CONTACT →
Daily AI Briefing
毎日のようにAI関連のニュースが届きますが、その多くは一次情報ではなく、ノイズも少なくありません。研究機関・開発企業・第一線の専門家による発信の中から、本当に押さえておきたい情報だけを厳選してお届けします。
OpenAIが、Codexの週間アクティブユーザーが700万人を超え、直近2か月で150以上のアップデートを重ねたと発表した。同社のRomain Huet氏が主な新機能を紹介しており、GPT‑5.6とUltra、/goal による並行作業、より高速なコンピュータ操作、AppShots、インライン編集、Sites、Codexモバイルとアプリ経由のSSHワークフロー、レビューからマージまでのPR運用などが挙げられている。
単発の機能より「2か月で150超」という更新頻度そのものが情報になる。コーディング支援ツールを選ぶ側は、機能の有無だけでなく、こうした更新ペースを前提に乗り換えコストを見積もる必要がある。
Claude Code の Artifacts が MCP コネクタを呼び出せるようになり、閲覧者ごとに必要な情報を取得したり操作を実行したりするダッシュボードやアプリを作れるようになった。一度作った Artifact は、閲覧者自身の MCP コネクタを使ってライブデータを取得するため、作成者がセッションを再実行せずに更新でき、閲覧者は自分がアクセス権を持つデータしか見えない。Pro／Max／Team／Enterprise で利用可能で、公開共有の Artifact では使えない。
生成物を「静的な成果物」から「閲覧者の権限で動くアプリ」に寄せる設計。作成者と閲覧者でデータの見え方が分離される点は、社内ツールを配る際の権限管理を考えるうえで参考になる。
OpenAIが、Codex in Chrome で依頼をそのまま対応計画に落とし込むデモを公開した。フォームからチェックリストを作り、Google Drive・Slack・ローカルファイルから文脈を集め、フォローアップが必要な点を洗い出し、ポータルを更新して返信の下書きまで用意する。最終的な判断は人間が行う、としている。
ブラウザ上で複数のツールを横断して下ごしらえを済ませ、最後の意思決定だけ人に残す構成。エージェントをどこまで自動化し、どこで人が承認するかという線引きの実例として見ておきたい。
NVIDIA GEAR LabのJim Fan氏らが、ロボットの制御モデルの文脈を8,000タイムステップ（約5分間の「筋肉の記憶」に相当）までネイティブに拡張し、しかも推論コストを一定に保ったと発表した。従来のロボット方策は数フレーム（0.1秒未満）ずつしか扱えず直前の出来事をすぐ忘れていたが、これを3桁分押し広げたという。ブログと論文も公開されている。
「長い文脈を扱いつつ推論コストを一定に保つ」というのは、LLMの長文脈と同じ課題をロボット制御で解いた話。時系列を長く保持しても計算量が膨らまない設計は、リアルタイム制御を考えるうえで注目に値する。
Google DeepMindが、AIエージェントが仮説の提案から実験設計まで科学的発見を変えつつある一方で、最も難しいのはそれらのアイデアを現実世界で検証することだ、とするエッセイを公開した。増大する「検証のボトルネック」を取り上げ、政策立案者に向けた4つの優先事項を示している。
生成側が速くなるほど、検証（実験・確認）の側が全体の律速になるという指摘は、研究に限らずエージェント全般に通じる。アイデアを出す部分より、それを確かめる工程をどう回すかが鍵になる。
OpenAIのGreg Brockman氏が、プロンプトインジェクションの脆弱性を自動レッドチーミングで洗い出し、モデルのセキュリティを高める取り組み「GPT-Red」を紹介した。
エージェントを外部ツールやWebに接続するほど、プロンプトインジェクションは避けて通れない。攻撃側を自動化して弱点を継続的に探す発想は、自前でエージェントを組む際の検証プロセスの参考になる。
研究者のNathan Lambert氏が、Thinking Machinesの「Inkling」について、同社のスタック全体にわたるポストトレーニング（事後学習）サービスの統合であり、これまでで最良のオープンモデル・ビジネスの一つだと評した。同社のTinkerが軌道に乗った時点で半ば必然だったとし、今後の成長と類似の動きの登場に期待を示した。
基盤モデルそのものより、ポストトレーニングを一連のサービスとして束ねる形が事業として成立し始めている、という見立て。オープンモデルをどう収益化するかの一つのパターンとして押さえておきたい。
PyTorch-Triton 3.7 が「Triton Plugin Extensions」を導入した。これは、フォークや再コンパイルをせずに、独自のコンパイラパスやダイアレクトのop、DSL拡張を実行時にアップストリームのTritonへ動的に読み込むための仕組み。技術的な詳細解説と使い方が公開されている。
本体をフォークせずに拡張を差し込めると、独自GPUカーネルや最適化を試す際の追従コストが下がる。低レイヤの最適化を手掛ける層にとっては地味に効く更新。
AK（@_akhaliq）氏が、論文「Read It Back: Pretrained MLLMs Are Zero-Shot Reward Models for Text-to-Image Generation」を紹介した。事前学習済みのマルチモーダルLLM（MLLM）が、テキストから画像を生成するタスクにおいて、追加学習なしのゼロショットで報酬モデルとして使える、という内容。
専用の報酬モデルを別途学習せず、既存のMLLMをそのまま評価器に転用できるなら、画像生成の調整コストが下げられる。「生成」と「評価」を同じモデル系で回す発想として興味深い。
DeepLearning.AIが、高速な推論によって新しいクラスのリアルタイムLLMアプリケーションが可能になる、として、Cerebrasと共同で作った短期講座「Fast LLM Inference with Cerebras」を紹介した。Wafer-Scale Engine上でそうしたアプリを構築する内容だという。
モデルの賢さだけでなく「応答速度」が体験を左右する用途（対話・エージェントの多段推論など）は増えている。推論レイテンシを設計変数として捉える視点は、実アプリを作る側に効いてくる。
こうした動きを、自社の業務にどう活かせばいいか ―
迷ったときに相談できる窓口があります。