性能は上げて価格は下げる、安全性は説明書に載せる人たち、ほか9本

Anthropicは9月22日、新しいClaude 5.5ファミリーの最初のモデルとしてClaude Opus 5.5を発表した。同社によると、多くの作業でClaude Fable 5.1級の性能を目指しつつ、Opus 5比で通常ワークロードの実行コストを40%下げたという。価格は100万トークン当たり入力4ドル、出力20ドル、キャッシュ読み出し0.20ドルとしており、同社は出力速度もOpus 5より30%以上速いとしている。

コーディング・コンピュータ操作・知識業務を重点領域に据え、同社公表のベンチマークではTerminal-Bench 4.0で66.4%、FrontierCode v1.1で54.4%、Humanity’s Last Examではツール使用時67.7%を記録した。これらの数値は評価設定や努力量に依存し、他社値の一部は各社公表値を引用しているため、横並びの比較には留意が必要である。早期テスターからは、68万行のコード移行を1日未満で完了したとの報告も紹介された。

安全面では、外部評価機関のFrontier DesignとMETRによる事前評価を受けたと説明する。Anthropicは、長時間タスクや実際の事故を模した場面を含む整合性評価を広げ、プロンプトインジェクションへの耐性も強化したとしている。生命科学・サイバーセキュリティ領域では、検証済み組織向けのアクセスと保護措置を組み合わせる方針で、モデル性能の競争と配備時の管理を同時に進める構えだ。

OpenAIは9月16日、ChatGPT Adsにおける新しいAI活用広告機能を発表した。選択した利用者が広告をクリック後、企業がスポンサーとなるエージェントと会話を始められる「Sponsored Agents」を、一部の米国広告主とテストする。OpenAIは、この会話はChatGPTの独立した回答および元の会話とは分離されると説明している。

同社は同時に、自然言語の指示でキャンペーンを作成・更新・分析するAds Managerプラグイン、広告文・画像の提案機能、HubSpotおよびShopifyとの連携も打ち出した。米国のShopify加盟店向けアプリは同日に提供され、対応地域では9月23日から国際展開する予定だという。

Anthropicは9月18日、Accentureの専門AI事業であるFacultyと、フロンティアAIの独立評価に関する提携を開始すると発表した。モデル評価とレッドチーミング、整合性評価、セーフガードのテストを対象とする。両社は今後5年間で、この領域の能力構築にそれぞれ少なくとも10億ドルを投じる見込みとしている。

「組み込み型評価者」は、通常の外部評価者より企業内部へのアクセスを広げ、学習・配備の意思決定や安全上の盲点を検証する構想である。資金調達方法や報告基準は未確立で、今回のAccentureの作業はAnthropicが直接資金を拠出する一方、METRなど非営利評価機関とも別の試行を協議中だという。

英国下院のビジネス・イノベーション・科学・技術委員会は9月22日、Meta、Google、OpenAI、Anthropicに対し、10月13日のAI安全性に関する証拠聴取への出席を求める書簡を公開した。聴取は英国のAI経済戦略を検討する委員会活動の一環で、AI Security Instituteも招かれている。

論点には、強力なモデルの独立した事前安全性試験を法的に義務化すべきか、重大事故や欺瞞的行動、保護策の迂回、人間による制御不全の兆候を報告させるべきかが含まれる。企業・国家間の競争が安全基準の切り下げ競争にならないための国際的な共通要件も問う予定だ。

OpenAIは9月21日、V7 Goが企業内の文書、データルーム、表計算、メールなどから関係性を整理する「Context Graph」を用い、AIエージェントに組織固有の文脈を与える事例を紹介した。V7によれば、GPT-5.6 Lunaで大量文書から情報を抽出し、GPT-5.6 TerraやSolで複数段階の推論・ツール利用を実行する。最難関のグラフ検索では、同社の試験でGPT-6 Astraが89%の精度を記録したという。

V7は、MCPを通じてChatGPTやCodexからグラフ検索・取り込みを利用できるとしている。金融や保険の文書中心業務での導入例では、案件スクリーニングや審査の時間短縮、根拠へのリンクを伴う監査可能性を訴求した。数値はV7の自社測定・顧客事例に基づくものであり、導入効果は対象業務と評価設計に左右される。

NVIDIAは9月21日、AIエージェントの評価について、単一の関数呼び出し精度だけでなく、状態を持つ実行環境でタスク全体が完了したかを評価すべきだとする解説を公開した。手順レベルの採点は失敗箇所の診断に、エンドツーエンドの結果採点は最終状態の確認に用いるという二層構造を示している。

同社は、成功率、試行間の一貫性、ツール呼び出しの適合率、引数精度、成功当たりのステップ数・コストを併記する考え方を提示した。Nemotron 3.5 Lightningについては、PinchBenchで86%の精度を保ちつつ、比較モデルよりタスク完了が30%速かったと紹介している。企業には公開ベンチマークに加え、実際のチケットやAPIを用いた自社ドメイン評価を推奨している。

VAST Dataは9月22日、VAST DataEngineの機密AI機能として「DataEnclave」を発表した。同社によれば、独自モデルの重みと企業の機密データを、インフラ運用者が中身にアクセスできないハードウェア隔離環境で扱う。モデルとデータは保護メモリ内でのみ復号され、実行前にはハードウェア署名付きの証明に基づき、所有者が鍵の提供を判断する。

CPU・GPUをまたぐ機密仮想マシンを構成し、モデル提供者は自らのアテステーションサーバーで配備先を検証できる設計だ。銀行が自社GPUクラスタ上で独自モデルを動かす例では、運用者がモデル重みに触れず、モデル提供者も企業が選んだプロンプト以外のデータにアクセスしないことを想定する。可用性までは保証しないと明記しており、隔離だけで運用リスク全般が消えるわけではない。

カリフォルニア州のギャビン・ニューサム知事は、AIブームを支えるデータセンターに関する7法案に署名した。KQEDによると、開発事業者には想定水使用量の開示を求め、データセンターの送電網接続・電力供給コストを一般の料金支払者へ転嫁しないための新料金制度の整備を州公益事業委員会に求める。

SB 887は新規プロジェクトで州の環境審査を回避することを防ぎ、AB 2469は水使用量の開示前に地方自治体が承認することを禁じる。Pew Research Centerの分析では、同州には約300のデータセンターがあり、54件が計画段階にあると報じられた。事業者団体は経済成長を妨げると反対する一方、地域ではモラトリアムや禁止を検討する動きも続く。

Pew Research Centerは9月17日、AIが雇用と格差に与える影響に関する国際調査を公表した。調査対象となった37の国・地域のうち34で、AIは今後20年に雇用を増やすより減らすと考える人が多かった。国際調査は2026年2月から5月に36か国で42,151人、米国では別途8,607人を対象に実施された。

オーストラリア、韓国、米国など一部の高所得国では、約7割以上がAIによる雇用減を予想した。AIが富裕層と貧困層の格差を広げるとする見方も多く、AI利用の拡大に「懸念の方が強い」と答えた人の中央値は37%、「懸念と期待が同程度」は41%だった。意識調査は実際の雇用変化を予測するものではないが、導入への社会的受容性を測る指標となる。

米イリノイ州のJB・プリツカー知事は9月22日、AIに関する新たな政策を検討する「AI Cabinet」を設置する大統領令に署名した。州機関の代表者と専門家で構成される無報酬の諮問組織で、2027年まで政策提言を作成する予定だ。住民や重要インフラへのリスク、AI関連事故からの学習、リスク管理策の実行可能性を検討対象に置く。

報道によると、同組織はデータセンターへの優遇策・操業認可を、安全性、説明責任、透明性の基準と結び付ける規制の可能性も検討する。州は7月に、大規模AIモデルに透明性・説明責任を求めるArtificial Intelligence Safety Measures Actを成立させており、年次監査の義務化を含む同法は2028年に発効する。州レベルの制度が、連邦レベルの枠組みの空白をどこまで補えるかが焦点となる。