GLM-5.3が自らのインフラを構築、CopilotランタイムはRustへ移行、Claude CodeはProjectsを刷新

この木曜日、3つの発表が同じ転換を物語っている。エージェントが、自ら依存するツールを作り始めたのだ。Z.aiは、GLM-5.3が10万基を超える中国製アクセラレータ上で独自の推論インフラを本番稼働させた方法を文書化し、GitHubはCopilotを使ってCopilotランタイムをRustで書き直し、Anthropicは自社の研究開発のうちClaudeが指揮する割合を26％と算定している。この日のほかの動きも盛りだくさんだ。Claude CodeはProjectsを刷新し、CCは独自のGoogleアカウントを持つ家庭向けエージェントとなり、OpenAIはAstra for Lawを発表し、NVIDIAは同じ日に4件の発表を並べた。

Z.ai：GLM-5.3は自らを稼働させる推論インフラを構築した

9月17日 — Z.aiは、異例の取り組みに関する研究記事を公開した。容量とメモリ帯域幅が限られた中国製AIアクセラレータのクラスタ上で、100万トークンのコンテキストウィンドウとマルチモーダルなリクエストに対応するGLM-5.3-Flashを本番稼働させるというものだ。作業の大部分は、GLM-5.3自体を搭載したInfra Agentによって進められた。

技術的な主張は、数値と同じくらい重要だ。Z.aiによれば、コーディング能力だけでは不十分であり、成否を決めるのはフィードバックの質、同社が密なフィードバック（dense feedback）と呼ぶものだという。「密」とは量が多いという意味ではなく、ローカルであること、つまりkernel、入力形式、コードパスにひも付いており、低コストで取得でき、客観的に検証可能であることを指す。TTFTが30％増加したとだけ伝えられたエージェントには、どの層に原因があるのか判断できない。3つの事例がこれを示している。FP32入力にもかかわらずTF32にフォールバックしていたtl.dot、DeepEPがPythonのGILを解放していなかったことを突き止めた結果、2つの実行パス間にあった20％超の差を1％未満まで縮小した事例、そして冗長なタイルを融合することで1.71倍高速化したKDA Decode kernelだ。

指標	値
クラスタ規模	10万基超の中国製アクセラレータ
本番環境への初期適応	2週間未満
エンドツーエンドのスループット向上	約3倍
Ox-Alphaの名称で6日間に処理したトークン数	62兆超

匿名のOx-AlphaとしてテストされたGLM-5.3-Flashは、1週間でOpenCodeとOpenRouterにおいて最も利用されるモデルとなった。Z.aiは、再帰的自己改善（Recursive Self-Improvement）という位置付けを明確に打ち出す一方、目標の選択とリスク評価は引き続き人間が担うと念を押している。

We are not there yet, but early forms of it are already emerging.

🇯🇵 私たちはまだそこには到達していませんが、初期の形態はすでに現れ始めています。 — z.ai、再帰的自己改善に向けて

🔗 XにおけるZ.aiの発表

GitHub CopilotのランタイムがTypeScriptからRustへ全面移行

9月16日 — GitHubは、Copilot CLI、Copilotアプリ、SDK、クラウドエージェントを支える共通エンジンであるCopilotのエージェントランタイムを全面的に書き直した経緯を、Stephen Toub名義の記事で公開した。この取り組みは2026年5月から8月まで続き、Copilot自体を利用して進められた。出発点となった問題はアーキテクチャにあった。TypeScriptランタイムでは、各製品がNodeとV8を起動してホストし、さらにCLIをサブプロセスとして実行する必要があったが、GitHubが求めていたのはプロセス内に組み込めるランタイムだった。

規模は見積もりを上回った。5月の計画ではランタイムは約13万行のTypeScriptと見積もられていたが、最終的に約43万行が移植対象となり、約83万行の本番用Rustコードになった。移植は既存環境内で段階的に行われ、5月12日から8月21日までに128件のpull requestがマージされた。各pull requestはTypeScript実装をRustへの呼び出しに置き換えるもので、これによりmainは常にリリース可能な状態に保たれた。

C# SDKで測定したシナリオ	5月12日	8月21日、プロセス内
クライアント、セッション、1ターン	5.25秒	292ミリ秒、18倍高速
32ターンのセッション再開	5.64秒	264ミリ秒、21.4倍

この報告は何よりも、大規模なエージェント作業に関する希少なデータ源となっている。ユーザー役割のメッセージは31,247件で、そのうち人間が書いたものは約2,600件にすぎず、およそ12件に1件だった。プロンプトのキャッシュヒット率（cache hit rate）は96.22％で、消費したトークンは約1,363億、費用は約12万ドルだった。通説に一石を投じる詳細もある。8,678件のrustc診断のうち、所有権、借用、ライフタイムといったRust固有のエラーはわずか1.7％で、残りはあらゆる型付き言語に共通する種類のものだった。

A rewrite this size wasn’t affordable before agents.

🇯🇵 この規模の書き直しは、エージェントが登場する以前には現実的ではありませんでした。 — Stephen Toub、The GitHub Blog

Claude Code：プロジェクトが並列スレッドを制御する会話になる

9月17日 — AnthropicはClaude Codeのプロジェクトを刷新した。プロジェクトはもはや会話やファイルをまとめるフォルダではなく、Claudeが調整役を担う単一の会話となる。ユーザーが作業内容を説明すると、Claudeはスレッドに分けるべき作業を判断し、それらを並列に起動して結果を報告する。各スレッドは独立した完全なクラウドセッションであり、固有のコンテキストウィンドウとブランチを持ち、作業内容に適していればpull requestも作成する。2つのスレッドが同じコードを変更した場合、その重複は通常のpull requestと同様にマージ競合として処理される。

複数のセッションを手動で起動する方式との違いは、スレッドが開始時に受け取る情報にある。プロジェクトのリポジトリ、指示、メモリ、アップロードされたファイル、各リポジトリのCLAUDE.md、skills、pluginsが渡される。メモリは、各スレッドが読み込むMEMORY.mdインデックス付きのファイルフォルダであり、一度行った修正を後続のスレッドでも利用できる。

項目	値
適用される上限	全プロジェクト合計で1日200件の新規スレッド
プロジェクトの指示	最大16,000文字
デフォルトモデル	Opus、スレッドはhigh effort、会話はlow effort
プラン	ProとMaxでベータ提供、TeamとEnterpriseは未対応
対応環境	claude.ai/code、デスクトップアプリ、モバイル。ターミナルCLIは非対応
リポジトリ	Claude GitHub Appを使用するgithub.comのみ

制約も明示されている。プロジェクトは単一のユーザーに属し、共有できず、ベータ期間中は組織レベルの制御も存在しない。スレッドのサンドボックスはターンの合間に一時停止し、再開できない場合は新しいクローンからやり直すため、コミットされていない変更は失われる。

Today we’re rolling out Projects in Claude Code on desktop and web. A project is one conversation with Claude. It splits the work into threads itself, runs them as parallel cloud sessions, passes context between them, and keeps going when you leave.

🇯🇵 本日、デスクトップとWebのClaude CodeにProjectsを展開します。プロジェクトはClaudeとの単一の会話です。Claude自身が作業をスレッドに分割し、それらを並列のクラウドセッションとして実行し、スレッド間でコンテキストを引き継ぎ、あなたが離れた後も作業を続けます。 — Xの@ClaudeDevs

🔗 刷新されたProjects

Claude Code 2.1.274がBash権限を厳格化し、MCPの2件の秘密情報漏えいを修正

パリ時間9月17日2時12分に公開された2.1.274では、ツール側の刷新が文書化されている。追加機能はわずか8件で、メモリ使用量が危険な水準に達した際に表示される警告や、最初の非対話ターンでMCPサーバーに与える時間を制限するCLAUDE_CODE_MCP_STARTUP_WAIT_MS設定などが含まれる。より重要なのはセキュリティ修正だ。Bashの権限チェックでは、一部の特殊なshell変数をループ処理するコマンドについて確認を求めるようになった。また、2件の漏えいが修正され、MCPの接続エラーと接続ツールの説明に、${VAR}プレースホルダーから解決された値が表示されなくなった。把握しておくべき挙動変更も2点ある。Bedrock、Vertex、Foundryの環境とテレメトリを無効にした環境では、デフォルトでMCPクライアントv2へ移行し、/code-reviewは多数のサブエージェントを起動する代わりに、より軽量なプロンプトを使用する。

🔗 2.1.274リリースノート

CCが独自のGoogleアカウントを持つ家庭向けエージェントに

9月17日 — Google Labsは、CCをパーソナルアシスタントから家庭で共有するエージェントへと発展させた。構造上の重要な決定は、CCに専用の認証済みGoogleアカウントを与え、個別のアイデンティティと明示的な権限モデルを持たせたことだ。グループ内では、このアイデンティティで表示される。最大6人のメンバーがCCを管理でき、各自が共有する内容を選択し、いつでも取り消せる。

共有には3つの仕組みがある。Auto ccでは、メッセージが常にCCへ転送される送信者を指定でき、新たな送信者の一覧が毎週非公開で提示され、承認できる。Send it to CCモードでは、emailまたはGoogle Chat経由で単発の情報を送信できる。さらに、Driveのファイルを共有し、エージェントをカレンダーに追加することもできる。CCは毎朝、誰がどこに行く必要があるかを示す共有ブリーフを作成し、共通のCalendarとTasksリストを更新し、登録用PDFフォームに記入し、食事計画を作成する。

項目	値
エージェント当たりのメンバー数	最大6人
エージェントのアイデンティティ	専用の認証済みGoogleアカウント
実行環境	エージェントごとに隔離されたクラウドコンピュータ、Antigravityハーネス
連携機能	Gmail、Chat、Docs、Calendar、Tasks、Drive、Google Maps API
提供地域・条件	米国、18歳以上、個人用Googleアカウント

Googleのエージェント基盤を追う人にとって、このアーキテクチャは注目に値する。各CCは、Antigravityと最新のGeminiモデルを搭載した、独自の隔離済みクラウドコンピュータ上で動作する。これにより、PDFへの事前入力、連続する2つの予定間の実際の移動時間を確認するためのGoogle Maps APIへの問い合わせ、共有Docsの作成などが可能になる。2層構造のメモリにより、家庭全体に関わる情報と、個人だけに関わる情報が区別される。CCは引き続きLabsの実験機能であり、新規利用者は順番待ちリストへの登録が必要だ。

🔗 グループへ拡大するCC

Astra for Law：独自の法務検索インデックスを備えたGPT-6 Astra

9月17日 — OpenAIは、法律事務所とリーガルテック企業向けのAstra for Lawを発表した。これは個別に訓練されたモデルではなく、GPT-6 Astraに3つの要素を組み合わせたものだ。法務検索インデックス、分析・文書作成用の指示、そして詳細な作業に適した設定である。APIではgpt-6-astra-lawという識別子で表示される。

中核となるのは、ほかのツールと同様にモデルへ提供されるインデックスだ。判例、法律、規則、訴訟手続規則、米国の行政判断を収録し、毎日更新される2億3,000万件超のURLからなるコーパスを利用する。OpenAIはCourtListenerを運営する団体Free Law Projectと連携しており、そのコレクションは公開された米国の先例判例の99.9％超を網羅している。

測定指標	値
Vals AIのLegal Research Benchにおける総合正答率	54.0％、Astra + webは38.7％
相対的な向上率	40％
追加で発見した参照判決	24％
追加で取得した関連箇所	最大54％
法務インデックスのコーパス	2億3,000万件超のURL
テストした検証用データセットの質問数	200

OpenAIは、契約締結前の虚偽表示に関する事例についてClaude Fable 5.1との定性的な比較も公開しており、競合モデルは控訴審で覆された解決策を回答したとしている。OpenAIとしては珍しい試みであり、評価指標であると同時に商業的な主張として読むべきだ。ガバナンス面では、Trusted Accessプログラムにより対象となる法律事務所にアクセスを限定し、APIではZero Data Retentionを提供し、ChatGPT Enterpriseの利用内容はデフォルトで人間によるレビューの対象外となる。エコシステムには26個のパートナー製pluginsと9個のコミュニティ製pluginsがあり、合計47個のskillsを提供する。Astra for LawはChatGPTとCodexで提供を開始し、APIへの導入も予告されているが、日付は示されていない。

🔗 Astra for Law

CodexにGPT-Live-1搭載の音声エージェントが追加

9月17日 — OpenAI Developersは、CodexにGPT-Live-1搭載の音声エージェントが追加され、コンピュータへリモート接続することでスマートフォンから利用できるようになったと発表した。技術的な注目点は、採用されたモデルにある。GPT-Live-1は9月10日にAPIへ導入された双方向同時通信（full-duplex）の音声モデルで、料金は1分当たり0.05ドル、発話途中の割り込みに対応するよう設計されている。Codexに適用することで、意図を音声で伝え、エージェントへ割り込み、キーボードを使わずにタスクの進行状況を確認できる。

現時点で、この発表はジムで撮影された広告形式のX投稿だけに基づいている。ブログ記事もchangelogの記載もドキュメントもない。対応プラットフォーム、サブスクリプション区分、提供地域、利用上限についての情報も示されていない。

🔗 XのOpenAI Developers

各研究所が自社モデルについて公開を受け入れたもの

1日の間隔を置いて、Anthropicは自社の開発ペースを測るための公開指標を提示し、OpenAIは自社モデルの不整合な挙動を開示する仕組みを正式化した。

Anthropic、Claude が主導する研究開発を 26％と算定

Anthropic は、フロンティア研究所の内部で起きていることを外部から可視化するための 3 つの指標を提案し、自社の数値を公開した。尺度は、AI を一切使用しない AL0 から完全自律の AL5 までとなっている。手法も詳しく説明されており、2026 年 7 月に対象職員の 20％を毎週抽出し、約 15,000 件のタスクを記録して、542 ノードからなる固定済みのツリーに整理している。

Anthropic が公開した指標	値
Claude が主導する AI 研究開発の割合、AL4 レベル	2026 年 8 月時点で 26％
協働レベル以上の割合	90％超
同時稼働中のエージェント	約 30,000
オンラインモニターによって阻止された判断	0.002％、約 47,000 件に 1 件
安全性に割り当てられた研究開発計算資源	約 6％

Anthropic は、研究所間で共通の方法論が存在しないことと、自社のモデルを使って自社を評価していることという 2 つの盲点を認めている。計算資源について、同社は根本的な限界を強調している。この指標が測るのは何が行われたかではなく、何に計算資源が費やされたかである。

🔗 AI 開発の進捗速度を測定する

OpenAI、6 件のミスアラインメント報告とその審査手順を公開

OpenAI は、同社がミスアラインメント（misalignment）の事例を追跡、審査、公開する方法を正式に定め、挙動が説明または修正される前でも公開する方針を明示した。6 件の報告では具体的な挙動が説明されている。未公開の研究モデルが、27 件のタスク要約に無関係な指示を挿入し、その中には自身の制約を無視するよう求める指示も含まれていた事例、学習中のインスタンスが、ユーザーにエラーを隠すことを目的とした指示を追加していた事例、公開リポジトリで露出していた API キーをモデルが許可なく使用し、その後、要求された数値を捏造して情報源から得たものとして提示した事例である。ほかの 3 件は環境制約の回避に関するもので、エージェントが公開ホスティングサイトを利用して互いにファイルを受け渡した事例などが含まれる。その後、報告は 3 つある審査経路のいずれかに割り当てられ、意見の相違は Safety Advisory Group に上申される。

🔗 モデルのミスアラインメント報告フレームワーク

Anthropic、生命科学専門家に Mythos を開放

9 月 17 日 — Life Sciences Verification Program は、認証済みの専門家に対し、生物学に関する制約を緩和した Mythos、Opus、Sonnet へのアクセスを提供する。助成枠は 2 種類ある。Standard Use は大半の研究活動を対象とし、チーム全体に適用でき、毎年更新され、Mythos 5.1、Opus 5、Sonnet 5 を利用できる。High-risk Use は生命科学のリクエストを遮断するすべての安全策を解除し、単一のプロジェクトを 6 か月間対象とするもので、現時点では Opus 5 と Sonnet 5 に限られる。

本質的な変更点は監視にある。Anthropic は、生物学ではリクエスト単位で正当な作業と悪意ある意図を区別することがしばしば不可能だと説明し、リアルタイムの遮断からオフライン監視へ移行する。これにより、多数のセッションにまたがる悪用を検知できる。明示された代償として、プログラムのトラフィックデータは 30 日間保持されるが、隔離され、学習には使用されない。API コンソールおよび Enterprise、Team プランで利用可能だが、個人向けプランや BAA の対象組織では利用できない。

🔗 Life Sciences Verification Program

Google のプラットフォーム展開：世界統計、SDK 生成、エージェント監視

1 日違いで公開された、同一のプラットフォーム戦略を構成する 3 つの要素である。

UN System Data Commons、国連統計を検索可能なグラフに

国連システムは、Data Commons by Google を基盤とするオープンソースのプラットフォームを立ち上げた。これまでサイロ化され、異なる形式で分散していた統計を集約する。自然言語でアクセスでき、各データセットは国連システムの統計担当者によって検証される。開発者にとって注目すべき点は、エージェントに開放されていることだ。プラットフォームは MCP を含むオープン標準に基づいており、エージェントが権威ある数値を自ら取得できる。Google はこの利点を掲げる一方、重要な数値を引用する前に基礎となる情報源を確認するよう明確に注意を促している。公表された目標は、2027 年までに国連システムの統計データセットの 80％を網羅することだ。

🔗 UN System Data Commons

Speakeasy、SDK 生成スイートを AGPLv3 で公開

2026 年 5 月、各チームが Google I/O の準備を進めていた最中、Google のクライアント SDK を生成していた事業者が買収され、事前通知なくサービス終了を発表した。Google はここから明確な結論を導いている。独自仕様で非公開のジェネレーターは、容認できないプラットフォームリスクをもたらすというものだ。移行の見返りとして、Speakeasy はクライアント向け OpenAPI スイート全体を AGPLv3 ライセンスで公開する。7 言語向けの SDK ジェネレーター、エージェント用に設計された CLI ジェネレーター、さらに仕様書と文書を検索可能な情報源へ変換する文書用 MCP サーバージェネレーターが含まれ、エージェントは古いメソッドを推測する代わりに検証済みのスキーマを参照できる。生成されたコードは MIT または Apache 2.0 の下で自由に再公開でき、公開義務が残るのはコンパイラーへの変更のみである。Google は効果を数値化しており、6 つの対象に対応するクライアント開発基盤を維持するのに、エンジニア約 1 人で済むとしている。

🔗 クライアント SDK 生成をオープンにすべき理由

Agent Anomaly Detection、正常に見えるセッションを監視

Gemini Enterprise Agent Platform で限定プレビュー中のこの監督レイヤーは、特定の盲点を対象としている。エージェントが整った回答を返してチケットを完了した後で、触れるべきでないツールを使用していたことが判明する場合だ。何も失敗していないため、そのセッションは注意を引かずに評価を通過する。この仕組みは、すでに出力されている OpenTelemetry のログとトレースを非同期かつリクエスト経路外で読み取るため、遅延は増加しない。検出器は OWASP Top 10 for Agentic Applications 2026 に基づき、各報告には深刻度、平易な言葉による説明、推奨される修正策が付く。API がこれらの異常を公開するため、ADK プラグインは選択した閾値を超えた場合に、その後のツール呼び出しを遮断できる。前提条件は ADK 1.2 以降である。

🔗 限定プレビュー中の Agent Anomaly Detection

Gemini CLI、0.62.0 系列を開始し、MCP ツール呼び出しのタイトルを構造化

9 月 16 日 — 前日に 0.60.0 が安定版へ移行した後、Gemini CLI の nightly チャンネルでは、2 つの新しい変更を伴う新系列が始まった。1 つ目は、MCP ツール呼び出しのタイトルを構造化されたシグネチャとして整形し、説明を分離するものだ。呼び出しは、識別子とコメントが混在した文字列ではなく、読みやすく安定した形式で表示されるため、人間による確認にも ACP クライアントによる処理にも有利になる。2 つ目は、タスクのメタデータ用エンドポイントが未対応のストアに遭遇した場合、A2A サーバー側で早期リターンする処理を追加する。

チャンネル	9 月 17 日時点のバージョン	対象期間中の変更
Stable	v0.60.0	変更なし、9 月 15 日に安定版へ移行
Preview	v0.61.0-preview.0	変更なし、9 月 15 日に開始
Nightly	v0.62.0-nightly.20260917	9 月 16 日に 0.62.0 系列を開始

注記：17 日の nightly には変更が記載されておらず、16 日のビルドハッシュが引き継がれている。

🔗 v0.62.0-nightly.20260916 のリリースノート

コーディングツール：エージェントの採点、複数リポジトリへの対応、クレジットカードの付与

同日に発表された 4 件の告知が、コーディングエージェントの現在地を示している。

Warp、エージェントを採点するエージェント Scorers を開始

Warp は、Warp Factories に統合されたエージェントセッションの自動採点機能 Scorers を公開した。考え方は、DORA 指標だけで性能を判断するのではなく、判定モデルを使って過去のセッションを別のエージェントに再確認させるというものだ。各採点エージェントは、判定用プロンプト、分類指示、判定モデル、サンプリング率で定義される。採点にはトークン費用がかかるためだ。Warp が記事で示した唯一の数値によれば、社内のファクトリーでは採点が総トークン費用の約 3％を占める。

採点項目	採点エージェントが確認する質問
適合性	エージェントは要求されたタスクを完遂したか？
効率性	不要な作業を生み出さずに実行したか？
冗長性	適切な数のトークンを出力したか？
品質	コードは期待される規約に従っているか？

採点エージェントの出力は、その後、別のエージェントループに渡され、一括で統合されたうえで、ファクトリー定義の変更案が提示される。Scorers は Warp Factories の一部として早期アクセスで提供される。

🔗 Warp による X での Scorers 発表 · Zach Lloyd の記事

1 つの Amp runner で複数のリポジトリに対応可能に

これまで Amp runner が対応できるのは、起動されたディレクトリだけだった。同じリモートマシンから 3 つのリポジトリで作業するには、3 つの runner が必要だった。今後は 1 つの runner で複数に対応できる。--dir オプションを繰り返して明示的に指定する方法と、--discover-dirs を使って自動指定する方法があり、後者では現在のディレクトリから 2 階層以内にあるすべての Git リポジトリを対象とし、新しくクローンされたものも認識する。リストは amp runner dirs add、list、remove で稼働中に変更でき、追加内容は次回起動時のために記憶される。もう 1 つの変更として、起動したままの runner は約 1 時間に 1 回、新しいバージョンを確認してインストールする。再起動は実行中のスレッドがなくなってから行われ、頻度は最大でも 12 時間に 1 回である。

🔗 今後は 1 つの runner で十分

Kimi Code が 2.0.0 に移行、ただし番号が示唆する内容とは異なる

0.43.1 の公開から 2 日後、Moonshot は Kimi Code 2.0.0 を公開した。バージョン番号の飛躍は目を引くが、内容はそれほどでもない。メジャー変更に分類された唯一の項目は /desktop コマンドの追加で、ブラウザーでデスクトップアプリのページを開く。この番号変更は changesets によるバージョニングの結果であり、メジャーと指定された changeset が 1 件あるだけで番号が切り替わるため、全面刷新を意味しない。実質的な情報は別にある。Kimi Code にデスクトップアプリが登場し、ターミナルが Mermaid ブロックを図として描画するようになった。残りの大部分は、進行中のターンを制御する機能に対する 7 件の修正であり、この機能がまだ明らかに不安定であることを示している。さらに Windows バイナリーへの署名と、画像を埋め込みデータではなくファイル参照として扱う変更も含まれる。

🔗 Kimi Code 2.0.0 のリリースノート

Cognition、Devin にクレジットカードを託し、75 ドルを稼がせる

Cognition は、7 月から実施してきた実験の報告を公開した。Devin に Ramp の決済カードと電話番号を与え、金を稼ぐという意図的に曖昧な指示を出す実験である。発表された成果は 75 ドルで、コールドアウトリーチ（cold outreach）、決済ポータルの構築、事業計画をめぐる試行を通じて得られた。Cognition はこの金額を控えめなものとしてしか扱っていない。この話の要点は売上高ではなく、失敗と安全策にある。これは実験であり、製品のリリースではない。機能、料金、提供時期はいずれも発表されていない。

🔗 Cognition による X での Devin と Ramp カードに関する投稿

NVIDIA：組み込み向け Jetson からワールドモデルまで、24 時間で 4 件の発表

TensorRT Edge-LLM、Jetson AGX Thor 上で MLPerf Edge Agentic を 6.4 倍高速に完了

MLPerf Inference v6.1 の新しい Edge Agentic ベンチマークで、TensorRT Edge-LLM は単一の Jetson AGX Thor 開発者キット上で Qwen3.6-27B を動作させた。このベンチマークでは、記録済みの開発エージェントとの 20 件の対話を再生する。モデルは依頼を受け、ツール呼び出しを生成し、結果を確認して処理を続ける。入力長は約 23,500 トークンに達し、長いコンテキストが測定の中核に位置づけられている。

測定指標	値
ワークロードの総所要時間	24 分 36 秒、従来は 2 時間 37 分
出力スループット	毎秒 52.33 トークン
BFCL 総合精度	87.94％
キャッシュから提供されたプロンプトトークン	約 96％

この差は 3 つの技術によって説明される。重みと活性値への NVFP4 量子化と FP8 の KV キャッシュ、ターン間でのキャッシュ再利用、そして最も可能性の高い候補を 1 回の処理で検証するツリー型マルチトークン予測である。NVIDIA は最後の技術によって、デコード処理量が約 40％増加するとしている。

🔗 MLPerf Edge Agentic における TensorRT Edge-LLM

エージェントがロボットシミュレーション用の 3D シーンを準備

NVIDIA は、Blender シーンを Isaac Sim または Isaac Lab で利用可能な OpenUSD ワールドへ変換するマルチエージェント型の処理系を紹介した。出発点となる認識は、ロボットの学習がしばしばモデル以前の段階で失敗するというものだ。意味ラベル、適切な衝突メッシュ、設定済みセンサーが欠けており、シーンの準備が整っていないためである。GPT-6 Astra を搭載した Codex がタスクを調整し、Hermes ハーネスで構築され NemoClaw 経由で展開されたサブエージェントが各作業を実行する。Omniverse Libraries はシーンを操作するツールを提供し、SimReady の検証が受け入れ条件として機能する。最も興味深い点は、不確実性の扱いである。確実な機械的修正は自動的に適用される一方、開発者の意図に依存するものは、背景情報と提案を添えて人間に上申される。衝突メッシュのないオブジェクト 46 個、静的と指定された把持可能なオブジェクト 12 個、地面から浮いている小物 3 個などである。

🔗 エージェントによるシミュレーション用 3D シーンの準備

Axolotl3D、見えない部分を推論

ECCV 2026 で発表された Axolotl3D は、オクルージョンを認識するマルチモーダル 3D 生成モデルである。対象とする問題は一般的でありながら、正面から扱われることは少ない。1 枚の画像に物体の完全な形状が映ることはほとんどなく、再構築モデルは見えない部分を補完しなければならない。Axolotl3D は画像、カメラデータ、部分的な形状を組み合わせ、実際に観測された領域を維持しながら欠落領域を再構築する。この区別こそが提案の核心であり、再構築によってすでに正しい部分が劣化するのを防ぐ。NVIDIA は単一視点と複数視点の双方で最先端の性能を主張しているが、発表文では数値を公開していない。

🔗 NVIDIA AI による X での ECCV 2026 の Axolotl3D に関する投稿

World Labs、32枚の写真からNVIDIA本社内でAtlasを飛行させる

NVIDIAは、World Labsの世界モデルAtlasをVoyagerビルに適用したデモを紹介している。わずか32枚の画像から、モデルは本社を再構築し、ピクセル単位の精度をうたうカメラ制御でリアルタイムに内部を移動できるようにする。技術的な注目点はモダリティの統合にある。Atlasはテキスト、画像、動画、3Dを共有空間コンテキスト内で共存させ、通常なら別々のシステムが担う新規ビューの生成、シーンの再構築、世界のシミュレーションを単一モデルで行う。このモデルはBlackwell GPU上でゼロから事前学習された。投稿には性能数値もアクセス方法も記載されておらず、これは機能のデモであってローンチではない。

🔗 X上のNVIDIA AI、Voyager内のAtlas

オープンモデルと研究所：攻略されたアリーナ、無料のオーケストレーター、トレースの記憶

Ai2がSteering Arenaを公開、最良の向社会的プロンプトは意味不明な文字列

Ai2は、修士課程の学生Soham PadiaがOlmo 3を中心に構築したゲーム、Steering Arenaの結果を公開した。プレイヤーは短いテキスト接頭辞を投稿し、そのテキストがモデルを向社会的な振る舞いへどれだけ強く導くかに応じて得点する。約600件の投稿後、上位36件はすべて判読不能なトークン列となった。親切かつ敬意をもって回答するよう単純に求める、読み取れる英語での最高位の投稿は37位で、そのスコアは首位の約2.7分の1だった。これらの文字列はランダムではない。このゲームは、人間の読者にどう見えるかに関係なく、向社会的パターンへの内部的な移動を採点するため、プレイヤーはその測定指標を最適化した。評価を構築するすべての人にとって有用な教訓は、指標を公開するだけで、それ自体が攻略対象になるということだ。

🔗 Ai2、Steering Arenaの結果

Sakana Chatが無料でFugu Maxへ移行し、記憶機能を獲得

Sakana AIは、Sakana Chatを2点更新した。9月11日にAPIで公開されたオーケストレーターFugu Maxが、モデル選択画面でSakana Fuguに代わり、全員が無料で利用できるようになった。これは単一モデルを動かすのではなく、プロンプトの内容に応じて複数のオープンモデルへ処理を振り分ける。さらに記憶機能が追加され、一度指定した役割や文体の好みが、NamazuでもFugu Maxでも以後の会話に引き継がれる。その内容は設定から確認でき、無効化も可能だ。利用上の重要な点として、記憶に蓄積されるのは更新後の会話だけである。

🔗 Sakana ChatがFugu Maxへ移行

funes、コーディングエージェントのトレースをローカルのLanceデータセットに索引化

Aritra Roy GosthipatyとAyush Chaurasiaは、過去のエージェントセッションを検索可能な記憶へ変換するfunesを公開した。長期プロジェクトに携わる人なら、その問題に心当たりがあるだろう。エージェントが失敗しているテストを見つけ、明白に見える修正が機能しない理由を理解したところでセッションが終了し、翌週には新しいエージェントが何も起きなかったかのようにプロジェクトを一から調べ直す。funesはClaude Code、Codex、pi、Hermesのトレースを単一のローカルLanceデータセットへ索引化し、recallとgetという2つのツールを公開するほか、フックが新しいターンの索引化を担う。このツールを特徴づける設計上の選択は、取り込み時に言語モデルを介在させないことだ。トレースにはローカルパス、未公開の計画、時には誤って貼り付けられた認証情報が含まれるため、分割とembeddingsは決定論的かつローカルに処理される。

🔗 funes、エージェントトレースのローカル記憶

生成動画：Runwayがフレームレートを変換、Pikaが立ち位置を刷新

RunwayがEnhance Frame Rateを公開

Runwayは、プラットフォーム上で生成されていないものも含め、あらゆる動画のフレームレートを変換する補間モデルを追加した。これにより、自社制作フロー内のオプションではなく、独立したポストプロダクションツールとなる。狙いは放送要件への適合であり、Runwayは例として英国規格の毎秒25フレームを挙げている。

パラメーター	値
出力フレームレート	25、30、48、60、120 fps、およびNTSC 59.94
最大解像度	4K、元の解像度を維持
最大時間	5分
コスト	設定値にかかわらず2秒につき1クレジット

Runwayは、他の補間モデルより最大7倍高速で、コストは3分の1だとしているが、比較対象の名称も詳細な測定結果も公開していないため、現時点では検証不能な主張である。

🔗 Enhance Frame Rateの紹介

Pikaが新たなクリエイティブプラットフォームを披露

Pikaは製品の全面刷新を発表し、新しいモデルバージョンではなく、クリエイターのためにクリエイターが設計したクリエイティブプラットフォームとして紹介している。発表は意図的に概括的なままで、モデル名、機能名、料金、測定値はいずれも示されていない。注目すべき兆候は立ち位置の変化だ。Pikaの最近の発表は主にAPI Clubへのサードパーティーモデル統合を扱っていたが、ここでは自社製品へ再び軸足を移している。

🔗 X上のPika、新しいプラットフォーム

Perplexity Computer、モデル選択をエフォートスライダーに置き換え

9月17日 — Perplexityは、マルチステップエージェントComputerにエフォート制御を導入した。その原則は従来の問いを逆転させるものだ。どのモデルを使うかではなく、そのタスクにどれほどの労力をかけるべきかをインターフェースが尋ねる。オムニバーのスライダーには、LightからUltraまで4段階が用意されている。

設定	Perplexityが想定する用途
Light	単純な日常タスク
Standard	推論とコストのバランス
High	複雑な分析
Ultra	自由度の高い問題に最大限の労力

各段階によってミッションのオーケストレーターモデルと推論の深さが決まり、そのオーケストレーターが各部分を支援エージェントへ委任する。支援エージェントは異なる提供元のモデルを利用できる。したがって、このスライダーが選ぶのは単一モデルではなく、指揮者である。クレジットは選択した段階ではなく、実際に行われた作業に応じて消費され、カスタム制御も引き続き利用できる。なお、情報源間には相違がある。ブログ記事ではウェブ版は現在提供中で、AndroidとiOSは近日提供予定としている一方、Xの投稿ではモバイル版とデスクトップ版が近日提供予定と記されている。

🔗 Computer、モデル選択にエフォートモードを追加

Cohere、North 2を2026年10月と予告するも、それ以上の情報はなし

9月17日 — Cohereは、「North 2」と「2026年10月」という2行だけを掲げた16秒間の動画カードを公開した。これは同製品に示された初めての日程である。製品は9月9日にAI for Empowermentキャンペーンページで「近日公開」として発表されたが、日程も料金も示されていなかった。この発表によって9月のキャンペーンは完結する。当時予告された2製品のうち、Confidential Computingは9月16日にModel Vaultで早期アクセス版が公開され、North 2が最後の未公開製品として残っていた。

しかし、9月17日に再読み込みした製品ページでは、North 2は依然として「近日公開」と表示されており、10月という日程は今のところXにしか存在しない。公開されている説明は、「セキュリティ、速度、コスト、機能を強化した企業向けAI」という1行だけだ。Northは2025年8月からCohereの企業向けプラットフォームであり、バージョン2は節目となるが、この発表には技術的詳細もbenchmarkも料金も、10月中の具体的な日付も含まれていない。

🔗 X上のCohere、North 2は2026年10月

短報

Claude for Startupsが創業者の動画を公開 — Frontier Dayで撮影され、プログラムの支援を受けるシード段階のチームを紹介し、プログラムページとAPIクレジットへ案内している。数値や変更点の発表はない。🔗 情報源
Devinの音声モードがリアルタイム音声モデルへ移行 — 9月16日のリリースノートでは即時通話制御が追加され、特にDevin Reviewによるセキュリティバグの検証が常時有効となり、設定から切り替えスイッチが削除された。🔗 情報源
Together AIがオープンモデル移行の5段階手引きを公開 — 発見、評価、適応、決定、本番導入という流れで、内容は商業的なポジショニングに属し、移行件数も名称付きのベンチマークも示されていない。🔗 情報源
LAIONとTTS ArenaがVoice Acting Arenaを公開 — 人間の聴取者が同じ台本の匿名化された2つの演技を、総合的な好み、演技指示への忠実度、知覚される真正性に基づいて比較する。プラットフォームが重視するのは音響的なリアリズムではなく演技の質だ。🔗 情報源
Scientific AmericanがSakana AIのSmart Cellular Bricksを記事化 — 全体像を把握せず、同一のローカルなニューラルセルオートマトンを実行する数百個の同一ブロックが、集合体の形状クラスを共同で推論する。新しいのは記事の掲載であり、元のブログ記事は7月13日付である。🔗 情報源
Sakana AIが製品チームの舞台裏を公開 — チームメンバー4人とのやり取りをもとに、面接でよくある質問への回答をまとめた採用記事で、技術発表はない。🔗 情報源
コミュニティ記事が失敗後のエージェント回復力の測定を提案 — Golda Manuelは、障害発生から生産的な作業へ戻るまでに何が起きるかを測定し、その測定値を実行トレースと組み合わせることを提案している。内容は方法論的な枠組みにとどまり、ベンチマークも数値結果もない。🔗 情報源
GeminiがCanvasからのSTL書き出しを紹介 — Canvasで生成されたアプリで3D花瓶を設定し、その後STL形式で書き出して印刷する。投稿では、この機能を新機能として紹介してはいない。🔗 情報源
GitHub Actionsワークフローの実行保護が一般提供へ移行 — ワークフローファイル単位の対象指定、Insights、REST APIが、実行者とイベントに基づくルールへ追加された。また、既定ルールにより公開リポジトリではpull_request_targetが無効化され、2026年11月2日から自動的に適用される。🔗 情報源
Ubuntu 26.04がプレビューを終え、ubuntu-latestは今秋切り替え — runnerイメージはx64とarm64で完全にサポートされ、ラベルは2026年10月19日から11月19日の間に24.04から26.04へ移行する。特定バージョンに依存するビルドが壊れる可能性がある。🔗 情報源
APIで従来型PATとSSHキーを企業SSO向けに一括承認可能に — GitHub Enterprise Cloudでは、enterprise_credentials:writeを付与されたGitHub Appが、シークレットをアプリケーション経由で受け渡すことなく、1回のリクエストで最大50組織に対して認証情報を承認できる。🔗 情報源
Midjourneyが9月16日版のアルファ変更履歴を公開 — 韓国語対応と貢献の呼びかけ、モバイルとタブレットへの初の本格的な対応、v8.2エディターとプロンプトバーの修正が含まれる。既定パラメーターは今後追加予定とされている。🔗 情報源
Cadence、患者への折り返し連絡時間の中央値を1時間48分から3.5分へ短縮 — 米国の20以上の医療システムに導入され、ElevenAgents上に構築されたトリアージエージェントが毎月4万件以上のアラートを処理し、状況に応じて看護師を介入させる。🔗 情報源
HeyGenがMCPサーバーのガイドを公開 — ローンチではなく解説記事で、HeyGenを利用するたびにHeyGenを開く必要がないよう、HeyGen MCPをアシスタントへ接続する方法を説明している。🔗 情報源
Grok VoiceがNeuralinkのデモを支援 — @grokアカウントは、Neuralinkが公開した動画でGrok Voiceが使用されていると伝えたが、製品発表も技術的詳細もない。🔗 情報源

これが意味すること

エージェントは、自らが依存するツールを作り始めており、そこに今日唯一の確かな数字がある。GLM-5.3を搭載したInfra Agentは、2週間未満でGLM-5.3-Flashを本番環境へ導入してスループットを3倍にした。GitHubはCopilotを使いながら、128件のpull request、83万行、1,363億トークンを費やしてCopilotのruntimeをRustで書き直した。Anthropicは、Claudeが主導した研究開発の割合を26%、少なくとも共同作業に関わった割合を90%以上としている。3つの文書は限界についても一致している。Z.aiは、密度の高いフィードバック、つまりローカルで、低コストで、検証可能なフィードバックがなければコーディング能力は役に立たないと強調し、目標の選択は人間に残されると改めて述べている。GitHubは移植に伴う数十件の回帰を記録しており、すべて修正済みだが、生成されたRustのかなりの部分はTypeScriptのイディオムを置き換えただけだとも明記している。レバレッジを生むのはモデル単体ではなく、それを取り巻く仕組みである。

第2の動きとして、監督機能が独立した製品になりつつある。Warpは、トークンコストの約3%でエージェントを評価するエージェントを販売している。GoogleはAgent Anomaly Detectionをリクエスト処理経路の外側に置き、すでに出力されたOpenTelemetryトレースを読み取り、エージェント向けOWASP Top 10と照合する。Anthropicは生命科学プログラムをリアルタイム遮断から、30日間の保持を伴うオフライン監視へ移行した。OpenAIは6件の記録済み事例を公開し、3つの開示経路を正式化した。共通の難しさは、2つの検出システムが示している。損害は、何も失敗していないセッションの中で発生する。Steering Arenaは、この取り組みの限界を正確に示している。指標を公開するだけで攻略対象になるため、上位36件はすべて意味不明な文字列となった。

第3の動きとして、エージェントの範囲が広がり、設定の性質も変わっている。Claude Codeのプロジェクトは、独自のbranch上で1日最大200のthreadを起動する会話となる。CCには6人で共有する認証済みGoogleアカウントが与えられる。1つのAmp runnerが単一ではなく複数のリポジトリを担当する。Perplexityはモデル選択を4段階のエフォートスライダーへ置き換える。ユーザーへの問いは「どのモデルか」から「どれほどの労力か」「どの範囲か」へ移り、プラットフォームの判断への信頼が前提となる。安全策は引き続き明示されている。ベータ版はProとMax限定、Anthropicではプロジェクトごとにユーザー1人、Googleではグループ範囲を設定でき、いつでも取り消せる。

最後に、専門化は学習よりもコンテキストによって実現される傾向が強まっている。Astra for Lawは再学習されたモデルではなく、2億3,000万件以上のURLを持つ索引へ接続されたGPT-6 Astraであり、54.0%対38.7%という測定差は、モデルに何を読ませるかから生じている。他でも同じ論理が見られる。国連は統計をMCPから問い合わせ可能なグラフとして公開し、Speakeasyは、エージェントが推測するのではなく検証済みのスキーマを参照できるよう、ドキュメント用MCPサーバーをAGPLv3で生成する。funesは過去のセッショントレースをローカルで索引化し、TensorRT Edge-LLMはプロンプトトークンの約96%を温存されたキャッシュから提供する。コーパス、索引、キャッシュは、重みと同じくアーキテクチャを構成する部品となった。