咸話咸説のデイリーAIシチュー、Robin がお届けします。
Anthropic の Claude Code 設定ファイルが数千個のシークレットを公開リポジトリに漏えいさせ、Meta AI がエージェント向け価格の Muse Ember 1.0 を公開、Robbyant が触覚事前学習モデル LingBot-Touch を公開しました。
セキュリティ企業 Apiiro、Claude Code の設定ファイルに GitHub へコミットされた数千個のシークレットを発見
このニュースはセキュリティに関わるもので、問題の舞台は毎日触っているあのファイルです。
AIセキュリティ企業の Apiiro が、公開 GitHub リポジトリの中に数千個のシークレットを発見しました。データベースのパスワード、APIトークン、root ログイン認証情報で、いずれもコミットされた Claude Code の設定ファイルの中に隠れていました。
漏えいの根本原因は、Claude Code が自動実行するコマンドを承認する方式にあります。ユーザーが承認プロンプトで「Yes, and don't ask again（はい、今後確認しない）」を選ぶと、その選択はローカルの .claude/settings.local.json にルールとして書き込まれます。このルールはワイルドカードパターンで書かれることもありますが、多くの場合コマンドそのものが設定ファイルにそのまま書き込まれ、コマンドに含まれていた機密情報もろともディスクに落ちます。
このファイルが開発者のマシンから出ていなければ、マシン自体が侵害されていない限り、大きなセキュリティ問題とは言えません。Anthropic の Claude Code ドキュメントにも、このファイルは開発者のグローバルな .gitignore リストに自動追加されるため、通常は公開で共有されることはないと記載されています。
ここで聞く価値があるのは、珍談ではなく「自動保護も迂回される」という点です。ドキュメントはローカル設定が無視リストに自動追加されると明言しているのに、公開リポジトリでシークレットが検索できてしまった。「ツールがデフォルトで正しくやってくれる」だけではすべてをカバーできず、特に人が手間を省くために「今後確認しない」を押した後に破綻するのです。本当に注目すべきは、この種の承認記録がディスクに落ちる前にサニタイズされるようになるか、そして各エージェントツールがコマンドそのものを検査対象にするかどうかです。今回の実用的な教訓は、認証情報が一度コミット履歴に入ったら、取り消されていないものとして扱うべきだ、ということです。
Anthropic、Claude Fable 5.2 と Mythos 5.2 を公開。1000エージェントが30時間でフェルマーの最終定理を形式化
次はモデルベンダーから。話題はハードコア寄りで、研究向けタスクに何をしたかに注目して聞いてください。
Anthropic が Claude Fable 5.2 と Mythos 5.2 を公開しました。Fable 5.2 は複雑な研究タスク向けのマルチエージェントシステムとして位置づけられ、大量のエージェントを投入して自主的に分担・調整し、形式化証明を前進させられます。発表資料によれば、1000体の Fable 5.2 エージェントが約30時間で、人間の介入を最小限に抑えながらフェルマーの最終定理を形式化したといいます。エージェントは最小限のプロンプトだけを出発点に、協力の方式を自力で構築し、数学の参考文献には一切当たらず、中間定理のステートメント群だけをスコアリング基準に使いました。対照として、コメントで言及された未公開の研究版は専用の実行フレームワーク組み立てと、そばに置いた人間リサーチャーを必要とし、全体で11日かかりました。
フェルマーの最終定理とは、2より大きい任意の整数 n について、x^n + y^n = z^n を満たす正整数 x・y・z が存在しない、という主張です。形式化とは自然言語の論証を書くことではなく、証明をコンピュータが検証できる機械検証可能な対象へ書き換えることです。Anthropic は以前、未公開の研究版 Claude で一度これを行い、11日を要しました。今回は1000体のエージェントが自発的に協働を組織したもので、モデルの推論能力、マルチエージェントオーケストレーション、形式検証の三つを同時に試しています。
可用性の面では、Fable 5.2 はすでに Claude Platform と Amazon Bedrock から入手でき、Mythos 5.2 は Anthropic の審査を通ったサイバーセキュリティとライフサイエンスの方向に限定されています。つまり前者のほうが技術タスクで使える面は広く、後者は依然としてアクセス制限付きです。
コミュニティの評価はこうです。Fable 5.2 の能力はすでに十分強いが、普通のタスクでは Opus 5.5 との区別がつきにくく、タスク目標と複雑さを明確に持ち上げて初めて差が見える。約12.5万行のプロジェクトで Opus 5.5 を開発に使った感想は良好だった、という声から、Fable と Mythos は本当に需要のあるワークフローに対応しているのかと疑う人もいます。さらに、5.5 が新バージョンの公開で弱められた可能性を疑う声や、発表内のベンチマーク設計への疑問——Carbon の異常な effort-intel 曲線、単一サイバーセキュリティベンチマークの横比較の欠如、Robodojo の比較が Carbon ではなく Argon に差し替えられたこと——もあります。
研究業務をするチームにとって、このニュースの重みは、マルチエージェントをオーケストレーションのデモから明示的な受け入れ基準付きのタスクへ押し進めた点にあります。形式検証は、間違えると機械がその場で捕まえてくれる種類の仕事です。だからこそ今回のデモは製品の約束というよりストレステストに近く、同じ協働品質が他の研究タスクで再現できるかどうかが、依存できる能力かどうかを決めます。そして Mythos が審査済みの方向に限られていること自体、Anthropic がこの種の能力にまだ参入障壁を設けていることを示しています。
Meta AI、Muse Ember 1.0 を公開。入力100万トークン対応、エージェントタスクに特化
次は価格を極端に押し下げたモデルの発表で、位置づけは日常タスクです。
2026年11月10日、Meta AI が Muse Ember 1.0 を発表しました。Meta はこれを自社最小・最高効率のモデルと呼び、エージェントが繰り返し実行するツール呼び出し、コーディングのサブタスク、ルーティング、抽出、長文書解析を主な対象としています。資料にある独立検証は現時点でまだ限られています。
価格面では、Ember は最大100万入力トークンに対応します。プロンプトが20万トークン以下の場合、入力・キャッシュ入力・出力はそれぞれ100万トークンあたり0.10ドル、0.004ドル、0.50ドル。20万を超えるとこの三つは0.30ドル、0.012ドル、1.50ドルに上がります。
横並びで見ると、短プロンプト帯域では Ember の入出力単価は GPT-6 Luna、Claude Haiku 5.5 と完全に同じで、どれも100万トークンあたり0.10ドルと0.50ドル。一方 Claude Fable 5.2 は8ドルと40ドルです。長プロンプトの加算閾値はそれぞれ20万、27.2万、10万トークンで、GPT-6 Luna と Claude Haiku 5.5 の長プロンプト入出力はそれぞれ0.20/0.75ドル、0.50/2.50ドルです。
Ember は minimal から max まで6段階の推論強度を提供します。Simon Willison が引用した Artificial Analysis のチャートでは、xhigh と max モードはタスクあたり約0.12ドル、0.14ドルで、Intelligence Index は約34と36とパレートフロンティアに載っています。ただしこれは特定ベンチマーク一つの結果で、SVG生成のある試行では high 段階が完全な図形を返さず、推論段階と視覚品質の対応も明確ではありませんでした。
これらの数字を並べると、エージェント開発者は短プロンプトと長文書タスクのコストを分けて計上できます。ただし既存の証拠は公式の位置づけ、特定ベンチマークのチャート、SVG生成の観察一回だけでは断言できず、実 workload で本当に安くなるとは言えません。
エージェントアプリを作る人にはこれが最も実用的なニュースです。ベンダーはタスク単位の課金を始め、推論強度は直接回せるツマミになり、開発者はコストと効果を自分で取引できるようになりました。注目すべきは自社の負荷での性能です。公開証拠はまだ薄く、価格表で節約できる分が業務に落ちてくるかは、サードパーティの実測と実際の請求書がものを言います。この課金構造が他社に追随されるかも要注目です。タスク単位の課金が常態化すれば、モデル選定のロジック自体が変わります。
GitHub プロジェクトが語る消費者版 Gemini のメール・ドライブ内容の人間レビュー経路、Google は未確認
次はコミュニティの調査です。具体的なメカニズムはまだ検証されておらず、境界線をよく聞いてください。
GitHub のオープンソースプロジェクト thisisme6598/gemini_files は、Connected Apps を有効にして Gmail または Google Drive を許可すると、消費者版 Google Gemini がメールやファイルの内容を人間のアノテーターによるレビューに送る可能性があると主張しています。
議論には重要な限定が一つあります。この主張の対象は消費者版 Gemini です。コメントが引用している Workspace の公式説明では、Workspace Gemini と企業向け Workspace Intelligence は人間によるレビューを受けないとされています。
この指摘が事実であれば、パーソナライゼーションのためにユーザーが差し出した個人データが人間のアクセスフローに入りうることになり、同意範囲・プライバシー開示・データガバナンスへの懸念に現実の根拠が与えられます。Google はこの具体的な経路を公式には確認していません。公式ヘルプセンターは Connected Apps のデータが限定的な状況で人間によるレビューを受けうることとその範囲を記載しているだけで、このプロジェクトが補っているのは具体的なトリガー経路と発生頻度であり、それらの再現詳細はまだ公式に確認されていないため、コミュニティの調査として見るべきものです。
人間のアノテーションとは通常、スタッフがモデルとの対話やツール呼び出しデータを検査し、安全性と品質を評価することを指します。このプロジェクトは、Connected Apps を通じて読まれたメール本文やクラウドファイルの内容もこのレビューフローに入りうると主張しています。Google の公式ヘルプ文書は、Connected Apps のデータが人間レビューを受けうることと対象範囲を明記しています。公式の見解がないのは、このプロジェクトが説明するバックエンドの取得経路、4状態のフロー、トリガー頻度です。
コメントでは、消費者版の状況を企業製品にそのまま外挿しないようにも注意が向けられています。Workspace Gemini と Workspace Intelligence は依然としてデータが人間レビューされないと主張しており、一方で複数の参加者が、ユーザー許可の後に消費者版がメールやファイルに触れる方式に不満を示しました。Gemini の回答がある催促メールに不自然なほど合致したという声や、アノテーションデータの学習利用や漏えいを心配する声もありますが、こうした体験談や推測は核心の主張を独立に検証できません。
ここで最も聞いてほしいのは境界線です。消費者版と企業版ではデータフローの説明が一貫しておらず、公式文書は両者の立場を明確に書き分けています。消費者版は人間レビューされうる、企業版は受けないと主張。はっきりしないのは、このプロジェクトが説明する具体的な経路のほうです。今手持ちの材料は一つのコミュニティ再現記録にすぎず、テスト手順とトリガー頻度は非公開で、Google はこの具体的な指摘に公の場で一切応答していません。だからこれは確定事項として扱えないし、かといって軽く流すべきでもありません。追うべきは、より完全な再現材料が出るか、そして公式説明が書き換えられるかどうかです。
Robbyant、LingBot-Touch の触覚事前学習を公開。4K時間のデータでリコール49.3%
次は研究寄りの話です。ロボットに触覚信号から学ばせる取り組みです。
Robbyant は論文を公開し、LingBot-Touch の推論コードとモデルチェックポイントを公開しました。このモデルは JEPA 型の自己教師あり学習を用い、生のセンサー信号を再構築するのではなく、遮蔽された接触領域の潜在表現を予測します。同じデータ上で同規模の MAE・VAE ベースラインと比較しています。
触覚から動画への Top-5 リコールは、1K時間のデータで三手法がそれぞれ32.1%、5.6%、4.4%。4K時間に拡大すると、JEPA は49.3%まで伸びる一方、MAE は9%未満、VAE は3.1%まで落ちました。論文の説明では、疎な触覚セグメントの多くはゼロに近い信号であり、再構築損失は有効な接触情報を学習する前に下がり続けることがあります。また、高いマスク率が学習初期にすべての接触ピクセルを隠して勾配爆発を起こさないよう、マスク率は300ステップかけて40%から80%へウォームアップさせています。
エンコーダーは正規化した指先座標で磁性・圧電・視触覚の3種類のセンサーを共有 Transformer で統一処理し、時間・指・三次元位置をカバーする5D RoPE を加えています。26の実ロボットタスクと4ポリシーにわたる104の組合せのうち、凍結特徴が最高得点を取ったのは89件。事前学習で見たことのない磁性ハンドへの転移では、LingBot-VLA のスコアが57.21から75.04に上がりました。Tiny モデルは約4K時間で飽和し始め、Small はまだ改善を続けており、より大きなモデルとより多くのデータが自然な次の方向です。これらの結論は依然としてこの一研究が報告するベンチマークの範囲に限られます。
この話が面白いのは、ゼロに近い疎信号は再構築方式での学習に向かないかもしれない、というデフォルトの前提に疑問を投げた点です。遮蔽部分の潜在表現を予測する手法は、「センサーの読みを再現する」を「接触で何が起きたかを推論する」に置き換えます。ロボットに本当に必要な意味論はこちらです。エンボディッドデータを扱うチームにとって、これはベンチマークスコアが一つ増えるより価値があります。ただし結論はまだこの研究のベンチマークに固定されており、他のセンサーで再現できるかは、他チームの実測を待つしかありません。
Reddit 実測：Qwen3.8 27B を8ビット KV キャッシュで動かすと64kコンテキストで約2GiB節約
締めはコミュニティの実測から。ローカルでモデルを動かすときの VRAM 消費に関わる話です。
Reddit に投稿された自己申告のテストレポートです。作者は Qwen3.8 27B の35種類の重み量子化バリアントを llama.cpp、ExLlamaV3、vLLM でテストし、KV キャッシュを16ビット、8ビット、対応する場合は4ビットで試しました。プロンプトはエージェントのツール呼び出しと複数ドメインを混ぜ、最長64kトークンです。
bf16 を基準にすると、8ビットキャッシュはトークンあたりのキャッシュ使用量を64KiB から32〜34KiB に圧縮し、64kコンテキストで約2GiB 節約できます。分布の変化はごく小さく、llama.cpp の q8_0 と ExLlamaV3 の8ビット版は KL ダイバージェンスの変動がともに0.00012未満、vLLM の FP8 は0.0004〜0.0006の増加です。
4ビットキャッシュは明らかな偏移が測定されました。llama.cpp の q4_0 は通常0.0016〜0.0027の増加、ExLlamaV3 のペナルティは重み精度によって異なり、しかも4ビットのペナルティは最初の4kトークンから16〜32kトークンの帯域にかけてさらに15%〜30%上昇しました。vLLM の NVFP4 と FP8 チェックポイントは、Marlin に bf16 アクティベーションを組み合わせる形に切り替えて改善しましたが、それでもより小さな UD-Q5_K_XL 量子化に追いついた程度です。
作者の助言は、VRAM が厳しいときは8ビット KV キャッシュを使い、4ビットはできるだけ避ける。特に長コンテキストでは避けるべき、というもの。ただしこの結論は一人の作者の手法と一つのモデルに由来するので、参考程度に留めるべきです。
用語をいくつか整理します。KV キャッシュは過去トークンの key と value のテンソルを保存するもので、アテンションはこれで計算を再利用します。精度を下げると VRAM を節約できる代わりに誤差が入り、長コンテキストでは誤差がより致命的になります。KL ダイバージェンスは量子化後の次トークン分布が bf16 基準からどれだけずれたかを測る指標で、作者は同一トークンのペアプロンプトで比較し、キャッシュの変化と重み量子化を切り分けました。量子化していない二つのエンジンの間でも KL は元々0.0004差があり、これをエンジン間のノイズ基準線として扱っています。
この話の価値は、照合できる物差しをくれたことです。多くの人が悩んでいるのは節約できるかどうかではなく、節約したわずかな VRAM のために出力分布を賭ける価値があるかです。このテストは両者の差を可視化し、一つのモデルと一人の手法しかカバーしていないことも忘れずに、と念を押しています。ローカル運用の人への実用的な読み方は、パラメータを鵜呑みにするのではなく、まず8ビットを試してから自分の負荷を確認する、という順序です。
この六つのニュースを並べると、安全とプライバシーが二つ、残りの四つは能力とコストの話です。エージェントが自分でチームを組む、小さいモデルを大量供給まで圧縮する、ロボットが触覚から学ぶ、VRAM をさらに削る。賑やかさの外で、開発者が安心して使えるかどうかは、やはりこうした地味なエンジニアリングの詳細にかかっています。
🎧 本エピソードはポッドキャストでも配信中：デイリーAIシチュー · 2026-11-10 を聴く。
