メインコンテンツへスキップ

Fresh AI updates

NVIDIAのCEO辞任とGemini 4 Hydrogen

NVIDIAはJensen Huang CEOの辞任を発表し、CFOのColette Kressが暫定CEOに就いた。GoogleはGemini 4 Hydrogenを発表した。AWSはAgentCoreランタイムの次世代版を提供開始し、IBMは指示とデータを分離するLLMONを公開した。

約18分
NVIDIAのCEO辞任とGemini 4 Hydrogen

NVIDIA は Jensen Huang CEO の辞任を発表し、CFO の Colette Kress が暫定 CEO に就いた。Google はエージェント向けの Gemini 4 Hydrogen を発表し、Search にも搭載した。AWS は Bedrock AgentCore ランタイムの次世代版を提供開始し、Codex を Bedrock 経由で使う企業向けの導入手順を公開した。IBM は指示とデータを分離する LLMON を公開し、Google Cloud は Organization Policy の MCP サーバーを一般提供とした。本号はこの 6 件を扱う。モデルの価格と提供条件、評価の比較条件は、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。

NVIDIA、Jensen Huang CEO の辞任を発表

NVIDIA は、Jensen Huang が社長、CEO、取締役を辞任したと、11 月 12 日の発表文で公表した。辞任は即日付で発効した。CFO の Colette Kress が暫定 CEO に就き、CFO の職も兼務する。取締役会は、Harvey C. Jones を初の議長に任命した。取締役会は後任 CEO の選定を開始し、社内外の候補を検討するとしている。

発表の内容は次のとおりである。

項目内容
Jensen Huang社長、CEO、取締役を辞任。即日付で発効
Colette Kress暫定 CEO に就任。2013 年 9 月からの CFO を兼務
Harvey C. Jones取締役会の初の議長に就任
後任の選定取締役会が開始。社内外の候補を検討
決算2027 年度第 3 四半期決算は 11 月 17 日に予定どおり発表

発表文は、辞任の理由を述べていない。Huang 氏のコメントも含まれていない。取締役会は、事業と顧客への約束、製品ロードマップは中断なく続くとしている。Kress は、Huang が 33 年かけて築いた基盤の上に築き、顧客、パートナー、開発者、株主への対応に注力すると述べている。

背景として、取締役会は 11 月 8 日に、Huang 氏が外国の情報活動の標的だったかどうかを調べる独立調査の開始を公表していたと報じられている。11 月 11 日には、取締役会が Huang 氏の解任を準備しているとの報道もあった。これらは報道によるもので、今回の発表文には含まれていない。

確認しておきたい点は次のとおりである。

  • 暫定 CEO 体制のもとで、製品ロードマップや供給の約束に変更がないか
  • 後任 CEO の選定の進み具合と、11 月 17 日の決算発表での説明
  • 辞任の理由や独立調査の扱いについて、NVIDIA から追加の説明があるか

EastBraverの見立て: AI チップの最大手の経営トップが交代した点が大きい。発表文は事業とロードマップの継続を強調しているが、後任が決まるまでの間は、決算発表や今後の発表での説明を確認する必要がある。辞任の理由について発表文は何も述べておらず、報道による背景と発表文の内容を区別して読むとよい。対応の判断は、NVIDIA の発表文で、発表された内容と述べられていない点を確認してから行うとよい。

出典:NVIDIA(https://nvidianews.nvidia.com/news/nvidia-announces-ceo-transition 、2026年11月12日発表、2026年11月13日確認)

Google DeepMind、Gemini 4 Hydrogen を発表

Google DeepMind は、エージェント向けの新しいモデル Gemini 4 Hydrogen を、11 月 12 日に発表した。深い長期推論には Gemini 4 Carbon と Argon が向き、Hydrogen は日常のコーディングと多様なエージェント作業の高速な実行に向けたモデルとされている。Gemini 4 は、AI Studio、Gemini API、Gemini アプリ、Google Search、Google Antigravity など、開発者、企業、消費者向けの各面で提供される。

主な仕様は次のとおりである。

項目内容
位置づけエージェント向け・日常のコーディング向けの実行モデル。Carbon と Argon は深い長期推論向け
文脈窓入力 100 万トークン。出力も最大 100 万トークン
価格入力 100 万トークンあたり 1.50 ドル、出力 100 万トークンあたり 7.50 ドルで一律
思考水準low、medium、high(既定)、xhigh の 4 段階
Intelligence Index既定で 51(Argon は 50)、xhigh で 54

評価の主な数値は、Google の測定によるものである。

  • Terminal-Bench 4.1 で 57 パーセント(Gemini 3.8 Flash は 18.2 パーセント)。3.8 Flash と比べ、既定の設定で 2.5 倍速く、作り話の主張を 5 分の 1 以下に減らすとしている
  • Agent Arena で 5 位。HLE-Diamond で 58.8 パーセントと同クラス首位。Vals Tax Agent Bench で 52.3 パーセントと全体首位。Vals Legal Research Bench で 55.8 パーセントと全体首位タイ
  • Antigravity の Orchestrator は、Carbon と Hydrogen を同一セッション内で動的に切り替える。Terminal-Bench 4.0 で Carbon に近い成功率を保ちつつ、消費枠を平均 24 パーセント削減し、19 パーセント高速化したとしている
  • 安全性では、エージェント作業での行き過ぎを最大 81 パーセント、対応不足を最大 79 パーセント削減し、間接的なプロンプトインジェクションへの耐性は Gray Swan IPI で 2.3 倍以上としている

Google Search への搭載は、Search 史上最大のモデル更新とされている。Hydrogen は世界中の全ユーザー向けに Search で提供され、意図の理解、クエリのファンアウト、視覚的な応答、多言語の理解が改善されたとしている。

背景として、Gemini 4 Carbon は 11 月 11 日号で扱った別のモデルであり、Hydrogen は同シリーズの新しい実行モデルである。Argon は、今回の発表文で Carbon と並ぶフロンティアモデルとして言及されている。

確認しておきたい点は次のとおりである。

  • 価格は文脈窓全体で一律か、利用する面での提供状況
  • ベンチマークの数値は Google の測定によるもので、比較条件は原典で確かめること
  • Orchestrator の利用条件(Antigravity の対象プラン)
  • Search での Hydrogen の提供範囲(AI Mode の対応言語を含む)

EastBraverの見立て: 判断や生成ではなく実行速度に振ったモデルが、Gemini 4 の系列に加わった点が大きい。Carbon を調整役、Hydrogen を作業役とする複数モデルの組み合わせが、Antigravity の Orchestrator として製品化されている。価格は入力と出力で一律のため、長い文脈での費用は原典の料金表で確かめるとよい。導入の判断は、Gemini 4 Hydrogen 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/introducing-gemini-4-hydrogen/ 、2026年11月12日発表、2026年11月13日確認)、Google(https://blog.google/products-and-platforms/products/search/gemini-4-hydrogen-search-upgrade/ 、2026年11月12日発表、2026年11月13日確認)

関連する技術ガイド: LLM API / LLM

AWS、Bedrock AgentCore ランタイムの次世代版を提供開始

AWS は、Bedrock AgentCore ランタイムの次世代版を、11 月 12 日に発表した。本日から提供される。各セッションは、独自の ID、ポリシー、監査証跡を持つ Firecracker MicroVM でハードウェア分離された環境で動く。セッションは最大 15 倍速く起動し、計算は最大 4 倍に拡張でき、メモリ効率は最大 68 パーセント向上したとしている。

更新の内容は次のとおりである。

項目内容
起動最大 15 倍速く、2 秒未満で開始。イメージの大きさや同時実行数に依存しない
拡張最大 4 倍。最大 8 vCPU と 32 GB、10 GB までのコンテナイメージに対応
メモリ効率利用を終えたメモリを数分以内に回収し、待機時はゼロまで縮小。複数ターンのエージェントでセッションあたり最大 68 パーセント削減
課金常駐型はメモリの基準量を最小課金とし、最大 4 倍までバーストできる基準価格。AWS Lambda MicroVM の料金で課金
データの分離S3 バケットなどを FUSE で動的にマウントし、作業をセッションの信頼境界内に置く。re:Invent までにセッション単位の保存先の分離を予定

顧客の事例として、Coinbase はエージェントのセッションのコールドスタートが約 1 分から 5 秒未満に短縮されたとしている。Mission Cloud は、推論要求のコールドスタートが 35 パーセント、ヘルスチェックの開始が 77 パーセント高速化し、呼び出しあたりの実行コストが 17 パーセント低下したとしている。Zuora は、呼び出しあたりのメモリ使用量が多くの用途で約 60 パーセント削減されたとしている。

提供は、北米、南米、欧州、アジア太平洋の AWS リージョンで本日から行われる。

背景として、11 月 12 日号の「ほかの確認済みの更新」で扱った AgentCore Harness とは別の機能である。Harness は管理既定値と組み込みツールの追加、ランタイムは実行基盤の更新である。

確認しておきたい点は次のとおりである。

  • 利用するリージョンでの提供状況
  • 基準価格の対象とバースト時の料金
  • S3 マウントの対象と、セッション単位の保存先の分離の提供時期
  • 効率の数値は AWS の測定と顧客の事例によるもので、比較条件は原典で確かめること

EastBraverの見立て: エージェントの実行基盤で、起動の速さと分離と課金の 3 点が同時に更新された点が大きい。待機時の縮小と基準価格は、常駐型エージェントの費用の見通しに関わる。データの分離が S3 マウントで信頼境界内に入った点も、長時間のエージェントの運用では確認しておきたい。導入の判断は、AgentCore ランタイムの紹介記事で、提供リージョンと料金、利用条件を確認してから行うとよい。

出典:AWS(https://aws.amazon.com/blogs/machine-learning/run-agents-securely-and-efficiently-with-the-next-generation-agentcore-runtime/ 、2026年11月12日発表、2026年11月13日確認)

関連する技術ガイド: AI Agent / Sandbox

IBM、LLMON と Granite 4.1 LLMON プレビューを公開

IBM は、LLM 向けのマークアップ言語 LLMON(LLM Object Notation)と、Granite 4.1 の LLMON プレビューモデルを、11 月 12 日に Hugging Face Blog で発表した。実験的なプレビューで、探索と評価向けであり、本番利用向けではない。granite-4.1-3b-LLMON-preview と granite-4.1-8b-LLMON-preview の 2 件と、ツールキットを含む GitHub リポジトリが公開された。Mellea は LLMON にネイティブ対応している。

LLMON は、指示とデータを分離する仕組みである。意味のあるタグを、予約された特殊トークンの区切りで囲み、構造と内容で語彙を分ける。JSON の括弧や引用符ではなく、指示・データ・要件に ID を付け、実行ブロックがどの指示をどのデータに適用するかを指定する。実行ブロックに呼ばれていない指示やデータは無視される。既存の JSON を LLMON へ損失なく変換するツールが用意され、独自の語彙は LoRA で学習できる。

評価の主な数値は、IBM の測定によるものである。

  • OPI ベンチマークで、試した最良のフロンティアモデルと比べ 47 パーセント多くの攻撃を回避し、最良のオープンソースモデルと比べ 95 パーセント多く回避した。一部のベンチマークでは、間接的なプロンプトインジェクションの攻撃成功率がほぼゼロに近いとしている
  • 汎用性能は、Granite 4.1 Instruct モデルと同等としている
  • 対象は静的な間接プロンプトインジェクションで、複数ターンにわたる適応的な攻撃への対応は開発中としている

モデルは Granite 4.1 のベースモデルから作られ、事後学習で LLMON の振る舞いを学習した。5 段階の GRPO と DPO を経ており、論文は arXiv で公開されている。

確認しておきたい点は次のとおりである。

  • プレビュー版のため、本番利用の前に提供条件と対応範囲を確認すること
  • 攻撃への耐性は IBM の測定によるもので、対象は静的な間接プロンプトインジェクションに限られる点
  • 独自の語彙を使う場合の LoRA 学習の手順と、Mellea での利用方法

EastBraverの見立て: 指示とデータを分離する構造を、モデル側の学習で身につけさせる試みである点が大きい。JSON の代わりに専用の記法を使うため、既存のパイプラインへの組み込みには変換ツールの利用が前提になる。攻撃への耐性の数値は IBM の測定によるもので、静的な攻撃が対象のため、適応的な攻撃への対応は今後の開発待ちである。評価の判断は、LLMON の紹介記事で、ベンチマークの対象とプレビューの条件を確認してから行うとよい。

出典:Hugging Face(IBM Granite)(https://huggingface.co/blog/ibm-granite/llmon-an-llm-native-markup-language-now-in-granite 、2026年11月12日公開、2026年11月13日確認)

関連する技術ガイド: プロンプトインジェクション / LLM

AWS、Codex を Bedrock 経由で使う企業向け手順を公開

AWS は、Codex を Amazon Bedrock 経由で使う企業向けの導入手順を、11 月 12 日に公開した。Codex は開発者の端末で動き、モデルへの要求を Bedrock 経由にする。対応モデルは GPT-5.6 Sol、Terra、Luna で、記事の例では us.openai.gpt-5.6-sol と us-east-2 を使う。Guidance for Codex on AWS のオープンソースリポジトリに、手順と設定ファイルがある。

導入の経路は 3 つに分かれる。

経路内容
Native AWS Access推奨の出発点。少人数の最小権限のパイロット向け。IAM Identity Center の認証を使う
AgentCore GatewayAWS 管理のゲートウェイ基盤で振り分けや Guardrails を使う場合
LLM Gateway既存のゲートウェイで要求経路の制御を行う場合。独自の統合はこの発展形

パイロットの確認事項として、2 人の利用者による ID 分離の確認と、ロールバック(設定や IAM Identity Center の割り当ての除去、再呼び出しの拒否の確認)が挙げられている。観測には Codex の OpenTelemetry と ADOT、CloudWatch の Coding Agent Insights ダッシュボードを使い、ID と監査は AWS の記録、課金は CUR 2.0 で確認する。

今回の記事は導入手順の公開であり、新しいモデルの提供開始ではない。Codex を Bedrock 経由で使う機能そのものは、記事の記述上、すでに利用されている前提で書かれている。

確認しておきたい点は次のとおりである。

  • 利用するリージョンで Sol、Terra、Luna が利用可能か
  • パイロットの対象者と権限の範囲、ロールバックの手順
  • 観測と課金の証跡を、どの記録で確認するか

EastBraverの見立て: コーディングエージェントを企業の ID 管理と監査の枠組みに載せる手順が、AWS の公式の手引きとして出た点が大きい。3 つの経路は、認証だけで足りる場合と、ゲートウェイでの制御が必要な場合で分かれている。導入の判断は、Codex on Bedrock の紹介記事で、対応モデルと利用するリージョン、必要な権限を確認してから行うとよい。

出典:AWS(https://aws.amazon.com/blogs/machine-learning/openai-codex-on-amazon-bedrock/ 、2026年11月11日公開、2026年11月13日確認)

関連する技術ガイド: AI Agent / LLM API

Google Cloud、Organization Policy MCP サーバーを一般提供

Google Cloud は、Organization Policy MCP サーバーの一般提供と、Gemini による自然言語での制約作成を、11 月 12 日に発表した。Organization Policy は、100 件超の定義済みポリシーと独自の制約で、Google Cloud のリソース階層にガードレールを設定する仕組みである。

MCP サーバーは、エージェントやパイプラインが Organization Policy を直接操作できる道具を出す。

  • ListConstraints、GetCustomConstraint:適用される制約の把握
  • GetEffectivePolicy:継承とタグ条件を考慮した実効ポリシーの計算
  • CreatePolicy、CreateCustomConstraint:会話を通じたガードレールの管理

従来、独自の制約は CEL で書く必要があったが、Gemini への自然言語の指示で作成できるようになった。例として、Agent Runtime でのエージェント ID の利用の要求、承認済み Agent Gateway の利用の要求、GKE の自動アップグレードの無効化の禁止が挙げられている。Gemini は準拠・非準拠のテスト用リソース設定も生成し、適用前にドライランで検証できる。対象サービスには Agent Runtime、Agent Search、Agent Studio(Gemini platform)、Cloud Run、GKE などがあり、CIS と PCI に基づくサンプル制約のライブラリも用意されている。

確認しておきたい点は次のとおりである。

  • MCP サーバーの利用条件と、エージェントに与える権限の範囲
  • 自然言語で作った制約の検証方法(ドライランとテスト用設定の利用)
  • 対象のサービスと、適用する組織・フォルダ・プロジェクトの範囲

EastBraverの見立て: クラウドのガードレールを、エージェントが直接操作できる MCP の道具として出し、制約の作成を自然言語で行えるようにした点が大きい。エージェントにポリシーの管理を任せる場合は、与える権限とドライランでの検証が前提になる。導入の判断は、Organization Policy の紹介記事で、対象サービスと利用条件を確認してから行うとよい。

出典:Google Cloud(https://cloud.google.com/blog/products/identity-security/ai-powered-cloud-governance-whats-new-in-organization-policy/ 、2026年11月12日公開、2026年11月13日確認)

関連する技術ガイド: MCP

ほかの確認済みの更新

  • OpenAI、子どもの安全に関する研究支援 — OpenAI は、Paris Peace Forum で「子どものための安全な AI に関する Charter of Engagement」に署名し、子どもの権利と保護に関する連合のもとにある科学研究ネットワークの支援に 200 万ドルを拠出すると発表した。研究チームは結論の管理権を保ち、否定的・不確実な結果も含め findings を公開する。共有の測定手法の開発を支援する。出典:OpenAI(https://openai.com/index/children-first-declaration 、2026年11月12日公開、2026年11月13日確認)
  • Cloudflare、Workers AI に EmbeddingGemma 2 を提供開始 — Google DeepMind のオープンなマルチモーダル埋め込みモデルで、テキスト、コード、画像、動画、音声を 1 つの 768 次元のベクトル空間に写す。100 言語超に対応し、次元は 128、256、512 から選べる。文脈窓は 8,192 トークンで、価格は入力 100 万トークンあたり 0.0017 ドル。出典:Cloudflare(https://developers.cloudflare.com/changelog/post/2026-11-12-embeddinggemma-2-workers-ai/ 、2026年11月12日公開、2026年11月13日確認)
  • AWS、Bedrock AgentCore に Web Search API を提供開始 — InvokeWebSearch 操作で、Amazon が運用するウェブ索引を 1 回の API 呼び出しで検索できる。IAM の署名認証で、API キーは不要。ドメインの絞り込みと公開日の絞り込みができ、結果は最大 25 件まで返す。既定の上限は、アカウントごとに各リージョンで毎秒 10 件の要求。出典:AWS(https://aws.amazon.com/blogs/machine-learning/introducing-the-web-search-api-on-amazon-bedrock-agentcore/ 、2026年11月11日公開、2026年11月13日確認)

Written by

柿添貴士(TakashiKakizoe) profile photo

柿添貴士(TakashiKakizoe)

Webエンジニア/テックリード

Fukuoka, Japan

  • PHP
  • Laravel
  • Next.js
  • AWS
  • Cloudflare
  • AI Agent