健康や作業効率に特化した「マインドフルブラウザ」も登場しています。ブラウザは単なるWebの窓から、作業を代行するアシスタントへと変わりつつあり、経営者やエンジニアにとって選択の幅が大きく広がっています。

中国Alibabaの研究チームは2026年7月2日、AIエージェントのツール選定を効率化する枠組み「SkillWeaver」を発表しました。膨大なツール群から適切なものを選ぶ従来手法に比べ、精度を高めつつトークン消費を99%以上削減できると報告しています。企業のAI活用が複雑な業務フローへ広がる中、ツール選定の非効率が課題となっていました。

SkillWeaverは「分解・検索・構成」の三段階で動きます。まずLLMが複雑な指示を単一スキルで済む小タスクに分け、次に埋め込みモデルで各タスクに合う候補ツールを絞り込みます。最後にプランナーがツール間の入出力の相性を確かめ、依存関係を有向非巡回グラフ(DAG)として実行計画にまとめる仕組みです。

核となる技術が反復型のSkill-Aware Decomposition(SAD)です。LLMが作る手順は抽象的で、実際のツールの専門用語と噛み合わないことが多いという問題があります。SADはまず暫定計画で予備検索を行い、見つかったスキルをヒントとしてLLMに戻すことで、粒度と語彙を実在ツールに合わせて書き直させます。

評価では独自ベンチマーク「CompSkillBench」を使い、公開MCPエコシステムから集めた2209種の実ツールで300問の多段クエリを検証しました。7B軽量モデルでの分解精度は通常51.0%でしたが、SADを有効化すると67.7%まで上昇し、大型のQwen-Maxでは92%に達しています。難易度の高い4〜5スキルを要するタスクでは精度が50%改善しました。

興味深いのは、大型モデルほど無誘導だと精度が下がる傾向です。14Bモデルはタスクを細かく分解しすぎて7Bを下回りましたが、SADのヒントで現実に引き戻され精度が回復しました。全ツールを一括投入する方式は文脈を圧迫し、正しいカテゴリの取得率が21.1%にとどまる一方、SkillWeaverは88万トークンを約1160トークンへ削減しています。

課題も残ります。研究チームはソースコードを未公開ですが、SADはプロンプト設計と検索ループの組み合わせで、LangChainなど既存ツールで再現可能だとしています。一方でエラー回復機能がなく、途中のAPI呼び出しが失敗すると連鎖全体が壊れるため、本番導入には再試行や代替処理を各自で実装する必要があります。

Cloudflareは2026年7月1日、広告を掲載するページで検索と学習を兼ねる「混在型」AIクローラーを既定でブロックする方針を発表しました。適用は9月15日からで、新規顧客や新規サイト、すべての無料顧客が対象となります。サイト所有者が設定を変更しない限り、これらのクローラーはアクセスできなくなります。

同社は、多くのサイト運営者が検索やAIサービスでの発見性を望む一方、自らの知的財産が無償で使われることには保護を求めていると指摘します。今回の措置は、AIモデル提供企業が学習やエージェント向けにWebコンテンツへアクセスする方法に影響を与える可能性があります。狙いは、検索用途と学習・エージェント用途のクローラー分離を促すことにあります。

Cloudflareは「世界最大の検索エンジン」を名指しし、他のAI企業より約2倍の情報にアクセスできると批判しました。これはGoogleを指すとみられます。Googleは、学習利用を拒否できるGoogle Extendedを提供していると反論してきましたが、主力のGooglebotはAI Overviewsを含む検索向けに巡回を続けています。

同社は課金の仕組みも拡張します。取得時に課金する従来の「Pay Per Crawl」に加え、コンテンツが価値を生んだ時点で課金するPay Per Useへと進化させます。当初はCeramic.aiとYou.comの2社と連携し、コンテンツがAI検索結果に表示された際などに運営者へ対価が支払われます。

背景には、インターネット通信の過半がすでに非人間によるものになった現状があります。Prince最高経営責任者は「持続可能なエコシステム」の必要性を強調しました。AIクローラーの通信の50%超が更新のないページの再取得だとされ、今回の変更は帯域や計算資源の節約にもつながると同社は説明しています。

Xは6月30日、ClaudeやCursorといったAIアシスタントが同社プラットフォームに直接接続できる、ホスト型のMCP（Model Context Protocol）サーバーを公開しました。MCPはAIモデルを外部ツールやサービスにつなぐオープン標準で、今回の仕組みではAIツールがユーザー自身のアカウント権限を使ってX APIと通信します。情報ネットワークとしての立ち位置を強める狙いがあります。

これまで開発者がAIアシスタントにXを利用させるには、自前でMCPサーバーを構築・運用し、X APIへの接続や認証処理まで手当てする必要がありました。今後はXがMCPをホストし、ユーザーが自分のXアカウントの権限で認証する形になります。これにより開発者は連携作業の手間を省き、本来作りたいものの開発に集中できます。

今回のMCPは新機能を追加するものではありません。投稿の検索や閲覧、ユーザー検索、会話やトレンドの分析など、従来からAPIで可能だった操作を、AIアプリへ簡単に公開できるようにする位置づけです。Xはこれを通じて、単なる交流の場ではなく、リアルタイムデータを取得・分析できる情報網としての性格を打ち出しています。

懸念されるのは自動投稿やスパムの増加ですが、XはTechCrunchに対し、このMCPツールがWrite系のAPIエンドポイントに非対応であると説明しました。そのため自律的な投稿には使えません。スパム的な挙動を検知した場合に利用を制限する、既存のAPI規約を回避するものでもありません。

Xは今年に入りAPI v2を更新し、会話への機械的な返信などAI生成スパムへの対策を進めてきました。さらにAPI料金も改定し、投稿公開を0.015ドル、リンク投稿を0.20ドルへ引き上げています。今回の動きは、GitHubやSlack、Notion、Stripe、Salesforceなど、公式MCPサーバーを提供する企業の広がりに連なるものです。

NVIDIAは6月30日、工場や都市など物理世界の映像をAIで自動解析する「ビジョンAIエージェント」の精度を高める3つのワークフローを公開しました。OpenUSDとNVIDIA Omniverseによる合成データ生成と、Metropolisによるモデル開発・展開を組み合わせ、開発者が一から構築せずに済む再利用可能な仕組みを提供します。エッジでの映像データが急増する一方、その多くが活用されていない現状を背景にした取り組みです。

背景には、現場データの未活用という課題があります。Gartnerの予測では2028年までに企業管理データの3分の2以上がデータセンターやクラウドの外で生成・処理され、エッジAIを導入する企業は2025年の10%から2029年には3分の2超に拡大します。しかし既存のエッジデータの最大90%が未処理のまま放置されているといいます。

精度向上を阻む典型的な壁は3つあります。まれな不良や異常を学習データが網羅できない「精度の頭打ち」、ラベル付けや実験管理を担う機械学習チームが社内にいない「微調整の専門知識不足」、そして映像パイプラインやモデル、検索、通知などを毎回つなぎ合わせる「複雑な構築作業」です。NVIDIAはこれらに対し、不良画像生成や映像データ拡張、TAOによる微調整、映像検索・要約（VSS）といった再利用可能なスキルとブループリントで対応します。

製造業の検品では、合成データが効果を発揮しています。RoboflowはNVIDIA Cosmosと不良画像生成スキルを自社プラットフォームに統合し、実データが乏しい場面で合成不良画像を生成します。Corningの光ファイバー製造の検証では、わずか8枚の実不良画像に合成データを加えて学習したモデルが、最難関の不良分類で平均精度95%・再現率100%を達成し、数四半期かかる検品プロジェクトを数日に短縮しました。

都市運用と産業現場でも成果が出ています。Linker VisionはVSSブループリントを用いて高雄市で開発工数を85%削減し、インシデント対応時間を最大80%短縮しました。Foxconnでは、DeepHowの作業手順検証エージェントがGB300サーバーの生産ラインで初回良品率を3%高め、重要工程の微細動作理解で99%の精度を実現しています。

NVIDIAは6月30日、自社の推論ソフトウェアスタックがBlackwellプラットフォーム上でDeepSeek V4のトークンコストを約1カ月で最大5倍引き下げたと発表しました。AI factoryの普及で企業の関心が、チップの最大性能から1ドルあたりに供給できるトークン数へと移るなか、ソフトウェア最適化を競争力の中核に据える狙いです。

背景にあるのは、AIワークロードの質的な変化です。従来のWebや検索は処理経路が似通い、サーバーを増やせば対応できました。一方でagentic AIは推論や計画、ツール呼び出しを伴い、1つの要求が数百のサブエージェントと複数のモデルにまたがる分散コンピューティングへと変わります。

NVIDIAはこの複雑さを無駄ではなく低コストに変えるため、ソフトを3層で連携させています。分散配信やオートスケールを担う運用層、カーネル融合などのランタイム最適化を行うアプリ高速化層、GPUやネットワークの能力を引き出すインフラアクセス層です。これらが一体で動くと個々の最適化が積み重なり、処理量は最大20倍に高まると説明します。

具体的な手法として、分散サービングやNVLinkを介した大規模なエキスパート並列、NVFP4精度、マルチトークン予測を挙げています。各技術は単体でも効果がありますが、組み合わせることで効果が掛け算的に増幅すると同社は強調します。

オープンソースもこの優位を後押しします。多くの主要フレームワークがCUDAを前提に作られており、PyTorchやvLLM、SGLangは新モデル公開と同時にBlackwell向けの最適化を実装できます。DeepSeek V4も公開直後から各フレームワークで性能が改善し、トークンコストが従来の約5分の1まで下がりました。

採用企業も広がっています。BasetenはTensorRT-LLMで毎秒トークン数を最大50%増やし、CognitionはDynamoで強化学習の基盤を簡素化しました。経営者にとっては、推論の経済性がハードだけでなくソフトウェアの成熟度で決まる段階に入ったことを示す動きと言えます。

Googleは6月30日、英調査会社Public Firstと共同で英国のAI普及に関する大規模調査を公表しました。職場でのAI利用率は1年で34%から73%へ倍増した一方、恩恵は一部に偏っており、昇進や昇給に結びつく先進的な使い手は全体の15%にとどまります。同社は格差是正へ向けた全国規模の人材育成策も打ち出しました。

調査は労働者をAIの習熟度で4段階に分類しています。未利用の「観察者」が10%、簡単な作業を試す「実験者」が38%、日常的に活用する「実践者」が37%、そして高度に使いこなす「先駆者(Trailblazers)」が15%です。多くの労働者がいまだ初期段階にとどまっている実態が浮かびます。

先駆者層は仕事と私生活を合わせて週約8時間を節約し、実質的に週1日分の余裕を生み出しています。年齢や業種などの条件を調整しても、深いAI活用は昇進84%増、好評価88%増、昇給55%増という形で職業上の前進と結びついていました。ただしこの恩恵は年齢・性別・地域で偏っているといいます。

普及を阻む壁は主に3つあると分析しています。プロンプトを練り直さない「一度きり」の行動的習慣、AIを検索窓のように扱う認知的なくせ、そして利用許可を待つ組織的な空白です。Googleはこれらを技術知識がなくても克服できる課題だと位置づけています。

対策として、自分の習熟度を診断できる「AIスキルクイズ」をPublic Firstが公開しました。さらにGoogleは全国的な学び直し施策「AI Works for Britain」を進め、政府と連携して2030年までに1000万人のAI研修を目指します。既存の「Digital Garage」では10年で120万人超を育成してきた実績があります。

経済効果についてGoogleは、2025年に自社ツールが英国で1400億ポンドの経済活動を支え、うち600億ポンドは中小企業によるものだと説明しました。Search やAndroid、Cloud、YouTube などが週5100万時間の労働を節約しているとし、AI活用の裾野を広げることが国全体の成長につながると強調しています。

データベース大手のCouchbaseは6月30日、エージェント向けの統合基盤「AI Data Plane」を発表しました。永続的なエージェント記憶、リアルタイムの文脈検索、企業が自社管理できるMCPサーバーを一つの運用基盤にまとめたものです。クラウド、オンプレミス、そしてネットワークが切断されたエッジ環境まで、同じ仕組みで動作する点を最大の特長としています。

中核となるのは三つの構成要素です。会話の文脈や業務データ、ベクトル埋め込みを一つの層で保持するエージェント記憶、標準規格に沿った企業向けMCPサーバー、そして呼び出し可能なツールとしてエージェント機能を提示する「エージェントカタログ」を備えます。記憶にはセッションごとのトークン上限や保存期間の制限、計算量を抑える計測制御といったガードレールが組み込まれています。

同社のCTOであるGopi Duddi氏は、Couchbaseの強みをキャッシュ由来の設計に求めます。「我々はデータベースになる前はキャッシュだった」と述べ、メモリーへの書き込みはディスクへの書き込みより10倍速いと説明しました。同じくキャッシュを源流とするRedisとの違いとして、取引処理に重要なACID準拠のデータベースを維持している点を挙げています。

エッジ対応を担うのが、端末上で動く「Couchbase Lite」です。ネット接続がなくてもローカルでSQLや全文検索、ベクトル検索を実行し、接続が回復すると独自方式でクラウドやエッジ間に双方向で同期します。小売の店頭や現場作業、規制が厳しくデータを端末外に出せない環境を主な対象としています。

実用面の利点はトークン効率です。Duddi氏はホテル予約を例に挙げ、複数のエージェントが同時に顧客対応しながらローカルの文脈を参照し、端末上でベクトル検索を行う構成を示しました。各エージェントが同じデータを個別に取得し直すのではなく、共有文脈をキャッシュすることで無駄なトークン消費を避けられます。

もっとも、文脈層は競争が激しい分野です。OracleやRedis、Pineconeが2025年に相次いで参入しており、IDCの調査ディレクターDevin Pratt氏は「Couchbaseはこの流れを作ったのではなく追う側だが、追うべき正しい流れだ」と評します。真価が問われるのは、大手に対する規模での競争力だと指摘しました。

Googleは6月29日、YouTubeのブランド向け広告キャンペーンで新たな計測機能を追加すると発表しました。動画リーチ広告と動画視聴広告が対象で、広告主が重視する成果をどう生み出しているかを示すことを狙いとしています。

まず動画視聴キャンペーンでは、Shortsに配信した広告の操作をShorts広告アクションとして自動的に予算最適化と新しいレポート列に組み込みます。同社によると、視聴時間が10秒を超え「いいね」が付いたShorts広告では、平均してブランド検討が15%、好意度が20%高まったといいます。

もう一つの柱が、広告の表示や視聴をきっかけに発生した検索数を測る関連ブランド検索指標です。Google広告のレポート指標として世界で利用可能になり、ブランド広告とパフォーマンス広告の橋渡しを助けます。

効果も具体的な数字で示されています。Google上で関連するブランド検索が1件増えるごとに、ブランドは平均で31ドルの売上増を得られるとしています。利用にはGoogle担当者への問い合わせが必要です。

これらの機能は、ブランド広告の価値を売上や購買意欲といった成果に結び付けて説明したい広告主にとって、投資判断の材料になりそうです。

Googleは6月29日、Geminiアプリの個人化画像生成機能を米国の全対象ユーザーに無料で開放すると発表しました。これまでPlus、Pro、Ultraの有料会員に限定されていた機能で、画像生成モデルNano Bananaを活用します。利用者の好みやライフスタイルを反映した画像を、詳細なプロンプトを書かずに作成できる点が特徴です。

この機能は同社のPersonal Intelligenceを基盤としています。ユーザーの許可のもと、GmailやGoogle Photos、YouTube、検索などの連携データからGeminiが嗜好を読み取り、応答に反映する仕組みです。たとえば「自分と好きなものを描いて」と入力するだけで、コーヒーやベーキングといった具体的な対象を指定せずとも、好みに沿った画像が生成されます。

Google Photosとの連携により、本人の実際の写真を自動で取得できる点も利便性を高めています。これまで必要だった手動の写真アップロードが不要になり、利用者は説明の手間を減らして制作に集中できます。「夢の家をデザインして」といった簡潔な指示でも、連携アプリから適切な文脈を引き出します。

Personal Intelligenceはオプトイン方式で、どのアプリへのアクセスを許可するかをユーザーが選べます。有効化すると全プロンプトで既定となりますが、ツールメニューの新しいトグルで無効化が可能です。プライバシーへの配慮として、設定はいつでも変更できる仕組みになっています。

Googleは個人化画像生成を4月に初公開し、Personal Intelligence自体は3月に米国全ユーザーへ拡大、その後インドと日本にも展開しました。GeminiはすでにMAU7億5000万を超え、AI分野の主要プレーヤーとしての地位を固めています。ChatGPTやClaudeに対抗する施策として、無料化は利用者層のさらなる拡大を狙う一手といえます。

OpenAIは6月25日、無料版ChatGPTの標準モデルであるGPT-5.5 Instantを更新しました。買い物や地域のおすすめ、複数条件の指示への対応を強化し、まず有料会員へ、続いて無料ユーザーへと順次展開しています。同社はXで「会話がより楽しくなった」と説明しましたが、具体的なベンチマーク数値は公開していません。

最大の変化はユーザー意図の理解です。旅行の計画や商品比較、近隣店舗の検索といった意思決定支援の場面で、質問の背後にある目的をより的確にくみ取れるようになりました。会話の途中で条件を追加したり反論したりしても、最初の回答に固執せず柔軟に対応する点が改善されています。

商取引や地域情報との連携も深まりました。位置情報を活用して近隣の選択肢を提示し、商品情報や画像を一つのまとまった回答に織り込みます。回答の体裁も定型的な箇条書きから、より温かみのある会話調へと調整されました。

開発者は更新版の挙動をchat-latestというAPIエイリアスから試せます。ただしこれは本番用のgpt-5.5モデルとは別物で、OpenAIは安定運用には引き続きgpt-5.5を推奨しています。今回はあくまでChatGPT側の更新であり、API向けモデル群の新リリースではない点に注意が必要です。

chat-latestの仕様は40万トークンの文脈窓と最大12万8千トークンの出力に対応します。料金は入力100万トークンあたり5ドル、出力30ドルで、キャッシュ入力は0.5ドルと9割引です。静的な指示を先頭に置くプロンプト最適化が促されます。

企業にとっての意味は新しい技術基盤ではなく、標準挙動の改善にあります。意図の推測や文脈の保持が向上すれば、調査や購買判断に使う従業員にとってChatGPTはより信頼できる道具になります。一方でメモリーソース機能は完全な監査証跡を提供しないため、RAGや社内ログのどれを正とするか企業側で定める必要があります。

Googleは6月25日、音声アシスタント「Gemini for Home」の新たな活用法100例を公式ブログで公開しました。スマートスピーカー「Google Home Speaker」の正式発売に合わせた発表で、照明や家電の制御、買い物リスト管理、料理や育児の相談まで、家庭での幅広い使い方を提示しています。

今回の活用例は、生成AIならではの柔軟な自然言語理解を前面に押し出している点が特徴です。「コーヒーメーカーをオフ、いや、やっぱりオンにして」といった言い直しや、「寝室以外の照明を全部つけて」のような条件付き指示にも対応します。タイマー設定と掃除機の起動、音楽再生を一度の発話でまとめて行う複数操作も可能です。

上位プラン「Google Home Premium」は月額10ドルから提供されます。加入者はカメラ映像をAIに尋ねて検索でき、「昨夜の物音は動物だったか」「白いホンダがいつ車庫を出たか」といった質問に、録画を遡らずに回答を得られます。家族の顔を登録しておけば、ドアベル履歴から来訪者の到着時刻も確認できます。

音声操作は家庭領域でのAI普及を測る重要な接点であり、Googleはハードウェア発売と具体的な利用シーンの提示を組み合わせ、Geminiの日常浸透を狙っています。経営者やエンジニアにとっては、対話型AIが定型コマンドから文脈理解へ移行する流れを示す事例として注目に値します。

AIに課金する米国の消費者の間で、Anthropic の Claude が支持を広げています。クレジットカード決済を分析する Indagari のデータによると、Claude の有料個人ユーザーと売上は2026年1月比で約75%増加し、月を追って伸びています。同社は企業や開発者向けの Claude Code が中心と見られてきましたが、より幅広い顧客層を獲得しつつあることを示す結果です。

Indagari は約2800万人の米消費者から得た数十億件の匿名化決済を分析しており、絶対的な売上や顧客数までは分からないものの、傾向をつかむには十分な規模だとしています。注目されるのは、3月に Anthropic がトランプ政権による大規模監視や自律兵器への自社モデル利用を拒否した後も、伸びが続いている点です。

学習プラットフォーム DataCamp のデータも、消費者人気の高まりを裏付けます。利用者約2000万人を抱える同社では、「Claude」が「AI」を上回り最も検索される語になりました。企業研修では ChatGPT 関連講座が依然優勢な一方、自発的に学ぶ個人の間では Claude 講座の需要が ChatGPT を3対1で上回り、直近30日だけで18倍に急増したといいます。

ただし消費者全体では ChatGPT が依然として圧倒的な存在です。市場調査の Sensor Tower や Indagari のデータでも、Claude は伸びているものの有料ユーザー数では大きく水をあけられています。それでも消費者から得る売上や認知度の面で Claude が ChatGPT に迫り始めているのは確かです。

OpenAI と Anthropic がともに株式公開を控えるなか、両社の事業の足腰が注目されます。今月、米政府がサイバーセキュリティ向けの強力なモデル「Mythos 5」「Fable 5」の非米国人による利用を禁じ、Anthropic が一時市場から撤収する事態も起きました。政府との対立が業績に与える影響は不透明ですが、現時点のデータは消費者と企業の双方でユーザーが増え続けていることを示しています。なお Anthropic はコメントを控えています。

中国AlibabaのQwenチームは6月24日、エージェントの行動ではなく環境が返す状態を予測する世界モデル「Qwen-AgentWorld」を公開しました。MCP、検索、ターミナル、ソフトウェア開発、Android、Web、OSの7領域を単一アーキテクチャで扱い、5月に発表した35時間自律実行モデルに続く自律エージェント強化の一環です。狙いは、本番環境では稀にしか現れないエッジケースを学習に組み込むことにあります。

従来のエージェントモデルは「環境を見て次に何をするか」を学びますが、本モデルはその逆で「行動の結果、環境が何を返すか」を予測します。論文はこれを言語世界モデルと呼び、世界モデリングこそ汎用エージェントへの欠けたピースだと主張しています。実検索や実ターミナルでは低ディスク容量などの条件を任意に注入できないという、大規模学習の壁に対する答えです。

両モデルはいずれもMixture-of-Experts構成で、35Bは3B、397Bは17Bだけがトークンごとに活性化し、256Kの文脈長に対応します。GUI領域ではスクリーンショットではなくアクセシビリティツリーやUI階層をテキストとして扱います。35Bの重みとベンチAgentWorldBenchはApache 2.0で公開され、397Bの重みは非公開です。

制御シミュレーション内で訓練したエージェントは、実環境のみで訓練した場合を上回りました。狙ったかく乱を注入することでMCPMarkは24.6から33.8へ上昇し、検索では完全に架空の世界で訓練したエージェントが実タスクへ転移し、WideSearchのF1が34.02から50.31へ伸びました。事前学習をウォームアップに用いると、エージェント特化の微調整なしでBFCL v4が62.29から71.25へ改善しています。

一方でX上の研究者からは慎重な指摘も相次ぎました。「Alibabaが同じ論文で作って公開したベンチを0.46差で上回っただけ」との声や、シミュレーション訓練は過学習しやすく「世界モデルが綺麗すぎるとタスクではなくモデルを学んでしまう」との懸念が挙がっています。非制御と制御シミュの差は、利得が制御機構に大きく依存することを示唆します。

エージェント基盤を構築する開発チームにとって、本研究は実環境RLと静的ベンチの中間に制御シミュレーションという第3の選択肢を示しました。合成環境は近道ではなく実環境RLを補完する正当な学習層であり、未学習ベンチでも効果が出たウォームアップの結果は、環境理解を開発のより早い段階に置くべきだと示しています。

NVIDIAは6月24日、米AWSと連携し、本番規模のAI基盤を強化すると発表しました。両社はクラウド上の計算、検索、学習の各層を一体で改良し、企業が運用負担を抑えながらAIを実運用へ移せる環境を整えます。低遅延の推論や高速なベクトル検索、GPUの価格性能比といった課題に同時に対応する狙いです。

中核となるのが新インスタンス「Amazon EC2 G7」です。NVIDIAのRTX PRO 4500 Blackwell Server Edition GPUを搭載し、AI推論や映像処理、データ分析などの本番ワークロードに対応します。従来のG6と比べ、推論性能は最大4.6倍、グラフィックス性能は最大2.1倍に高まりました。

G7は最大8基のGPUと合計256GBのGPUメモリ、700Gbpsのネットワーク、最大7.6TBのローカルSSDを備えます。1基から8基までの構成に加え、ベアメタルも近く提供される予定です。利用者は過剰な設備投資を避け、用途に合わせて規模を最適化できる点が特徴です。

検索の層では、NVIDIAのライブラリ「cuVS」を使い、GPUによるベクトル索引をOpenSearch Serverlessの標準とします。これにより索引作成はCPU構成と比べて最大10倍速く、コストは4分の1に下がり、数十億規模のベクトルデータベースを1時間以内で構築できるとしています。検索拡張生成(RAG)や意味検索、エージェント型AIの基盤づくりが容易になります。

学習の層では、AWSがNVIDIA GB300向けに「Exemplar Cloud」認定を取得しました。NVIDIAが定める性能基準を満たしたことを示すもので、両社の協業による成果です。開発者は一貫した高性能基盤を前提に学習を進められ、クラウド選定や総保有コストの判断がしやすくなります。

今回の発表は、計算・検索・学習というAI基盤の全層を同時に底上げする内容です。共通する狙いは、運用チームの負担を増やさずに本番規模で性能を発揮できる環境を提供することにあります。企業がAIを計画段階から実運用へ移す動きが、さらに加速しそうです。

フランスのAI企業Mistralは2026年6月24日、文書知能モデル「OCR 4」を発表しました。単なる文字抽出にとどまらず、文書全体を構造化データとして返す点が特徴で、各ブロックに位置情報を示す枠、見出しや表といった種別、さらに単語ごとの信頼度スコアを付与します。15カ月でOCR技術の第4世代となり、即日でAPIやAmazon SageMaker、Microsoft Foundryなどから利用できます。

技術上の核心は構造化された出力にあります。従来のように平坦なテキストを並べるのではなく、各ブロックを枠で特定し、タイトルや表、署名などに分類したうえで信頼度を返します。これにより、抽出した事実を元の文書のどこに記載されていたかまで追跡でき、RAGや法令順守の業務で「この数値はどこから来たのか」という監査可能な答えを得られます。

Mistralは独立した評価者による比較で72%の勝率を得たと報告しています。ただし同社自身が採点上の誤差を公開し、集計値は確定的ではなく方向性を示すものだと注意を促しました。公開ベンチマークでは3位という指摘もあり、企業の導入担当者はベンダーの数値に頼らず、自社の文書と言語で独自に評価すべきだと記事は指摘します。

今回の発表は地政学的な追い風の中で行われました。6月12日、米商務省の輸出規制によりAnthropicは最新モデルへのアクセスを全面的に停止させられ、米国外の顧客が突然利用できなくなりました。Mistralが掲げる欧州AI主権の主張は、まさにこの事態で現実味を帯び、自社環境で完結する単一コンテナ提供が製品としての答えになっています。

価格は1000ページあたり4ドルからで、バッチ利用なら2ドルまで下がります。この水準なら10万ページの社内文書も200ドルで処理でき、大規模なデジタル化が現実的になります。一方で前日にはBaiduがMIT licenseの無償モデルを公開しており、自己ホスト型のオープンモデルと、企業向け機能を備えた商用サービスという二つの路線が鮮明になっています。

結局これはOCRの話ではなく、企業向けAI市場への入り口を巡る戦略だと記事は結論づけます。OCR 4はMistralの検索基盤や推論モデル、エージェント基盤へと連なる導線であり、同社は約200億ユーロの評価額での資金調達と2026年に10億ユーロの売上を目指しています。大手や急成長するオープンソース勢に対し、主権と構造化文書知能で欧州企業の予算を取り込めるかが焦点です。

米グーグルは6月24日、エージェントが画面を見て操作するコンピュータ操作機能を、主力モデルGemini 3.5 Flashに標準ツールとして搭載したと発表しました。これまでGemini 2.5の単独モデルでのみ提供していた機能を本体に統合し、エージェント用途で同社最高の性能を実現したとしています。開発者はブラウザやモバイル、デスクトップ環境を横断して自律的に動くエージェントを構築できます。

今回の統合により、3.5 Flashは画面を認識し、推論し、実際に操作を実行できるようになりました。グーグルはこれにより、継続的なソフトウェアテストや専門アプリをまたぐ知識労働といった、長時間にわたる企業の自動化タスクで性能が向上すると説明しています。実例として、Geminiアプリを解析して機能一覧を分類したり、自社ドキュメントのアクセシビリティ問題を自ら監査したりするデモが示されました。

開発者と企業はGemini APIおよびGemini Enterprise Agent Platform経由で、この機能を直ちに利用できます。Geminiはもともと関数呼び出しや検索・地図との連携に強みを持っており、そこに画面操作能力が加わった形です。ブラウザ自動化を手がけるBrowserbaseやUIPathといった顧客が、すでに価値を生み出していると同社は紹介しています。

ライブ環境で動くエージェントには、外部から悪意ある指示を紛れ込ませるプロンプト注入のリスクが伴います。グーグルはこれに対し、コンピュータ操作向けに的を絞った敵対的訓練を施したほか、企業向けの安全装置を2種類オプションで提供します。具体的には、機微または取り消せない操作にユーザーの明示的な確認を求める仕組みと、間接的なプロンプト注入を検知した際に自動でタスクを停止する仕組みです。

同社は多層防御の考え方を掲げ、これらの機能を安全なサンドボックスや人間による検証、厳格なアクセス制御と組み合わせるよう開発者に促しています。エージェントが現実の業務を代行する時代に向け、性能だけでなく安全面の整備を同時に進める姿勢がうかがえます。利用を始めるためのリファレンス実装やデモ環境も公開されました。

米Googleは6月23日のイベント「AI for the Planet」で、自然災害の予測と検知に関するAI研究の進展を発表しました。洪水・山火事・地震・異常気象を対象に、AIで生成した情報をパートナーや利用者に届け、「誰も自然災害に不意を突かれない世界」を目指す方針を示しました。

中核となるのが洪水予測です。2018年のインド・パトナでの試験運用から始まり、現在は予報基盤「Flood Hub」が150カ国以上、約20億人をカバーします。河川の洪水は最大7日前に、都市部の鉄砲水は最大24時間前に予報できるとし、関連データセットと水文フレームワークをオープンソース化したと説明しました。

異常気象では、サイクロン予測モデル「WeatherNext 2」が全球の時間別予報を数分で生成すると紹介しました。2025年のハリケーンシーズンでは、進路と強度を数日前に高い信頼度で予測できたとしています。山火事では衛星画像によるAI境界追跡を34カ国に拡大し、新たに開発した衛星「FireSat」で20分ごとの高頻度検知を目指します。

リアルタイムの警報も強化しています。検索とマップ上の「SOS Alerts」や、90カ国超で展開する「Public Alerts」を通じて、当局やメディアの情報を集約します。同社によると、昨年は1日平均1000万回以上、危機情報を人々に届けたといいます。Androidの地震速報や熱波・大気質の警報も各国で提供します。

国際機関や政府との連携事例も挙げました。ナイジェリアやバングラデシュでは支援団体がGoogleの洪水予報を活用し、増水前に現金を配る予防的支援を実施。ハリケーン「Melissa」では、米国立ハリケーンセンターが同社モデルを用い、ジャマイカへの上陸を5日前に予測したと述べています。

欧州の複合交通予約大手Omioは2026年6月23日、OpenAIと連携し、対話型AIによる旅行体験の構築と社内業務の変革を進めていると明らかにしました。同社は世界3000社超の交通事業者と接続し、47カ国で鉄道・バス・フェリー・航空便を仲介しています。利用者が行き先を伝えるだけで、予約可能な旅程を受け取れる仕組みを目指しています。

対顧客面では、Omioは2023年にChatGPT経由で利用できる早期の旅行体験の一つを公開しました。「ローマからフィレンツェへの最速ルートは」といった自然言語の質問に対し、ChatGPTをリアルタイムの運行・価格データに接続して回答します。最近では自社の交通ネットワークと結んだ専用のChatGPT体験へと拡張しています。

社内では、まず全社員にChatGPTを展開し、その後コーディング支援AIのCodexをエンジニアリングの工程へ深く組み込みました。CTOのトマス・ボツェトカ氏は「ChatGPTは前哨戦だった。本当の仕事はCodexで進む」と語っています。現在は全エンジニアが調査から計画、コーディング、テスト、レビュー、保守までCodexを使うといいます。

この取り組みは製品開発の速度を大きく変えました。Omioは多くの製品を従来の約20%の時間で構築できると見積もります。ボツェトカ氏は「複数の開発者が四半期かけていた案件を、今は1人が約1カ月でこなせる」と述べ、実験や意思決定の高速化につながったとしています。

一方で同社は責任ある運用を原則に掲げています。「責任と説明責任は人に残る。AIは開発や分析、意思決定を速めるが、主導権を握るのは人だ」と強調します。AIツールへの広いアクセスと統制、人による監督を組み合わせ、人が成果に責任を持つ運用モデルを築いているとしています。

Splunk（シスコ傘下）のAI担当幹部ハオ・ヤン氏は2026年6月22日、AIエージェントを導入する企業の真の競争優位は、モデルの能力ではなく組織自身が学び続ける仕組みにあると論じました。多くの企業が同等のフロンティアモデルを使える時代には、現場で得た知見をAIへ還元できるかどうかが差を生むという主張です。

氏が問題視するのは、現場で生まれた知識の散逸です。セキュリティ分析官の修正やネットワーク障害の原因特定といった貴重な組織知が、チケットや個人の頭の中に埋もれ、将来のAI判断に再利用されない現状を指摘しました。これを再利用可能なシステムへ変えることが、エージェント企業の次の課題だと位置づけています。

解決の鍵は、モデルそのものの再学習ではなく、モデルを取り巻くエコシステムの改良にあります。知識ベースや検索層、プロンプト、ポリシー、ガードレール、ワークフローを通じて、運用で得た経験を制度的な知識へ変換し、次のエージェントが参照できるようにするという考え方です。

具体例として、断続的な性能劣化が起きるサービスが挙げられます。観測性・ネットワーク・セキュリティの各エージェントは個別には部分的な視野しか持ちませんが、人間の専門家による初回の原因特定（誤った経路設定など）をトレースや修正履歴ごと記録すれば、次回以降は同様のパターンをゼロから調べずに済むと説明します。

こうした学習を支えるアーキテクチャとして、経験を保存するメモリ、再利用可能な指針に変える知識ベース、信号を相関させるデータファブリック、挙動を可視化するAI観測性、そして学習の反映を承認・監査する制御プレーンの5要素を提示しました。これらが揃って初めて、信頼できる形でAIが改善し続けるとしています。

結論として氏は、次のAI時代を制するのは最も多くのエージェントを並べた企業ではなく、あらゆる業務や障害対応から学びを吸い上げられる企業だと述べました。モデルが変わらなくても企業自体が賢くなる生態系を築けるかが問われます。なお本記事はSplunkによるスポンサード寄稿である点に留意が必要です。

中国の百度系PaddleOCRは6月22日、汎用OCRモデルの最新世代「PP-OCRv6」をHugging Faceで公開しました。文書やスクリーンショット、多言語画像、産業ラベルなど実環境のテキスト検出・認識を狙い、1.5M〜34.5Mパラメータの3階層で軽量さと精度を両立します。VLM全盛の時代に専用OCRの実用価値を示す動きです。

モデルはtiny、small、mediumの3層で構成されます。最小のtinyはエッジ端末向け、mediumはサーバー側の高精度処理向けと、用途に応じてサイズと精度を選べる設計です。small以上の2層は簡体字・繁体字・英語・日本語を含む50言語に対応します。

精度面では、PaddleOCR独自の複数シナリオ評価でmediumが検出Hmean86.2%、認識精度83.2%を記録しました。前世代のPP-OCRv5_serverと比べ、検出で4.6ポイント、認識で5.1ポイント向上しています。

技術面では、検出に大カーネルの軽量特徴ピラミッド「RepLKFPN」、認識に局所文脈と全体注意を組み合わせた「EncoderWithLightSVTR」を採用しました。小さく回転した文字や低解像度、複雑な背景といった難しい入力への対応力を高めています。

展開の柔軟性も特徴です。Transformers、ONNX Runtime、Paddle Inferenceの3つの推論基盤に対応し、`pip install paddleocr`で導入できます。出力は可視化画像と構造化JSONで保存でき、文書解析や検索、RAGやエージェントの処理に組み込めます。

米Googleは6月22日、Geminiモデルとエージェントを操作する新基盤「Interactions API」が一般提供（GA）に到達したと発表しました。2025年12月の公開ベータを経て、同社はこれをGemini向けの主要APIと位置づけ、すべての公式ドキュメントの既定をこの新APIへ切り替えます。開発者が最も好む構築手段に急速に定着したと説明しています。

GA版ではスキーマが安定したほか、開発者の要望に応える主要機能が加わりました。目玉はManaged Agentsで、1回のAPI呼び出しで遠隔のLinuxサンドボックスを確保し、エージェントが推論・コード実行・Web閲覧・ファイル管理をこなします。既定エージェントとして「Antigravity」が提供され、独自エージェントの定義も可能です。

実行面では、呼び出しに「background=True」を指定すれば、サーバー側が処理を非同期で走らせます。長時間タスクを扱いやすくする設計です。ツールも強化され、Google検索やGoogleマップといった組み込み機能と自作関数を1つの要求内で混在させ、結果を画像付きで返せるようになりました。

メディア生成も拡充しました。画像生成はNano Banana 2、音楽はLyria 3、表現力のある音声は複数話者TTSに対応します。Deep Researchも、速度重視と深さ重視の2系統やネイティブな図表生成を追加しました。スキーマは従来の「役割（Roles）」構造から、各動作を型付きの「ステップ（Steps）」として扱う方式へ簡素化されています。

費用と運用の最適化も進みました。FlexとPriorityの階層により費用か遅延かを選べ、Flexでは費用を50%削減できます。過去のやり取りは有料枠で55日間保持され、後から取得可能です。一方、従来の「generateContent」APIも完全にサポートを継続し、当面は新しいGeminiモデルを受け取り続けます。

ただしGoogleは、長時間稼働モデルやエージェント向けの最先端機能は、状態を持つエージェント処理向けに設計された新APIへ集約していくとの見通しを示しました。新APIはPythonとJavaScriptのSDKで利用でき、LiteLLMなどの提携先経由でも使えます。移行ガイドも公開され、各フィールドの対応関係を確認しながら段階的に切り替えられます。

米ストレージ大手Solidigmは2026年6月、AI推論の最大の制約がGPU供給からコンテキスト（文脈データ）管理へ移ったと指摘しました。同社のAI応用研究責任者ジェフ・ハーソーン氏は、計算コストが下がる一方で、セッション間に保持すべき状態データが想定を超えて急増していると説明します。これが2026年の最重要課題になると同氏は強調しました。

背景には三つの要因が同時進行しています。コンテキストウィンドウの拡大で入力が巨大化し、エージェント型AIが数十から数百回のモデル呼び出しを連鎖させ、企業が監査や再利用のため推論状態の永続化を求めています。これらが重なり、既存のメモリ階層では扱えない規模へとデータが膨張しているのです。

解決策として、GPUメモリとネットワーク上の大容量ストレージの間に専用のコンテキスト層が生まれつつあります。高速・高密度のフラッシュメモリでKVキャッシュや検索データを推論速度で保持・配信する層で、NvidiaはこれをCMXという用語で規格化しました。

この層が重要なのは、推論が学習とは異なる入出力特性を持つためです。学習が大きなブロック単位の書き込み中心なのに対し、推論は細かく遅延に敏感で状態を伴います。KVキャッシュが高速層になければ再計算（re-pre-fill）が発生し、新たな価値を生まないままGPUサイクルを浪費してしまいます。

求められるのは平均速度よりテールレイテンシの予測可能性です。GPU資源を割り当てる制御系は数秒の遅延も許容できないため、安定した観測可能な性能が鍵となります。電力が制約となる大規模拠点では、ペタバイトあたりの消費電力も重要な指標になります。

経営層やインフラ責任者にとって、この新層はもはや任意の選択肢ではありません。DRAMより安価なNAND（フラッシュ）を中間層に配置すれば、投資効率を高めつつ高価で供給制約のあるメモリへの依存を減らせます。形成途上のこの領域でいかに既存資源を効率的に使うかが、今後数年のAIインフラを左右しそうです。

ServiceNowとHugging Faceの研究チームは6月18日、ディープリサーチAIが外部検索を通じて社内機密を漏らす危険を測る新ベンチマークMosaicLeaksを公開しました。社内文書とWeb検索を併用するAIは、一見無害なクエリを重ねるうちに、断片を統合すれば機密が復元できるモザイク効果を招きます。攻撃者は検索ログだけから企業情報を推測できる点が核心です。

漏洩は三段階で測定されます。検索ログから調査の意図を推測する意図漏洩、ログに基づき機密の質問へ回答できる答え漏洩、そして何を探すか指示されずとも真の機密を述べられる完全情報漏洩です。後者ほど深刻で、観測者が能動的に機密事実を発見できる状態を意味します。

ベンチマークは社内文書とWeb文書をまたぐ1001件の多段推論連鎖で構成されます。各連鎖では前段の回答が次段の橋渡し情報となり、AIは社内情報を取得しなければ次のWeb検索を組めない設計です。漏洩を誘発しやすい一方、漏らさずに解くことも可能な課題が狙いとされています。

検証では、AIに検索性能だけを学習させると逆効果が生じました。強連鎖成功率は48.7%から59.3%へ上がった一方、答えや完全情報の漏洩は34.0%から51.7%へ悪化したのです。より多くの文脈を検索文に詰める挙動が、性能には寄与しつつ機密保護を損なう構図が浮かび上がりました。

そこで提案されたのが、機密配慮型の強化学習手法PA-DRです。段階ごとの状況報酬と、クエリの漏洩リスクを推定する学習済み報酬を組み合わせ、ログを露見させた計画判断に的確に罰を与えます。結果、強連鎖成功率を58.7%とほぼ維持しつつ、漏洩を9.9%まで削減しました。

注目すべきは、検索回数を減らして安全性を得たのではない点です。PA-DRはむしろWeb検索を増やしながら、具体的な数値や年など機密につながる詳細を落とし、適切な公開文書には到達します。社内情報を外部に持ち出さない検索の作法を、AI自身が学べる可能性を示した成果と言えるでしょう。

6月中旬、企業向けAIツールで同種の脆弱性が相次いで公表されました。15日にVaronisがMicrosoft Copilotのデータ窃取実証コードSearchLeakを、その4日前にはObsidian SecurityがAIゲートウェイLiteLLMの権限昇格連鎖を開示しています。共通する原因はただ一つ、企業AIが外部入力を信頼境界なしに受け入れる構造的欠陥です。

SearchLeakは、細工されたmicrosoft.comのURLをクリックさせるだけで、Copilotが利用者のメールボックスを検索し、Bing経由でデータを外部へ送り出す連鎖攻撃です。URLのパラメータがLLMへの指示として渡り、出力の無害化処理より先に画像タグが発火する競合状態を突きます。これはVaronisが12か月で確認した3例目のCopilot窃取連鎖であり、企業版は利用者の全権限を継承するため影響範囲が広がります。

LiteLLMはOpenAIやAnthropicなど複数プロバイダーの鍵を1つのプロキシ裏に保持します。Obsidianの連鎖は権限検証の不備を突いて管理者へ昇格し、サンドボックスを脱出して遠隔コード実行に至り、評価値はCVSS9.9でした。別のコマンド注入欠陥CVE-2026-42271はCISAの悪用既知リストに載り、6月22日が修正期限に設定されています。

同じ境界の崩壊はLangflowやnpmを狙うMini Shai-Huludワームでも確認され、4チームが4ツールで同一の運用上の失敗を証明しました。市場もこのリスクを織り込み始めており、CrowdStrikeのAI検知防御製品AIDRは年間経常収益が前四半期比250%超伸び、6月17日にはAWSのBedrockなどへ対象を拡大しています。

実務家も同じ問題を平易な言葉で指摘します。American Express GBTのCISOは「これは新しい影のIT、いわばシャドーAIだ」と語り、NIST枠組みなど基礎の徹底を導入前の前提に置きます。Enkrypt AIのMerritt Baer氏は「企業が承認したのはインターフェースであって奥のシステムではなく、リスクはモデルとデータをつなぐ接合部に潜む」と構造を言い当てました。

記事は対策として、各脆弱性をCVEや市場シグナルに対応づけ、検証コマンドと経営層向けの一文まで添えた5項目の信頼境界監査を提示します。これらはフロンティアモデルの問題ではなく、ゲートウェイや認証層といった配管の問題だと結論づけます。問われるのはベンダーが修正するかどうかではなく、攻撃者より先に自社が欠陥を見つけられるかどうかです。

中国人民大学とMicrosoft Researchの研究者は、AIシステムの自律最適化を担う新フレームワークArborを発表しました。試行錯誤の繰り返しを、過去の失敗から学んで改善を積み上げる累積的な学習プロセスへと引き上げる狙いです。実環境のエンジニアリング課題で、同じ計算資源のもとCodexやClaude Codeの2.5倍以上の検証可能な性能向上を実現しました。

従来のコーディングAIは各試行を独立して扱い、得た知見が会話履歴に埋もれて失われる弱点がありました。タスクが数百ターンに及ぶと文脈の上限を超え、初期の失敗で行き詰まるか、評価のぶれに振り回されてしまいます。複数の研究方針を同時に保持し比較する仕組みも欠いていました。

Arborは戦略立案と実装作業を分けて解決します。コーディネーターと呼ぶ司令役が仮説と方針を管理し、自身はコードを直接編集しません。実際の実装と評価は短命のエグゼキューターが担い、独立したgitワークツリー上で一つの仮説だけを検証して結果を報告します。

中核となるのが仮説ツリー精緻化(HTR)です。仮説・成果物・事実証拠・抽出した洞察を結びつけた節点を枝分かれさせ、失敗した実験は負の制約として記録します。これにより同じ誤りの反復を防ぎ、複数の競合する方針を安全に並行探索できます。

過剰適合を防ぐため、HTRは厳格なマージゲートを設けます。開発スコアが高くても、別の評価データで実際に改善が確認できなければ統合しません。検索エージェント課題では精度を45.33%から67.67%へ高め、50%台で止まったCodexやClaude Codeを大きく上回りました。

企業のAI活用では、複雑な実システムの継続的改善を自動化できる点が直接の価値となります。あなたの開発チームが抱える最適化のボトルネックも、こうした構造化された記憶を持つ手法で解きほぐせるかもしれません。

Pinterestは6月17日、対話型のショッピング体験を探る実験的アプリ「Ask Pinterest」を限定公開しました。自然言語で質問すると、同社が保有する利用者の興味や好みのデータ「Taste Graph」を使い、個別化した商品提案やヒントを返す仕組みです。将来は本体アプリへの統合も視野に入れています。

発表は、広告業界の年次イベント「Cannes Lions」の直前に行われました。今年のテーマはAIが広告主やマーケターをどう支援できるかで、Pinterestもこの流れに合わせて複数のAI施策を打ち出した形です。

Ask Pinterestは、従来の検索では扱いにくい複雑な質問や複数段階の相談に対応します。たとえばディナーパーティーの計画や、時間をかけた部屋の模様替えといった用途を想定し、セッションをまたいで文脈を保持する点が特徴です。サインインすれば、利用者自身が保存したピンやボードも回答に反映されます。

背景には、AIチャットボットが従来の検索エンジンと利用者の注目を奪い合う構図があります。GoogleはAIで買い物支援を進め、ChatGPTやMeta、Shopifyもエージェント型のショッピングを試しており、Pinterestもこの競争に独自データで参入します。同社は外部へのライセンス提供よりも、自社データで自前のAIを鍛える戦略を取ってきました。

広告主向けには、米国のAds Manager上でベータ版のAIアシスタントを導入したほか、最も成果が出やすい広告素材を自動で選ぶ「Performance+ creative」を世界展開しました。さらにModel Context Protocol（MCP）の基盤を整え、第三者のエージェントツールから標準的な形でキャンペーンを管理できるようにします。最高事業責任者のLee Brown氏は、今後の発見は「キーワードだけでなく、文脈や好み、信頼できる推薦に形作られる」と述べ、ここに自社の強みがあると語りました。

調査会社Pew Researchが2026年6月17日に公表した最新調査で、米国成人のうちAIが今後20年で社会に良い影響を与えると考える人はわずか16%にとどまることがわかりました。一方で約40%が悪影響を予想しており、AIが経済の中心へと急速に広がるなかでも、世論の評価は中立から否定寄りに傾いています。

懸念の中心は進展の速さです。回答者の63%がAIの進歩は速すぎると答え、企業が安全に開発すると信じる人は4割にとどまりました。さらに67%は、米政府がAIを実効的に規制するとは思わないと回答しており、制度面への不信も根強いことが浮き彫りになっています。

懐疑的な見方とは裏腹に、利用そのものは着実に拡大しています。チャットボットを少なくとも時々使う人は49%に達し、毎日使う人も約4分の1にのぼりました。なかでもOpenAIのChatGPTは利用率が44%と2023年から倍増し、Gemini24%、Copilot17%、MetaAI14%が続いています。

注目すべきは、最も利用が進む若年層がもっとも悲観的だという点です。18〜29歳の66%がチャットボットを使う一方、48%は悪影響を予想し、良い影響を見込むのは14%にとどまりました。年齢が上がるほど利用は減りますが、否定的な見方も和らぐ傾向にあります。

用途は仕事や調べ物が中心で、約4割が業務でAIを使うと回答しました。生産性が上がると感じる人は30%、情報収集に役立つとする人は28%です。ただ約6割がAIによる検索要約を日常的に読む一方、過去調査では情報の不正確さへの懸念も根強く、利便性と信頼の間で揺れる利用者像が見えてきます。

Googleは6月17日、対話AI「Gemini」専用に設計した新型スマートスピーカー「Google Home Speaker」を発表し、予約受付を開始しました。価格は99.99ドルで、出荷は6月25日です。同社が独立型スマートスピーカーを出すのは2020年9月の「Nest Audio」以来およそ6年ぶりで、Geminiを家庭に持ち込む姿勢を最も明確に示す製品となります。

最大の特徴は、旧来のGoogleアシスタントに代わりGemini for Homeを搭載した点です。決まった命令文を覚える必要はなく、「寝室の照明以外を全部消して」といった指示や、照明の調光・音楽再生・タイマー設定を一度に伝える多段階の依頼も理解します。言い間違えても文の途中で訂正でき、ウェイクワードを繰り返さず追加の質問ができる「Continued Conversation」も全対応言語に広がりました。

ハードは横長だった旧Nest Audioより小型化し、設置しやすさを重視しています。バランスの取れた360度サウンドを備え、2台でステレオ化やGoogle TV Streamerと組み合わせた疑似サラウンドにも対応します。本体にはNPU内蔵の独自プロセッサーが載り、ローカルAIで背景雑音を抑えて聞き取り精度を高めるほか、MatterコントローラーやThreadルーターとして家庭内機器のハブにもなります。

一方で高度な機能の一部は有料です。月10ドル(年100ドル)の「Google Home Premium」に加入すると、自由に会話できる「Gemini Live」や、Nestカメラの映像を検索する機能、留守中の出来事を要約する「Home Briefs」が使えます。購入者には6カ月分が無料で付き、定着後の課金移行を狙う設計です。追加の月額負担に見合う価値があるかは、今後の利用実感が判断材料となります。

発表が当初予定の春からずれ込んだ背景について、同社製品責任者のアニッシュ・カトゥカラン氏は、Gemini for Homeの改善に時間を充てたと説明します。家庭機器やメディア操作の遅延を最大40%短縮し、2500件超の不具合を修正したといいます。早期アクセスでは20カ国・350万世帯超が利用し、利用頻度は旧アシスタントの約2倍に達しました。AppleがSiriやスピーカーを刷新し、AmazonもAlexa+を展開する中で、スマートスピーカー競争が再び熱を帯びています。

米GitHubは6月17日、コーディング支援AI「GitHub Copilot」のトークン効率を高める改良を発表しました。VS Code向けにプロンプトキャッシュとツール検索を導入し、加えてタスクに応じて最適なモデルを自動選択する「Auto」を各機能へ拡大します。狙いは、1セッション内でより多くの処理を実作業に振り向け、利用者のクレジット消費を抑えることにあります。

効率化の第一歩は、ターンごとに繰り返す情報を減らすことです。プロンプトキャッシュは同じ接頭辞の再計算を避けてモデル状態を再利用し、ツール検索はすべてのツール定義を毎回送る代わりに必要なものだけを随時読み込みます。エージェントが扱うツールが増えるほど、この固定コストの削減効果は大きくなります。

もう一つの柱が「Auto」による自動モデル選択です。最初のプロンプト後、Copilotはタスクの意図と現在のモデルの状態をもとに最適なモデルを選びます。同社の評価では単一のモデルが全タスクで最良ではなく、深い推論が必要な場面では強力なモデルが、そうでない場面では効率的なモデルが有効だったといいます。

Autoは2つの信号を組み合わせます。可用性や応答速度、エラー率、コストを追うリアルタイムのモデル健全性と、推論の深さやコードの複雑さなどを考慮するルーティングモデル「HyDRA」です。HyDRAは品質基準を満たすモデルを絞り込み、その中から最適なものを選ぶ仕組みです。

実運用では落とし穴も考慮されています。会話の途中でモデルを切り替えるとキャッシュが壊れ、節約以上のコストがかかる恐れがあるためです。そこでAutoは初回ターンや要約後などキャッシュの自然な境界でのみ切り替え、間は同じモデルを維持します。CJKを含む16言語族で訓練し、ルーティング精度は英語基準から4ポイント以内に収まったとしています。

タスク意図を伴うAutoはすでにVS Code、github.com、モバイルで利用可能です。今後はCopilot CLIやGitHubアプリ、他のIDEへ広げ、無料・学生プランではAutoを唯一の選択肢に簡素化します。管理者がAutoを既定や必須に設定できる制御も加わる予定で、開発者が毎回モデルを選ばずに済む方向へ進めるとしています。

米マサチューセッツ工科大学（MIT）の研究チームは6月17日、ロボットが大規模な環境を長期間記憶し、自然言語で問い合わせに答えられる記憶フレームワーク「DAAAM」を発表しました。CVPRで公表されたこの手法は、コンピュータービジョンとロボット地図作成を組み合わせ、「昨夜組み立て始めた部品を取ってきて」といった曖昧な指示にも応答できます。

従来、マルチモーダルの視覚モデルは物体を豊かに描写できる一方で一度に1件しか処理できず、ロボットの地図作成は3D地図を作れても物体の詳細説明を欠くか計算負荷が高いという課題がありました。DAAAMは両者の長所を統合し、ロボットが移動しながら見た物体に説明文を付け、空間的に整理した3D地図として蓄積します。

高速化の鍵は、近接する物体をまとめ、複数の物体が最も明瞭に写るキーフレームを選んで一括で注釈する最適化手法です。これにより各物体を一度だけ注釈すれば済み、処理速度は従来の約10倍に達しました。数分の探索で数百の物体を見るロボットでも、リアルタイムで記憶を形成できます。

蓄積した膨大なデータからの検索には、複数のツールを呼び出す大規模言語モデル（LLM）を採用し、幻覚（ハルシネーション）を抑えながら必要な情報を数秒で取り出します。意味検索や位置情報による検索を使い分けることで、質問の種類に応じて従来手法より21〜53%高い正答率を記録しました。

研究を主導したルカ・カルローネ准教授は、人と並んで働くロボットには時間と空間を人間と同じように扱う能力が必要であり、本手法は従来の地図を言語ベースの地図へ変える試みだと説明します。応用先はロボットにとどまらず、保守作業者の異常検知や通勤者の道案内を支援する拡張現実（AR）システムへの展開も視野に入ります。

今後チームは、環境内で起きた重要な出来事を記録する機能や、回答に確信度を組み込む改良を進める方針です。大学院生のニコラス・ゴルロ氏は、あらゆる依頼に応える汎用エージェントの基盤づくりを目指すと語っています。

米メディアThe Vergeの記者が2026年6月17日、Metaが導入したFacebookアプリの新検索機能「AIモード」を実地検証した記事を公開しました。同機能はFacebookやInstagramの公開投稿を横断的に参照し、複雑な質問に回答するもので、旅行や週末の過ごし方といった計画立案の支援を狙いとしています。Google検索のAIモードに類似する一方、地域コミュニティの投稿を情報源とする点が特徴です。

検証では基本的な推薦の精度は一定の水準にありました。「近場の夏の旅行先」という質問には、ホイッドビー島やレーニア山など妥当な候補を提示しています。ただしAI生成とみられる不正確な地図が混じるなど、情報源の質にはばらつきが見られました。

一方で具体的な質問では誤りが目立ちました。地域プールが週末休業すると案内したものの、引用元の投稿は実在せず、施設の公式サイトは営業を確認できたといいます。ミネアポリスの子ども向け施設を尋ねた際には、実際にはテキサス州にある店舗を近隣として推薦するなど、事実誤認（ハルシネーション）が複数発生しました。

懸念されたFacebookならではのリスクについてはMetaへの評価が分かれます。記者がワクチンや選挙不正に関する偽情報を引き出そうと試みたものの、明確な誤情報の生成は確認できなかったと述べています。ただし議会襲撃の参加者を擁護する曖昧な回答を一度生成した点には注意が必要です。

経営者やエンジニアにとって示唆的なのは、ユーザー生成コンテンツを基盤とするAI検索が抱える情報源の信頼性問題です。投稿データの活用は地域情報の鮮度という利点を持つ反面、出典の検証可能性が品質を左右します。実用に堪える水準へ到達できるかが、今後の普及を占う鍵となりそうです。

Microsoft、Google、Hugging Faceなどの貢献者が2026年6月17日、AIエージェントがツールやスキル、他のエージェントを実行時に発見するためのオープン仕様Agentic Resource Discovery（ARD）を公開しました。設定ファイルへ事前に組み込む現在の方式に代わり、連合型レジストリ越しに能力を検索できる発見層を定めるドラフト仕様です。製品やマーケットプレイスではなく、どの企業も独自に実装できる共通標準と位置づけられています。

従来のエージェントは「先に導入し後で使う」方式が前提でした。開発者がMCPサーバーのURLを設定に固定するやり方は日常的に使う数個のツールには有効ですが、無数の臨時的な用途には拡張できません。全ツールの説明をLLMのコンテキストに詰め込む代替策も、コンテキスト予算の制約を受けます。

ARDはこの選択処理をLLMの外へ移します。レジストリが発行者情報や代表的な問い合わせ例、コンプライアンス証明、タグといった豊富な信号で能力を索引化し、REST経由で公開します。クライアントが自然言語で検索し、モデルはその結果を呼び出すだけ。手動導入の静的カタログから意図ベースの検索へと転換し、MCPツールやA2Aエージェントを事前設定なしに広く利用できます。

仕様は2つの要素を定義します。発行者が能力を周知URLで公開する静的マニフェスト「ai-catalog.json」と、ライブで順位付けされた検索を返す動的なレジストリAPI「POST /search」です。Hugging FaceのDiscover Toolはその参照実装で、Hubの既存の意味検索をARDのカタログ形式に変換し、数千のSkillsやMLアプリ、MCPサーバーへの検索アクセスを提供します。

利用方法も整備されています。Hugging Face CLIに組み込まれた「hf discover search」コマンドや、well-known URLで公開されるカタログ、直接叩けるREST APIとMCPエンドポイントから検索できます。今後は仕様の連合モードとの統合強化や、ユーザー・組織プロフィールでの静的マニフェスト対応が予定されており、あらゆる発行者が標準的な仕組みで自らの能力を広告できるようになります。

WordPress VIPが2026年6月16日に公表した調査で、米消費者の60%が、ブランドのメッセージに「AI」という言葉が使われると敬遠すると回答しました。さらに86%がAIを全面的には信頼せず、依然として一次情報の確認を望んでいることも明らかになりました。Automattic傘下の同社が、企業のAI検索対応の実態を探るために実施したものです。

調査は2026年4月に、企業の意思決定者やCMO 800人と、米成人1,200人の計2,000人を対象に実施されました。回答者の42%は、出典が明示されないAI生成の回答を、航空券の追加料金や難解なプライバシーポリシー、医療費の請求書よりも信頼できないと答えています。ほぼ4人に3人が、インターネットは10年前より「人間味が薄れた」と感じていました。

一方で企業側では、AI検索やAI回答プラットフォームからの流入が増えている実態も浮かびました。企業回答者の60%が過去1年でAI経由の流入が増加したと答え、74%がAIでの発見性や帰属表示を主要課題と位置づけています。ブランドはGoogle検索や従来のSEOを超えた世界への適応を迫られています。

同社CTOのBrian Alvey氏は「かつて人々は他者のためにサイトを作っていたが、今はその人々の代理として動くAIエージェント向けに作る必要がある」と指摘しました。コンテンツがAIに読み取られなければ存在しないに等しく、人間味と信頼性がなければ読者は二度と訪れないと警鐘を鳴らしています。

調査では、原典に直接アクセスできることを最大の信頼の手掛かりとする消費者が33%、ウェブ上の情報は少数の大組織に支配されず公開され続けるべきだと考える層が80%に上りました。ブランドはAIでの可視性と人間からの信頼を同時に追求する難題に直面していると言えるでしょう。

Metaは6月15日、Facebook上で公開投稿を情報源とする新検索機能「AI Mode」を発表しました。ユーザーは「People」や「Marketplace」と並ぶ選択肢としてAI Modeを選び、自然な言葉で質問するだけで、プラットフォーム上の人々が実際に語っている内容に基づいた合成された回答を得られます。AIの競争で巻き返しを図るMetaにとって、自社サービスの利用を深める狙いがあります。

AI Modeは従来の「リンクの羅列」ではなく、Facebook GroupsやReelsを含む各サービスの公開コンテンツから答えを引き出します。生成された結果に対してユーザーがAIへ追加質問を重ねられる点も特徴です。基盤には同社のMuse Sparkモデルが使われ、今後はInstagramやThreadsの投稿を引用・推薦する機能へと拡張される見込みです。

この動きは、検索結果やAI概要にReddit投稿を活用するGoogleの手法と重なります。Metaも先月、Facebook Groupsの議論から回答を返すAI「Ask」タブを備えたReddit風アプリ「Forum」を静かに公開しており、公開投稿を答えの源泉とする戦略を強めています。

一方で課題も浮かびます。検証された情報源ではなく一般ユーザーの投稿を要約するため、古い情報や誤った情報が紛れ込む現実的なリスクがあるのです。同様の懸念は、Reddit上で展開するGoogleのAI Modeに対してもすでに指摘されています。

Metaは検索以外にも複数のAI機能を同時投入しました。コラージュ素材や動画の切り替え効果を加える編集ツールに加え、服装や髪型を変えられるAI写真プリセットも提供します。スポーツファンは「AI Edit」アイコンから好きなチームのユニフォームを仮想的に着られます。

今回の一連の発表は、FacebookのAIツールでサービスをより手放せないものにしつつ、収益源を多様化するという広い戦略を示しています。同社はFacebook・Instagram・WhatsApp向けに月額3.99ドルからのサブスクを開始済みで、AI関連の課金プランも今後拡充される見通しです。

ドイツのミュンヘン地方裁判所は6月13日、検索大手Googleに対し、AI要約機能「AI Overviews」が生成した一連の虚偽の記述に法的責任があるとする仮処分判決を下しました。同社に対し、検索エンジンを通じた誤った主張の流布を防ぐよう命じる内容で、世界の検索エンジンや生成AIチャットボットの運用を揺るがしかねない判断です。

発端は、ある2社の出版社が、GoogleのAI生成要約によって特定の検索で詐欺や悪質な商慣行、定期購読詐欺に結び付けられていると気づいたことでした。両社は根拠のない関連付けだとして停止通告を送りましたが、Googleは、要約機能が情報に誤りを含む可能性を利用者に警告していると主張し、責任を否定していました。

裁判所は、従来の検索エンジンが第三者の発言を含むリンク一覧を表示するだけなのに対し、GoogleのAIは複数の情報源を誤って解釈し「独自で新しく実質的な主張」を生み出したと認定しました。誤情報の訂正は第三者の責任ではなく、技術を改変できる唯一の主体であるGoogleこそ「責任を負わなければならない」と結論づけています。

さらに判決は、AIの幻覚（ハルシネーション）を理由に利用者へ検証を促す警告があっても、配信者の責任は免れないとしました。原文に存在しない主張である以上、元の情報源を訴えることはできず、警告を認めれば虚偽の被害者が無防備になるためです。AIの出力は企業が設計・訓練・運用したアルゴリズムの産物であり、言論の自由による保護も及ばないと判断しました。

裁判所はGoogleに対し、名誉を毀損するとされた記述の大部分の削除と、訴訟費用の80%負担を命じました。Googleの広報担当者はArs Technicaに対し、回答の品質に深く投資しているとしたうえで決定を精査中で、控訴の可能性を示唆しています。

この判決は世界のAI業界に波及しうる歴史的な前例となる可能性があります。OpenAIやAnthropic、Perplexity AIも自社の回答に誤りの可能性を警告していますが、本件は、AIが情報源にない新たな主張を生成した場合、設計・運用する企業が損害の法的責任を負うべきだとしている点で重い意味を持ちます。

米カリフォルニア大学バークレー校やプリンストン大学などの研究チームは2026年6月12日、文書を文字に変換せず画面画像のまま検索する新手法「PixelRAG」を発表しました。従来のRAGはウェブページをテキストに解析してから索引化しますが、この変換工程が誤答の大半を生んでいると同チームは指摘します。

PixelRAGはページをスクリーンショットとして描画し、その画像を索引化したうえで、抽出した断片を視覚言語モデル（VLM）に直接読ませます。VLMは人間と同じくレイアウトや構造を保ったままページを解釈できるため、表や見出し、強調表示といった情報の欠落を防げる点が特徴です。

研究チームはWikipedia全7百万記事を約3000万枚のタイルに分割し、6種類のベンチマークで検証しました。テキスト型RAGを全項目で上回り、事実質問のSimpleQAでは精度が71.6%から78.8%へ、表形式の質問では42.5%から48.8%へ改善しています。

とりわけ注目されるのが運用コストです。AIエージェントの検索基盤としてPixelRAGを使うと、消費プロンプトトークンが3750万からわずか360万へ激減し、コストは2〜4分の1に下がりました。画像圧縮を併用すれば、さらに3分の1の削減が見込めます。

一方で課題も残ります。ページを固定の画素高で機械的に分割するため、表や段落が途中で切れる「視覚的チャンク化」の問題が未解決です。研究チームはこれを今後の重要な研究領域と位置づけています。

実務面では、既存のテキスト検索を置き換えるのではなく、その上に視覚検索を重ねるハイブリッド運用が現実的な導入経路だと著者らは強調します。企業のRAG刷新を検討するリーダーにとって、段階的に精度とコストを改善できる選択肢といえそうです。

半導体大手のNVIDIAは2026年6月12日、調査会社Artificial Analysisが公開した業界初の自律型AI向け性能指標「AgentPerf」の初回結果で、自社のBlackwell世代基盤「GB300 NVL72」が首位に立ったと発表しました。同基盤は前世代のH200システムと比べ、消費電力1メガワット当たり最大20倍のAIエージェントを稼働させたとされます。

なぜ専用の指標が必要なのでしょうか。従来の推論ベンチマークは、1回のLLM呼び出しに対する応答速度や同時処理数を測るものでした。これに対し自律型AIは、一つの目標を多数の手順に分解し、コード実行やデータベース検索などのツール呼び出しを挟みながら、数十から数百回のLLM呼び出しを連鎖させて動きます。負荷は単純な足し算ではなく乗算的に増えるため、既存指標では捉えきれないという課題がありました。

AgentPerfは、実在する公開コードリポジトリ由来のコーディング作業の軌跡をもとに設計されています。エージェントが課題を受け取り、ファイルを読み、コードを書いて実行し、結果を見て修正を繰り返す一連の流れを再現し、応答性と出力速度の基準を満たしながら何件の作業を同時にこなせるかを測ります。ツール呼び出しは実行せずCPU処理時間で模擬するため、差は計算基盤の性能のみを反映します。

首位の要因は、基盤全体にわたる徹底した協調設計にあります。GB300 NVL72は72基のGPUを単一のラック規模システムに束ね、DeepSeek V4 Proのような大規模な混合エキスパート型モデルを効率よく分散実行します。さらにCUDAカーネルが通信と計算を重ね合わせ、専門家間の調整コストを遅延に上乗せせず吸収する仕組みです。

結果は基盤投資の判断に直結します。加速器1台あたり、電力1メガワットあたりで何件の自律型作業を回せるかという数値は、企業がエージェントを大規模展開する際の投資対効果を左右するためです。BasetenやDeepInfra、Together AIといった主要な推論事業者は既にBlackwell上で最先端モデルを運用しており、AIコーディング基盤Cursorのエージェントなどが実際の現場で稼働しています。

NVIDIAは今後も推論ソフトウェアの最適化により性能と効率が向上すると見込んでいます。次世代の「Vera Rubin」アーキテクチャも本格生産に入り、拡大する自律型AIの需要に応える構えです。経営者にとっては、対話型から自律型へとAIの主戦場が移るなか、基盤選びの評価軸そのものが変わりつつある点に注目すべきでしょう。

グーグルの研究者らは6月12日、大規模言語モデルの幻覚を抑える新概念「忠実な不確実性」を提唱する論文を公開しました。モデルの内部的な確信度と言語表現を一致させ、不確かな場面では「おそらく」といった控えめな推測を返せるようにする手法で、企業のAI実用化を阻む課題への対応を狙います。

従来の幻覚対策には「効用税」と呼ばれる代償が伴います。誤りをゼロに近づけようとすると、モデルは少しでも不確かな質問への回答を避けるようになり、本来は正しい情報まで大量に捨ててしまうのです。論文では、誤答率を25%から5%に下げると正答の52%が失われると示されました。

研究チームはこの問題を解くため、すべての事実誤認を幻覚とみなす考え方を改めます。間違っていても適切に不確かさを添えた回答は、単なる仮説にすぎず幻覚ではないと位置づけ、「自信過剰な誤り」だけを問題視する枠組みへ転換しました。

鍵となるのが、モデルの言語上の不確かさと、実際の内部的な統計的確信度を一致させる「忠実な不確実性」です。共著者のガル・ヨナ氏は、医師が確定診断と推測を区別するように、AIも自らの限界を正直に伝えることで信頼を保てると説明します。

この発想はAIエージェントで特に重要になります。外部ツールを使える環境でも、いつ検索すべきかを判断する中核的な制御層として自己の不確かさの認識が働き、確信が低いときだけ検索を呼び出すことで遅延やコストの無駄を防げるためです。

ただし実装には難しさも残ります。不確かさの表現を教える教師ありの微調整では、正解が各モデルの知識に依存して動くため、知っている事実に「分からない」と教えると逆に幻覚を生む「ブートストラップの逆説」が生じます。ヨナ氏はプロンプト設計が最も手軽な入り口としつつ、最終的には強化学習による深い組み込みが必要になると述べています。

米ニューヨーク大学やコロンビア大学などの研究チームは2026年6月11日、大規模言語モデル（LLM）の入力文脈を圧縮する新手法「潜在文脈言語モデル（LCLM）」を発表しました。デコーダに到達する前に入力トークン列を圧縮することで、長大化する文脈が生む計算コストと処理速度の課題を解決します。モデルはHuggingFace上でオープンソース公開されました。

従来主流のKVキャッシュ圧縮は、全キャッシュを生成してから不要部分を削除します。これに対しLCLMはデコーダのprefill前に入力そのものを圧縮するため、高い圧縮率がそのまま計算量とメモリの削減に直結します。論文によると、長文脈ベンチマーク「RULER」で16倍圧縮時、KVキャッシュ基準より出力が8.8倍高速になりました。

精度の劣化が小さい点も特徴です。4倍圧縮では文脈を4分の1に減らしながら精度91.76%を保ち、無圧縮の94.41%から3ポイント未満の低下にとどまりました。16倍圧縮で入力の93.75%を除いた場合でも精度は75.06%で、同条件のKVキャッシュ手法をすべて上回りました。

アーキテクチャは0.6Bの符号化器と4Bの復号器を組み合わせ、3500億トークン超で訓練されました。継続事前学習、推論や長文脈タスクの教師ありデータ、細部を保持させる補助的な再構成タスクの3種を混ぜることで、圧縮と汎用性能の両立という従来の課題を克服しています。探索の結果、符号化器より復号器を拡大する方が効果的と判明しました。

実用面では既存のLLMと差し替えて使える設計です。共同責任者でコロンビア大学のミカ・ゴールドブラム氏は、文書を文脈に投入する前に圧縮器を通すだけだと説明します。人間が内容をざっと読んでから重要箇所を精読する動きに近く、エージェントが必要なテキストだけ選択的に復元する仕組みも示されました。

一方で課題も残ります。RAGパイプラインを持つ企業は、導入前に検索品質の指標に対して圧縮の挙動を検証する必要があります。さらに推論トレースのオンライン圧縮は未解決で、生成中に随時圧縮する素朴な手法が機能するかは今後の検証次第とされています。コードとモデルはGitHubとHuggingFaceで公開されています。

フロリダ州フォートマイヤーズに住む52歳の商業漁師ロバート・ディロン氏が、顔認識技術の誤った照合結果に基づき、児童への声かけ容疑で不当に逮捕されていたことが明らかになりました。米自由人権協会（ACLU）が6月に提訴し、顔認識を使った捜査の危険性を改めて問うています。事件は2023年11月、ジャクソンビルビーチのマクドナルドで発生しましたが、ディロン氏は現場から約500km離れた場所に住んでおり、同市を訪れたことすらないと主張しています。

捜査では、ピネラス郡保安局が運用する顔認識システムFACESが防犯カメラ映像とディロン氏の写真を「93%一致」と判定しました。しかしこのスコアは、2人が同一人物である確率ではなく、画像の類似度を示す数値にすぎません。さらに、ディロン氏名義の車両が事件前後に現場付近で検出されなかったというナンバープレートリーダーの記録は、令状申請書から省かれていました。

ディロン氏は自宅で妻の目の前で逮捕され、保釈金のためにトラックの権利証を担保に入れました。カニ漁のピークシーズンと重なり、家賃滞納で自宅を失いかけたといいます。逮捕写真は約1年間オンラインに残り、見知らぬ人から事件について尋ねられる日々が続いています。起訴は数週間後に全件取り下げとなりましたが、捜査担当の警察官はその後昇進しました。

FACESは2001年から稼働する全米最古級の顔認識データベースで、フロリダ州の数千万件の逮捕写真や運転免許証写真を保有しています。最盛期にはFBIやICEを含む260以上の機関がアクセスしていました。2016年のジョージタウン大学の調査では、検索の監査が行われていないことが判明しており、平和的な抗議活動の参加者にも無断で使用された実態が報じられています。

ACLUによれば、ディロン氏の事件は顔認識技術に起因する全米で少なくとも15件目の誤認逮捕です。同じジャクソンビル保安局は今年初めにも、別の男性を自動車窃盗容疑で誤認逮捕し、約3か月の勾留中に住居と職と子どもの親権を失わせています。ACLUは3つの法執行機関に対し、損害賠償と顔認識運用ポリシーの抜本的な見直しを求めています。

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。

Googleは2026年6月、検索サービスで利用される画像・音声・動画データの保存方法を変更すると発表しました。新たに「Search Services History」という設定を導入し、Google Lensで検索した画像、リアルタイム音声検索機能Search Liveの録音、Google翻訳に入力された音声などを保存対象とします。保存データはAIモデルの開発・改善を含むサービス向上に活用されます。

この設定はこれまでの「ウェブとアプリのアクティビティ」から独立した項目として新設されます。従来は検索関連のデータ保存が同一設定にまとめられていましたが、今後は検索サービス履歴とパーソナライズ推薦がそれぞれ個別の設定として管理されるようになります。

ユーザーはSearch Services History設定をオフにし、「Save Media」オプションを無効化することで、これらのデータ保存を拒否できます。すでにウェブとアプリのアクティビティで検索履歴の保存をブロックしていたユーザーについては、移行後も自動的にオフの状態が維持されます。

新設定は今後数か月かけて順次展開される予定です。Googleは広告のパーソナライズにもこのデータを活用する方針ですが、「Personalized Recommendations」設定で個別に制御可能としています。AI活用が加速するなか、ユーザーデータの収集範囲拡大とプライバシー保護のバランスが改めて問われる動きです。