CRYPTO & AI
無料で登録
AI

先週のAI市場を5分で振り返り

直近1週間のマーケット情報・主要ニュースをまとめました。

先週のAI市場を5分で振り返り

おはようございます。
先週1週間(6/7〜6/13)のAI市場の振り返りです。


📰 Pickup News

Anthropic「Claude Fable 5 / Mythos 5」発表 — 1週間で称賛から謝罪まで

WWDC 2026:新Siriは独立アプリに、基盤はApple Foundation Models+Geminiの共同採用

  • 6/8〜12のWWDC 2026で、Appleが新Siriを発表しました。独立アプリとして再設計され、会話能力とvisual intelligence(画面やカメラ越しの視覚理解)が強化されています。基盤はApple Foundation Modelsに加えてGoogleのGeminiを共同採用しました。
  • iOS 27ではメッセージのAI返信、アプリ横断の文脈把握、SafariのAIタブ管理、写真のAI編集(Reframe/Extend/Cleanup)など、OS全体でAI機能が全面拡充されます。
  • Image Playgroundの品質改善や、新しいShortcutsでのAIワークフロー構築など、クリエイティブ・自動化系のアップデートも揃いました。
  • 「データはリクエストの実行にのみ使用する」というプライバシーの建前は維持しています。
  • 前号で紹介した「WWDC直前リーク(SiriにサードパーティAIを差すExtensions)」が本発表で回収された形です。見どころは、自前モデルへのこだわりよりも「Geminiとの相乗り」を選んだAppleの現実路線で、AIアシスタント競争の勢力図に直結します。

AI IPOウェーブ — SpaceXが史上最大IPO、OpenAIも秘密申請、Mag-7は$2T喪失

Google、Gemini悪用の詐欺集団「Outsider Enterprise」を提訴 — FBI・通信3社と一斉摘発

  • 6/12、GoogleがGeminiの悪用を理由とする初の訴訟を起こしました。Geminiにフィッシングサイトのコードを生成させる手口を使う詐欺ネットワーク「Outsider Enterprise」が対象です(9to5Google)。
  • 規模は偽サイト9,000超・不正URL約100万件、被害者は「数十万人」、被害額は数百万ドル規模。2025年11月〜2026年4月の5か月だけで159万件の不正URLが検出されています。
  • 手口はGoogle・YouTube・USPS・E-ZPassなどの偽装で、Telegram上ではフィッシングキットが流通していました。
  • 訴訟と並行して、FBIおよびAT&T・T-Mobile・Verizonと連携し、詐欺テキストが届く前にブロックする対策を含む一斉摘発を実施しました。
  • NYTは「AIがオンライン詐欺をsuperchargeしている」と総括。前号で紹介したAnthropicの「AI駆使のサイバー脅威が1年で倍増」という研究が、要は現実の事件として可視化された格好です。

OpenAI、Ona(旧Gitpod)を買収 — Codexは週間500万ユーザー、「chatは死んだ」

  • 6/11、OpenAIがドイツ・キール発のOna(旧Gitpod)の買収を発表しました。AIエージェント向けにアクセス制御・監査証跡を備えたセキュアなクラウド実行環境を提供する企業です。金額は非開示で、通例のクロージング条件の充足を待って完了する予定です。
  • 狙いはCodexの長時間実行。開発者がPCを閉じた後も、エージェントが顧客のクラウド内でタスクを継続できるようにします。
  • Codexは週間ユーザー500万人超・年初比+400%と急成長中で、タスクの単位は「分」から「数時間〜数日」へ伸びています。
  • 同じ週の6/7には、OpenAIが「chatは死んだ」として、ChatGPTを自律エージェントアプリへ作り替える計画も報じられました。
  • 前号の「MicrosoftがClaude Codeを打ち切りCopilot CLIへ誘導」と同じ開発エージェント戦線の動きで、要は競争の焦点が「どのモデルか」から「エージェントをどこで安全に走らせ続けるか」に移ってきています。

📗 Pickup Article

面白いと思ったポストや記事を紹介します。

Interconnects:「Claude Fable 5 and new AI safety fables」

  • 6/9、Nathan Lambert氏がFable 5を「公開モデルとして確実に最高性能」と能力面では高く評価しました。
  • 一方で、フロンティアAI研究を検知すると通知なしで性能を落とす仕組みを「勝手に知能が下がるAIはカテゴリカルに不整合(misaligned)」と痛烈に批判しています。
  • サイバー・生物分野の制限は明示するのに、AI研究の制限だけ秘密にしていた一貫性のなさを指摘し、「安全」の名の下の市場支配強化ではないかと疑義を呈しました。
  • この件がオープンソースAI開発の動機になり、分散型の方が「より安全な結果」をもたらすとも主張しています。
  • Pickup News①のAnthropicの謝罪に直結した、今週最重要の論説です。

Simon Willison:「Claude Fable is relentlessly proactive」

  • 6/11公開、Hacker Newsで723ポイント。Fable 5が指示なしにブラウザを開いてスクリーンショットを撮るなど、自律的に探索する挙動を実機レポートしています。
  • PyObjC+HTTPサーバーで自前のデバッグツールを即席開発したり、テンプレートにJavaScriptを注入してバグを再現したりと、問題解決の自走ぶりが具体的です。
  • ただし「CSS 2行の修正に$12」かかるなど、コスト効率には難ありとも。
  • この積極性が悪意ある指示と組み合わさると「データ流出や損害が恐ろしい」と、能力と裏腹のリスクを率直に警告しています。

Anthropic研究:パッチから数時間でエクスプロイト構築 — 「N-day」が「N-hour」に

  • 6/8にAxiosが独占報道(The Decoder続報は6/10)。Mythos PreviewがFirefoxの18件のパッチ済み脆弱性から8件の動作するエクスプロイトを自律構築し、最初の1件はパッチ公開から1時間以内に完成しました。
  • Windowsカーネルでは21脆弱性中18件でクラッシュの実証に成功し、最初のPoC(proof of concept、実証コード)生成はわずか31分。コストは1件あたり約$2,000(検証全体で約$15,700)です。
  • N-day脆弱性(パッチ公開済みの既知脆弱性)を突くまでの猶予が「数週間→数時間」へ縮む、という意味で「N-day→N-hour」と呼ばれています。
  • 防御側もAI前提の運用速度が必須になる、というのが研究の主旨です。
  • Fable 5を二層公開にした根拠を、Anthropic自らデータで示した形でもあります。

Epoch AI:単一データセンターの計算容量記録は7か月ごとに倍増

  • 6/11公開のデータインサイト。単一データセンター(DC)の計算容量の「記録」が約7か月で倍増しているという分析です。
  • 前号でも触れた「世界全体のAI計算能力は年3.3倍」という同社の推計とも整合します。
  • 今週のOpenAIオハイオ10GW、Meta×Reliance、NVIDIA×SKといった個別のインフラニュースを、定量データで裏づける1本です。
  • インフラ報道を追うときの「物差し」として手元に置いておきたい資料です。

📊 Market & News

※ 7分類で整理しています。資金調達ラウンド単体は日曜の「資金調達PJまとめ」に集約しています。

🏢 フロンティアラボ動向

🧠 モデル・研究

🤖 AIエージェント・開発ツール

⚡ AIインフラ・半導体

🎬 プロダクト・デバイス

💼 ビジネス・雇用・経済

⚖️ 政策・規制・安全保障・倫理

来週の注目:G7サミット(6/15〜17)でのAI議題と3大ラボトップの揃い踏み、そしてリリースが近いと観測されるGoogleの「Gemini 3.5 Pro」です(未発表のため本文では扱っていません)。


TOPICS

DEBUNK編集長

あわせて読みたい用語解説

用語解説をすべて見る →
【スケーリング則】計算・データ・パラメータを増やすと、AIの性能はどこまで予測どおりに伸びるのかAIの開発各社が計算資源に巨額を投じる理由になっているスケーリング則を、Kaplanらの2020年の論文とChinchillaの2022年の論文、その後の使われ方、よくある読み違いとあわせて整理します。【プロンプトインジェクション】AIエージェントが読んだ文章に指示を紛れ込ませる攻撃と、防ぎきれない理由AIエージェントが外部の文章を読んで動くときに起きるプロンプトインジェクションを、直接型と間接型の違い、根本的に防ぎにくい理由、各社の対策の現状とあわせて整理します。【トランスフォーマー】いまのAIの土台になった仕組みと、注意機構が並列の学習を可能にした理由ChatGPTをはじめ、いまの言語モデルの土台になっている「トランスフォーマー」を、注意機構の考え方、並列に学習できる理由、その弱点と最近の改造とあわせて整理します。【拡散モデル】ノイズから画像や動画を作る仕組みと、トランスフォーマーとの組み合わせ画像・動画の生成AIの多くが使う「拡散モデル」を、ノイズを足して消す仕組み、文章で指示する方法、トランスフォーマーとの組み合わせ、速くする工夫とあわせて整理します。【合成データ】AIの学習に使う「作られたデータ」の仕組みと、モデル崩壊の議論AIの学習に使う「合成データ」を、言語モデル・シミュレーター・表データという3つの作り方、モデル崩壊の議論、いまの使われ方とあわせて整理します。【推論(インファレンス)】学習済みのAIが答えを出す工程と、その費用と速さを決めるものAIが答えを出すたびに走る「推論(inference)」を、学習との違い、入力を読む段階と答えを書く段階の仕組み、推論向けチップの動きとあわせて整理します。【RLHF】AIの「振る舞い」を作る強化学習の工程と、人の採点・AIの採点・自動判定の違いチャットAIの受け答えを形づくる人のフィードバックによる強化学習(RLHF)を、後継のRLAIF・検証可能な報酬での強化学習(RLVR)とあわせて、仕組みと弱点からまとめます。【マルチモーダル】画像・音声・動画をAIはどう読むのか。仕組みと、2026年でも苦手なこと文章だけでなく画像・音声・動画も扱うマルチモーダルなAIを、画像をトークンに変える仕組みと、大学の試験は解けても時計の読み取りで負ける理由からまとめます。