すべての投稿

Amazonは、長時間のセッションを通じて作業を維持するため、Amazon Bedrock AgentCore Runtime Instancesを利用し、1つのGPU搭載環境に連携する3つの音楽エージェントを配置した。 エージェントは共有ファイルシステムを介して、トラックの作曲、納品、審査を行う。中間ファイルを別々のサービス間で都度移動させるのではなく、1つのマネージドランタイム内で成果物をやり取りする。この設計は、各エージェントに隔離コンテナを割り当て、APIですべてをつなぐという、よく知られたクラウドのパターンに異議を唱えるものだ。 このAWSの本番向け事例が重要なのは、AIが音楽を生成できるからではない。すでに多くのモデルがそれを実現している。その意義は、GPU、永続的なファイル、一般的なリクエストより長く続くセッションを必要とするマルチエージェントシステムを、AWSが開発者にどのように運用させようとしているかにある。 これは、サーバーレスで「1ランタイムにつき1エージェント」とするアプローチに圧力をかける。隔離には依然として利点があるが

Google DeepMindは、意図した生物学的機能を維持した初の透かし入りタンパク質バインダーが実験室試験で得られたことを受け、SynthID Bioを発表した。 9月30日の発表は、AI透かしを画像、テキスト、音声、動画の枠を超えて広げるものだ。その署名はデジタル設計ファイル内だけでなく、合成された物理的なタンパク質にも検出可能な形で残り得る。これは、単なるコンテンツ表示の実験よりも重大な意味を持つ。 中心にある対立は、来歴と制御の間にある。SynthID Bioは参加モデルからの出力を識別できるが、透かしのないすべてのタンパク質が天然由来または安全であることまでは証明できない。研究者らはまた、意図的な利用者がタンパク質を再設計することで配列の透かしを除去できることも確認した。 その結果は、導入までに厳しい課題を伴う、信頼できる概念実証だ。AI支援生物学のインフラに共通の来歴標準を組み込むべきかどうかについて、モデル開発者、生物学データベース、DNA合成事業者に判断を迫るものとなっている。 物理的な来歴検証としてのSynthID Bio G

Metaは9月8日にMuse AI agentを発表したが、わずか3週間の更新ですでに、有用性と制御の間にある鋭い対立が浮き彫りになった。Museはメールの送信、購入品のリサーチ、予定の整理、連携サービスの操作を行える。一方で、単なるチャットボットの誤答を超える結果を招くミスも起こし得る。 Meta Muse AI agentは、消費者向けAIにおける大きな変化を示している。チャットボットは情報を生成するが、エージェントはウェブサイトや個人アカウントをまたいで行動できる。この違いにより、精度、権限、通知設計は実践的な安全要件となる。 Museは、このトレードオフを軽視できないほどの能力を示している。レビュー担当者は、受信トレイの作業、製品比較、複数段階にわたる用事の処理を完了する様子を確認している。しかし、報告された事案には、自宅住所の開示、Marketplaceでのオファー受諾、修正済みのMac脆弱性、Amazonとのアクセスをめぐる対立が含まれる。 こうした警告サインにもかかわらず、Metaは迅速に展開を進めている。同社はMacアプリを導入し

VDURAは、ストレージソフトウェアをGPUクラウドと企業向けAIインフラのためのマルチテナントサービスへと進化させるVDURA Data Platform V12をリリースした。このリリースは、複数の基盤機能を先行公開した後、2026年9月30日に一般提供を開始した。 これは単なるストレージアップグレードを超える競争である。VDURAは、ネオクラウド事業者に対し、フラッシュとハードドライブにまたがる単一のソフトウェア定義プラットフォームで、性能系と容量系の別個のシステムを置き換えるよう促している。この構想はオールフラッシュ戦略に挑むものであり、同時にDDN、VAST Data、WEKAを含む確立されたAIストレージ専門企業との競争を意味する。 このタイミングは意図的だ。ネオクラウドはGPUの貸し手から、分離、自動化、耐久性、予測可能な運用コストに関する企業要件を満たさなければならないサービスプロバイダーへと変化している。ストレージは今や、こうした事業者がGPUをどれだけ速く稼働させ、顧客を導入し、高価なインフラを請求可能な容量へ転換できるかを左

Amazonは9月30日、反復的な検索、引用、フィルター、グラウンディングチェックを一つのワークフローに組み込むAmazon Bedrock claims assistantのパターンを発表した。課題は明快だ。自然言語によるアクセスは分散した請求記録を利用しやすくする一方、流暢な回答が基礎となる証拠を上回ってはならない。 AWSの解説では合成データの記録が使われており、本番の保険業務への導入を示すものではない。その重要性は別の点にある。AWSは、これまで別個だった複数の検索制御機能をAgenticRetrieveStream APIの周辺に集約し、文書量の多い業務向けに、より完全な設計を示した。 主な競争軸は、Amazon Bedrockと別のクラウドプラットフォームの対決ではない。エージェント型検索と、従来の単一パス検索パイプラインの比較だ。この新しいパターンでは、モデルが複雑な質問を分解し、必要に応じて追加の証拠を検索し、回答とともに引用を返す。 このアプローチは、複雑な記録により良いインターフェースをもたらす。一方で、ユーザーの質問から最終

Destro AIは、800万ドルのシードラウンドとともにステルス状態から姿を現し、ロボティクス業界に根強いハードウェア優先の常識に挑戦する主張を掲げた。Destro AIの倉庫ロボティクス戦略は、別の機械を設計することではなく、まず現場全体を調整することから始まる。 このスタートアップはすでに、Yusen Logisticsの施設内でその主張を検証している。同社のソフトウェアは、移動ロボット、現場スタッフ、カート、在庫、積み込みエリアにまたがって作業を割り当てる。最初の3台のロボットによるパイロットは現在26台へ拡大中で、南カリフォルニアでは別の17台規模のパイロットも始まっている。 これによりDestroは、ロボット向け人工知能を売り込むだけの企業とは一線を画す。同社が真に対抗するのは、サプライヤーが個々の機械を最適化し、顧客に全体の接続を委ねるロボット中心のモデルだ。Destroはその接続レイヤーを担おうとしている。 Destro AIの倉庫ロボティクスがYusenで変えたこと Destroは小規模なロボット実証を、ソフトウェアが物流ワーク

Microsoft Researchは、特定の危険が現れる30〜60分前に、電力網に対する宇宙天気リスクを予測するシステムを構築した。この実験的なパイプラインは、米国本土の66,935か所の変電所について局地的なリスクを推定する。これは、地磁気嵐が接近しているという広範な警告よりも、はるかに具体的な対象を示すものだ。 このシステムは、宇宙天気予報と電力事業者の制御室内での意思決定との間に長く存在してきた隔たりに対応する。運用者が知る必要があるのは、どの地点が最も大きな負荷にさらされるのか、その負荷がいつ到来するのか、そして防護措置が正当化されるのかという点だ。 Microsoftによれば、評価では主要イベントの約80%を検出したという。ただし同社も、電力事業者がこのモデルに依存する前に、運用データで検証しなければならないと認めている。中心的な問いは、機械学習が大陸規模のリスクマップを作成できるかどうかではなくなった。誤りのコストが最も高くなるまれな嵐においても、その予測が信頼できるものであり続けるかどうかだ。 電力網における宇宙天気リスクの予測が

Googleは9月30日、Google Cloud CLI MCP serverをパブリックプレビューとして公開し、わずか2つのエージェントツールを通じて数百のクラウドコマンドを公開した。この変更により、対応するAIエージェントは、いずれのユーティリティーもローカルにインストールすることなく、gcloudとBigQueryのbqコマンドラインインターフェースへ幅広くアクセスできる。 この集約こそが中心的な緊張関係を生む。Googleはエージェント向けのクラウド自動化を簡素化する一方、確率的に動作するソフトウェアを、本番リソースの調査、変更、管理を行えるコマンドへ接続している。インターフェースは小さくなっても、影響範囲の大きさは変わらない。 Googleによると、このサービスはネットワーク分離されたクラウドサンドボックス内でコマンドを実行する。認証には、対応するGoogleプラットフォームではAgent Identityを、外部ランタイムではOAuth 2.0を使用する。その後、各コマンドは認証済みの呼び出し元が持つIdentity and Acc

Everpureは、データディスカバリー、エージェントアクセス、推論高速化、ストレージ効率、オープンウェイトモデルの展開にまたがる6つの追加機能により、AI提供を拡充した。9月30日に発表されたこのパッケージは、AIシステムを管理されたパイロット段階から先へ進めることに苦慮する企業を対象としている。ただし、最も注目される性能指標は、公開されたテスト構成を伴わない同社の主張にとどまる。 今回の発表により、Everpureが2月に行ったリブランドは、メッセージング上の施策から、より広範な製品戦略へと転じた。旧Pure Storageは現在、企業情報がどのように発見、統制、準備され、AIシステムへ提供されるかを管理しようとしている。ストレージは引き続き基盤だが、商業的な狙いはストレージ層を超えている。 これによりEverpureは、データ管理の専門企業、クラウドプラットフォーム、NetAppやDell Technologiesなどの既存インフラベンダーとの競争に入る。争点はもはや、どのアレイが最も速くファイルを提供できるかではない。機密データの新たな無

Googleは、2026年11月に移行が始まる時点で一部のGem機能が利用できない状態にもかかわらず、Gemini Gemsをskillsへ移行する。 Google Gemini skillsの展開により、対象となる無料ユーザーは通常のチャットでも利用できる再利用可能な指示を使えるようになる。ユーザーはスラッシュコマンドでskillを呼び出す、Geminiに自動選択させる、あるいは1つのタスク内で複数のskillを組み合わせることができる。 これは名称変更のようにも見えるが、根底にあるプロダクトモデルは変化している。Gemsは独自の入口と会話を持つ、個別のカスタムアシスタントとして機能していた。一方、skillsはGeminiが関連する場面で挿入できる、持ち運び可能なワークフローコンポーネントに近い。 Googleは、AI市場の他社でも使われているMarkdownベースのSKILL.md形式も採用した。この決定により、GeminiはOpenAIやAnthropicが提供する再利用可能なワークフローシステムに近づく。さらに、アシスタントのブランディ

Metaは、Museが許可なくプライベートなMessagesを読んだとする報道に反論し、Meta Museのプライバシー論争は相反する技術的説明を検証する局面となった。 Inc.のコラムニスト、Jason Aten氏は、エージェントへのMessagesアクセスを許可しないと選択した後、Museがプライベートな会話の詳細を表示したと述べている。Metaは、自社が構築した製品アーキテクチャでは、そのような一連の事象は起こり得ないとしている。 意見の隔たりは異例なほど大きい。Aten氏は、Full Disk Accessが無効に見える状態でMuseがメッセージデータにアクセスしたと主張する。Metaは、エージェントがMessagesを読めるようになるには、macOSの同許可とMuse内の別個のコネクターの双方を有効にする必要があるとしている。 いずれの説明も、管理されたテストで独立して再現されてはいない。これは単なる通常のソフトウェア不具合報告にとどまらない。開発元とユーザーの間で起きた事象の認識が食い違うなか、ユーザーはエージェントに広範なアクセスを

Databricksは9月30日、Lakebase Postgresのコスト最適化に関するガイダンスを公開し、アーキテクチャ上の約束を測定可能な設定判断へと落とし込んだ。このガイダンスによれば、ソース行の変更が10%を超える場合、Snapshot同期は最大10倍効率的になり得る。この主張は中心的な緊張関係を示している。Lakebaseはアイドル状態のコンピュートと重複ストレージを削減できる一方、チームは実際のワークロードに合わせて設定しなければならない。 新しいコスト最適化ガイドは、データ範囲、同期モード、コンピュートサイズ、復旧履歴、請求の可視性という5つの要素に焦点を当てている。また、節約効果を気付かないうちに弱めかねない複数のデフォルト設定や制約も明らかにしている。 これは、DatabricksがLakebaseを単なるマネージドPostgresサービス以上のものとして位置付けているため重要だ。主な対抗軸は、コンピュート、ストレージ、レプリカ、開発環境がしばしばまとめてプロビジョニングされたままとなる固定容量データベースモデルである。Lak

ChatGPTの週間ユーザー数が9億人を超える一方で、OpenAIは事業者向け製品へとリソースをシフトしている。この転換は、消費者向けAIが抱える厳しい経済性を端的に示している。巨大なリーチは影響力、データ、習慣を生むが、会話が増えるたびに希少なコンピューティング能力も消費される。 市場がAIアシスタントを拒絶しているわけではない。消費者の支出は増え続け、Metaや複数のスタートアップはパーソナルエージェントへの新たな需要を見いだしている。その成長の下には矛盾がある。消費者は予測可能なサブスクリプション料金、あるいは無料アクセスを期待する一方、提供コストは利用量に応じて膨らむ。 Anthropicは最も明確な対照例を提示している。同社は開発者や企業を中心に事業を構築し、利用量を計測して価値ある業務と結び付けられるようにした。OpenAI、Meta、そして新世代の消費者向けエージェントは今、大規模な普及が同様の経済性を支えられることを証明しなければならない。 消費者向けAIは復活したが、ビジネスモデルは解決していない 新たなパーソナルエージェントの

Databricksは9月30日、ガバナンス管理されたデータを確率、選択、スコアに変換するベータ版SQL関数「Databricks ai_decide」を公開した。ここには直ちに緊張関係が生まれる。企業はデータと同じ速度でAI支援の意思決定を行いたい一方、業務上の判断には通常のテキスト生成以上の説明責任が求められる。 この新機能は、ユーザーが指定したルーブリックに照らして、構造化レコードまたはテキストを評価する。イベントに注意が必要かを推定し、あらかじめ定義した結果から選択し、あるいは順序付けられた尺度でケースを採点できる。その出力は別のSQLクエリ、ワークフロー、アプリケーションへ渡せる。 このため、今回の発表は単なるモデルエンドポイントの追加以上の意味を持つ。Databricksは、チームが既にテーブル、権限、パイプライン、ビジネスロジックを管理しているデータワークフロー内に、モデルに基づく判断を持ち込もうとしている。Google CloudはBigQueryで関連する生成AI関数を提供しており、汎用モデルAPIを使えば開発者は類似のシステム

Perplexityは、期間限定の無料トライアル中、アカウントを持たない人にもメール経由でComputerエージェントを開放した。CEOのAravind Srinivas氏によると、誰でもメッセージを転送するか、computer@perplexity.comをCCに入れることで作業を委任できるという。この発表により、Perplexity Computer emailの利用対象は、同社の従来のドキュメントで対象とされていた登録ユーザーを超えて広がる。 このエージェントは、メールスレッドをタスクの文脈として保持しながらバックグラウンドで動作する。報じられているところでは、各リクエストは同じWeb・モバイル表示、実行ステップ、監査証跡を備えた標準的なComputerセッションになる。ユーザーは別のアプリケーションを開かず、使い慣れた受信トレイから開始できる。 この利便性こそが中心的な緊張関係を生む。メールによってエージェントへの委任は日常的なものに感じられるかもしれないが、通常のメールは安全なコマンドインターフェースとして設計されたものではない。確立済

Redditは、長年にわたり読者が自社アプリ外からコミュニティ更新を閲覧できるようにしてきたにもかかわらず、2026年11月13日にReddit RSSを終了すると確認した。同社は2027年3月までに、残る公開データAPIアクセスも停止する。Redditは、いずれの変更も大規模スクレイピング、自動化された不正利用、会話コンテンツの商用利用への対策だとしている。 この決定は、旧来のウェブ形式を廃止するというだけの話ではない。Redditは、機械可読なコミュニティデータを公開する立場から、そのデータへアクセスするソフトウェアを承認、ホスティング、監視する立場へ移行する。開発者は引き続きツールを構築できるが、その活動はますますRedditが管理するインフラ内に限定される。 ここに中心的な対立がある。Redditは有用なモデレーションボットを維持したい一方、AI企業やデータ再販事業者が許可なく会話を取得することは防ぎたい。研究者、個人開発者、RSSリーダー、ソーシャルリスニングサービスは、その多くで同じアクセス経路に依存している。 Reddit RSS終

過去の専用AIデバイスが残した失敗の跡にもかかわらず、OpenAIとMetaは次のハードウェア戦略を明確にしている。AIたまごっちは、まず常時存在するソフトウェア上のキャラクターとして登場し、その後Metaの構想では、人々が一日中持ち歩く物体になる。 OpenAIは2026年9月29日、会話が終わった後も作業を継続する常時稼働型エージェント、Dotsを発表した。Metaは同月初めにMuseを導入し、その後、エージェントを物理世界へ持ち込むためのキーチェーンサイズのMuse Charmを公開した。 両社に共通する賭けは、個々の製品よりも興味深い。両社は、より親密なハードウェアを人々に受け入れてもらう前に、自律型ソフトウェアをかわいいキャラクターで包み込んでいる。この魅力づくりは、先行デバイスを失敗に追い込んだ問題の一つ、すなわちユーザーがそれらとの説得力ある関係を築けなかったという課題に対処するものだ。 ただし、より難しい問題は解決しない。AIコンパニオンは、メッセージを読み、好みを記憶し、予定を把握し、接続先サービスを通じて行動することで役立つ。

OpenAI DotsのGeekbench 7結果は、各エージェントに9基のAMD EPYCコアと約10GBのメモリが割り当てられている可能性を示している。これは、Meta Museに関連付けられた2コア環境より明らかに大きなCPU割り当てだ。 最初に報告されたDotのベンチマークは、Geekbench 7のシングルコアテストで1,667、マルチコアテストで9,435を記録した。その後の6件も見かけ上は類似した構成を使用しており、最初のスクリーンショットを単発の興味深い事例として片付けにくくしている。 この比較には明確な緊張関係がある。OpenAIは自律型エージェントにより多くのローカル計算能力を与えているように見えるが、Geekbenchでは、その能力がより良い成果物につながるかどうかは測れない。 Dotsは2026年9月29日のOpenAI DevDayで発表された。OpenAIは、クラウドコンピュータ、ブラウザ、連携アプリケーションへのアクセスを備える永続的なエージェントとして説明している。 Meta Museは、より小規模と報告されている

OpenAIは9月29日、同社でますます高度化するエージェント基盤に、より高速な意思決定レイヤーを加えるOpenAI Decisions APIを発表した。限定プレビュー版ではLunaを用い、事前に定義された選択肢から選ぶことで、ユーザー定義の質問に回答する。この限定的な設計は、9月初めにTypeSafe AIが公開した意思決定モデルJevに似ている。 この類似は重要だ。OpenAIは同時に、エージェントの数、活動範囲、自律性も拡大している。同社の新しいAgents APIは、長時間稼働するセッション、ツール、サンドボックス、連携する複数ワーカーを管理できる。アクションが増えるたび、システムは続行、停止、エスカレーション、承認要求のいずれを選ぶか判断する局面を新たに迎える。 大規模な推論モデルはこうした局面を監督できるが、モデル呼び出しを繰り返せばレイテンシーと計算需要は増す。Jevは異なるアーキテクチャを提案する。高コストな推論は難しいケースのために確保し、日常的な選択は高速な確率モデルに委ねるというものだ。OpenAIの版は、かつて専門特化し

GoogleはGemini 4 Argonを発表したが、そこには際立った矛盾がある。新たなフラッグシップモデルは複数の主要な成績を主張する一方で、ほとんどの顧客は利用できない。アクセスは開発者、企業、消費者ではなく、少数のサイバーセキュリティパートナーから始まる。この限定的な公開により、Argonは製品発表であると同時に、Googleの信頼性を試すものにもなっている。 同社はGemini 4 Argonを、ソフトウェアエンジニアリング、金融、法律、サイバー防衛にまたがる持続的な作業のためのモデルとして提示している。Googleはまた、Argonが従来のGeminiモデルよりはるかに長い出力を生成できるとしている。こうした主張により、ArgonはOpenAIとAnthropicの最新フロンティアシステムと直接競合する位置に置かれる。 しかし、このローンチは通常のモデル公開ではない。幅広いAPI展開はなく、一般提供の確定日も示されておらず、通常の顧客条件下での公開テストもほとんどない。Googleは広範なベンチマークと社内事例を公表したが、独立したユ