# Gemini 3.8 Liveの非同期処理をどう追うか > Gemini 3.8 Liveの一般提供で, 音声対話中の非同期関数呼び出しとバックグラウンド推論が実装上の焦点になった. GKEの隔離実行と永続ストレージ, 反復評価, 実行時認可も踏まえ, 遅延, 権限, 状態保存, 監査ログの確認点を整理する. Canonical URL: https://labs.eastbraver.com/digest/ai-digest-20260916 Published: 2026-09-16T06:30:00+09:00 Category: ai-digest Tags: gemini, multimodal, amazon-bedrock, evaluation ## 3分で読む AIダイジェスト 20260916 リアルタイム音声エージェントは, 会話応答とツール実行や推論が並行する段階に入った. モデル選択だけでは足りず, 非同期処理の完了通知, 失敗時の再試行, 永続ワークスペースの共有範囲, 取得した資源の認可, 同一タスクを繰り返した際の成功率を分けて設計する必要がある. | 読者 | まず見ること | | --- | --- | | 管理者 | 音声エージェントの価値評価では単発デモの成功だけでなく, 継続運用時の再現性, 監査可能性, 本番サポート条件まで確認したい. | | AX担当 | 対象業務について, 会話中に許可するツール操作, 人の承認が必要な操作, 保存する状態と保持期間を整理することが次の確認点になる. | | エンジニア | 非同期関数呼び出しの相関ID, タイムアウト, 冪等性, 再試行, キャンセル, 監査ログとワークスペース分離を検証対象に含めたい. | > [!CAUTION] 未確認事項 > > Gemini 3.8 Liveの実環境レイテンシーと料金は既存モデル比でどう変わるか > > Agent SubstrateとFilestore agent volumesの本番GA対象, 対応リージョン, SLOは何か > > 反復評価で許容するPass^kと一貫性ギャップを業務別にどう定義するか > [!IMPORTANT] 今朝の要点 > > [Gemini 3.8 Liveが一般提供, 非同期関数呼び出しに対応](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/) > > [Agent SubstrateがmicroVMとgVisorで隔離実行](https://cloud.google.com/blog/products/containers-kubernetes/agent-substrate-available-on-gke/) > > [Filestoreがエージェント用永続ワークスペースを提供](https://cloud.google.com/blog/products/storage-data-transfer/filestore-agent-volumes/) > > [単発成功率77.4%でも5回連続成功は53.0%](https://huggingface.co/blog/ibm-research/altk-evolve-consistency) > > [取得資源を隔離後に認可するAcquireBoundを提案](https://arxiv.org/abs/2609.14744) > [!NOTE] 今日の流れ > > Gemini 3.8 Liveの一般提供により, 音声対話を続けながらツール実行や推論を進める構成が実装候補に入った. 同時にGKEの隔離ランタイムと永続ワークスペース, エージェントの反復評価や実行時認可も登場し, 応答品質だけでなく非同期処理の追跡, 状態管理, 権限境界まで一体で確認したい日となった. ## Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking 今日のAI実装動向を読むうえで 最初に確認したい論点となる - 情報源: Google (2026-09-16 02:05 JST) - 出典種別: 公式情報 - 公開日時: 2026-09-16 02:05 JST - URL: [https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/) - 分類: Models - 関係する読者: 管理者 / AX担当 / エンジニア - タグ: `gemini` `multimodal` **何が変わったか:** 音声応答とツール実行や高度な推論を直列化せず, 同一セッション内で並行して進めるモデルが一般提供の選択肢になった. GoogleはGemini 3.8 LiveとGemini 3.8 Live Extended ThinkingをGemini APIおよびGoogle AI Studioで一般提供した. Gemini 3.8 Liveは会話中にツールやAPIをバックグラウンドで実行し, 既定の非同期関数呼び出しとセッション内容の完全更新に対応する. Extended Thinking版は音声対話を中断せずにバックグラウンド推論や複数段階の処理を進める. 97言語の自動検出と切り替えにも対応する. **実装・運用観点:** 音声フロントエンドのモデル移行では, 応答品質だけでなく非同期関数呼び出しの完了通知, キャンセル, タイムアウト, 重複実行防止を確認したい. Extended Thinking版はバックグラウンド推論中も会話が続くため, 途中結果の扱いと利用者への状態表示も判断点になる. **確認論点:** - 既存の同期API設計でツール処理のタイムアウトや重複実行が起きないか確認する - 非同期関数呼び出しと会話ターンを結ぶ相関ID, 監査ログ, キャンセル経路を確認する - 通常版とExtended Thinking版の料金, レイテンシー, 精度を対象業務で比較する **未確認事項:** - Google公表値以外の実環境レイテンシー, 精度, コスト比較は確認されていない - バックグラウンド処理が失敗した場合の再試行保証と順序制御の詳細は公式発表に記載がない ## あわせて見る動き 主要論点の背景 比較材料 運用上の影響を補う更新となる - 掲載件数: 6件 - 対象分野: Infra（4件） / Research（2件） - 関係する読者: 管理者 / AX担当 / エンジニア ### Agent Substrate brings high-density, scalable, trusted infrastructure to GKE - 情報源: Google Cloud (2026-09-16 01:00 JST) - 出典種別: 公式情報 - 公開日時: 2026-09-16 01:00 JST - URL: [https://cloud.google.com/blog/products/containers-kubernetes/agent-substrate-available-on-gke/](https://cloud.google.com/blog/products/containers-kubernetes/agent-substrate-available-on-gke/) - 分類: Infra - 関係する読者: 管理者 / AX担当 / エンジニア **何が変わったか:** エージェントごとの隔離, 休止と再開, 認証情報注入をKubernetes上の共通実行層として扱えるようになった. Google Cloudはエージェント用ランタイムAgent Substrateをオープンソースで公開し, 任意のKubernetesで動作しつつGKE向けに最適化した. Cloud Hypervisor microVMまたはgVisorによるゼロトラストのカーネル・ネットワーク分離を選択できる. 統合ゲートウェイはネットワーク制御と, エージェントから届かない位置での認証情報注入を担う. **実装・運用観点:** Geminiの非同期ツール実行を本番化する際, モデル外側のコード実行とネットワーク到達範囲を分離する候補になる. 本番GAは許可リスト方式のため, 評価環境での動作確認とサポート条件を分けて判断したい. **関連する技術ガイド:** [AIシステムのIdentityとAuthorization](/guides/ai-identity-authorization) **確認論点:** - microVMとgVisorの隔離強度, 起動時間, 対応ワークロードを比較する - 外向き通信の許可先と認証情報注入の監査ログを確認する - 本番GAの許可条件, SLO, 障害時の退避経路を確認する **未確認事項:** - サンドボックス再開500ミリ秒未満と密度10倍の測定条件は記事だけでは不明 - 独立ベンチマークと本番GAの一般提供時期は示されていない ### Introducing Filestore agent volumes: fully managed storage for agent workspaces - 情報源: Google Cloud (2026-09-16 01:00 JST) - 出典種別: 公式情報 - 公開日時: 2026-09-16 01:00 JST - URL: [https://cloud.google.com/blog/products/storage-data-transfer/filestore-agent-volumes/](https://cloud.google.com/blog/products/storage-data-transfer/filestore-agent-volumes/) - 分類: Infra - 関係する読者: AX担当 / エンジニア **何が変わったか:** 一時的なサンドボックスを越えて作業ファイルを維持し, 複数エージェント間で共有する管理ストレージが追加された. Google Cloudはエージェントの作業領域向けに, 隔離された永続ファイルストレージを動的に割り当てるFilestore agent volumesを発表した. GKEのサンドボックス起動時に専用ワークスペースを接続し, 作成から破棄までを自動管理する. Read-Write-Many対応とPOSIXファイルロックにより, 複数エージェントで単一ワークスペースを共有できる. **実装・運用観点:** 非同期処理を再開するには会話履歴だけでなく作業ファイルの保存先も必要になる. 共有時の書き込み競合, テナント分離, 削除責任をオーケストレーター側の設計に含めたい. **関連する技術ガイド:** [AI AgentのSandbox](/guides/sandbox) **確認論点:** - ワークスペースのテナント分離と暗号鍵の境界を確認する - POSIXファイルロックだけで防げないアプリケーションレベルの競合を確認する - 終了, 再試行, ロールバック時のボリューム削除条件を確認する **未確認事項:** - 料金, 容量上限, 対応リージョン, 耐久性指標は公式記事から確認できない - 本番GAサポートは許可リスト方式で, 一般提供時期は不明 ### Your Agent Aced the Task. Will It Do It Again? - 情報源: Hugging Face (2026-09-16 01:00 JST) - 出典種別: 公式情報 - 公開日時: 2026-09-16 01:00 JST - URL: [https://huggingface.co/blog/ibm-research/altk-evolve-consistency](https://huggingface.co/blog/ibm-research/altk-evolve-consistency) - 分類: Research - 関係する読者: 管理者 / AX担当 / エンジニア **何が変わったか:** エージェント評価で単発や平均の成功率に加え, 同じ処理を連続成功できるかを測る実装可能な分析手段が加わった. IBM Researchのチームは, 同じタスクを繰り返した際の一貫性を測るConsistency AnalyzerをALTK-Evolveへ追加した. AppWorldの168タスクを5回ずつ評価した結果, Mean@5が77.4%でも全5回成功するPass^5は53.0%だった. 一貫性ガイドライン適用後はPass^5が69.0%となり, 一貫性ギャップは24.4ポイントから12.0ポイントへ縮小したと報告する. **実装・運用観点:** 音声対話とバックグラウンド処理を組み合わせるほど実行経路が増えるため, 一度の成功だけでは運用品質を判断しにくい. リリース判定には対象業務ごとの反復回数と許容する一貫性ギャップを定義したい. **関連する技術ガイド:** [AI Agent評価](/guides/ai-agent-evaluation) **確認論点:** - 重要タスクを複数回実行しMean@kとPass^kを併記する - 制御された再サンプリングで変動が大きい判断地点を特定する - ガイドライン適用前後で成功率とトークン消費を比較する **未確認事項:** - 他のモデルや実運用環境で同じ改善幅が再現されるかは不明 - ガイドライン追加によるレイテンシーとトークンコストは示されていない ### AcquireBound: Runtime Authorization for Resources Acquired by AI Agents - 情報源: arXiv (2026-09-15 13:00 JST) - 出典種別: 原著論文（プレプリント） - 公開日時: 2026-09-15 13:00 JST - URL: [https://arxiv.org/abs/2609.14744](https://arxiv.org/abs/2609.14744) - 分類: Research - 関係する読者: AX担当 / エンジニア **何が変わったか:** エージェントが処理途中で獲得した資源にも, 取得後の有効化前に独立した認可判断を挟む設計が示された. AcquireBoundは, エージェントが取得した計算資源, 認証情報, アカウント, サービス, 別エージェントを直ちに利用させず, 隔離後に来歴と能力を検証する来歴に基づく実行時認可アーキテクチャである. 有効化時には認証済みプロバイダーの証拠, マニフェスト, 来歴, エポックと制約を確認する. 参照実装では正常20トレースを受理し, 登録済みの危険40トレースを拒否したと報告する. **実装・運用観点:** ツール呼び出しを許可しても, その結果として作られた認証情報や計算資源まで自動的に信頼する必要はない. 取得, 隔離, 検証, 有効化を監査ログ上で分離できるか確認したい. **関連する技術ガイド:** [AIシステムのIdentityとAuthorization](/guides/ai-identity-authorization) / [AI AgentのObservabilityとTrace](/guides/observability-tracing) **確認論点:** - 取得資源を既存権限へ自動継承させない隔離状態を設ける - 来歴証拠とマニフェストを誰が署名し失効させるか確認する - 認可失敗時の破棄, 再試行, 人への承認経路を確認する **未確認事項:** - 査読状況と実サービスでの運用負荷は不明 - 信頼するプロバイダーや来歴証拠が侵害された場合の安全性は示されていない ### Optimizing cost and latency with Amazon Bedrock prompt caching - 情報源: AWS (2026-09-16 01:18 JST) - 出典種別: 公式情報 - 公開日時: 2026-09-16 01:18 JST - URL: [https://aws.amazon.com/blogs/machine-learning/optimizing-cost-and-latency-with-amazon-bedrock-prompt-caching/](https://aws.amazon.com/blogs/machine-learning/optimizing-cost-and-latency-with-amazon-bedrock-prompt-caching/) - 分類: Infra - 関係する読者: 管理者 / AX担当 / エンジニア - タグ: `amazon-bedrock` **何が変わったか:** 長い固定プロンプトやツール定義の再処理を省き, 入力費用と最初のトークンが返るまでの時間を抑える設定手段が明確になった. Amazon Bedrockのプロンプトキャッシュは, システムプロンプト, 文書, ツール定義など同一プレフィックスを再利用する. AWSによるとキャッシュヒット時の入力トークン価格は標準入力比で最大90%削減できる. キャッシュはアカウントとリージョン単位で分離され, 有効期間は既定5分で一部モデルでは最大1時間を指定できる. **実装・運用観点:** ツール定義が増えるエージェントではキャッシュの区切り位置が費用と応答時間を左右する. ヒット率だけでなく, 内容更新時の無効化とリージョンごとの挙動を監視したい. **確認論点:** - 静的プレフィックスの末尾にキャッシュの区切り位置を置けるか確認する - キャッシュヒット率, 読み書きトークン, 最初の応答までの時間を計測する - TTL内に機密情報や古いツール定義が再利用される条件を確認する **未確認事項:** - 実際の削減率はモデル, 最低トークン閾値, TTL内の再利用率に依存する - クロスリージョン経路での再利用可否は記事から確認できない ### Announcing instance preference lists for Amazon SageMaker AI training jobs - 情報源: AWS (2026-09-16 01:01 JST) - 出典種別: 公式情報 - 公開日時: 2026-09-16 01:01 JST - URL: [https://aws.amazon.com/blogs/machine-learning/announcing-instance-preference-lists-for-amazon-sagemaker-ai-training-jobs/](https://aws.amazon.com/blogs/machine-learning/announcing-instance-preference-lists-for-amazon-sagemaker-ai-training-jobs/) - 分類: Infra - 関係する読者: 管理者 / AX担当 / エンジニア **何が変わったか:** 学習ジョブを単一インスタンスタイプの容量待ちに固定せず, 優先順位付きの代替構成へ自動移行できるようになった. Amazon SageMaker AIのTraining JobsとProcessing Jobsで, 最大5種類のインスタンスタイプを順序付き優先リストとして指定できるようになった. スケジューラーは最初に利用可能な構成でジョブを起動し, 全候補に空きがなければイベント駆動キューで再試行する. 予約容量からオンデマンドの別インスタンスへフォールバックする構成にも対応する. **実装・運用観点:** 容量不足への耐性は上がる一方, GPU世代やメモリ量が変わると性能, 費用, 再現性も変わり得る. 候補ごとの完了時間と総費用を同じ条件で把握したい. **確認論点:** - 各候補で学習コード, 分散設定, チェックポイント形式が互換か確認する - インスタンス変更時の処理時間, 費用, 数値再現性を比較する - キュー再試行の上限とジョブ期限超過時の通知を確認する **未確認事項:** - 対応リージョンと全対応インスタンスタイプは記事から確認できない - 候補間で容量が変化した際の選択再評価条件は明示されていない ## 短く追う更新 優先度は少し下がるが 流れを押さえるために確認しておきたい更新となる - 掲載件数: 8件 - 対象分野: Products（2件） / Research（5件） / Models（1件） - 関係する読者: AX担当 / エンジニア / 管理者 ### [Introducing Foundry Dev Pack: One Command to Start Building](https://devblogs.microsoft.com/foundry/foundry-devpack-announcement/) - 情報源: devblogs.microsoft.com - 出典種別: 公式情報 - 分類: Products - 関係する読者: AX担当 / エンジニア - 公開日時: 2026-09-16 04:00 JST MicrosoftはFoundry開発環境の初期セットアップをまとめる一体型インストーラーFoundry Dev Packを公開した. 環境に応じてAzure CLI, Azure Developer CLI, Foundry用azd拡張, Microsoft Foundry Skill, VS Code Toolkit, プレビュー版Foundry Canvasを導入する. Windows, macOS, Linuxに対応する. **変化:** 端末, VS Code, コーディングエージェントで使うFoundry関連ツールを一つの導入経路から準備できるようになった. **確認:** 導入される各ツールのバージョンと既存環境への変更を記録する ### [Bypassing inference bottlenecks: Accelerating complex AI search with Retrieve-for-Train](https://research.google/blog/bypassing-inference-bottlenecks-accelerating-complex-ai-search-with-retrieve-for-train/) - 情報源: Google Research - 出典種別: 公式情報 - 分類: Research - 関係する読者: AX担当 / エンジニア - 公開日時: 2026-09-16 05:00 JST Google ResearchのRetrieve-for-Trainは, 報酬から学習データを生成する枠組みで検索クエリの分岐戦略をオフライン生成し, その挙動を軽量な拡散検索モデルへ蒸留する. 推論時には53.9Mパラメータのモデルが複数の対象埋め込みを単一の非自己回帰パスで生成する. 集合検索タスクでは自己回帰方式比で12～20倍の高速化を報告する. **変化:** 複雑な検索のクエリ分岐を推論時に逐次生成せず, 学習済みの軽量モデルから並列生成する経路が示された. **確認:** 自社データで検索品質と分岐の多様性を既存方式と比較する ### [Introducing new session management tools with native, granular controls](https://cloud.google.com/blog/products/identity-security/introducing-new-session-management-tools-with-native-granular-controls/) - 情報源: Google Cloud - 出典種別: 公式情報 - 分類: Products - 関係する読者: AX担当 / エンジニア - 公開日時: 2026-09-16 02:30 JST Google Cloudは未設定顧客への既定セッション長16時間の展開を完了し, Session ControlsをContext-Aware Accessへ統合した. Terraform, gcloud, REST APIによる管理と, Google Groups, Cloud Console, gcloud, 特定OAuthアプリを対象に再認証の境界を設定する機能が一般提供された. Google Cloud Console内のポリシー管理はプレビューとなる. **変化:** 組織単位だったセッション長を, 組織階層と独立したグループやアプリ単位で制御できるようになった. **関連する技術ガイド:** [AIシステムのIdentityとAuthorization](/guides/ai-identity-authorization) / [AI Agent](/guides/ai-agent) **確認:** 既定16時間への変更が既存ユーザーと自動処理へ与える影響を確認する ### [Dense vs. MoE Models: Active Parameters, Throughput, and When to Choose Each](https://developer.nvidia.com/blog/dense-vs-moe-models-active-parameters-throughput-and-when-to-choose-each/) - 情報源: NVIDIA Developer Blog - 出典種別: 公式情報 - 分類: Models - 関係する読者: 管理者 / AX担当 / エンジニア - 公開日時: 2026-09-16 02:00 JST - 情報更新日時: 2026-09-16 02:00 JST NVIDIAはDenseモデルとMixture-of-Expertsモデルの配備条件を整理した. MoEでは総パラメータが主にメモリ量を, アクティブパラメータが主にトークン当たり計算量を左右する. 高スループットを得やすい一方で全エキスパートをVRAMへ保持する必要があり, 高並列時にはルーティングとメモリ移動の影響が増える. **変化:** モデル規模の比較で総パラメータだけを見るのではなく, 実際に計算へ使うパラメータとVRAM常駐量を分ける判断軸が整理された. **確認:** 総パラメータ, アクティブパラメータ, 必要VRAMを分けて比較する ### [Root-Cause Attribution Is a Search Problem: Continual Search for Long-Horizon Agent Failures](https://arxiv.org/abs/2609.13463) - 情報源: arXiv - 出典種別: 原著論文（プレプリント） - 分類: Research - 関係する読者: AX担当 / エンジニア - 公開日時: 2026-09-15 13:00 JST Continual Searchは長いエージェント実行履歴の根本原因の特定を一回の判定で終えず, 未解決の証拠を反復探索する診断手法である. 著者らは人手注釈済みの失敗50件からなるMegaRCA-Mixを導入した. 同データではGPT-5.5のF1が0.349から0.498へ向上したと報告する. **変化:** 長時間エージェントの障害診断を単発の要約ではなく, 未解決点を追跡する継続的な証拠探索として扱う方法が示された. **関連する技術ガイド:** [AI AgentのObservabilityとTrace](/guides/observability-tracing) **確認:** ツール入出力, 状態変更, 再試行を同一実行IDで追跡できるか確認する ### [Token Efficient Task Execution via Application Behavior Modeling for Web Agents](https://arxiv.org/abs/2609.13491) - 情報源: arXiv - 出典種別: 原著論文（プレプリント） - 分類: Research - 関係する読者: AX担当 / エンジニア - 公開日時: 2026-09-15 13:00 JST OdoBotは成功した操作デモからウェブアプリケーションの行動モデルを構築し, そのモデルを使ってタスクを実行するウェブエージェントである. Canvas LMS上の45タスクではAgent-E比で44%, WebVoyager比で80%少ないトークンを使用し, WebVoyagerより高い成功率を得たと報告する. **変化:** 画面を毎回探索する代わりに, 成功したタスク実行デモから作った行動モデルを再利用してトークン消費を抑える方式が示された. **確認:** 対象アプリの変更を検知して行動モデルを無効化できるか確認する ### [$\tau$-Elicitation: Benchmarking multi-turn entity extraction in voice agents](https://arxiv.org/abs/2609.13602) - 情報源: arXiv - 出典種別: 原著論文（プレプリント） - 分類: Research - 関係する読者: 管理者 / AX担当 / エンジニア - 公開日時: 2026-09-15 13:00 JST τ-Elicitationは氏名, 住所, 識別子, 日時などを音声対話で正確に収集する能力を測る200タスクのベンチマークである. 一致条件をそろえたテキストエージェントは全タスクを通過した一方, 4種類の音声構成の頑健な完全一致成功率は0.14～0.41だった. 訂正・確認フローでPass^3は14～31ポイント向上したが, 通話時間が21～28秒増えた. **変化:** 音声エージェントの情報収集を会話の自然さだけでなく, 複数回のやり取り後に値を正確に確定できるかで評価する基準が示された. **確認:** 氏名, 住所, 日時ごとに完全一致率と訂正成功率を測る ### [Recoverability as a System Primitive for Long-Horizon AI Agents](https://arxiv.org/abs/2609.13672) - 情報源: arXiv - 出典種別: 原著論文（プレプリント） - 分類: Research - 関係する読者: AX担当 / エンジニア - 公開日時: 2026-09-15 13:00 JST 本論文は回復可能性を長時間稼働エージェントのシステムの基本要素として提案する. 保存状態をそのまま再開せず, 根拠のある開始点と許可された回復操作を選び, 証拠が不足する場合は自動継続を保留する行動契約を定義する. 実験では最終成功だけでは不適切な開始点からの再開を検出できない場合があると報告する. **変化:** チェックポイントの存在だけで再開を許さず, 再開点の根拠と許可された回復操作を独立検証する設計が提案された. **関連する技術ガイド:** [AI Agent](/guides/ai-agent) **確認:** チェックポイントに実行ID, バージョン, 入力来歴を付与する ## ひとこと更新 本文で詳しく扱うほどではないものの 周辺動向として確認しておきたい話題となる - [Identity Is More Than Recall: A Benchmark for Persistent Identity in Deployed AI Agents](https://arxiv.org/abs/2609.13637)：アイデンティティ契約への忠実度を評価 - [How NVIDIA Groq 3 LPX Deterministic Execution Drives Power-Efficient High-Interactivity Inference on NVIDIA Vera Rubin](https://developer.nvidia.com/blog/how-nvidia-groq-3-lpx-deterministic-execution-drives-power-efficient-high-interactivity-inference-on-nvidia-vera-rubin/)：クロックサイクル単位のスケジュールで電力制御 - [Early Anthropic hire, former METR COO have found a way to rein in rogue AI agents](https://techcrunch.com/2026/09/15/early-anthropic-hire-former-metr-coo-have-found-a-way-to-rein-in-rogue-ai-agents/)：AIUCが第三者監査・認証層を開発 - [Salesforce and Nvidia’s new reasoning model is everything the AI labs should fear](https://techcrunch.com/2026/09/15/salesforce-and-nvidias-new-reasoning-model-is-everything-the-ai-labs-should-fear/)：オープンウェイトの代替モデルKoaを報道 - [Scaling Federated Learning Across Docker, Kubernetes, and Slurm with NVIDIA FLARE](https://developer.nvidia.com/blog/scaling-federated-learning-across-docker-kubernetes-and-slurm-with-nvidia-flare/)：資源を考慮した実行を複数基盤へ展開 - [Meta now lets AI agents handle the boring parts of WhatsApp Business setup](https://techcrunch.com/2026/09/15/meta-now-lets-ai-agents-handle-the-boring-parts-of-whatsapp-business-setup/)：WhatsApp設定とビジネス認証を支援 - [OpenAI, Anthropic, Google have been in talks on AI safety for weeks](https://techcrunch.com/2026/09/15/openai-anthropic-google-have-been-in-talks-on-ai-safety-for-weeks/)：OpenAI・Anthropic・GoogleのAI安全協議を報道 - [There's a 100% Chance AI Agents Are Ruining the Internet](https://www.404media.co/theres-a-100-chance-ai-agents-are-already-ruining-the-internet/)：予約ボットやアカウント操作などAIエージェントによる外部サービス負荷を報告