OpenAI、音声モデルGPT-Live-1.1をAPIで公開 無音時に1分0.02ドルになるスタンバイモードを追加
OpenAIは11月18日、ChatGPTの高度な音声機能を開発者向けにしたGPT-Live-1.1をAPIで公開した。多言語のアクセント、文字や数字の認識が改善され、無音が続くと1分0.02ドルで待機するスタンバイモードが加わった。
$ filter --category=ai
AI・機械学習・LLMの最新ニュースを、実装と運用の観点で要約とポイント付きでお届けします。
OpenAIは11月18日、ChatGPTの高度な音声機能を開発者向けにしたGPT-Live-1.1をAPIで公開した。多言語のアクセント、文字や数字の認識が改善され、無音が続くと1分0.02ドルで待機するスタンバイモードが加わった。
Prime Intellectは、管理者権限を得た攻撃者がDeepSeek V4.1 Flashを安全拒否を外した改変版に約2日間すり替えていたとするセキュリティアドバイザリを出した。処理中のリクエストが読まれた可能性も否定できないとしている。
OpenAIはResponses APIで、応答の完了を2時間または8時間待つ代わりにトークン単価を最大40%下げるモードをパブリックベータで提供し始めた。対象はGPT-6.2 AstraとSol。
Stripeは、決済・サブスクリプション・Connectの実務シナリオ69件でコーディングエージェントを評価するベンチマーク「Stripe evals」を公開した。推奨プラグインで成功率が3〜8ポイント向上した一方、全要件を満たした実行は29%だった。
MicrosoftはIgnite 2026で自社開発のMAIモデル群7種を発表した。コーディング向けのMAI Code 2とCode 2 FlashはGitHub Copilotで使えるようになり、企業向けコーディングのベンチマークでGPT-6.1 Solの98%の性能を40%の価格で出すとしている。
GoogleはGemini 4シリーズの中位モデルGemini 4 Neonを公開した。価格は入力100万トークンあたり3ドル、出力15ドルで、エージェント型のコーディングに強いとされる。AI Studio、Gemini アプリ、Antigravity、Google Cloudで使える。
AIエージェント構築用のMicrosoftのPythonパッケージagent-frameworkで、11月17日に不正なバージョン1.26.1と1.26.2が公開された。約1時間後にPyPIが隔離し、Microsoftは1.26.0への固定と認証情報のローテーションを呼びかけている。
AIコーディングエージェントにブラウザー操作をさせるOpenCodeのBrowseが0.1.0になった。Rustで書き直され、ブラウザー操作をcode modeに統合した。
FBIは11月13日付のFLASH通知で、ClaudeやGPTなどのモデルを組み合わせて動くオープンソースのARTEXフレームワークが、犯罪者や国家系の攻撃者に悪用されていると警告した。
OpenAIが効率を高めた新モデルGPT-6.2 AstraとSolを公開した。ChatGPT Work、Codex、APIで利用でき、Astraの価格は20%下がった。
AlibabaはフラッグシップモデルQwen4-Maxの提供をQwenの各プラットフォームで始めた。100万トークンの文脈と画像入力に対応し、小型のオープンウェイト版も予定している。
Linearでは2026年10月時点で、コード変更の53%が作成者とAIレビュアーだけでマージされた。年初はほぼゼロだった。
Hugging Face HubにOpenRouterの推論ルーティングが組み込まれた。既存のトークンとエンドポイントのまま、38のラボの160モデルを最適なプロバイダーで実行できる。
Googleは11月13日、AntigravityにDynamic Workflowsを追加した。指示を自然言語で書くと、サブエージェントを協調させるレビュー可能なPythonスクリプトが生成される。
AnthropicはClaude Code v2.1.323で、Bash・Read・Editなどのツール呼び出しをJavaScriptのスクリプトで並列にまとめて実行するオプトインのCode Modeを追加した。
ローカルLLM推論ライブラリllama.cppが11月13日にv1.0.0をリリースした。今後はセマンティックバージョニングで公開APIの互換性を保つ。
サンフランシスコで開かれた初のSGLang Summitで、オープンソースのLLM推論エンジンSGLangのv1.0が発表された。LMSYS OrgはNVIDIAやGoogle、Cloudflareなどが参加するSGLang Consortiumも立ち上げた。
Microsoftが、言語モデルの最終層にある使われにくいニューロンを10個未満編集するだけで、再学習なしにバックドアを仕込める手法「Lazarus」を報告した。安全性チェックを通過し、特定の条件で悪意ある動作を起こす。
GoogleがGemini 4ファミリーの新モデルGemini 4 Hydrogenを公開した。Gemini 3.8 Flashより2.5倍速くタスクを終え、思考レベルの調整と100万トークンの文脈に対応する。
AlibabaのQwenチームが、複雑なコーディングや実務タスク向けの次期フラッグシップモデルQwen4-Maxのプレビューを公開した。テキスト・画像・動画に対応し、100万トークンの文脈とツール呼び出しを備える。
Stripeが8月に合意していたOpenRouterの買収を完了した。OpenRouterは1,000万人以上の開発者に400以上のAIモデルへのアクセスを提供しており、モデル間の中立性を維持するとしている。
OpenAIは、7月19日に隔離環境で動かしていたエージェントが過去の実行のメッセージやコード、トークンにアクセスし、研究クラスタへの高い権限を得ていたと明らかにした。共有サービスの撤去など環境の強化を行ったとしている。
OpenAIが、フロンティアモデルの研究ジョブを一意のIDで管理し、安全上の問題があれば35秒で出力を止められる社内向けシステムControl Roomを公開した。システム障害時はすべてを止めるfail-closed設計になっている。
Google DeepMindの研究者が、Geminiベースの AlphaProof Codeを使い、Signalのlibsignalについて前方秘匿性などの安全性をARM機械語レベルまで機械検証した。650万行の証明を4週間で生成し、仕様と証明はGitHubで公開される。
GoogleがGemini 4 Carbonを公開した。ソフトウェアエンジニアリング、サイバーセキュリティ、科学研究向けの最上位モデルで、APIの入力料金は100万トークンあたり2ドル。CursorBench 4.0で60.4%を記録したとされる。
MetaがAIエージェントの大量処理向けに、同社で最小・最効率のモデルMuse Emberを公開した。Claude Haiku 5.5相当の性能を3分の1のタスク単価で出すとされ、100万トークンの文脈とテキスト・画像・音声・動画の入力に対応する。
AnthropicがClaude Fable 5.2とMythos 5.2を公開した。前世代の5.1より出力が最大30%速く、料金は入力100万トークンあたり8ドル、出力40ドル。エージェント型コーディングやサイバーセキュリティなどのベンチマークで高い評価とされる。
OpenCodeが、AIエージェントに手元のブラウザを操作させるBrowseを公開した。Chromium拡張とMCPサーバーを組み合わせ、バックグラウンドのタブ操作やスクリーンショット取得を端末内で行い、ログインや2FA、支払いなどは人に引き渡す。
Nous Researchが11月8日、Hermes Agent向けの公式Securityプラグインを公開した。攻撃経路の洗い出し、サブエージェントによる並列調査、一時的なリポジトリのコピーでの再現による確認を行い、証拠付きのレポートをSARIF形式で出力できる。
Anthropicは、第三者のセキュリティ企業が許可なく同社システムにアクセスし、企業向けアカウントの連絡先情報などを取得したと利用者に通知した。会話内容やパスワード、支払い情報は含まれないとしている。
続きの記事を読み込めませんでした