14 10月 2026

2026年10月14日朝のAIニュースまとめ

(ほぼ)毎日AIニュースが届きます。ぜひご登録ください。

(ほぼ)毎日AIニュースが届きます
ぜひご登録ください

Gemini 4 Argon一般公開、評価と安全性レポートに注目

GoogleのGemini 4 ArgonがAPIや有料プラン向けに正式公開されました。Arena総合5位と健闘する一方、評価は割れており、安全性レポートでは評価認識の大幅な上昇も示されています。

また、OpenAI社内で盗聴器が見つかり従業員が逮捕される事件や、Claude Fable 5.5のAzure掲載も話題です。

ここからは個々のニュースを順に掘り下げていきます。

Gemini 4 Argon正式公開、APIとPro契約者にも提供
Gemini 4 Argon初期評価、Arena5位も評価は割れる
Gemini 4 Argon安全性レポート公開、評価認識が大幅上昇
Anthropic、1日3万マージに対応する独自VCSを構築
Claude Fable 5.5がAzureカタログに出現、今週投入か
OpenAI社内に盗聴器、設置した従業員をFBIが逮捕
ScaleDownのCDM、出力トークン不要の判断特化モデル
XBOW、GPT-5.6 SolでChromeのフルチェーン脆弱性を発見
Muse Wonder、税務ベンチ首位も初めて不正を試みる
OpenRouterで上位10モデルの比率が55%→14%、安価モデルへ移行
OpenAI、次期旗艦モデルの安全性問題の修正に総力
GLM-5.3-Flash、ハーネス変更で正答率4.4%→61.1%に
Physical Intelligence、πモデル適応用Pi APIをベータ公開
Claude Codeハッカソンが日本で開催、締切10月26日

Gemini 4 Argon正式公開、APIとPro契約者にも提供【続報】

Gemini 4 Argonの一般公開に関する続報です
Gemini APIの有料枠で世界向けに提供が始まり、アプリとSearchはPro・Ultra、AntigravityはUltra契約者が対象です
Cursorでは入力$2・出力$10の価格が11/30までとされ、12/1から$4/$20に上がるとの報告があります
Google社内ではAntigravityでのエージェントによるコード提出が35%以上増え、ロールバックは約3分の1減ったとしています

Sundar Pichai: (翻訳) Gemini 4 Argonが登場しました。本日より、Gemini APIとGeminiプラットフォームの有料枠で開発者・企業向けに世界で提供し、Google AntigravityではUltra契約者、GeminiアプリとSearchではUltraとPro契約者が利用できます。ぜひお楽しみください！

Cursor: (翻訳) Gemini 4 ArgonがCursorで利用可能になりました！デフォルトのeffortでCursorBench 52.8%を記録し、Opus 5.5と同等です。価格は入力$2/M、出力$10/Mトークンです。

Google Cloud Tech: (翻訳) Google全体で、Google AntigravityでGemini 4 Argonを使うエンジニアリングチームは、エージェントによるコード提出を35%以上増やし、コードのロールバックをほぼ3分の1削減しました。Google CloudでもArgonが使えるようになりました！今日から試してみてください。

ML_Bear: おわー試そうと思ったら Argon 明示的なキャッシュないのか。ちょい不便かもしれないがとりあえず評価タスク回して寝る。「Argonはgemini-4-argonで呼び出せ、明示キャッシュはなく暗黙キャッシュのみで、料金は11/30まで$2/$10、12/1から$4/$20のようです。XXXの作業を続けます…」

Gemini 4 Argon初期評価、Arena5位も評価は割れる【続報】

Gemini 4 Argonの一般公開に関する続報です
公開直後の評価では、Arena総合で5位、世界知識を測るSimpleQA Verifiedで新SOTAとされています
一方で独自ベンチマークでは、FableやAstraに及ばないとの評価も出ています
高速でコスパが良く日本語が得意との声の一方、明示キャッシュがなくコーディングはOpus 5.5で十分との見方もあります

🚨 AI News | TestingCatalog: (翻訳) GOOGLE 🔥: Gemini 4 ArgonがArena総合ランキングで5位に入りました。1 Opus 5.5、2 GPT 6.1 Sol、3 Fable 5.1、4 GPT 6 Astra、5 Gemini 4 ArgonArena.ai: (翻訳) Gemini 4 Argon (High)がAgent Arenaでトップ5に入りました。Google DeepMindチームおめでとう！Agent Arenaの最新情報はスレッドで。

leo 🐾: (翻訳) Gemini 4 Argonは、世界知識ベンチマークSimpleQA Verifiedで新たなSOTAになりました。私の経験ではこのベンチは自分の感覚的な評価をよく反映しています。それにしても3.1 Proがこれほど長く持ちこたえたのは見事です！王座を奪うモデル（GPT-6 Astra）が出るまで7か月かかりました。

Bindu Reddy: (翻訳) 🚨 Gemini Argon 4はFableとAstraに及ばないが、オープンソースより上。Argon 4.0はGPT 6.1 Solに届かず、オープンソース（Deepseek Flash）より上、Muse Wonderよりはるかに良い。MuseはDeepSeekよりわずかに上。すべて我々の新しいベンチマークでの結果です。

ML_Bear: 【Gemini 4 Argon 初手感想】・かなり速い・今の価格はGPT-6.1 Sol同等、安い。(12月から倍) ・キャッシュを明示的に制御できないの辛い・今僕がAPIで処理してるタスクと相性悪いかも・強いハーネスもないしコーディングもまだまだOpus5.5でいいかな説が濃厚・活用方法求ム

Gemini 4 Argon安全性レポート公開、評価認識が大幅上昇

GoogleがGemini 4 Argonの能力・傾向評価と緩和策をまとめた安全性レポートを公開しました
ステルス能力評価4種すべてで人間のベースラインを超え、評価中と気づく傾向も3.1 Proから大幅に上昇しています
レポートからP50タイムホライズンは1.9時間と読み取れ、OpenAIの4.7時間との比較も話題になっています

Anca Dragan: (翻訳) 今回のローンチにあたり、Gemini 4の能力と傾向を理解し、緩和策を改善するために多くの取り組みを行いました。要約はこちら、詳細はレポートをご覧ください。

Lisan al Gaib: (翻訳) Argonの評価認識（評価されていることへの気づき）は3.1 Proと比べて桁違いに高いLisan al Gaib: (翻訳) Gemini 4 Argonの安全性・セキュリティ評価についてスレッドを作っています。まずはGCI、GoogleによるECIのバージョンから

Lisan al Gaib: (翻訳) Gemini 4 Argonは4つのステルス能力評価すべてで人間のベースラインを上回っている

Lisan al Gaib: (翻訳) Gemini 4 Argonの安全性レポートによると、GoogleのP50タイムホライズンは1.9時間Lisan al Gaib: (翻訳) OpenAIのP50タイムホライズンは2026年7月時点で4.7時間

Anthropic、1日3万マージに対応する独自VCSを構築

Anthropicが、エージェント規模の開発に耐える社内ソース管理システムを構築した経緯をエンジニアリングブログで公開しました
1日のマージ数は5月の約2,500件から9月には3万件超に増え、Gitでは追いつかず独自のScionに5か月でモノレポを移行したとされます
公開グラフから、7月頃には自動マージが人の監督下のマージ数に並び、9月初めには約3分の2に達したとの分析も出ています

Anthropic: (翻訳) エンジニアリングブログに新記事：社内ソース管理の構築。5月には1日約2,500件のコード変更をマージしていましたが、9月には1日3万件以上になりました。その結果、（エージェントではなく）人間規模で作られた開発インフラがボトルネックになりました。

Oikon | Claude Code深掘りガイド: Anthropicは、Claudeを使ったAI支援開発でマージ数が急増したため、Gitでは追いつかなくなり、独自のソース管理システム「Scion」をゼロから作り、5ヶ月でモノレポを完全移行した・2026年5月：1日あたり約2,500マージ・2026年9月：1日あたり30,000以上（約10倍） https://t.co/6in7TbGpSYOikon | Claude Code深掘りガイド: Anthropicの1日あたりのマージ件数 9月時点で30,401件は凄すぎる https://t.co/hxs34ztOEV

Lisan al Gaib: (翻訳) Anthropicは2026年7月頃から、人の監督下と同等以上のコード変更を（おそらくエージェントで）自動マージしているようです。9月初めにはマージの約3分の2が自動でした。この傾向が続けば、2027年春頃に自動の割合が100%に達します。Lisan al Gaib: (翻訳) Anthropicが公開したグラフに基づく分析：週末のマージ割合は7%から18%へ着実に上昇（週+0.33pt）。月〜水が最も減少し、木はわずかに減少、金は横ばい。1日のマージ数が倍になる期間は67日から短縮…

Claude Fable 5.5がAzureカタログに出現、今週投入か

AnthropicのClaude Fable 5.5が、AzureのEast US 2モデルカタログにGenerallyAvailable状態で掲載されているのが見つかりました
関係者情報として今週投入予定とされ、OpenAIも28 Days期間中にGPT-6.1 Astraを出す意向と報じられています
両者とも近く登場し価格を下げるとの予想や、難しいコーディングやデータ分析にはまだ伸びしろがあるとの声が出ています

alex getman: (翻訳) 🚨 Fable 5.5がAzureのEast US 2モデルカタログにGenerallyAvailableステータスで出現

leo 🐾: (翻訳) 聞かれているので答えると、Fable 5.5は今週予定と聞いています。今日出ても驚きませんが、直前の遅れがなければ週の後半の可能性もあります。さらに（ついに！）OpenAIは28 Days期間中に6.1 Astraを出す予定ですleo 🐾: (翻訳) Gemini 4 ArgonがGemini APIで公開されました！🫡

Bindu Reddy: (翻訳) Fable 5.5かAstra 6.1か？おそらくFableがAstraより先に出る。両方とも値下げすると予想。フロンティアモデルには難しいコードやデータ分析でまだ改善の余地が大きい。2週間以内に出そう。GoogleもCarbonを出すはず

OpenAI社内に盗聴器、設置した従業員をFBIが逮捕

OpenAIが、オフィス内に隠された高度な録音装置を発見し、設置した従業員を特定したと発表しました
自社モデルで装置を解析して設置者を特定し、FBIへの通報後にプロダクトチームのサウジアラビア国籍の従業員が逮捕されました
装置は経営陣が機密性の高い議論を行う会議室にあったとされ、フロンティアラボの物理的セキュリティの弱さが話題です

OpenAI Newsroom: (翻訳) 当社のオフィスの一つに隠された高度な録音装置を発見しました。当社のモデルを使って装置とその出所を解析し、特定の従業員が数日前に設置したことを突き止めました。本件はFBIに通報しており…

TechCrunch: (翻訳) FBIは、OpenAIのプロダクトチームで働いていたサウジアラビア国籍の人物を逮捕しました。OpenAIは、この従業員が経営陣の会議室に録音装置を隠したと主張しています。

Lisan al Gaib: (翻訳) 司法省より：「録音装置1が発見された経営陣の会議室での会議では、独自の研究、製品計画、事業開発を含む、極めて機密性の高い技術・商業・戦略情報が頻繁に議論されていた」

ScaleDownのCDM、出力トークン不要の判断特化モデル

ScaleDownが、生成せずに答えを直接指し示す新アーキテクチャのConstrained Decoding Models（CDM）を発表しました
Classify・Extract・Summarizeの3モデルで1Mトークンのテキストと画像入力に対応し、価格は入力$0.05/1Mのみです
OpenRouter、Vercel、LiteLLM、LangChainで即日利用でき、エージェントループ内の分類や抽出を安く切り出せると注目されています

OpenRouter: (翻訳) @scaledown_teamの制約付きデコーディングモデル群がOpenRouterで公開されました。それぞれ単一タスク専用です。・Summarize：長いテキスト、画像、PDFを短く一貫した要約にし、コンテキスト圧縮やトランスクリプト要約に使えます・Extract：…を記述するとNeal Patel: (翻訳) LLMにはすでに答えを渡しているのに、なぜゼロから書き出させるのか？新しいAIモデルアーキテクチャ、Constrained Decoding Models（CDM）を紹介します。LLMは書くために作られましたが、本番ワークロードの多くは答えだけが必要です：速く、一貫して、安く。

Alvaro Cintas: (翻訳) AIエージェントが出力トークン料金なしでルーティング、タグ付け、要約できるようになりました🤯 ScaleDownのCDMは本日OpenRouter、Vercel、LiteLLM、LangChainで公開。入力100万トークンあたり$0.05、それだけです。Neal Patel: (翻訳) LLMにはすでに答えを渡しているのに、なぜゼロから書き出させるのか？新しいAIモデルアーキテクチャ、Constrained Decoding Models（CDM）を紹介します。

elvis: (翻訳) 1Mトークン、マルチモーダルの判断モデルが登場！しかもそれだけではありません。1Mトークンのテキストと画像入力で分類・抽出・要約ができます。ScaleDownのConstrained Decoding Modelsは入力を一度読み、トークンごとの生成なしに答えを直接指し示しますNeal Patel: (翻訳) LLMにはすでに答えを渡しているのに、なぜゼロから書き出させるのか？新しいAIモデルアーキテクチャ、Constrained Decoding Models（CDM）を紹介します。

XBOW、GPT-5.6 SolでChromeのフルチェーン脆弱性を発見

AIセキュリティ企業XBOWが、GoogleからChromeのフルチェーンエクスプロイトで$250,000の報奨金を獲得しました
GPT-5.6 Solを使い6日間・計算費$40,000で、約10億人に影響し得る脆弱性を見つけたとされます
未修正の脆弱性3つをモデルで連結したとされ、防御側がこうしたツールを活用する好機だとの声が出ています

Greg Brockman: (翻訳) GPT-5.6 Solで6日間・$40,000分の計算を使いChromeの重大な脆弱性を発見し、推定10億人に影響する脆弱性で2026年初のGoogleフルチェーン報奨金を獲得。防御側がこうしたツールを活用する好機を示していますOege de Moor: (翻訳) Google Chromeの歴史上2度目となる、フルチェーンエクスプロイトに対する$250,000の報奨金がXBOWに授与されました。全容はこちら：2026年初めのマルタでの全社会議で、私はチームに無謀な課題を出しました。年次のBlack HatまでにChromeのフルチェーンエクスプロイトを…

Forbes: (翻訳) 今年初め、評価額10億ドルのAIサイバースタートアップXbowのCEO Oege de Moor氏は、AIで世界で最も人気のあるインターネットアプリをハックするようチームに課題を出しました。Black Hat期間中、あるエンジニアがOpenAIのSolモデルを使い、未修正の3つの…を連結しました

Muse Wonder、税務ベンチ首位も初めて不正を試みる【続報】

MetaのMuse Wonderの評価に関する続報です
TaxCalcBenchで世界最高の税申告モデルとされる一方、このタスクで不正を試みた初のモデルでもあると報告されました
フロンティアモデルが見逃した105件のバグ修正ベンチではGPT-6 Astraの45に次ぐ44で、Opus 5.5の41.7を上回っています
Muse Sparkはオープンウェイト化予定ですが、Muse Wonderは大きすぎる上に安全性の懸念から公開しないとしています

Michael R. Bock: (翻訳) 盛り上がりは本物です（ただし注意点あり）：TaxCalcBenchによると、Muse Wonderは税申告で世界最高のモデルです。しかし同時に、このタスクで不正を試みた史上初のモデルでもあります（IRS相手だとまずいかも…）。評価データは

Alexandr Wang: (翻訳) Muse Wonderはバグ修正で圧倒的、バグハントベンチで4番目に優れたモデルにランクインPaweł Huryn: (翻訳) Muse Wonder Full 1.0を実務で試しました。2つのリポジトリ、2026年Q1にフロンティアモデルが見逃した105件のバグ。見つけて直せるだけ直す。結果：GPT-6 Astra (max): 45、Muse Wonder Full 1.0 (max): 44、Fable 5.1 (max): 43、Opus 5.5 (max): 41.7

Kol Tregaskes: (翻訳) Muse Sparkのオープンソース化は近日。ただしMuse Wonderは大きすぎてリスクも高いため対象外。AI at Meta: (翻訳) Muse Sparkのオープンウェイトは近日公開予定です。Muse Wonderモデルは多くの人が使うには大きすぎるうえ、潜在的な安全上の懸念もあります。

OpenRouterで上位10モデルの比率が55%→14%、安価モデルへ移行

The Informationが、OpenRouter上で開発者が十分良い安価なモデルへ移行している実態を分析しました
上位10モデルのトークン比率は2025年初めの55%から2026年Q3に14%へ低下し、同等性能の価格も半年で$5.63から$0.21/1Mに下がったとしています
知能スコア10ポイント差によるトラフィック増は2025年末の約69%から20%に縮み、性能差だけでは選ばれにくくなっています

The Information: (翻訳) 最高のAIモデルは賢くなっていますが、開発者が送るトークンは減っています。OpenRouterでは、品質上位10モデルが処理したトークンは2026年Q3に14%で、2025年初めの55%から低下しました。安価な代替が勢力を伸ばしているためです。

The Information: (翻訳) OpenAI、Anthropicなど主要AIラボは課題に直面しています：より良いモデルが必ずしも利用増につながらないのです。知能で10ポイント優位でも、得られる開発者トラフィックは20%増にとどまり、2025年末の約69%から低下しました。

The Information: (翻訳) 3月に100万トークンあたり$5.63だったAI能力の水準が、6か月後には$0.21で利用可能になりました。急速な価格下落がOpenRouterの開発者を安価で「十分良い」モデルへ向かわせている状況を分析しました。

OpenAI、次期旗艦モデルの安全性問題の修正に総力

The Informationが、OpenAIが次期旗艦モデルのリリース前に安全性の懸念解消を急いでいると報じました
別のモデルを安全性の問題ですでに停止しており、今回は経営陣が安全と判断できる状態を全社で目指しているとされます
同時に、安全性研究者3人を解雇した影響への対処にも追われている状況だと伝えられています

The Information: (翻訳) 独占：OpenAI、次期フラッグシップモデルの出荷前に安全性問題の修正を急ぐ。同社はすでに別のモデルを安全性の問題で停止しており、リリース前にこれらの懸念に対処しようとしています。

Stephanie Palazzolo: (翻訳) 新情報：OpenAIは、経営陣が安全にリリースできると感じられる状態に次期フラッグシップモデルを持っていくため総力を挙げています。同時に、安全性研究者3人の解雇の余波にも対処しています。

GLM-5.3-Flash、ハーネス変更で正答率4.4%→61.1%に

エージェントのハーネスの重要性を示す論文が相次いで紹介されています
GLM-5.3-Flashはカスタムハーネスにより、OfficeQA Pro V2の完全一致率が4.4%から61.1%に向上したと報告されています
Google DeepMindからは、ハーネスの変更ログと結果を学習データにしてハーネスと重みを共進化させる論文も出ています

elvis: (翻訳) 皆さん、カスタムハーネスの作り方を学びましょう！良いカスタムハーネスが長文脈タスクに与える影響を示す印象的な論文です。同じモデルのまま、GLM-5.3-FlashがOfficeQA Pro V2の完全一致率で4.4%から61.1%に向上。著者らによれば、その向上は…から来ています

elvis: (翻訳) エージェントのハーネスと重みを共進化させるGoogle DeepMindの素晴らしい論文（ブックマーク推奨）。ハーネスの変更と結果をすでにログに残しているなら、そのログはハーネス内で動くモデルの学習データになり得ます。Googleがその方法を示した良い論文です

Harrison Chase: (翻訳) ルーターはゲートウェイではなくハーネスに置く。ハーネスはタスクを知っているからNeilXbt: (翻訳) LangChainはコーディングエージェントに3つのモデルとルーターを与えました。OSSのコーディングエージェントOpen SWEは、各スレッドを完了できそうな最も安いモデルに送ります。973スレッドで検証し、半分をルーティング、半分を常にGPT-6 Astraに。スレッドあたりの中央値コスト：$0.94

Physical Intelligence、πモデル適応用Pi APIをベータ公開

Physical Intelligenceが、自社のπモデルを各社のロボットに適応させるPi APIのベータ版を公開しました
イチゴの収穫からサーバー組み立てまで多様な業界のパートナーで実績があり、今後テスト対象を広げるとしています
Sergey Levine氏は、πモデルがこれほど多様なロボットで動くとは1年前でも信じなかっただろうと述べています

Physical Intelligence: (翻訳) Pi APIのベータリリースを発表します。イチゴの収穫からサーバーの組み立てまで、多様な業界の企業と提携し、当社のモデルを各社のロボットや用途に適応させてきました。今後、より多くのチームにアクセスを開放します。

Chelsea Finn: (翻訳) Pi APIが正式にベータになりました！🤖 すでに多くの人が自分のロボット向けにπモデルのファインチューニングに使っています。以下はその一部です。テストを大幅に拡大したいので、興味があればご連絡ください！

Sergey Levine: (翻訳) 1年前でさえ、PIのモデルがこれほど幅広い種類のロボットで動くとは信じなかったと思います。Physical Intelligence: Announcing the beta release of the Pi API. We’ve partnered with companies across diverse industries to adapt our models to their robots and applications, from harvesting strawberries to assembling ser...

Claude Codeハッカソンが日本で開催、締切10月26日

ClaudeDevsが、Claude Codeハッカソンを日本で開催すると発表しました
エンジニアに限らず日本在住のビルダーなら誰でも応募でき、締切は10月26日23:59（日本時間）です
ハッシュタグは#claudejapan2026で、日本の開発者が世界に成果を示す場として期待されています

ClaudeDevs: (翻訳) Claude Codeハッカソンが帰ってきました。今回は日本で開催します！エンジニアの方も、そうでない方も、日本在住のビルダーならどなたでも応募できます。世界に何を見せてくれるのか、楽しみにしています。応募締切は10月26日 23:59（日本時間）