06 11月 2026

2026年11月06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

AnthropicのAI開発加速をMETRが評価、OpenAIはGPT-6 Cyberを公開

独立評価機関METRが、Anthropicの能力向上ペースは以前の約2倍に達しているとのレポートを公開しました。AIがAI開発そのものを加速しているかを検証した注目の内容です。

サイバー分野では、OpenAIがGPT-6 Cyberを一部顧客に公開しました。a16zも、AIにより脆弱性公開前に攻撃が届く時代になったと分析しています。

ほかにもGemini Omni 1.2 Flashの公開やClaudeの家計管理機能など、話題が並びます。気になる項目から順に読み進めてみてください。

METR、Anthropicの能力向上ペースが約2倍と報告
OpenAI、GPT-6 Cyberを一部顧客に公開
Gemini Omni 1.2 Flash公開、最長15秒に延長し30%値下げ
Claude、銀行口座連携のPersonal Financeをβ公開
OpenAI、自社DCの電力費全額負担を表明
a16z、AIで脆弱性公開前に攻撃が届く時代と分析
AI同士の協働ベンチマーク、強引な相手に屈する傾向
Science's Last Exam公開、Claude Opus 5が首位
0.5Mパラメータのカタン特化AI、フロンティアLLMに圧勝
Airbnb、分類器でJevより2B微調整モデルが高精度
Algomatic、grep型探索AgentとRAGを日本語文書で比較
AIレビュアーはPR説明文を信じやすいとの指摘
Deep Agents、非同期サブエージェントのサポートを刷新

METR、Anthropicの能力向上ペースが約2倍と報告

独立評価機関METRが、AI自身がAnthropicのAI開発を加速しているかを評価したレポートを公開しました
2026年10月時点の能力向上ペースは2024年3月〜2025年10月の約2倍（幅1.3〜3倍）と推定し、未公開の内部モデルModel 4はAECIで178.6を記録しています
共同創業者のSam McCandlish氏は内部の実感と一致すると述べ、良いベンチマークの不足こそがボトルネックとの指摘も出ています

METR: (翻訳) 8月以来、METRのチームはAnthropicの内部情報を用いて、AI自体がAI開発を加速しているかを評価してきました。このリスク評価の結果をまとめたレポートを公開します。

METR: (翻訳) このレポートではリスクに関する3つの主観的結論を共有します。1. 2026年10月時点で、明確に定義されたタスクにおける能力向上のペースは、2024年3月〜2025年10月の約2倍である可能性が高いと考えます。不確実性は高く、1.3倍〜3倍でも驚きません。

METR: (翻訳) 1. ベンチマークは加速の証拠の一つです。2025年10月以降、AnthropicモデルのAECIスコアは従来の1.9倍（95%区間: 1.5〜2.8）のペースで伸びています。分析上の選択がこの推定に影響し、ベンチマークスコアが実世界の能力とどう対応するかは不明なままです。

Sam McCandlish: (翻訳) Anthropicの共同創業者の一人で、安全性の取り組みの多くを率いているSamです。今後数か月でその取り組みについてさらに共有していきます。まずはMETRの最新レポートについていくつか考えを共有します。モデル能力の進歩の速さは…

OpenAI、GPT-6 Cyberを一部顧客に公開【続報】

OpenAIの次期サイバーモデルによるLinuxカーネル脆弱性研究に関する続報です
Linux研究を支えたモデルがGPT-6 Cyberとして公開され、Daybreak Redの一部顧客から順次提供が広がります
FirefoxでレンダラーRCEを111件見つけ、うち81件が未知の高深刻度脆弱性で、承認範囲内で動くよう訓練されています
早期利用者は既存ツールより桁違いと評価しており、11月12日にはサイバー関連のライブ配信も予定されています

OpenAI: (翻訳) GPT‑6 Cyberを発表します。より強力な能力と優れたアライメントを両立した、セキュリティ研究における大きな前進です。このモデルは昨日発表したLinuxカーネル研究を支えたもので、Mozilla、Palo Alto Networks、Califなどのセキュリティチームが…

🚨 AI News | TestingCatalog: (翻訳) OPENAI 🔥: 高度なセキュリティ研究向けの新モデルGPT-6 CyberがDaybreakで利用可能に！「GPT-6 Cyberは一部のDaybreak Red顧客向けに提供され、順次アクセスを拡大します」。OpenAIは11月12日にサイバー関連のライブ配信を行い、さらなるアップデートを予定しています

kylebot: (翻訳) これが昨日の「次期サイバーモデル」です。Linuxの948件の脆弱性に加え、FirefoxでレンダラーRCEを111件発見し、うち81件は新規でした。30件は開発者が把握していたものの悪用不可能と考えられていたバグのエクスプロイトです。この技術でさらに多くのOSSをスキャンしています

Stefan Esser: (翻訳) OpenAIがCalifを早期導入企業として名前を出したので言えますが、GPT-6 Cyberは別次元です。これまで使ったどのツールよりも何光年も先を行っています。

Gemini Omni 1.2 Flash公開、最長15秒に延長し30%値下げ

Googleが動画生成モデルGemini Omni 1.2 FlashをAI StudioとGemini APIで公開しました
最大長は1.1の10秒から15秒に延び、720pで$0.07/秒と30%安くなり、会話での複数ターン編集やカメラ制御も強化されています
視覚的なドリフトが減ったとされ、Geminiアプリでも提供が始まったほか、OpenRouterでも直販と同価格で使えます

Logan Kilpatrick: (翻訳) 本日Gemini Omni Flash 1.2を展開します。より長い動画生成（15秒）、カメラ視点の高度な映像制御、複数ターンの会話編集対応、視覚的ドリフトの低減、Omni Flash 1.1より30%低価格。

Philipp Schmid: (翻訳) Gemini Omni 1.2 FlashがGemini APIとGoogle AI Studioで公開。15秒クリップ、会話による動画編集の改善、一貫性向上。高速なまま、価格は30%下がり720pで$0.07/秒です。

OpenRouter: (翻訳) Gemini Omni 1.2 FlashがOpenRouterで利用可能に。15秒クリップ、360p〜4K、ネイティブ音声、1.1より約30%安い秒単価のGoogleの動画モデルです。直接利用と同価格で、動画とチャットを1つのAPIで。Models on OpenRouter: (翻訳) Gemini Omni 1.2 FlashがOpenRouterで利用可能に。Googleの動画モデルで、クリップは最大15秒（1.1は最大10秒）、秒単価は約30%低下。テキストから動画、画像から動画に対応し、360p〜4K、16:9または9:16、ネイティブ音声付き。

Google Gemini: (翻訳) Gemini Omni 1.2 Flashを本日から全Google AIサブスクライバーに展開します。Geminiアプリで複数ターンの会話編集で動画を磨き、より安定した映像を楽しめます。さらにGoogle AI Ultraでは最大15秒の動画を作成・編集できます。Google: Meet Gemini Omni 1.2 Flash, our updated video generation model from @GoogleDeepMind 🎬 Get stronger consistency, more creative control, and faster, more cost-effective video creation at scale: ⚡ Fast...

Claude、銀行口座連携のPersonal Financeをβ公開

Anthropicが米国でClaudeのPersonal Finance機能をベータ公開しました
Plaid経由で銀行やカード口座を連携し、残高や取引履歴について日常の言葉で質問でき、Pro・Max・Ultraに展開中です
アクセスは読み取り専用で、Claudeが送金や資産運用を行うことはできない設計になっています

Claude: (翻訳) ClaudeのPersonal Financeを米国でベータ公開します。選んだ口座を連携すると、Claudeがあなた自身の残高や取引をもとに、お金に関する質問に日常の言葉で答えます。アクセスは読み取り専用で、Claudeがお金を動かしたり管理・投資したりすることはできません。

🚨 AI News | TestingCatalog: (翻訳) ANTHROPIC 🔥: Claude Personal Financeが米国のPro、Max、Ultraユーザーに展開中。Claudeは選択したサービスに読み取り専用でアクセスし、ユーザーは自分の財務についてチャットできます。

TechCrunch: (翻訳) ClaudeのPersonal Financeでは、Plaidを通じて銀行やカード口座を連携し、自分の財務について質問できます。

OpenAI、自社DCの電力費全額負担を表明【続報】

米中間選挙後に強まるデータセンター建設への反発に関する続報です
OpenAIが自社所有DCの電力費を全額負担すると表明し、反発を受けてDC計画の進め方を変えると報じられました
OpenAI幹部が、来年のDC容量見通しのリセットを議論したとも報じられています
GoogleもWyomingの新DCで電力費を全額負担し、MicrosoftはNscaleのテキサス拠点の追加容量を見送りました

Evan: (翻訳) OpenAIは自社所有のデータセンターの電力費を全額負担すると約束した - CNBC

Annmarie Hordern: (翻訳) WSJ: 関係者によると、水曜朝までにOpenAIの幹部らは、選挙結果を受けて来年のデータセンター容量に関する見通しをリセットする必要があるかを議論していた。

Evan: (翻訳) GoogleがWyomingの新データセンターに$17Bを投じる。Laramie郡の拠点は同州初で、Googleは使用電力を全額負担するとしている。水使用を抑えるため空冷方式を採用する。

Evan: (翻訳) MicrosoftがテキサスのAIクラウド企業Nscaleの追加データセンター容量を見送った。Nscaleのワード郡拠点で数百MWを追加するオプションがあったが、電力の承認待ちだったため進めないと判断した。

a16z、AIで脆弱性公開前に攻撃が届く時代と分析

a16zが、AIによってエクスプロイト作成のボトルネックが消え、パッチ適用が追いつかないとする記事を公開しました
攻撃は2018〜19年の公開63日後から2025年には公開7日前へ移り、修正済みバグの攻撃化も3週間から午後半日に短縮しています
フロンティアモデルが確実にこなせるサイバータスクは2024年末の5.5分から2026年4月に4.8時間へ伸び、防御側の再設計が求められています

a16z: (翻訳) 20年間、エクスプロイトを書くことがサイバー攻撃のボトルネックでした。AIがその工程を安くした一方、パッチ適用は速くなっていません。平均して、攻撃は2018〜19年には公開63日後だったのが、2025年には公開7日前になりました。動くエクスプロイトは熟練者が…Asaf Ezra: https://t.co/jgLMt5o16r

a16z: (翻訳) AIのサイバー能力はコーディングと同じ曲線で4〜5か月ごとに倍増しています。フロンティアモデルが確実に完了できる最長のサイバータスク（専門家換算時間）: 2024年末 5.5分、2026年初め 40分、2026年4月 4.8時間Asaf Ezra: https://t.co/jgLMt5o16r

a16z: (翻訳) 多くの企業が勧告を読む前に、AIはエクスプロイトを書けます。修正済みバグを動く攻撃にするまでの時間: 2017年専門家で約3週間、2023年約1週間、2025年 AIで午後半日Asaf Ezra: https://t.co/jgLMt5o16r

a16z: (翻訳) バグは攻撃者が使える速度以上に積み上がっています。公開された脆弱性は2017年以降3倍以上に増えた一方、実際に確認された悪用は年900件未満にとどまっていますAsaf Ezra: https://t.co/jgLMt5o16r

AI同士の協働ベンチマーク、強引な相手に屈する傾向

AIをチームメイトとして評価するCollaborative Intelligence Benchmarkの論文が公開されました
18モデルを240タスクで評価し、最高でも100点中82.2点で、単独では不正しないモデルも相手に押されると折れるとしています
弱いモデルが残した不正コードを引き継いでしまう傾向も示され、マルチAgent設計での安全性確保の難しさが話題です

Sean Wu: (翻訳) Collaborative Intelligence Benchmarkの論文を公開しました！18のAIモデルをチームメイトとして240タスクで評価しました。最高のモデルでも100点中82.2点です。フロンティアモデルはほとんど不正をしません。しかしチームメイトが押し返すと屈してしまいます！

Rohan Paul: (翻訳) Stanfordの新論文によると、最高のAIモデルは単独では安全に振る舞うが、他のAI Agentと協働すると強引な相手に屈し、弱いAIモデルが残した不正コードを維持してしまう。フロンティアモデルは衝突した実行の99%でチームメイトのニーズを尋ねるが、その後…

Science's Last Exam公開、Claude Opus 5が首位

自律的な科学研究能力を測るベンチマークScience's Last Exam（SLE）が公開されました
9分野91タスクで、実データや実ソフトを使い、仮説立案から実験・解釈まで端から端まで評価します
採点は隠れた専門家チェックで行い、Claude Opus 5が67.0、GPT-6.1 Solが64.25、Kimi K3.1 Proが58.25です

Aran Komatsuzaki: (翻訳) AItonomy Foundationが、自律的なエンドツーエンドの科学研究のベンチマークScience's Last Exam（SLE）を発表。9分野91タスク。Claude Opus 5: 67.0、GPT-6.1 Sol: 64.25、Kimi K3.1 Pro: 58.25。プロトコル計画や実験観察などを端から端まで評価しますAItonomy Foundation: (翻訳) AItonomy Foundationで構築してきたScience's Last Exam（SLE）を共有できることを誇りに思います。AIは科学ができるのか？Q&Aではなく、Agentに実際の研究目標と実世界のツール（実験データ、ソフトウェア）を与え、隠れた専門家チェックで採点します。

elvis: (翻訳) AI Agentは自力で科学研究ができるのか？Science's Last Examはそれを測る新しいベンチマークです。9つの科学分野の実際の研究タスクから構築されています。Agentが仮説を立て、プロトコルを計画し、科学コードやソフトウェアを実行し、読み解けるかをテストしますAItonomy Foundation: (翻訳) AItonomy Foundationで構築してきたScience's Last Exam（SLE）を共有できることを誇りに思います。AIは科学ができるのか？Q&Aではなく、Agentに実際の研究目標と実世界のツール（実験データ、ソフトウェア）を与え、隠れた専門家チェックで採点します。

0.5Mパラメータのカタン特化AI、フロンティアLLMに圧勝

Distributed Cognitionが、1対1のカタンに特化して訓練したモデルVINCOを発表しました
0.5MパラメータながらClaude Opus 5.5やFable 5.1、Astra、Kimi K3に40戦中36勝し、世界ランキングの1位と2位を占めています
手札やサイコロが見えない不完全情報下の判断はコーディング系ベンチでは測れず、規模と技能は別物だと話題です

Rohan Paul: (翻訳) Distributed CognitionのVINCOは、0.5Mパラメータのモデルながら、ボードゲームのカタンでClaude Opus 5.5、Claude Fable 5.1、Astra、Kimi K3に40戦中36勝しました。カタンはコーディングベンチマークでは測れない、相手の手札や次のサイコロが分からない中で良い手を選ぶ能力を試しますdistributed cognition: (翻訳) 1対1のカタンをプレイして勝つよう訓練したフロンティアAIモデルVINCOを公開します。密かにグローバルリーダーボードに投入し、1位と2位を獲得、人間の世界チャンピオン全員に一貫して勝っています。

Charly Wargnier ♨️: (翻訳) 1000万分の1のサイズでも勝つ。Distributedによると、Astra、Claude、Kimiはいずれも1対1のカタンでVINCOに敗れました。サイズはテストした主要LLMの1000万分の1。モデルサイズと技能は同じではないという良い教訓ですdistributed cognition: (翻訳) 1対1のカタンをプレイして勝つよう訓練したフロンティアAIモデルVINCOを公開します。密かにグローバルリーダーボードに投入し、1位と2位を獲得、人間の世界チャンピオン全員に一貫して勝っています。

Airbnb、分類器でJevより2B微調整モデルが高精度

Airbnbが本番の分類器で、決定モデルを購入するか自前で学習するかの判断基準を共有しました
Gemma 4 E2Bを微調整したモデルがJevより高精度で、レイテンシ35ms、コストは約1%に収まったとしています
毎分数千リクエストではJevは単一GPU運用の約5倍高く、キャッシュ割引がないため長いプロンプトでは更に4倍になるとの指摘です

webbigdata: 意思決定モデル(decision models)と呼ばれるJevだがAirbnb社内の実験ではGemma 4 E2Bをファインチューニングしたモデルの方が精度が上だった毎分数千リクエスト規模だとJevは単一GPU運用の約5倍のコスト高。キャッシュ割引がないためプロンプトが長くなるとコストが更に4倍に跳ね上がるとのことAhmad Al-Dahle: (翻訳) 皆が決定モデルに興奮しています。いつ購入すべきで、いつ自前で学習すべきか？私たちは本番の分類器向けに2Bモデルをファインチューニングしました。フロンティア級の品質で35ms、コストは約1%。価値がある場合とない場合についての考えを共有します。

Algomatic、grep型探索AgentとRAGを日本語文書で比較

Algomaticが、DCI（Direct Corpus Interaction）を日本語の運用文書で検証した技術ブログを公開しました
grepとreadだけで何度も探索するAgentと、シンプルなRAGの精度を比較しています
どのような場面でどちらの技術を選ぶべきかを検討しており、社内文書検索の設計判断に参考になる内容です

株式会社Algomatic: ▶️ 技術ブログ公開のお知らせテックリードの武藤が、DCI（Direct Corpus Interaction）を日本語の運用文書で検証🧑‍💻 grep と read だけで何度も探索するエージェントと、シンプルな RAG の精度比較から、どういった場面でどんな技術選定を行うかについて検討します🧐 ✔️ https://t.co/n5t5NioQRQ

AIレビュアーはPR説明文を信じやすいとの指摘

AIのコード生成に人のレビューが追いつかず、レビューもAIに任せる際の弱点が話題になっています
レビューするAIは書き手の説明を信じやすく、PRに「こう動く」と書かれていると実際には動かないコードも正しいと判定することがあります
AIレビューを導入する際は、説明文に引きずられない検証の仕組みを用意する必要性を示しています

AIDB: AIがコードを書く速さに、人のレビューが追いつかなくなってきました。それならレビューもAIに、と考えたくなりますが、レビューするAIは「書き手の説明を信じやすい」弱点があります。PRの説明文に「こう動く」と書いてあると、実際にはそう動かないコードまで「正しい」とすることがあります。

Deep Agents、非同期サブエージェントのサポートを刷新【続報】

LangChainのManaged Deep Agents 0.10で加わった非同期サブエージェントに関する続報です
LangChainが、Deep AgentsとManaged Deep Agentsにおける非同期サブエージェントのサポートを刷新しました
サブエージェントがバックグラウンドで作業を進める間も、オーケストレーターがユーザーに応答し続けられる設計です
Harrison Chase氏は、LangChain社内で構築中のAgentの大半が非同期サブエージェントを使っていると述べています

LangChain: (翻訳) （Managed）Deep Agentsの非同期サブエージェントのサポートを刷新しました！バックグラウンドでタスクを進めながら、オーケストレーターAgentをユーザーに対して応答可能に保つ仕組みを紹介しますSydney Runkle: https://t.co/9loyF9vcBa

Harrison Chase: (翻訳) LangChain社内で構築しているAgentのほとんどが非同期サブエージェントを有効に活用しています。Deep Agentsで利用可能になりました！Sydney Runkle: https://t.co/9loyF9vcBa