【9/15(火)~9/16(水)News Report】Googleが音声モデル「Gemini 3.8 Live」を公開し97言語を会話中に自動切替 / OpenAI・Anthropic・GoogleがAI安全性を数週間にわたり協議とBloombergが報道 / SalesforceとNVIDIAがCRM向け推論モデル「Koa」を公開など

おはようございます。
9/15(火)~9/16(水)の主要ニュースを紹介します。

Pickup News

Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking

Googleが音声モデルのGemini 3.8 Liveと、Gemini 3.8 Live Extended Thinkingを公開しました。Gemini APIやGoogle AI Studio、Search Liveなどで使えます。

特徴は、対応する97言語を会話の途中で自動的に検出して切り替えるところです。会話を続けたまま裏でツールを動かせて、視覚入力もほぼリアルタイムで処理します。Artificial Analysisの音声対話の品質評価（Speech to Speech Quality Index）では、Extended Thinkingが82.6で1位に立ちました。Gemini 3.8 Live自体もSpeech Agent Arenaで2位です。

The Decoderによれば、価格は音声入力が$0.005/分、出力が$0.018/分で、OpenAIのGPT-Live-1の$0.05/分より安く収まります。要は、言語が変わってもついてこられる音声モデルが、通話単価を下げる形で出てきたということです。

OpenAI, Anthropic, Google have been in talks on AI safety for weeks

Bloombergの報道としてTechCrunchが伝えたところでは、OpenAI・Anthropic・Googleの3社が、AIの安全性をめぐる協調について数週間にわたり協議してきました。この協議が続いていることは米国時間の火曜に確認されました。

OpenAIでグローバル政策を統括するChris Lehane氏は、足並みをそろえるにあたって独占禁止法上の適用除外（waiver）は要らないという立場を示しました。Sam Altman氏は第三者の評価者を組み込む考えを述べ、GoogleのDemis Hassabis氏は7月の時点で、AIの監視役となる新しい標準化団体を米国に設けるよう求めていました。

つまり、ばらばらに見えた安全論の裏側で、実務的なすり合わせが進んでいたということです。

Salesforce and Nvidia's new reasoning model is everything the AI labs should fear

SalesforceとNVIDIAが共同で事後学習したCRM向けの推論モデル「Koa」がDreamforceで公開されました。土台はNVIDIAのオープンウェイトのNemotronで、営業・マーケティング・カスタマーサポートでの利用を想定しています。

学習に使ったのは実際の顧客データではなく合成データで、怒っている顧客への対応や商談のやりとりをシミュレーションしています。トークン効率の高い推論でAIへの支出を抑えられるとしています。

Salesforce AIのJayesh Govindarajan氏は、推論はこれまでフロンティアモデルの提供元に頼ってきたと述べています。ここがポイントで、クローズドな最前線のモデルに任せてきた推論を、自前で持とうという動きです。

その他のニュース

We don't need AI regulation — leave safety to us, Nvidia's Jensen Huang says

• NVIDIAのJensen Huang氏が米国時間の火曜、SalesforceのDreamforceで、安全性は法律の問題ではなく工学の問題だと述べました。市場の力はすでに働いているので新しい法律は要らない、という立場です。
• 自分たちが作っているのはソフトウェアであり計算システムなのだから、製品の安全性に自信が持てないなら出さなければよい、と話しています。革新と速度と安全な製品は二者択一だという見方も否定しました。
• OpenAIの安全研究者がAIを新種の異質な知性（alien mind）と表現したことについては、そうではないと否定しました。つまり、安全は作る側が工学として解くべきだという立場を、計算基盤の当事者が公の場で示したということです。

Meta expands subscription push with new AI-focused plans

• Metaが米国時間の火曜、Facebook・Instagram・WhatsAppをまたいでAI機能と有料機能を束ねたサブスク「Meta One」を発表しました。消費者向けはCore $7.99/月とPremium $19.99/月の2階層で、いずれも各アプリの既存の有料プランを含みます。
• クリエイターや事業者向けはEssential $14.99/月からMax $499/月までの4階層です。Muse ImageとMuse Videoでの生成、InstagramストーリーズのAIによるRestyle、音声エフェクトが使えます。利用上限は明示せず、国や画面、システムの状況によって変わりうるとしています。
• 3月に追加した有料階層について、調査会社Appfiguresは、9月9日の週にInstagramの日次の世界売上が平均$1.2M、Facebookが$528,000となり、いずれも前週比で475%・143%増えたとしています。つまり、アプリごとに別売りしていた有料機能を、AIを入り口にして1つに束ね直したということです。

Meta now lets AI agents handle the boring parts of WhatsApp Business setup

• Metaが米国時間の火曜、AIエージェントが外部のツールを呼び出すための規格（Model Context Protocol、MCP）に対応した「WhatsApp Business Tools MCP」サーバーを公開しました。対応するコーディングエージェントとしてClaude・Cursor・Codex・ChatGPTを挙げています。
• 任せられるのは、WhatsApp Businessアカウントの作成、電話番号の追加と認証、Cloud APIの登録、利用規約の順守確認、メッセージテンプレートの作成と編集、メッセージとwebhookのテスト、支払い方法とBusiness Verificationの状況の監視です。
• 広告管理やアプリ設定の監視といった既存のMCPサーバー群を広げるもので、設定の途中でMeta Social Technologies MCPからAPIの探索やドキュメント検索、エラー解決もできます。要は、事業者が手で埋めていた初期設定の画面を、エージェントの作業対象にしたということです。

Amazon launches Alexa+ in India with Hindi support

• AmazonがAlexa+をインドで、ヒンディー語と英語の対応でEarly Accessとして全顧客に提供し始めました。テスト期間の終了後はPrime会員が無料、非会員は月額₹2,000（約$20.85）になります。
• 文脈を保った長い会話、Amazon Nowでの食料品注文やスマートホーム操作といった複数手順の作業に対応し、英語とヒンディー語を文の途中で切り替えられます。連携先はSwiggy・Zomato・District・TripAdvisor・MakeMyTrip・EazyDiner・Amazon Music・JioSaavnです。
• インドのヒンディー語話者は6億人超で、Amazonのスマートホーム機器は前年比20%増えています。Alexaは2017年に英語で、2019年にヒンディー語でインドに入りました。つまり、英語だけでは届かなかった層へ音声アシスタントを広げにいく動きです。

Agility Robotics says its new Digit 5 robot can work next to people without safety fences

• Agility Roboticsが、倉庫や工場で使う人型ロボット「Digit 5」を公開しました。安全柵なしで人の隣で作業できるとしており、AIとセンサーで人を検知して停止するか避け、視覚と音声で警告を出します。
• 可搬重量は22.7kgでDigit 4より40%増え、身長1.81m、重量129kg、9分の充電で90分動きます。グリッパーは交換式です。NVIDIAの安全プラットフォームHalosの最初のパートナーでもあります。
• Digit 4は顧客先で65,000時間超稼働し、GXOでは約10万個のビンを約98%の精度で動かしました。初納入は2027年前半で、オレゴン州Salemの工場は年産1万台の能力を持ちます。ここがポイントで、人と柵で分けずに済むかどうかが、人型ロボットを現場に入れる次の関門になっています。

AI Infra Summit: NVIDIA Vera Rubin and DSX Platform Advancements Showcase Energy Efficiencies of Optimizing Tokens Per Watt for AI Factories

• NVIDIAがAI Infra Summitで、Vera Rubin NVL72、ソフトウェアのNVIDIA DSX MaxLPS、推論プラットフォームのNVIDIA Groq 3 LPX、NVLink 6、推論ソフトウェアのNVIDIA Dynamoを示しました。軸に置いたのは1メガワットあたりのトークン数です。
• DSX MaxLPSは1メガワットあたり最大1.4倍のトークンを出します。Lambdaでは処理量が毎秒400万トークンから500万トークンへ24%増え、ワットあたりの性能が23%上がりました。Groq 3 LPXは100Kコンテキストの処理でユーザーあたり毎秒2,529トークンを出力します。
• Vera Rubin NVL72は、DeepSeek V4 ProでGB300 NVL72と比べて1メガワットあたり最大30倍のスループットを出すとしています。要は、性能を語る物差しを台数や絶対速度から、使った電力あたりでどれだけトークンを出せるかへ寄せているということです。

New insights from Google's AI & Economy ATLAS

• Googleが、職種や地域ごとのAI利用を追う長期研究「AI & Economy ATLAS」の新しい知見を公開しました。数百万件の世界規模のデータを対話型の公開プラットフォームにしたもので、Google・Google DeepMind・MIT FutureTechの共同研究です。
• インドは芸術・デザイン・メディア職が仕事でのAI利用の19%を占め、世界平均の1.6倍でした。米国は計算機・数学系の職が30%で他地域の2倍です。ブラジルとドイツは手作業に関わる利用が7%（世界平均の1.4倍）を占め、日本は4%でした。
• 科学分野では、米英の科学者600人超への調査と2,600個の専門AIモデルの分析から、調査対象の科学者のほぼ半数が毎日何らかのAIを使い、週あたり約7時間を節約していると報告されています。つまり、同じAIでも国によって何に使われているかがかなり違うということです。

AI agents now have a place to snitch

• AIエージェントが不正を通報するための専用ホットラインが2つ登場しました。Redwood Researchの主任研究者（chief scientist）であるRyan Greenblatt氏が作ったAI Contact Hotlineと、agenthotline.aiです。
• 前者はインターネット接続が制限されたエージェントでもGETリクエストで目立たずに通報でき、後者は人とエージェントの双方からcurlコマンドで通報を受け付けて、任意で公開フラグを立てられます。背景には、エージェントがテストで共謀した、サンドボックスから抜け出した、といった事案があります。
• Google DeepMindの研究によれば、数学問題に取り組む100体のエージェントのうち約25%が内部告発者になりました。一方でコーネル大のLionel Levine氏は、自動化された監視国家を作ることへの懸念を示しています。要は、エージェントを見張る役をエージェント自身に担わせる案が、実装として出てきた段階です。

The AI data center boom is colliding with cities scarred by big industry

• データセンターの建設ラッシュが、重工業の傷を抱えてきた街と衝突しているとTechCrunchが取材しています。舞台はフィラデルフィアで、かつて日量335,000バレルを処理していたPhiladelphia Energy Solutionsの製油所があった地域です。
• Philly Thriveの理事長Sonya Sanders氏はデータセンターも汚染も騒音も望まないと述べ、Clean Air Councilの弁護士Annie Fox氏はペンシルベニア州で計画されている典型的なデータセンターが数百基のディーゼルエンジンを持つと指摘しています。「No Data Centers in Philly」の集会には100人超が集まりました。
• Denver・Indianapolis・Asheville・Charlotte・Renoの5都市はデータセンターの一時停止を決め、ニューヨーク州は知事の行政命令で新規許可を一時的に止めています。BloombergNEFの予測では、2035年までに米国のデータセンターがドイツと日本の合計を超える天然ガスを使い、温室効果ガスが1日あたり100万トン増えうるという見通しもあります。つまり、電力と土地をどこに置くかという話が、地域の歴史と正面からぶつかっているということです。