Posts

何が起きたのか Googleは2026-08-13、Gemini 3.7 Flashを発表しました（Google公式ブログ 2026-08-13）。公式ブログはこれを「our most intelligent workhorse model yet for coding and agents」（コーディングとエージェント向けの、これまでで最も知的なワークホースモデル）と表現しています。前世代のGemini 3.6 Flashが公開されたのは2026-07-21ですから、後継が出るまで約3週間です。公式ブログは、開発者からのフィードバックとアルゴリズム面の改良を受けた3週間での更新だとしています。 公表された前世代との比較は次の5項目です（同ブログ）。 ベンチマーク 3.7 Flash 3.6 Flash FrontierCode 1.1 Main 43.6% 34.4% DeepSWE v1.1 65.3% 49.0% WebDev Arena Elo 1588 1538 GDP.pdf 34.0% 22.0% AutomationBench 30.4% 17.0% ※ DeepSWEの3.6 Flash値は、同日のGoogle公式性能表では48.6%と表記されており、公式資料間でも49.0% / 48.6%の揺れがあります。また評価メソドロジーによれば、3.7 FlashのDeepSWE値はGoogleの自己計測（high thinking設定）、3.6 Flash値は公開リーダーボード由来で、完全な同条件比較ではありません（Google DeepMind 公式性能表、評価メソドロジー）。 そしてもう一つ、ベンチマーク以上に実務へ効く数字があります。Gemini APIの価格（Standardティア）は100万トークンあたり入力0.75ドル・出力3.75ドルですが、これは2026-12-31までの導入価格で、2027-01-01からは入力1.50ドル・出力7.50ドルになります（Google AI for Developers 公式ドキュメント）。単価がちょうど2倍になる日付が、リリース時点で予告されている構図です。 「値上げ」ではなく「導入価格の終了」 まず、この2倍を素朴に値上げと読むと事実を誤ります。 Gemini APIの価格ページ（2026-08-14閲覧）を見ると、導入価格の対象はGemini 3.7 Flashだけではありません。Gemini 3.6 Flashも同じく入力0.75ドル・出力3.75ドルで掲載されており、2027-01-01から入力1.50ドル・出力7.50ドルへ移行します。一方でGemini 3.5 Flash-Liteは2026-08-14時点で入力0.30ドル・出力2.50ドルのままで、Flash本体のような期間限定価格の注記は付いていません（Gemini API 価格ページ）。つまり年末で一斉に切れるのは、3.7 Flashと3.6 Flashにかかった期間限定の割引です。 ...

何が起きたのか Google DeepMindが2026年8月12日、手話をテキストへ翻訳するモデル「SL2T」(sign-language-to-text)を公開し、Pixel 11のGboardとLive Transcribeに搭載すると発表しました（Google DeepMind公式ブログ）。Pixel 11は同日に予約受付が始まり、出荷開始は2026年8月20日のため、実際に手元で使えるのは出荷以降になります（Engadget 2026-08-12）。公式は「massively multilingual sign-language-to-text translation」モデルと位置づけ、学習データは50を超える手話言語・10万時間超、うち約25%がアメリカ手話(ASL)だとしています。 評価については、手話翻訳のベンチマークであるFLEURS-ASLのsd-testでzero-shot BLEURT 70を記録し、公式ブログはこれを「significantly higher than any previously reported score」と表現しています。製品側の提供範囲は現時点でASL→英語のみで、対応デバイスもPixel 11が先行、他機種は今後という段階です（SiliconANGLE 2026-08-12）。公式ブログは提供形態について「You can experience SL2T in Gboard and Live Transcribe first on Pixel 11, with more devices coming soon — all at no additional cost」と書いています。 BLEURT 70という数字をどう読むか BLEURTは、参照訳と生成訳の対を人間の評価スコアに回帰するよう学習された評価指標です。BLEUのように一致n-gramを数える設計ではないため、絶対値の解釈はチェックポイント依存で、本来はモデル間の相対比較に使うのが素直な使い方です。 それでも70という値を評価する足場はあります。FLEURS-ASLを提案した論文（arXiv:2408.13585, 2024-08-24、NAACL 2025）は、ASL→英語のcaption-levelベースライン(先行モデル)をBLEURT 33.6・38.6・40.3(zero-shot・signer-independent finetuning・signer-dependent finetuning)として報告しており、同論文自身の提案モデルはさらに高いBLEURT 37.2〜43.4を記録しています。機械側の数字を単一の範囲として一括りにはできませんが、SL2Tが主張する70はこれらのどの数字よりも高い水準です。同じ論文は「別の人間による翻訳」を参照訳と突き合わせた場合のスコアを64.6 BLEURTとして併記しており、70はこの人間側の目安も数値上は上回っています。 ここで注意が要ります。64.6という数字は「人間の翻訳能力の上限」ではなく、論文自身がモデル結果と単純に比較できる値だとも位置づけていません。FLEURS-ASLのASL動画はCertified Deaf Interpreter 5名が英語原文をASLへ訳して収録したもので、64.6 BLEURTは、DPAN経由で募集した「手話教育の専門的訓練・経験を持つネイティブのろう者ASL話者」1名が、その5名のsigner-dependent test setから各8記事・1文ずつ抽出した計40文のASLクリップを英語へ訳し戻し、その訳文をFLEURSの元の英語原文に対して採点した値です（arXiv:2408.13585）。論文のTable 2脚注は「the human baseline scores are not perfectly comparable…because they are for a subset of the data that is not necessarily representative due to the sampling method and small size」と明記しており、抽出法と40文という標本の小ささを理由に、人間ベースラインをモデル結果と完全に比較できるとはしていません。70が64.6を数値上は上回ること自体は事実ですが、この注記がある以上「人間を超えた」と結論づけることはできません。手話から英語への翻訳は言い換えの自由度が大きいことに加え、双方向の翻訳誤りや視覚的な曖昧性も差を生み得るため、人間対人間でもスコアは頭打ちになります。BLEURTで人間の数字を上回ったことは、学習済みモデルが参照文との意味的な適合度を高く評価したことを意味するのであって、通訳者と同等の理解に到達したことを意味しません。 ...

何が起きたのか Anthropicが公式サポート記事「How Claude marks AI-generated content」を公開し、Claudeの出力に機械可読なマーキングを施すことを明らかにしました（Anthropic公式サポート）。内容は二本立てです。テキストには「imperceptible watermark（知覚できない透かし）」をテキスト自体に織り込み、ファイル（.svg / .png / .jpg など）にはC2PA（Coalition for Content Provenance and Authenticity）標準に準拠した署名付きprovenanceメタデータを付与します。 適用範囲が広いのが特徴です。公式記事はClaude Platform（API）、Claude、Claude Code、Claude Cowork、Claude Tagを列挙しており、地域は全世界。AWS、Google Cloud、Microsoft Foundry経由でもテキスト透かしは機能するとされますが、ファイルの署名付きメタデータは「may not be supported on every platform」と留保が付いています。 タイミングは明快です。公式記事は「Claude models launched in the EU on or after August 2, 2026 will support machine-readable marking at launch」と書いています（Anthropic公式サポート）。ローンチ時から対応するという約束は、EU AI Actの行動規範に関するセクション配下で、EU向けの文言として記されている点に注意が必要です。ただし同記事は別に「Marking will apply to output from supported models wherever Claude is offered, worldwide」とも述べており、マーキングの適用範囲そのものは全世界です。2026年8月2日より前にリリースされたモデルについては「The law includes a transition period for Anthropic models launched before August 2, 2026, and we’re working to add marking support for those models as well」と、法定の移行期間に言及しつつ対応中である旨が記されています。この2026年8月2日という日付は偶然ではなく、EU AI Act第50条の透明性義務の適用開始日と一致します（European Commission）。Anthropicはこの措置の根拠として、第50条(2)に対応する「Code of Practice on Transparency of AI-Generated Content」への署名を挙げています。 ...

何が起きたのか Metaは2026年8月10日、300億パラメータ（公称。モデルカード表記では約29.6B）のオープンウェイトモデル「Muse Glimmer」をApache 2.0ライセンスで公開しました。なおMetaはライセンスとは別に、アクセス・利用へ適用されるUsage Policyを公開しています（後述）。公式リサーチブログは冒頭でこのモデルを「a 30-billion-parameter model optimized for always-on local agent workflows」と定義しており、汎用チャットではなく常時稼働のローカルエージェントを名指しした位置づけになっています（Meta AI Research 2026-08-10）。 学習方法についても公式ブログは踏み込んでおり、「We trained Muse Glimmer on Muse Spark’s outputs using logit distillation, leveraging a similar data mix as the teacher」と記述しています。上位モデルMuse Sparkのロジットを教師とした蒸留モデルであることが明記されている点は、後述するベンチマークの偏りを読むうえで効いてきます。 配布は Hugging Face 経由で、llama.cpp・MLX・ExecuTorch への統合が予告されました。このうち llama.cpp 対応は公開当日の2026年8月10日にマージ済みで、build b10353 以降で利用できます（meta-models/Muse-Glimmer-30B-GGUF）。言語については「more than 100 languages」のデータで学習したとされていますが、全言語で評価済みではなく、手厚くサポートされない言語では性能が落ち得るとモデルカードのLimitationsに明記されています。 本稿では「30Bが単一のコンシューマGPUで常時稼働する」という主張が、どの数値によって成立しているのかを、重みサイズとKVキャッシュの両側から検証します。そのうえで、勝っているベンチと負けているベンチがきれいに割れている点を確認します。 55.7GBから15.9GBへ──量子化の刻み方 公式ブログは、フル精度で「over 55 GB」の重みがK-Quant圧縮で「under 20 GB」に収まると述べています。Metaが24GB VRAM向けとして検証・配布する公式GGUFはK-Quant-17GB（実サイズ16.8GB）です（meta-models/Muse-Glimmer-30B-GGUF）。これとは別に、第三者のUnslothが独自の量子化ビルドを公開しており、ビット幅ごとの刻みはそちらで確認できます（unsloth/Muse-Glimmer-30B-GGUF）。 量子化 サイズ UD-IQ2_XXS（2bit） 10.7 GB UD-Q3_K_XL（3bit） 13.4 GB UD-Q4_K_XL（4bit） 15.9 GB UD-Q5_K_M（5bit） 19.2 GB UD-Q6_K_XL（6bit） 26.3 GB Q8_0（8bit） 29.6 GB BF16 55.7 GB 注意が要るのは、この55.7GBが何のサイズかという点です。UnslothのBF16 GGUFは合計55.7GBですが、これは視覚エンコーダを含まないテキストモデルのサイズです。モデル全体は約29.6Bパラメータで、公式のBF16 safetensorsは合計約59.6GB（meta-models/Muse-Glimmer-30B）。両者の約3.9GBの差は、主に別配布される約1.8Bパラメータの視覚エンコーダに対応します。「24GB級のGPU1枚」を一次的に裏付けているのはUnslothの15.9GBではなく、Metaが24GB向けとして検証している公式K-Quant-17GB（16.8GB）のほうです。 ...

何が起きたのか 2026年8月5日、arXiv に『Linear dependence of time-frequency shifts of a Schwartz function』(arXiv:2608.05044)が投稿されました。著者は Markus Faulhuber、Philipp Petersen、Jordy Timo van Velthoven、Felix Voigtlaender の4名です。アブストラクトは短く、こう書かれています。有限個の時間周波数シフトが線形従属になりうることを示し、これにより Heil・Ramanathan・Topiwala のいわゆる HRT 予想を反証する。特に、12個の時間周波数シフトからなる例を与える（arXiv:2608.05044 2026-08-05）。 HRT 予想は 1996 年に Proceedings of the American Mathematical Society に載った論文（Heil, Ramanathan, Topiwala, “Linear Independence of Time-Frequency Translates”, Vol. 124 No. 9, pp. 2787–2795）に由来する、時間周波数解析の中心的な未解決問題でした（JSTOR）。それが 30 年目に否定された、というのが事実の骨格です。 そしてこの論文には、1.2 節という短いセクションが置かれています。タイトルは “Usage of Large Language Models”。冒頭の一文はこうです。反例とその証明戦略は、著者らとの対話の中で大規模言語モデル、具体的には ChatGPT (GPT-5.6 Pro) によって開発された（arXiv:2608.05044 HTML版）。 この記事では、『AI が 30 年来の未解決予想を反証した』という一行を、論文本文と Terence Tao 氏のブログ記事に戻って分解します。何が反例なのか、モデルが出した部分はどこまでで、人間が書き直した部分はどこからか、そして『区間演算で厳密に保証された』という言葉が実際に保証している範囲はどこまでか、の3点です。 HRT 予想が主張していたこと 時間周波数シフト作用素を $\pi(z)$ と書きます。$z=(x,\omega)\in\mathbb{R}^2$ に対して、論文では次のように定義されています（arXiv:2608.05044 HTML版）。 ...

追記（2026-08-11）: 公開後、公式の機能ページが更新され、v2.1.225 以降は別マシンの Remote Control セッションへ名前を指定して新規会話を開始できることが本文に明記されました（「Starting a conversation with a session on another of your machines requires Claude Code v2.1.225 or later」）。あわせて経路表から「送れるもの（返信のみ）」の列自体が削除されています。本文中の「機能ページは返信のみ」「公式情報同士の食い違い」に関する記述は、公開日 2026-08-09 時点の記録としてそのまま残します（当時の保存版）。なお Claude Code on the web への新規送信の可否は、現行ページでも明示されていません。 何が起きたのか Anthropicの公式ドキュメント「Message your other Claude Code sessions」が、Claude Code のセッション同士がメッセージをやり取りする機能を記載しています。要件は Claude Code v2.1.224 以降、対応OSは macOS と Linux（WSL 2 内の Linux を含む）で、ネイティブ Windows では提供されないと明記されています。同ドキュメントには「When a session meets the requirements, messaging is on with nothing to enable」とあり、要件を満たしたセッションでは有効化操作なしで動きます。 Claude が使うツールは 2 つだけです。到達可能なエージェントを列挙する ListAgents と、名前を指定して届ける SendMessage。ユーザーがこれらを直接呼ぶことはありません。9to5Mac も 2026-08-07 付でこの機能を取り上げています（9to5Mac 2026-08-07）。 ...

何が起きたのか OpenAIが2026年8月7日、公式Xで次期モデル「Astra」について次のように投稿しました。「After evaluating one of our upcoming models, Astra, we’re treating it as our first “critical” model for cybersecurity under our Preparedness Framework.」（OpenAI公式X 2026-08-07）。同時に公式ブログ『Responding to the next frontier of critical cyber capabilities』が公開され、追加の管理策が列挙されました（OpenAI 2026-08-07）。 ただし公式ブログ本文の表現は「Critical と判定した」ではありません。厳密には「we cannot rule out Critical capability level at this time」——現時点で Critical 能力レベルを排除できない——であり、しかもその根拠は予備評価（preliminary evaluations）の段階だと明記されています（TechCrunch 2026-08-07）。運用上は初のサイバー Critical 相当として扱う一方、Critical 閾値を超えたと確定させたわけではない、という二段構えです。 Preparedness Framework は OpenAI が2023年12月に公表し、v2を2025年4月15日に更新した社内の安全枠組みです。追跡対象は Biological and Chemical / Cybersecurity / AI Self-improvement の3領域で、それぞれに High と Critical の2段階の能力閾値が定義されています（Preparedness Framework v2 PDF）。 ...

何が起きたのか 2026-08-06 18:44 UTC（日本時間 8月7日 03:44）、Hacker News に「Qwen3.8 Max now ranked as the best overall model by agentic index」というスレッドが立ち、400ポイント超を集めました（Hacker News、2026-08-07 確認。ポイントは加算され続ける値です）。リンク先は Artificial Analysis の Agentic Index フィルタ付きリーダーボードです。 ところが、同じスレッド内でユーザー d2p が、数分のリロードを挟んで順位が反転したことをスクリーンショット付きで報告します。最初は Qwen が 55.4、Opus Max が 55.3。リロード後は Opus Max が 59.2、Qwen が 58.4。投稿者の apitman は「Welp. That didn’t last long.」と応じています。 種明かしはスレッドに現れた「Artificial Analysis チームの George」と名乗るユーザー（HN ID: Gcam）によるもので、投稿から5時間足らず後の同日 23:26 UTC（日本時間 8月7日 08:26）に「We published an update today that does result in a change of the order, Qwen3.8 Max to second rather than first.」と説明しました。指すのは同日公開の Intelligence Index v4.1.1 です（Artificial Analysis 2026-08-06）。なお、Qwen が実際に何時間首位に表示されていたかは、公式にも HN スレッドにも記録がありません。 ...

何が起きたのか Metaが2026年8月5日、ターミナル上で動くコーディングエージェント Muse Code をベータ公開しました。同時に、これと共同学習されたコーディング特化モデル Muse Spark 1.2 も提供開始しています（Meta Research 公式ブログ 2026-08-05）。公式ブログはMuse Codeを「a terminal coding agent powered by Muse Spark 1.2」と位置づけ、大規模リポジトリにおける変更計画・コード記述・結果検証を一貫して扱う用途を挙げています。 導入はmacOSとLinuxで1コマンドです。 c u r l - f s S L h t t p s : / / d e v . m e t a . a i / i n s t a l l . s h | b a s h TechCrunchの報道では、Mark Zuckerberg氏が「complete software engineering tasks across large repos」と述べ、Meta AI責任者のAlexandr Wang氏は「especially from a cost perspective」と価格面の優位を強調しています（TechCrunch 2026-08-05）。 ...

何が起きたのか 2026-08-04 09:35 UTC、npm レジストリに [email protected] が公開されました。このバージョンには preinstall ライフサイクルフックが仕込まれており、パッケージのコードを一度も import しなくても、npm install を実行しただけでマルウェアが走ります（Snyk 2026-08-04）。 keyv は週あたり約 1 億 5,370 万ダウンロード、同じメンテナが管理する flat-cache が約 1 億 4,990 万、file-entry-cache が約 1 億 4,760 万（StepSecurity 2026-08-04）。ESLint など広く使われるツールチェーンの間接依存として、多数の開発環境に入り込む位置にあります。 そして、この攻撃で最も読者に近い部分がここです。第2段ペイロードは .claude/settings.json の SessionStart フックと .vscode/tasks.json の runOn: "folderOpen" に自身を再実行させる記述を書き込み、AI コーディングツールや IDE の起動をトリガーにした永続化を試みます。さらに .claude/credentials.json、.cursor/credentials.json、.openai/auth.json、.anthropic/auth.json といった AI ツールの認証情報を明示的な窃取対象に含めていました（StepSecurity 2026-08-04、Snyk 2026-08-04）。 分単位のタイムライン Snyk は UTC の分単位で経緯を記録しています（Snyk 2026-08-04）。 09:02–09:17 コミット ee2681a9 が [email protected] を準備し、ライフサイクルフックとペイロードを追加 09:04 コミット d8c850c7 が Claude と VS Code の実行フックを追加 09:23 コミット f97eabcd が preinstall のテストを削除 09:30–09:32 @keyv/* の v6 系が公開（Snyk がスナップショットを取った時点の tarball には悪意あるフックが入っていませんでした。ただし SafeDep は 09:39:45 に @keyv/* 全体へペイロードが追加されたと記録しており、これらの 6.0.0 は最終的に GitHub がマルウェア指定し npm から削除されています。GHSA-q99r-cjmf-3xrf、GHSA-4wfp-qcf3-mgqp） 09:35 [email protected] を公開 09:49–09:51 GitHub の issue #2044〜#2046 で報告が上がる 10:09–10:14 cacheable 系の汚染リリースが連続公開 10:28 [email protected] が同一ペイロードで公開 10:39–11:11 npm から3パッケージが削除開始 11:16 時点で8つの汚染リリースが依然 latest タグ Snyk が初期に特定した汚染リリースは 11 件で、[email protected]、[email protected]、[email protected]、[email protected]、[email protected]、[email protected]、@cacheable/[email protected]、@cacheable/[email protected]、@cacheable/[email protected]、@cacheable/[email protected]、[email protected] が挙がっています。Socket は file-entry-cache を 11.1.7 として記載しており、ベンダー間で表記が一致していない点は注意が必要です（Socket 2026-08-04）。 ...