14 11月 2026

2026年11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

NVIDIAトップ人事の行方とOpenAIのChatGPT Wallet公開

NVIDIAのHuang氏辞任をめぐり、Musk氏が復帰を求める署名運動に賛同しました。後任としてArmのHaas氏への打診も報じられ、人事の行方に注目が集まっています。

OpenAIはDotsが承認のもとで代理購入できるChatGPT Walletを公開しました。AnthropicのIPOは評価額$1.25T超を狙います。

ほかにもllama.cpp v1.0.0到達など話題が続きます。では、順に確認していきましょう。

Huang氏復帰の署名運動にMusk氏賛同、後任にArm Haas氏打診
OpenAI、Dotsが代理購入できるChatGPT Walletを公開
Anthropic IPO、中国・香港投資家を除外し評価額$1.25T超狙う
関西Kaggler会スポンサー枠、Sarashinaや自動運転を紹介
Inkling 2 Small、全工程NVFP4学習の手法を公開
LangChainが$3B評価で$300M調達、新LangSmithを発表
Decision model、Agent評価やRLでの活用が広がる
llama.cpp v1.0.0リリース、MoEオフロードにも対応
Anthropic、安全性評価の設計・実施・報告の10の推奨を公開
Databricks、AI Agentのカーネル自動改善でMetaコンペ2位
Claudeの独特な日本語、和語禁止の指示で約6割減
μPで小モデルの学習率を幅の広いモデルに転用する仕組み
Qwenは発言と行動の回路が分断、OLMoは統合と判明

Huang氏復帰の署名運動にMusk氏賛同、後任にArm Haas氏打診【続報】

NVIDIAのJensen Huang CEO辞任に関する続報です
Elon Musk氏がHuang氏の復帰を求める署名運動への賛同を表明し、社内の復帰要望投稿にも1,600件超のコメントが集まりました
FTによるとNVIDIAは後任としてArmのRene Haas CEOに打診しましたが、取締役会は候補者との正式な接触を否定しています
商務省は、海外DC経由で中国企業が制限チップを使う抜け穴を塞ぐ準備を進めているとされます

Elon Musk: (翻訳) @yunta_tsai Jensenの復帰を求める署名運動が進行中で、私も署名するつもりだ

Financial Times: (翻訳) NVIDIAのCEO探しで、ArmのトップRene Haas氏に打診

Evan: (翻訳) NVIDIAの取締役会は、いかなる候補者とも正式には接触しておらず、誰が後任になるかの憶測は時期尚早だと述べた - CNBC

The Information: (翻訳) NVIDIAはLambdaのリース約200億ドルを保証し、CoreWeaveの売れ残りクラウド容量の購入にも合意していた。Jensen Huang氏が去った今、NVIDIAがネオクラウドを助けに入るという前提はほぼ消えたと金融関係者は言う

OpenAI、Dotsが代理購入できるChatGPT Walletを公開

OpenAIが、Dots Agentがユーザーの承認のもとで商品を購入できるChatGPT Walletを発表しました
実際のカード番号の代わりにトークンで決済し、購入ごとに生体認証による確認が必要で、まず米国のPro加入者から展開されます
American Express・Mastercard・Visaと提携しており、同時期にEUでもDotsの提供が始まったとの報告が相次いでいます

ChatGPT: (翻訳) あなたのdotが、あなたの承認のもとで代わりに安全に購入を完了できるようになりました。ChatGPT WalletではAgentは実際のカード情報にアクセスせずに支払います。すべての購入にセキュリティチェックが必要です。ChatGPT Walletは本日からdots向けに、Pro加入者へ展開を開始します

Rohan Paul: (翻訳) OpenAIのdots AgentがChatGPT Wallet経由でユーザーの代わりに購入できるようになり、購入ごとに生体認証で承認する。ユーザーはデビット/クレジットカードを一度登録し、Agentは実カード番号を置き換えるトークンで支払う。これによりカード情報は販売者からも…切り離される

Greg Brockman: (翻訳) American Express、Mastercard、Visaと提携し、dotで安全に購入できますChatGPT: (翻訳) あなたのdotが、あなたの承認のもとで代わりに安全に購入を完了できるようになりました。ChatGPT WalletではAgentは実際のカード情報にアクセスせずに支払います。すべての購入にセキュリティチェックが必要です

Chubby♨️: (翻訳) 欧州のProサブスクでChatGPT Dotにアクセスできるようになった。EUでも展開が始まったようだ

Anthropic IPO、中国・香港投資家を除外し評価額$1.25T超狙う【続報】

AnthropicのIPO計画に関する続報です
Bloombergによると、中国本土と香港の機関投資家がAnthropicのIPOの注文から除外されました
来週のIPOでは評価額$1.25〜1.4Tを狙い、更新した申請書では自社モデルにより能力向上ペースが倍になると見込んでいます
Dario Amodei氏はJamie Dimon氏との対談で市場の混乱は気にしないと述べ、計算資源の確保を最大の課題に挙げました

Bloomberg: (翻訳) 中国本土と香港の機関投資家がAnthropicのIPOで注文を出すことから除外された。米中双方が戦略的とみなす産業をめぐる敏感さが浮き彫りになっている

The Information: (翻訳) Anthropicは来週のIPOで1.25兆〜1.4兆ドルの評価額を目指しているが、一部の投資家はそれでも低すぎると考えている。事業規模はすでにOpenAIを上回っており、取引開始後にはさらに高い価格がつく可能性がある

The Information: (翻訳) Anthropicの更新されたIPO申請書によると、同社は自社モデルによって、AI支援なしの場合の能力向上ペースが倍になると見込んでいる

Bloomberg: (翻訳) AnthropicのCEO Dario Amodei氏は、注目のIPOを前にした説明会で、計算資源の調達を同社最大の課題の一つに挙げた

関西Kaggler会スポンサー枠、Sarashinaや自動運転を紹介【続報】

関西Kaggler会での発表に関する続報で、今回はスポンサー企業による登壇の内容です
SB Intuitionsが国産LLM Sarashinaと、10月に始まったSarashinaのサービスを紹介しました
Turingは1つのNNで完結するEnd-to-End自動運転と、そのための走行データ収集について説明しました
ElithのAIセーフティ向けガードレールモデルや、NTT西日本の生成AIと機械学習の使い分け事例も共有されました

ろん |「マテリアルズ・インフォマティクス実践ハンドブック」（森北出版）: スポンサー枠の7番目はSB Intuitionsさん。国産LLM「Sarashina」を題材に、10月開始の「Sarashinaサービス」のご紹介や、直近ご入社のKagglerのお話などとても刺激的なお話でした！ #関西kaggler会

ろん |「マテリアルズ・インフォマティクス実践ハンドブック」（森北出版）: スポンサー枠の8番目はTuringさん。1つのNNで実現するEnd-to-End自動運転のお話や、走行データ収集のお話など、実際のシーンもあり、難しいシーンでもここまで実現できていることがとても刺激的でした！ #関西kaggler会

ろん |「マテリアルズ・インフォマティクス実践ハンドブック」（森北出版）: スポンサー枠の9番目はElithさん。ガードレールモデルなどAIセーフティ／セキュリティのお話をいただきました！Kagglerも方の増加や、技術実績なども色々とご紹介いただきました！ #関西kaggler会

ろん |「マテリアルズ・インフォマティクス実践ハンドブック」（森北出版）: スポンサー枠の10番目はNTT西日本さん。生成AIだけでなく必要に応じて機械学習も使う・現場知見の活用など、現場実装を見越したAI活用のお話が印象的でした！ #関西kaggler会

Inkling 2 Small、全工程NVFP4学習の手法を公開【続報】

Thinking Machinesの小型モデルInkling 2 Smallに関する続報です
事前学習の開始からRLの最終ロールアウトまで、ネイティブ4bitのforwardで学習した方法をブログで解説しました
GB300上のNVFP4学習を含むスタック全体の改善で、事前学習を数週間から68時間に短縮したとMira Murati氏が述べています
量子化誤差が学習を妨げる問題への対処が詳しく書かれており、Soumith Chintala氏も一読を勧めています

Thinking Machines: (翻訳) 少ないビット数での学習は速いが、量子化誤差が学習を妨げうる。本日Connectionismで、Inkling 2 Smallを事前学習の最初のステップから最終のRLロールアウトまでネイティブ4bitのforward passで学習した方法を詳しく紹介する

Mira Murati: (翻訳) 本日のConnectionism：NVIDIA GB300上でネイティブ4bit forward passを使い、事前学習の最初のステップから最終のRLロールアウトまでInkling 2 Smallを学習した方法。事前学習を数週間から68時間に短縮した、スタック全体にわたる多くの改善の一つですThinking Machines: Training with fewer bits is faster, but quantization error can interfere with learning. Today on Connectionism, we detail how we trained Inkling 2 Small with a native 4-bit forward pass from the firs...

Soumith Chintala: (翻訳) 私たちのNVFP4学習について詳しい記事を書きました、一読の価値あり！Thinking Machines: (翻訳) 少ないビット数での学習は速いが、量子化誤差が学習を妨げうる。本日Connectionismで、Inkling 2 Smallを事前学習の最初のステップから最終のRLロールアウトまでネイティブ4bitのforward passで学習した方法を詳しく紹介する

Robert Lange: (翻訳) ThinkyのInkling 2 Smallの概要👇 594B-A17Bの画像・テキストMoE：8×(SWA-1024を5層＋global 1層)、48q/8kv、RoPEなしで相対位置バイアス＋log-nスケーリング。Attention residual：サブレイヤーは6層ブロック和のsoftmax混合を読み、global層は3クエリ。σ出力ゲート…Thinking Machines: (翻訳) Inkling 2 Smallの重みがApache 2.0ライセンスでHugging Faceからダウンロード可能になりました。Inklingを自分のものに！

LangChainが$3B評価で$300M調達、新LangSmithを発表

LangChainが評価額$3Bで$300Mを調達したと発表しました
3年間の知見を詰め込んだ新しいLangSmithを公開し、Agentの実行・改善・ガバナンスを担う基盤として7,000社以上が利用しているとしています
来週は製品発表を連続で行い、金曜のウェビナーで締めくくる予定とされています

LangChain: (翻訳) LangChainは、すべての企業が自らのインテリジェンスを所有できるようにするというミッションを推進するため、評価額30億ドルで3億ドルを調達しました。すでに7,000社以上がAgentのランタイム、改善、ガバナンスにLangSmithを利用しています

LangChain: (翻訳) 過去3年間で数百万人の開発者がLangChainのフレームワークでAgentを構築してきました。本日、私たちが学んだすべてを一つのプラットフォーム、新しいLangSmithに注ぎ込みます。Agentのために作られAgentで動き、Agent開発のライフサイクル全体をサポートしますHarrison Chase: (翻訳) 本日、LangChainが評価額30億ドルで3億ドルを調達したことを発表しました。Agentは経済を変え、自らのインテリジェンスを所有する企業が持続的な競争優位を築くと考えています。だからこそ、フレームワーク非依存のプラットフォームLangSmithを構築しています

Harrison Chase: (翻訳) 今回の資金調達を記念して来週は大量の製品発表を行い、金曜日にはまとめのウェビナーを開催します。ぜひ参加してください！Harrison Chase: (翻訳) 本日、LangChainが評価額30億ドルで3億ドルを調達したことを発表しました。Agentは経済を変え、自らのインテリジェンスを所有する企業が持続的な競争優位を築くと考えています

Decision model、Agent評価やRLでの活用が広がる

GoogleのGemini Decisions API公開を機に、選択肢ごとの確率を出力するDecision modelの活用が広がっています
Langfuseでは、検索文脈と回答の不一致や誤ったツール呼び出し入力の検出など、Agent実行の評価に使えます
長期タスクAgentのRLでは完了した軌跡の評価に使うべきとの論文も出ており、AA Decision IndexではDrex Max v1.1が首位です

Patrick Loeber: (翻訳) 今週のリリースまとめ🚢：Gemini 4 Carbon、Gemini 4 Hydrogen、Gemini Decisions API。楽しく開発して、ぜひフィードバックをください！

langfuse.com: (翻訳) @GeminiApp のDecision modelがLangfuseでAgent実行の評価に使えるようになりました。チャットAgentの会話シグナルの発見、検索した文脈と回答の不一致チェック、誤ったツール呼び出し入力の特定ができます。Decisionまたは「system-one」モデルは高速で…

elvis: (翻訳) 長期タスクAgent向けDecision modelに関する素晴らしい論文。Agent RLでは、Decision modelには完了した軌跡を評価させ、行動選択はポリシーに任せるのがよい。Decision modelは各選択肢の確率のような型付き分布を出力する

Alvaro Cintas: (翻訳) ケースと選択肢のリストを与えると、それぞれの可能性を教えてくれる。それがDecision modelで、現在のトップはNaceのDrex Max v1.1。Artificial Analysis Decision Indexで18モデル中1位。高速・安価で、与えた選択肢からしか答えないNace AI: (翻訳) 今週、Drex Max v1.1がArtificial Analysis Decision Indexで19モデル中1位のDecision modelとなり、パレートフロンティアにも乗りました。スコア72.6でJev 1.14、Claude Haiku 5.5、GPT-6 Lunaを上回り、評価データの45%は完全非公開かつ分布外です

llama.cpp v1.0.0リリース、MoEオフロードにも対応

ローカルLLM推論の定番ライブラリllama.cppが、ついにv1.0.0に到達しました
VRAMに載らない大規模MoEも高速に動かせるMoEオフロードと、スマートLRUキャッシュが入ったとされています
UnslothのDaniel Han氏やHugging FaceのThomas Wolf氏が祝福し、ローカルAIの基盤としての貢献が改めて評価されています

Daniel Han: (翻訳) llama.cppなしにローカルAIは存在しなかった。v1おめでとう！llama.cppにはMoEオフロードとMoEスマートLRUキャッシュも入ったので、VRAMに収まらない大きなMoEでも高速に動かせる！Georgi Gerganov: (翻訳) llama.cpp v1.0.0が公開されました

Thomas Wolf: (翻訳) 一つが倒れれば、別の一つが立ち上がる。オープンソースのいつもの物語 :) llama.cppがv1.0.0に到達。ライブラリにとって大きな節目で、今日それを分かち合えるのは良い日だ（2019年のtransformers 1.0を今も覚えている）Georgi Gerganov: (翻訳) llama.cpp v1.0.0が公開されました

Anthropic、安全性評価の設計・実施・報告の10の推奨を公開

AnthropicがEngineering Blogで、安全性評価の設計・実施・報告に関する10の推奨事項を公開しました
安全性評価はモデルのデプロイ可否、構築すべきセーフガード、学習や研究の重点を判断する上で重要だと位置付けています
AI Evaluator Forumに新メンバーが加わり第三者評価の標準化も進む中、評価設計の実務的な指針として参考になります

Anthropic: (翻訳) 安全性評価は、モデルがデプロイ可能か、どのセーフガードを構築すべきか、学習と研究をどこに集中すべきかを理解するうえで重要です。Engineering Blogで、その設計・実施・報告方法についての10の推奨事項を紹介します

Miles Brundage: (翻訳) AEFの成熟と成長にとてもワクワクしている。米国だけでなく世界的に、第三者AI評価の標準のデファクトになりつつある。AEF-1はEU AI Officeに引用され、Fangcun AIはDeepSeekの評価でAEF-1チェックリストを使ったAI Evaluator Forum: (翻訳) AI Evaluator Forumに6つの新メンバーを迎えました：ActiveSiteBio、Apollo Research、CenDemTech、Common SenseのYouth AI Safety Institute、GuidelightAI、SaferAI。各団体が科学的厳密さをもたらし専門性の幅を広げます

Databricks、AI Agentのカーネル自動改善でMetaコンペ2位

DatabricksがMetaのMuse Spark Open Kernel Challengeで30万件超の提出の中から2位に入りました
AI Agentが自律的にhill-climbingでカーネルを改善するKernel Factoryを構築し、SGLangのカーネル比で平均2.5倍の高速化を達成しています
Agentによる自動最適化がコンペ上位に届いた事例として、カーネル開発の進め方を考える参考になります

Yuchen Jin: (翻訳) DatabricksがMetaのMuse Spark Open Kernel Challengeで30万件以上の提出の中から2位を獲得！私たちのカーネルはSGLangのカーネルに対し平均2.5倍の高速化を達成。AI Agentが自律的にhill-climbingでより良いカーネルを目指すKernel Factoryを構築した。Opusが…

Claudeの独特な日本語、和語禁止の指示で約6割減

Claudeの日本語に出る独特な言い回しを減らすプロンプトの工夫が話題になっています
和語を使わず熟語とカタカナ語で説明するよう指示すると、体感で6割ほど独特の言い回しが減るとされます
言い回しより、過剰に文脈を省略してClaude自身も経緯を忘れるケースの方が実害が大きいとの指摘も出ています

Odashi: ところでClaudeに「和語を使うな、熟語とカタカナ語で説明しろ」などと指示すると体感6割くらい独特の言い回しが減る。

Odashi: 個人的にはClaudeがどんな変な日本語を書こうが自分の仕事に支障がなければ何でもいいですが、過剰に文脈を省略する（Claude自身も後で経緯を忘れる）ケースは実害があるので相当気をつかいます

μPで小モデルの学習率を幅の広いモデルに転用する仕組み

小さいモデルで調整した学習率を幅の広いモデルに流用できるμPの解説が公開されました
標準パラメータ化では幅とともに更新量が大きくなり調整済みの学習率が発散しますが、μPは層ごとに学習率を幅でスケールします
更新量が一定に保たれるため学習率を転用でき、大規模モデルのハイパラ探索コストを抑える手法として参考になります

Robert Lange: (翻訳) 小さいモデルで学習率を調整して幅の広いモデルに再利用すると、標準パラメータ化では失敗する。更新量が幅とともに大きくなり、調整したηが発散する。μPは各層のηを幅に応じてスケールする→更新量が一定に保たれる→ηを転用できる

Qwenは発言と行動の回路が分断、OLMoは統合と判明

LLMのキャラクター（発言）と行動を担うサブネットワークの結合度を、モデル間で比較した分析が紹介されています
正直な行動時の活性化を別キャラ設定のモデルに移すと、OLMoは正直を重視すると言い出し、Qwenはほぼ変化しませんでした
Qwenは言うこととやることが構造的に切り離されており、言行不一致の側面があると解釈されています

webbigdata: 1)あなたは正直さを重視する、と指示 1’)ZaraというAIは正直さを重視する、と指示 2) 1に「正直な行動」をとらせて、活性化を記録 3) 1'に2の活性化をコピー、「あなたは正直？」と質問・OLMo「自分も正直を重視する」と言い出す・Qwenほぼ影響を受けない（言動と行動の回路が別）言行不一致の側面Sauers: (翻訳) Qwenはキャラクターと行動のサブネットワークが断片化している：言うことがやることと構造的に切り離されている。一方OLMoではこれらのサブネットワークが一貫して統合されている