AIデイリー｜Metaが最前線エージェントモデル「Muse Wonder」公開、xAIの音声モデル「Grok Voice 3.0」登場

モデルリリース・アップデート

Meta、最先端エージェントモデル「Muse Wonder」シリーズを発表 MMeta

• 要点：Metaは個人向けおよび専門的な自律エージェントタスクでSOTA（最高水準）を達成したフロンティアモデル「Muse Wonder」および「Muse Wonder Full」を発表しました。
• エージェント性能：一般的な質疑応答にとどまらず、複雑な計画立案や長期自律タスク、専門的な業務ワークフローの遂行に特化して調整されています。
• ブラウザ操作能力の統合：Webブラウザの直接操作能力が事前学習および事後学習で組み込まれており、既存のWebサイトを自律的に操作してタスクを完遂できます。
• 医療・専門分野への応用：500万件規模の匿名化電子カルテを活用した研究支援など、専門分野の研究ワークフローを加速する検証が行われています。
• リンク：Meta公式研究ブログ

xAI、超低遅延の対話型音声モデル「Grok Voice 3.0」をリリース xxAI

• 要点：xAIは1秒未満の応答レイテンシと高い会話解決能力を備えたエンドツーエンド音声対話モデル「Grok Voice 3.0」をAPI経由で公開しました。
• ベンチマーク首位：Artificial AnalysisのSpeech-to-Speech評価において86.9スコアを獲得し、従来の競合モデルを抑えて首位に立ちました。
• レイテンシと実績：平均応答遅延は0.81秒を記録し、SpaceXのStarlinkサポート電話業務では70%の問い合わせを自律解決した実績を持ちます。
• 提供形態と価格：Realtime APIおよびVoice Agent Builderを通じて提供され、利用料金は1分あたり0.08ドルに設定されています。
• リンク：xAI公式発表

Fish Audio、35B MoE構成の音声合成モデル「Drama 3」の重みを公開 FFish Audio

• 要点：Fish Audioは総パラメータ数35B、推論時アクティブパラメータ数3Bのオープンウェイト音声合成モデル「Drama 3」を公開しました。
• モデルアーキテクチャ：Mixture-of-Experts（MoE）アーキテクチャを採用し、トークンあたり約3Bのパラメータのみをアクティブ化することで効率的な推論を実現しています。
• オープンウェイトとAPI提供：モデルの重みはHugging Face上でオープンウェイトとして配布され、同時にFish AudioのAPI経由でも呼び出し可能です。
• リンク：Fish Audio公式ブログ

HeyGen、映像・アバター向けの高品質音声生成モデル「HeyGen Voice」を発表 HHeyGen

• 要点：映像制作に特化し、シーンの音響特性や話者の感情表現に適応する音声モデル「HeyGen Voice」が発表されました。
• ブラインドテスト評価：4万件以上のブラインドテストにおいて主要な音声生成競合モデルを上回る好感度と自然さを記録しました。
• 音響とペーシングの最適化：映像内の文脈や空間の響きを認識し、適切な抑揚や間でスクリプトを読み上げる機能を備えています。
• APIおよびプラットフォーム展開：HeyGen製品内での利用のほか、開発者向けAPIおよびOpenRouter上でも提供が開始されています。
• リンク：HeyGen公式リサーチ

昆仑万维、単一RTX 5090でリアルタイム動作する動画基盤モデルゲーム「Matrix-Game 4.0」をオープンソース化 昆昆仑万维（Kunlun Tech）

• 要点：昆仑万维は単一のコンシューマ向けエッジGPU（RTX 5090）上でリアルタイム動作する動画基盤モデルゲーム「Matrix-Game 4.0」を発表し、オープンソース化しました。
• リアルタイム動画生成：プレイヤーの操作入力に応じてリアルタイムに動画フレームを生成し、インタラクティブなゲームプレイを実現しています。
• エッジGPUでの実行：高価なデータセンター向けクラスタではなく、単一の民生用グラフィックカード上で実行可能な最適化が施されています。
• リンク：昆仑万维公式発表

プロダクトリリース・アップデート

Google、最上位モデル「Gemini 4 Argon」をGoogle AI Pro/Ultraユーザー向けにグローバル展開 GGoogle DeepMind

• 要点：Googleは複雑な科学研究や高度なコーディング・エージェントタスクに対応する「Gemini 4 Argon」を一般サブスクリプションおよびAPIで世界中に提供開始しました。
• 広範な提供チャネル：Geminiアプリ（Pro/Ultraプラン）、Google AI Studio、Google Antigravityの各環境から利用可能となりました。
• 先端科学分野への適用：酵素設計の自動化や量子コンピューティング、核融合研究などの高度なシミュレーションとモデリングを支援します。
• 研究者支援プログラム：科学研究の推進を目的に、1万人の研究者を対象としてGoogle Antigravityの最上位利用プランを6か月間無償提供する枠組みを発表しました。
• リンク：Google公式ブログ

Anthropic、Claude Codeにプロンプトキャッシュ失効を防ぐ「空閑セッション自動圧縮」を追加 AAnthropic

• 要点：Claude Codeは、プロンプトキャッシュが失効する直前に長時間放置されたセッションを自動で要約圧縮し、トークン再利用コストを削減する機能を導入しました。
• キャッシュ失効対策：約1時間のプロンプトキャッシュ有効期限が切れる約54分時点で、20万トークン以上の長文会話を自動的に要約圧縮します。
• コストと待ち時間の削減：セッション再開時に全会話履歴を再計算する必要がなくなり、要約文のみを読み込むためAPIコストと処理待ち時間を節約できます。
• 柔軟な設定：設定ファイルから無効化（idleCompaction: false）や、最小トークン閾値のカスタマイズが可能です。
• リンク：Claude Code リリースノート (GitHub)

OpenAI、チーム向け協働ワークスペース「ChatGPT Space」を公開 OOpenAI

• 要点：チームメンバーとChatGPTが同じ画面上で共同編集・フィードバックを行えるドキュメント機能「ChatGPT Space」の提供を開始しました。
• リアルタイム共同編集：散らかりがちなチャットのやり取りを構造化された文書に即座に整理し、同僚と同時に編集やコメントの追加が可能です。
• 外部ツール連携の自動反映：接続された社内ツールからデータを取得し、ドキュメントの記載内容をChatGPTが自動的に最新状態へ保ちます。
• 対象プラン：WebおよびデスクトップアプリのPro、Business、Enterpriseプラン向けに順次提供されます。
• リンク：

  View post on X by @ChatGPT

  在 X 上查看 @ChatGPT 的貼文 ↗

Anthropic、Claude PlatformでOpenTelemetryによるエージェントの可観測性をサポート AAnthropic

• 要点：Claude Managed AgentsやMessages APIの実行トレースをOpenTelemetry形式でエクスポートし、LangSmithなどの監視基盤へ連携できるようになりました。
• 標準規格への準拠：GenAIセマンティック規約に準拠した属性（プロバイダ名、会話ID、ツール名など）を含むトレースを標準出力できます。
• エージェント運用の改善：多段階で動く自律エージェントの各ステップやツール呼び出しの成否、レイテンシ、コストを詳細に可視化・分析可能です。
• リンク：Anthropic公式ドキュメント

JetBrains、AIエージェントを安全に隔離実行する「クラウドエージェントサンドボックス」をプレビュー公開 JJetBrains

• 要点：開発環境「JetBrains Air」において、AIエージェントがファイル操作やコード実行をリモートの安全なサンドボックス内で行えるプレビュー機能を発表しました。
• ローカル環境の保護：エージェントの自律的なファイル編集やツール呼び出しをJetBrains管理下の隔離クラウド環境で行うことで、開発者のローカルPCへのセキュリティリスクを排除します。
• マルチデバイスでの追跡：IntelliJ IDEAなどのIDEで開始したタスクをブラウザやモバイル端末から追跡し、完了後にコードレビュー形式で変更を確認可能です。
• リンク：JetBrains公式ブログ

業界動向

Anthropic、AIエージェントの大量コミットに対応する新世代VCS「Scion」を自社開発 AAnthropic

• 要点：Anthropicは、毎日3万回を超えるエージェントによるコードマージを効率化するため、Gitに代わる非対称型バージョン管理システム「Scion」を開発・導入しました。
• 導入の背景：100GB規模のモノレポに対してエージェントによるコード変更が急増し、従来のGitアーキテクチャではCIやチェックアウトの負荷に耐えられなくなったことが契機となりました。
• 非対称アーキテクチャ：クライアントに完全なリポジトリを持たせず、サーバー側が重い処理を担う水平分散ストレージ構造を採用しています。
• 運用効果：エージェントがコード管理に費やす時間が1タスクあたり34分から3.7分へと約10倍の高速化を達成しました。
• リンク：Anthropicエンジニアリングブログ

AIクラウド基盤のModal、ARR 10億ドル突破と7.5億ドルのシリーズD調達を発表 MModal

• 要点：サーバーレスGPUインフラを提供するModalが、前年比15倍以上となる年間経常収益（ARR）10億ドルを達成し、評価額157.5億ドルで7.5億ドルの資金調達を実施しました。
• 資金調達概要：Accelが主導し、Kleiner Perkinsなどの既存投資家が参加して7.5億ドルのシリーズDラウンドを完了しました。
• 秒単位のGPU提供技術：独自開発のファイルシステム、コンテナ技術、スケジューラにより、GPUリソースを秒単位で瞬時に切り出して提供するアーキテクチャが急成長を支えています。
• サンドボックス需要の拡大：AIエージェントの実行に不可欠な安全なコード実行サンドボックス事業が急伸し、売上の重要な柱となっています。
• リンク：Modal公式ブログ

Mistral AI、AIデザイン・プロダクトスタジオ「New Material」を買収 MMistral AI

• 要点：フランスのフロンティアAI企業Mistral AIは、ミッションクリティカルなAIプロダクトの設計・UXを強化するため、デザインスタジオ「New Material」の買収を発表しました。
• 買収の目的：法人向けモデルやエンタープライズソリューションにおいて、高度な基盤技術を直感的で使いやすいUI/UXへと落とし込む能力を取り込みます。
• New Materialの実績：自動車、小売、法律、医療分野において大手企業や著名組織向けにAIネイティブなプロダクトやツールを構築してきた実績を持ちます。
• リンク：

  View post on X by @MistralAI

  在 X 上查看 @MistralAI 的貼文 ↗

Anthropic、シンガポールにAPAC第5のオフィスを開設し政府とAI安全性で連携 AAnthropic

• 要点：Anthropicはアジア太平洋地域の拠点拡大の一環としてシンガポールオフィスを開設し、同国政府とAIの安全性と責任ある普及に関する協力覚書（MOU）を締結しました。
• アジア展開の加速：日本・東京オフィスなどに続くアジア太平洋地域で5番目の拠点となり、東南アジア圏におけるエンタープライズ支援と研究連携を強化します。
• 政府との安全枠組み協調：シンガポール政府機関と連携し、フロンティアモデルの評価や公共部門・産業界における安全なAI導入ガイドラインの策定を進めます。
• リンク：Anthropic公式発表

研究論文

スタンフォード大とTogether AI、潜在空間で思考しトークン消費を半減させる「Hybrid Reasoning Agents」を発表 SStanford University / Together AI

• 要点：エージェントが思考プロセスを潜在表現（Latent Space）内で行い、ツール呼び出し時のみ自然言語テキストへ切り替えるハイブリッド推論手法が提案されました。
• トークン効率と高速化：従来のすべてテキストで出力する手法と比較してトークン消費量を35.5%〜54.7%削減し、処理速度を1.8倍〜2.6倍に向上させました。
• アーキテクチャ構成：潜在空間とテキスト空間を相互に接続する軽量モジュール「HybridLink」と、マルチターンにわたる統合ワーキングメモリを導入しています。
• ベンチマーク評価：数学、科学、医療、Web検索などの11のベンチマークにおいて、既存の最前線LLMエージェントを平均10.4%上回る精度を記録しました。
• リンク：

  View post on X by @omarsar0

  在 X 上查看 @omarsar0 的貼文 ↗

MIT研究チーム、機械学習による誤差補正で2〜6週間先の中期気象予測精度を倍増 MMIT（マサチューセッツ工科大学） / Nature

• 要点：MITの研究チームは、既存の数値予報モデルの出力誤差を過去データから学習して修正する機械学習レイヤーを開発し、英科学誌Natureに論文を発表しました。
• 予測精度の向上：2週間から6週間という予測困難な中期スパンにおいて予報精度を倍増させ、寒波や洪水などの極端気象イベントの予測信頼性を大幅に高めました。
• 低コストかつモデル非依存：オープンソースで提供され、任意の既存物理予報モデルにアドオンとして低コストで付加できる柔軟な設計となっています。
• 国際コンペでの実績：欧州中期予報センター（ECMWF）主催のサブシーズン予測コンテストで1位を獲得し、気候平均値を安定して上回る成果を実証しました。
• リンク：MIT公式ニュース

マイクロソフトら、ターミナル上で自律的に強化学習環境を生成・進化させる「AutoEnvScaling」を発表 MMicrosoft / コラボレーション研究チーム

• 要点：エージェント自身のロールアウト履歴を分析し、最適な強化学習タスク環境をターミナル経由で自動構築・拡張するフレームワーク「AutoEnvScaling」が発表されました。
• ベンチマークの大幅向上：「Qwen3.6-35B-A3B」に本手法で生成した環境を学習させた結果、Terminal-Bench 2.1のスコアが41.1から53.3へと大幅に向上しました。
• 環境生成の有効性とコスト削減：ターミナル上で実行検証しながら環境を作成することで、プロンプト単体生成に比べて有効な環境の割合が最大25倍に高まり、コストを最大75%削減しました。
• 幅広い応用範囲：ソフトウェアエンジニアリング、OS操作（Computer Use）、GPUカーネル開発など複雑タスクの学習環境生成に対応しています。
• リンク：arXiv論文ページ

Google DeepMindとシンガポール政府、端末内で完結するGemmaベースの詐欺検知システムを共同開発 GGoogle DeepMind / GovTech Singapore

• 要点：外部クラウドへ通信データを送信することなく、端末ローカルで動作する軽量モデル「Gemma」を用いてリアルタイムに詐欺メッセージを検知する技術が発表されました。
• プライバシー保護とゼロデータ送信：個人間のプライベートチャットをクラウドに一切送信（Egress）せず、エッジデバイス側で完結して推論を行います。
• 地域特有のソーシャルエンジニアリング対策：シンガポールで頻発する特殊詐欺やソーシャルエンジニアリングの手口に特化してGemmaをファインチューニングし、高い検知率を実現しました。
• リンク：Google DeepMind公式ブログ

その他の話題

Vercel、100万ドル懸賞のサンドボックス脱出検証結果を公表：Linuxカーネルのゼロデイ脆弱性を特定 VVercel

• 要点：VercelはAIエージェントの安全なコード実行環境を検証するバグバウンティの結果を公開し、顧客データへの不正アクセスは防ぎつつもLinuxカーネルの重大なゼロデイ欠陥を特定・対処したと報告しました。
• 検証規模と報奨金：2週間で1,285件のレポートが寄せられ、総額24万2,000ドルの報奨金が支払われました。
• カーネルネットワークの脆弱性特定：microVM内から細工されたパケットを送信することでホストメモリの漏洩やコード実行につながるLinuxカーネルの欠陥が発見され、修正が行われました。
• エージェントインフラの重要課題：自律エージェントが未知のコードを実行する機会が増加する中、仮想化境界の厳格な防御がAIインフラ企業の最優先事項となっています。
• リンク：Vercel公式ブログ