
Google は Gemini 4 Carbon を提供開始し、DeepMind は AlphaProof Code で Signal の暗号プロトコルを形式検証した。Fireworks AI の侵害は、請求情報や一部のモデル重み・データセットへの影響が広がり、Notion の一部ワークスペースに及んだ。Anthropic は Claude Sheets と Whiteboards、Claude Data、インタラクティブコネクタを公開し、OpenAI は ChatGPT に Businesses を導入した。Google は医療向けの Gemini for healthcare をプレビューで提供し、NVIDIA はエージェント実行基盤の Agent Substrate を CNCF Sandbox へ寄贈した。本号はこの 7 件を扱う。モデルの価格と提供条件、侵害の影響範囲は、導入や対応の前に原典で確かめるとよい。
本号の原典リンクは次のとおり。
- Google、Gemini 4 Carbon
- Google DeepMind、AlphaProof Code
- Fireworks AI の侵害と Notion への影響
- Anthropic、Claude Sheets・Whiteboards・Data
- OpenAI、ChatGPT の Businesses
- Google、Gemini for healthcare
- NVIDIA、Agent Substrate
Google、Gemini 4 Carbon を提供開始
Google は、フロンティアモデル Gemini 4 Carbon を提供開始した。サイバーセキュリティの能力と、長期にわたるエージェント型の作業で最強のモデルと位置づけられ、複雑な知識作業、ソフトウェアエンジニアリング、科学的な推論を対象とする。先に公開された Gemini 4 Argon が、ソフトウェアエンジニアリングと知識作業の多くに適する選択肢として残り、Carbon は複雑な複数ステップのコーディングやデバッグ、自由度の高い科学研究など、モデルの知能の限界を試す作業に向くとしている。Argon より多くのトークンを使い、徹底的に探索し、深く推論し、検証の循環を長く回す設計である。
実務のワークフローで測る独立したベンチマークでは、Carbon は精度と運用の経済性を両立したとしている。Google の発表による主な数値は次のとおりである。
| 評価 | Carbon の位置づけ |
|---|---|
| CursorBench 4.0、Perplexity の WANDR、Zapier の AutomationBench | 1 位。次点の外部モデルと比べ、1 タスクあたりのコストが 2 倍以上低い |
| Artificial Analysis の Multimodal Knowledge Agent | 2 位。首位のモデルと比べ、1 タスクあたりの平均コストが 6 倍以上低い |
| Hebbia の E2E Financial Agentic 評価 | 深い金融リサーチで、テストした最良のモデルと同等の性能 |
| Balyasny の General Financial Intelligence | 23 のフロンティアモデルの構成のなかで首位 |
価格は、Argon と同じ導入価格で、入力 100 万トークンあたり 2 ドル、出力 100 万トークンあたり 10 ドルである。API は Google AI Studio と Gemini for business で、支払いを行う開発者と企業が利用できる。Google AI Ultra の加入者には、Google Antigravity、Gemini アプリ、Search の AI Mode で順次提供される。
大規模で複雑なプロジェクトでは、Google Antigravity で /swarm をプレビューとして提供する。1 つのプロンプトから、協調するエージェントのチームを作り、進行をリアルタイムで追える。深い推論が要る設計や調整、監査の役割には Carbon を割り当て、並行する隔離されたワークスペースでは、より速く軽いモデルと組み合わせ、敵対的な検証者がすべての変更を試す構成である。
サイバーセキュリティでは、Carbon for cyber が、2 週間前に Fairwind Program を通じて防御側へ提供された。脆弱性の発見(SEC-bench Pro)、悪用(ExploitGym)、修正(CWE-bench v1)の主要なベンチマークで首位としている。Google の Project Fortify では、スキャンの再現率 100 パーセント、トリアージの精度 95 パーセントを記録し、オープンソースのコードでは Argon の再現率から 25 パーセント以上の相対的な改善があったとしている。
安全対策として、Carbon は Argon の安全とセキュリティの基盤を強めたとしている。模擬サイバー攻撃の試験では、攻撃の軌跡の 99 パーセントを阻止し、試行あたりの侵害率は Argon の 3.1 パーセントから 0.8 パーセントに下がった。Gray Swan の試験では、自動化されたサイバー攻撃の質問の成功率は 2.17 パーセントで、Argon の 9.86 パーセントから下がった。Gray Swan の IPI ベンチマークでは、プロンプトインジェクションの攻撃成功率が 0 パーセントで、この到達は初めてだとしている。375 問のエージェント型の正直さベンチマークでは 92 パーセントに合格し、Argon の 70 パーセントから伸びた。
導入の前に確認しておきたい点は次のとおりである。
- 価格は Argon と同じ導入価格か。利用量での費用を見積もること
- /swarm はプレビュー段階のため、利用条件と制限を確認すること
- ベンチマークの数値は Google と各社の測定によるもので、比較条件は原典で確かめること
- Carbon for cyber の利用には Fairwind Program への申請が必要か
EastBraverの見立て: 最上位モデルが、Argon と同じ価格で出てきた点が大きい。難しい課題に絞って使う設計で、日常の作業には Argon が推奨されている。サイバーセキュリティの能力は、防御側の道具としての用途と、悪用の懸念の両面を持つため、安全対策の数値と Fairwind Program の条件をあわせて確認するとよい。導入の判断は、Gemini 4 Carbon の紹介記事で、価格と提供条件、ベンチマークの対象を確認してから行うとよい。
出典:Google DeepMind(https://deepmind.google/blog/gemini-4-carbon-is-now-available/ 、2026年11月10日公開、2026年11月11日確認)
Google DeepMind、AlphaProof Code で Signal の暗号プロトコルを形式検証
Google DeepMind は、エージェント型の形式検証の枠組み AlphaProof Code を使い、Signal の暗号プロトコルの実装を数学的に検証したと発表した。Signal のプロトコルは、Signal や Google メッセージなど、数十億の会話を守る技術である。広く使われる暗号プロトコルをこの深さで AI が形式検証したのは初めてで、実装をいかなる方法でも形式検証したのも初めてだとしている。形式検証は、コードが欠陥なく正しく動くことを数学的に証明する、最も高い水準のセキュリティ保証である。
検証の進め方は次のとおりである。
- 研究者が複数のモデルと協力し、Signal のセキュリティ目標を形式的な数学の仕様に翻訳した。人間の専門家がすべてを確認した
- Gemini Carbon を使うエージェントが証明を行い、Lean という数学の証明を書く言語で数百万行の証明を生成した
- エージェントが証明を監査し、人間による再確認が必要な箇所を示した。対象はコード全体の 1 パーセントで、残りは Lean が自動で検査した
- 検証には 4 週間かかった。専門家のチームが何年もかけて行う作業だとされている
検証が正しいコードと欠陥のあるコードを区別できるか確かめるため、研究者は過去に修正された 2 件の実際の欠陥を、分離した Signal のコードに再び入れた。2 件とも、欠陥のある版が安全でないことを、機械で検査できる証明で示した。
形式検証の対象は、これまで設計の水準で止まることが多かった。今回の検証は、設計どおりであることだけでなく、端末で動く実際のコードが、鍵となるセキュリティの性質を満たすことを証明した。実際の脆弱性は設計と実装のあいだに隠れることが多いため、この隔たりを埋める証明ははるかに複雑だとしている。検証の成果物はオープンソースとして公開され、技術論文も読める。
今後の方向として、医療機器のファームウェアや電力網のソフトウェアなど、他の重要なシステムの検証に広げることが挙げられている。CodeMender のような自動防御のエージェントと組み合わせることで、エージェントによるサイバー脅威の速度と規模に対抗できるとしている。
EastBraverの見立て: 形式検証が、長年かかる専門作業から、エージェントが担う 4 週間の作業に変わった点が大きい。ただし検証の対象は Signal の中核の暗号コードであり、アプリ全体の検証ではない。人間が確認したのは仕様の翻訳と 1 パーセントの再確認であり、仕様そのものの正しさは検証の前提である。導入の判断は、AlphaProof Code の紹介記事で、検証の範囲と公開された成果物を確認してから行うとよい。
出典:Google DeepMind(https://deepmind.google/blog/introducing-alphaproof-code/ 、2026年11月10日公開、2026年11月11日確認)
Fireworks AI の侵害拡大、Notion の一部ワークスペースに影響
Notion は、AI 基盤ベンダーの Fireworks AI で起きたセキュリティ侵害が、一部の Notion ワークスペースに影響する可能性があると公表した。Notion の調査では、影響を受ける可能性があるのは Notion ワークスペースの 1 パーセント未満で、帰属が分からない Notion AI のチャットの一部が侵害で露出したとしている。帰属が分からないとは、誰が書いたか、どのワークスペースのものかが表示されておらず、会話の記録にツール呼び出しの結果が含まれていないことを指す。会話の文面以外に、ワークスペースや利用者、会社へ結びつける情報はないとしている。ワークスペース内の他のデータへの影響はない。
経緯は次のとおりである。
| 日付 | 出来事 |
|---|---|
| 2026年10月6日 | Fireworks が内部の認証情報の不正利用を確認し、対応を開始 |
| 2026年10月9日 | Fireworks が最初の報告を公開。評価ジョブで使う秘密情報へのアクセスが判明 |
| 2026年10月23日〜24日 | Fireworks の研究開発マシンを置く外部クラウド事業者で侵害が発生し、翌日に不正な第三者が開発マシンに到達して不正な作業負荷を実行した |
| 2026年10月25日 | 顧客向けの基盤で、それ以上の不正アクセスは確認されていない |
| 2026年11月3日 | Notion が Fireworks との接続を切断し、Fireworks 側のデータを削除し、データ送信を停止した |
| 2026年11月6日〜8日 | Fireworks が Notion へ、悪意のある人物が顧客データへ到達した可能性を通知し、新しいデータセットを確認した |
| 2026年11月9日 | Fireworks が報告を更新し、影響の範囲を広げた |
Fireworks の 11 月 9 日の更新では、影響の範囲が最初の報告より広がった。内部のアプリケーションから到達できた情報は、リソースのメタデータ、請求情報(請求先と配送先の住所、請求書と支払いの履歴、残高、クレジット利用量)、そして一部の顧客では秘密情報、データセット、一部の未完成のモデル重みである。支払いカードの番号は Fireworks では保存しておらず、影響を受けていない。推論、Training SDK、Nexus には、既定でデータを保持しない設計のため、影響は確認されていないとしている。調査は継続中で、Palo Alto Networks の Unit 42 が法医学の分析を支援し、法執行機関へも通知した。証拠は、金銭を目的とするサイバー犯罪の集団との関連を示し、LLM への不正アクセスを売る LLMJacking が狙いだとしている。
Notion は、Fireworks を 2 つの用途で使っていた。Notion AI の利用状況を把握する Insights 機能のための分類ジョブと、オープンウェイトモデルを提供する一般的な推論基盤である。Insights 機能は調査のため無効化され、Fireworks を通じたオープンウェイトモデルの提供も止めた。影響を受けたワークスペースの所有者には連絡済みで、所有者はワークスペース内で影響を受けたデータを確認できる。連絡を受けていないワークスペースは影響を受けておらず、対応は不要としている。
Notion は、影響を受けたデータは露出したものとして扱うよう勧めている。Notion AI にパスワードや API キー、その他の認証情報を貼り付けた場合は、直ちにローテーションするよう求めている。
確認しておきたい点は次のとおりである。
- 自社のワークスペースの所有者が Notion から連絡を受けていないか
- Notion AI に認証情報や秘密情報を貼り付けていないか。貼り付けた場合はローテーションすること
- Fireworks を直接使う場合、影響を受けた顧客に該当しないか、Fireworks の報告で確認すること
- 推論や Training SDK、Nexus の利用は、影響なしとされている範囲を確認すること
EastBraverの見立て: 第三者の AI 基盤ベンダーを通じた侵害が、顧客の AI 利用の記録に及んだ事例である。会話の帰属は分からないが、文面そのものに秘密情報が含まれていれば、内容から推測されるおそれがある。AI の利用記録を外部の推論基盤へ送る設計では、どのベンダーがどのデータを扱うか、侵害時の連絡経路と対応手順を、導入時に確認しておく必要がある。対応の判断は、Notion の通知と Fireworks AI の報告の更新で、影響の範囲と求められる対応を確認してから行うとよい。
出典:Notion(https://www.notion.com/help/security-incident-involving-a-third-party-ai-vendor 、2026年11月10日確認。ページ内に公開日の表示なし)、Fireworks AI(https://fireworks.ai/security/bulletins/october-2026-security-incident-update 、2026年11月9日更新、2026年11月10日確認)
Anthropic、Claude Sheets・Whiteboards・Data とインタラクティブコネクタを公開
Anthropic は、Claude での職場の作業を広げる新しい機能として、Claude Sheets、Claude Whiteboards、Claude Data を公開し、インタラクティブコネクタへ更新した。Claude Meetings は近日公開予定である。Claude Code が開発者の作業を変えたように、会議や表計算、企画など、コードを書かない職場の作業にも同じ変化を広げる狙いだとしている。
本日から使えるものと、近日公開のものの区別は次のとおりである。
| 機能 | 提供段階 | 内容 |
|---|---|---|
| Claude Sheets | 本日から提供 | チームと Claude が共同で表計算を作る。データを整理し、数式を作り、編集し、複数のタブで作業する |
| Claude Whiteboards | 本日から提供 | 会議でアイデアを整理する共有のホワイトボード。Claude に要約を求めることもできる |
| Claude Data | 本日から提供(旧称 Dashboards) | Snowflake や Salesforce に接続し、データチームが認定した定義(ベータ)を使って、ダッシュボードや視覚的なデータの物語、ナレーション付きの短い動画を作る |
| インタラクティブコネクタ | 本日から提供 | Adobe や Atlassian などのアプリを Claude のなかに直接埋め込む。Salesforce(ベータ)、NetSuite、Workday(ベータ)のプラグインには組み込みのスキルがある |
| Claude Meetings | 近日公開予定 | Claude を通話に加え、議事録を取り、会話の途中でチームが作業中の文書を更新する |
コネクタは、Anthropic が導入したオープン標準の Model Context Protocol(MCP)で作られている。Claude Marketplace には、コミュニティ製を含む 9,000 件以上のコネクタとプラグインがある。Claude auto-connect は、対象の Team と Enterprise プランでベータとなり、Notion や Atlassian、Dropbox などのアプリへの接続を 1 回の設定で済ませる。
企業向けの管理として、Enterprise プランでは、管理者がどの製品とコネクタを使えるか決め、組織の支出上限を細かく設定できる。新しい Claude の体験では、クラウドの各セッションがそれぞれ隔離された仮想マシンで動き、コネクタの認証情報はその外に置かれる。セキュリティチームは、監査ログと Compliance API で Claude の利用状況を確認でき、Splunk や CrowdStrike など 100 以上のセキュリティ・コンプライアンスのツールと連携する。企業のデータは、転送中と保存時に暗号化される。
EastBraverの見立て: Claude が文書や表計算、会議へ広がり、職場の道具として Google と Microsoft の領域に入った点が大きい。ただし Claude Meetings は近日公開であり、TechCrunch などの報道にあるベータ提供の範囲は、Anthropic 自身の発表では「近日公開」とされている。Sheets と Whiteboards が有料プランのどこまで含まれるか、Claude Data に必要なデータコネクタの条件とあわせて、導入の前に確認するとよい。導入の判断は、Claude Sheets・Whiteboards・Data の紹介記事で、提供段階と利用条件を確認してから行うとよい。
出典:Anthropic(https://claude.com/resources/articles/more-ways-to-work-with-claude-sheets-whiteboards-and-interactive-connectors 、2026年11月10日公開、2026年11月11日確認)
OpenAI、ChatGPT に Businesses を導入
OpenAI は、事業者が ChatGPT のなかで事業を登録し、情報を最新に保ち、利用者との接点を把握できる仕組み Businesses in ChatGPT を、ベータ版として導入した。週に 12 億人が使う ChatGPT において、Business Hub から事業者プロフィールを作成・管理し、Business Agent を提供できる。
事業者は、ChatGPT が利用できる地域にある対象の事業であれば、Business Hub から事業を請求し、認証を受けられる。認証後は、所在地、営業時間、ウェブサイト、連絡先などの主要情報を更新でき、セルフサービスの商品フィードを追加して価格と在庫状況を反映できる。プロフィールは、事業者が提供した情報、第三者の情報、公開情報をもとに、会話に関連すると ChatGPT が判断した場合に表示される。利用者は、そこからウェブサイトへ移動したり、電話をかけたり、道順を確認したりできる。事業者は、表示方法や検索結果への表示を管理できる。既存の Enterprise 顧客や広告主は、担当者を通じて対応する。Shopify の事業者は、Business Hub または Shopify の管理画面から店舗を接続でき、対象商品は Shopify Catalog 経由で既に統合されている。
Business Agent は、事業者が提供した情報で訓練され、顧客からの質問に答える。商品やサービスのカタログにアクセスし、個別化した提案を行い、Instant Checkout または事業者の決済手段による購入へ案内する。必要に応じて実際の担当者へつなぐこともできる。事業者は、Business Agent をスポンサー付きで提供し、ChatGPT Ads の遷移先として使うこともできる。その場合は Sponsored と表示され、自然検索の順位には影響しない。請求の後、対象の組織は Business Agent を構築し、テストし、公開できる。
事業者向けの把握の仕組みとして、インサイトでは、自社への言及やウェブサイトへのクリックなど、利用者がどのように関わっているかを確認できる。発見に関するトピックも示され、ウェブサイトが引用された共通のテーマを把握できる。
提供の範囲と料金は次のとおりである。
| 項目 | 内容 |
|---|---|
| 提供段階 | ベータ版 |
| Business Agent の対象 | 現在は米国の対象となる e コマースとオンラインサービスの事業者 |
| 今後の拡大 | より多くの市場や事業カテゴリへの拡大を予定 |
| 料金 | ページ内に料金の記載は確認できなかった |
EastBraverの見立て: ChatGPT が、検索や比較の場から、事業者の情報を直接扱い、購入へつなぐ場へ広がった点が大きい。プロフィールは会話に関連すると判断された場合に表示されるため、表示の条件は ChatGPT 側の判断に依存する。スポンサー付きの Business Agent は Sponsored と表示され、自然検索の順位には影響しないとされている。対象は現在米国の e コマースとオンラインサービスに限られるため、対象の市場とカテゴリを確認するとよい。導入の判断は、Businesses in ChatGPT の紹介記事で、対象となる事業と提供条件を確認してから行うとよい。
出典:OpenAI(https://openai.com/index/introducing-businesses-chatgpt 、2026年11月10日公開、2026年11月11日確認)
関連する技術ガイド: AI Agent
Google、Gemini for healthcare をプレビューで提供
Google は、医療向けの AI ソリューション Gemini for healthcare を発表した。本日からプレビューで提供し、HCA Healthcare、Highmark Health、Northwell Health が立ち上げ時のパートナーとして挙げられている。先月に Gemini at Work で紹介された Gemini エージェントを広げたもので、臨床、運用、管理の分断されたシステムを統合し、複雑な複数ステップの作業を、人間の監督のもとで調整し、実行する。
Gemini for healthcare は 4 つの要素で構成される。
| 要素 | 内容 |
|---|---|
| 医療の作業向けのスキル | 領域の専門家が書いた再利用できる指示と文脈で、診療記録の合成、診察前の準備、適用範囲と方針の確認、支払い者の給付判断など、臨床と管理の作業を Gemini に実行させる |
| 臨床・財務・運用のシステムへのコネクタ | 電子健康記録、請求、ケア管理、管理のシステムに直接接続し、既存の本人確認と役割にもとづくアクセス制御を保ったまま、統合された文脈を提供する |
| オープンな医療パートナーのエコシステム | 医療システムの統合業者とデジタルヘルス企業が、専門的なソリューションで拡張し、組織が既に使うものへ接続する |
| 安全で統制された基盤とモデルの選択 | HIPAA への準拠を支える設計で、企業のアクセス制御、監査ログ、検証できる引用を備える。Google と主要なパートナーのフロンティアモデルと、定型の管理作業向けの高速で費用対効果の高いモデルを組み合わせられる |
作業の例として、診察の現場では、断片化した記録から患者の経時的な全体像を作り、診察前にカルテを準備し、事前承認の資料を支払者の方針に沿って組み立てる。支払いの現場では、届いた請求を医療方針に照らして確認し、給付と費用を患者自身のプラン文書から説明する。臨床医は週に 28 時間近くを書類作業に費やしているとされ、事務負担の軽減が狙いである。
コネクタの対象には、Epic EHR と Oracle Health EHR が含まれ、どちらも読み取り専用で、元のカルテへの書き戻しはない。InterSystems の FHIR MCP Server、Keragon(400 以上の医療アプリへ 1 つの MCP 統合で接続)、Optum、TriZetto、GoodRx、Infinitus、IMO Health、ICD-10、RxNorm、CMS Coverage、NPPES NPI Registry、Optum EvidenceVue、BMJ Digital Health、Salesforce Health Cloud、Suki、UiPath、Synthpop Careflow、Alteryx、Workday の Sana、ServiceNow、Microsoft 365、Google Workspace、Cyera Dataport が挙げられている。
EastBraverの見立て: 医療のエージェントが、単なる情報検索から、複数システムにまたがる作業の実行へ進んだ点が大きい。読み取り専用の EHR 接続と書き戻しなしの方針は、診療記録の整合性を保つための条件である。プレビュー段階のため、対象となる医療機関や健康保険の利用条件、HIPAA への準拠の範囲を確認するとよい。導入の判断は、Gemini for healthcare の紹介記事で、提供段階とコネクタの対象を確認してから行うとよい。
出典:Google Cloud Blog(https://cloud.google.com/blog/products/ai-machine-learning/gemini-for-healthcare/ 、2026年11月10日公開、2026年11月11日確認)
NVIDIA、Agent Substrate を CNCF Sandbox へ寄贈
NVIDIA は、エージェント向けの実行基盤 Agent Substrate を、Cloud Native Computing Foundation(CNCF)の Sandbox へ寄贈したことを紹介した。オープンソースで、セキュリティを固めたゼロトラストのランタイムであり、サンドボックス化されたエージェントを安全に動かす。標準的なコンテナと比べて 10 倍高い密度で、数百万のエージェントとツールを動かせる設計だとしている。
エージェントの作業は、人の指示やツールの結果、モデルの応答を待つあいだ、ほとんどの時間は待機している。1 つの Pod を 1 セッションに割り当てると、動いていないセッションのためにメモリを抱え続け、ターンごとに Pod を作り直すと、数秒のコールドスタートと状態の喪失を招く。Agent Substrate は、少数のワーカープールに多くのセッションを多重化し、待機中のセッションをメモリとファイルシステムごとチェックポイントに保存し、次の要求が来たときに空いたワーカーへ復元する。ワーカーの Pod は通常の Kubernetes の Pod であり、クラスタのスケジューリングやクォータ、配置の方針はそのまま適用される。
主な用途は次のとおりである。
- コーディング支援とエージェントの提供。環境をターン間で維持し、即座に応答する
- 強化学習の事後学習。検証できる報酬のために、コードのサンドボックスやコンパイラ、ブラウザ、シミュレータなど CPU を多く使う環境を、バーストで数十万規模まで広げる
- 研究向けの GPU サンドボックス。CUDA コードのコンパイルやカーネルのベンチマーク、数値計算のために、短命で隔離された GPU サンドボックスを共有する
上流での作業として、要求のパーキング(ワーカーがすべて埋まっている場合に要求を待たせ、空き次第再試行する)、Kubernetes の Dynamic Resource Allocation(DRA)によるサンドボックス内への GPU の提供、microVM サンドボックスでのコンテナごとの CPU とメモリの上限、GPU の一時停止と再開の設計が進められている。推論側では、NVIDIA Dynamo との連携で、エージェントを意識したルーティングを行う。再利用できる KV キャッシュを持つワーカーへ関連するモデル呼び出しを振り分け、対話的なターンを優先し、終了したサブエージェントや要約済みの文脈のキャッシュを先に捨てる。
構成の位置づけは次のとおりである。
| 層 | 技術 | 役割 |
|---|---|---|
| エージェントと強化学習の枠組み | NeMo RL、NeMo Gym、エージェントのハーネス | エージェントの循環とロールアウトの調整 |
| エージェントの実行 | Agent Substrate | 状態を持つ隔離されたサンドボックスを、温かいワーカーに多重化する |
| モデルの提供 | NVIDIA Dynamo | KV を意識したエージェント対応のルーティング |
| 作業の配置 | KAI Scheduler | 配置、キュー、ギャング スケジューリング、トポロジの考慮 |
| Kubernetes の基盤 | AI Cluster Runtime、GPU Operator、Network Operator、Topograph | 実行環境、GPU、ネットワーク、トポロジの検証済みランタイム |
API はまだ変わりつつあり、GPU の対応は DRA を土台に作り直されており、Dynamo との連携の一部は実験段階だとしている。
EastBraverの見立て: エージェントの実行基盤が、独自のランタイムから Kubernetes の上流へ寄せられた点が大きい。サンドボックスの密度と状態の維持は、コーディング支援や強化学習の本番運用で効く。ただし API は変わりつつあり、GPU 対応は作り直しの最中のため、採用は実験段階の範囲を確認してから行うとよい。導入の判断は、Agent Substrate の紹介記事で、対応する用途と制限を確認してから行うとよい。
出典:NVIDIA Technical Blog(https://developer.nvidia.com/blog/agent-substrate-advancing-kubernetes-for-agents-at-scale/ 、2026年11月10日公開、2026年11月11日確認)
ほかの確認済みの更新
- NVIDIA は、GPU ワークロードのチェックポイントと復元を行うオープンソースの仕組み NVIDIA Snapshot を公開した。初期化が済んだワークロードの CPU と GPU のメモリを保存し、同じ GPU モデルとドライバのノードで復元する。vLLM、SGLang、TensorRT LLM の評価では、復元は 3.6 秒から 42.7 秒で、コールドスタートと比べて 8 倍から 36 倍速い。NVIDIA DSX AI Factory Platform の構成要素である。出典:NVIDIA Technical Blog(https://developer.nvidia.com/blog/start-and-restore-gpu-workloads-in-seconds-with-nvidia-snapshot/ 、2026年11月10日公開、2026年11月11日確認)
- Meta は、Triton の拡張である GPU コンパイラ TLX(Triton Low-Level Extensions)を紹介した。ワープグループを第一級の実行単位として扱い、Hopper のワープ特殊化や Blackwell の Tensor Memory、クラスタ実行などのハードウェア機能を、Triton の生産性の高い記述で制御できる。Meta では、レコメンドの学習と推論、大規模な LLM の事前学習など、本番の作業で使われている。出典:Engineering at Meta(https://engineering.fb.com/2026/11/10/open-source/tlx-a-hardware-native-gpu-compiler-for-production-ml/ 、2026年11月10日公開、2026年11月11日確認)
- Hugging Face は、テキストを生成せずに選択肢へ確率を割り当てる Decision Models の考え方と、transformers の decision パイプラインを紹介した。状態と質問、許される答えを受け取り、選択、順序つきの評価、はい・いいえの判断を、確率分布として返す。例として挙げられたモデルは autotrust の GEV-26B-Decide である。出典:Hugging Face Blog(https://huggingface.co/blog/decision 、2026年11月10日公開、2026年11月11日確認)
- OpenClaw は、2026.11.3 を公開した。非公開のサブエージェントの完了をストリームへ出さない変更、子タスクの取り消し後に親が代替の作業へ引き継げる変更、応答のないツールの失敗を報告する変更、認証の停滞を期限で止める変更、サンドボックスでの画像アクセスの制限、ワークスペース接続の証明書の検証などが含まれている。出典:GitHub Releases(https://github.com/openclaw/openclaw/releases/tag/v2026.11.3 、2026年11月10日公開、2026年11月11日確認)
- Pi は、v1.5.2 を公開した。セッションの元のフォルダが移動・削除された場合に、現在のフォルダへフォークできるようになった。対話モードでは、継続、フォーク、取り消しを選べる。出典:GitHub Releases(https://github.com/earendil-works/pi/releases/tag/v1.5.2 、2026年11月10日公開、2026年11月11日確認)
- Claude Code は、v2.1.322 を公開した。Vertex の fast mode を global、us、eu のリージョンで追加し、Vertex が拒否した場合は標準の速度へフォールバックする。出典:GitHub Releases(https://github.com/anthropics/claude-code/releases/tag/v2.1.322 、2026年11月10日公開、2026年11月11日確認)
- Google は、CodeMender をプルリクエストへ組み込む参照実装を紹介した。プルリクエストのタイムラインで、脆弱性の指摘、/verify によるサンドボックスでの悪用の検証、/fix による修正案の提示、/approve による適用を行う。GitHub と Google Cloud のあいだでは、短命の OIDC トークンで信頼を結び、検証は Cloud Run のジョブで実行する。出典:Google Cloud Blog(https://cloud.google.com/blog/products/identity-security/how-to-run-codemender-in-your-pull-requests/ 、2026年11月10日公開、2026年11月11日確認)
