DeepSeek、出力価格を倍増

OpenAIはAgents APIのパブリックベータ版をリリースし、Codexの基盤となる管理されたエージェントハーネスとインフラストラクチャを公開しました。このAPIは、長期間実行する必要があるエージェントのために、コンテキスト管理、ツール呼び出し、サブエージェントのオーケストレーション、永続的な実行、ファイル処理、コード環境を処理します。

この1年間、開発者たちは、エージェントが5分前の行動を記憶できるように、ベクトルデータベースと脆いPythonスクリプトを無理やりつなぎ合わせてきました。OpenAIは、そのスタック全体を自社で管理するために乗り出しています。永続的な実行とサブエージェントをネイティブに管理することで、オーケストレーション層をコモディティ化しています。

これにより恩恵を受けるのは、コンテキストウィンドウの複雑な操作ではなく、ユーザーエクスペリエンスに集中できるようになった製品チームです。一方、数十のオーケストレーションスタートアップは、その価値提案全体が単一のAPIエンドポイントに集約されてしまい、敗者となりました。

マーク・ザッカーバーグからの15億ドルとされるパッケージを当初拒否し、その後非公開の条件で契約した数ヶ月後、Thinking Machinesの共同創設者であるアンドリュー・タロックがMetaを去り、Anthropicに移籍します。この退職はローンチからわずか数ヶ月後であり、AI研究の最高レベルにおける人材情勢を揺るがしています。

ザッカーバーグ級の引き止めパッケージを断るというのは、他に根本的に優れたものを見つけた場合に限られます。Anthropicはトップティアの人材を積極的に集約しており、Metaのオープンウェイトの巨大企業から主要なアーキテクトを引き抜くことは、強烈なアピールです。

Metaはモデル戦争が激化するまさにその時に重要なビジョナリーを失いますが、Anthropicは、安全性を重視した高性能な環境が、単なる報酬よりもエリート研究者にとって強力な磁石であることを証明しました。Metaがこの空白を埋めるために奔走する中で、内部の変化に注目しましょう。

OpenAIは、ChatGPT Enterpriseの専門版である「ChatGPT for Financial Services」を正式にリリースしました。この新しいティアには、PitchBook、Crunchbase、LSEGからの独自データがモデルに直接組み込まれており、バリュエーションモデル、市場分析、ピッチデッキ生成に最適化されています。

これは、従来の金融データ端末に対する意図的な「暗殺」です。推論能力と、エリートなクローズドガーデン金融データを融合させることで、OpenAIは汎用ツールから専門アナリストの代替へと移行しています。もはやPitchBookからCSVをエクスポートしてプロンプトにフィードする必要はありません。モデルはすでにそのコンテキストを持っています。

金融機関は大幅な効率向上を享受しますが、本当のニュースはOpenAIの積極的な垂直統合です。彼らはもはや単にインテリジェンスを販売しているだけでなく、世界で最も高価なデータセットへのアクセスを仲介しているのです。

OpenAIは、月額200ドルのProプランの新規サブスクリプションを正式に一時停止しました。原因は、現在すべてのアカウントタイプに展開されている新しいAstraモデルに対する驚異的な需要です。Astraは推論、コーディング、コンピューター使用において大幅な飛躍を約束しており、OpenAIはこれをAGI時代の幕開けとして社内で位置づけています。

企業がユーザーあたり年間2,400ドルを断るということは、サーバーラックが溶けていることを意味します。Astraの自律的なコンピューター使用と複雑な推論能力は、膨大な計算オーバーヘッドを必要とし、OpenAIは明らかに、トップラインの収益成長よりも既存ユーザーの安定性を優先しています。

この一時停止は、最先端AIの厳しい現実を浮き彫りにしています。インテリジェンスは約束するのは簡単ですが、スケールさせるのは非常に困難です。Proアクセスに依存して自身の開発ワークフローを進めていたスタートアップは、サプライチェーンが追いつくまで締め出されることになります。

次回のMeta Connectで、同社はMuseアプリ向けに「Shared Agents」機能を発表する予定です。このアップデートにより、ユーザーはエージェントを作成、カスタマイズ、共有できるようになり、Grokbotのシステムとの即座の比較がなされています。この機能は、Metaプラットフォームを販売や顧客サポートに利用している中小企業を強くターゲットにしています。

Metaは、WhatsApp、Instagram、Facebookを通じて数百万の中小企業への流通チャネルを所有しています。これらの企業が専門エージェントを簡単に立ち上げて共有できるようにすることで、Metaは彼らを自社プラットフォームにより深く囲い込み、サードパーティの顧客サービスSaaSツールを排除しようとしています。

もし中小企業向け顧客サポートのラッパーサービスを構築しているスタートアップなら、そのビジネスは一瞬にして消滅するでしょう。Metaはエージェント作成をネイティブで共有可能なユーティリティにしており、そのユーザーベースによって一夜にしてそれがデフォルトになる可能性があります。

OpenAIのCEOサム・アルトマンは、最先端AIの開発ペースを落とす可能性についてスタッフに伝えたと報じられています。この社内での発言は、抑制されない進歩が今世紀末までに人類に壊滅的な結果をもたらす可能性があると警告してきた研究者からの安全保障上の懸念が高まっていることを受けてのものです。

アルトマンの公の姿勢は絶え間ない楽観主義であるため、この社内メッセージは深い変化を示唆しています。超知能システムの整合性という技術的ハードルが、予想以上に困難であることが明らかになってきているのでしょう。OpenAIが自発的に開発を減速させれば、業界全体に衝撃が走り、AnthropicやGoogleといった競合他社に追いつくための猶予を与える可能性があります。

開発者にとって、これは主要なモデルの飛躍的な進歩のペースが伸びる可能性があることを意味します。焦点は、次の神レベルのモデルを待つことから、今日存在するモデルを実際に最適化し、運用することへと移るでしょう。

Anthropicは、脅威インテリジェンスチームが2025年12月から2026年8月の間に、悪意のあるアクターがサイバー攻撃にClaudeを使用しようとした複数の作戦を特定し、阻止した経緯を詳述したレポートを公開しました。このレポートには、AIシステムの悪用がどのように進化しているかに関する詳細なケーススタディが含まれています。

これは、最先端AIラボ内部で進行中の静かな軍拡競争について、珍しく透明性のある情報公開です。脅威アクターは、脆弱性、エクスプロイト生成、ソーシャルエンジニアリングの規模拡大のためにLLMを積極的に調査しています。Anthropicがこれらのアクターをブロックするだけでなく、積極的に追跡・分析できる能力は、彼らの安全保障インフラが単なるマーケティングトークではないことを証明しています。

本当のポイントは、AI防御が機能しているということです。これらのケーススタディを公開することで、AnthropicはAI業界における責任ある情報開示の新しい基準を設定し、他のラボにも自社ネットワークに対する同レベルの可視性があることを証明するよう求めています。

新しい研究論文は、AIモデルにおける不透明な逐次深層処理の運用化について調査しています。思考連鎖（chain-of-thought）推論はモデルが問題を解決する方法を監視する上で重要ですが、この研究は、アーキテクチャの変更がモデルに重要な非言語化された逐次認知を実行させていることを発見しました。つまり、モデルは複雑なロジックを書き出すことなく実行しているのです。

これはAIの安全性と解釈可能性にとって大きな危険信号です。もしモデルが、手順を言語化することなく潜在空間で複雑な問題を推論できるとすれば、私たちはその整合性やロジックを監査するための主要なメカニズムを失います。モデルがその計算を隠している場合、幻覚や悪意のある出力を修正することはできません。

研究者や企業のコンプライアンスチームにとって、これは思考連鎖が透明性の万能薬ではないことを意味します。モデルが自らの思考を正直に語ることに頼ることは技術的に不可能になりつつあるため、これらのブラックボックスを解明するために全く新しい解釈ツールが必要になります。

新しい研究により、ビデオモデルのスケーリングと事前学習計算の増加が、ロボットの物理タスク実行能力を直接向上させることが確認されました。Direct Video-Actionモデルを使用し、研究者たちは、性能向上がモデルの未公開ウェブビデオ予測能力と関連していることを発見しました。より大規模なモデルは、これを実世界の作業に変換する能力に優れています。

ロボット工学はこれまで、Wikipediaからテキストをスクレイピングするようには、物理世界での相互作用を簡単にスクレイピングできないため、苦戦してきました。この研究は、YouTubeビデオを受動的に視聴するだけで、ロボットに3次元空間でオブジェクトを操作する方法を教えるのに十分であることを証明しています。

これは、具現化されたAIにとって膨大なデータセットを開放します。インターネットのビデオアーカイブを効率的にアクションモデルにストリーミングする方法を見つけ出した企業が、今後10年間のロボット工学を支配するでしょう。ハードウェアは準備ができており、ソフトウェアはついに見て学ぶ方法を理解したのです。

新しい業界分析によると、最高のAIスタートアップでさえ、際限ない反復的な追加によって引き起こされる、広範で矛盾したプロンプトに悩まされています。解決策は、プロンプトを本番コードと全く同じように扱うことです。背景、動作、出力ごとにモジュール式のセクションに分割することで、リグレッションを減らし、推論コストを削減できます。

私たちはまだプロンプトエンジニアリングをソフトウェアエンジニアリングではなく、秘術のように扱っています。4,000語のシステムプロンプトに指示を次々と追加するだけでは、モデルを混乱させ、トークンを無駄にし、本番環境での予測不能な動作を招きます。

創業者は、プロンプトに対して厳格なバージョン管理とモジュール化されたアーキテクチャを直ちに適用する必要があります。システムプロンプトが無秩序なマニフェストのように見えるなら、あなたの製品はエッジケースの失敗という時限爆弾を抱えています。