今日のポイント
- DeepMind — Google DeepMind の研究者たちは、エージェント型AIを使って、Signal プロトコルの主要な暗号学的保証のいくつかについて数学的証明、つまり形式検証を行った。報道はこれを、広く使われている暗号学とAIそのものにとって画期的な進展だと評している。
- Meta AI — Meta はこれを自社で最小かつ最も効率的なモデルと位置づけ、エージェントが繰り返すツール呼び出し、コーディングのサブタスク、ルーティング、抽出、長い文書の解析を主な用途とする。
- Blender 5.3 — Blender 5.3 が公開され、Gaussian Splatting（ガウシアン・スプラッティング）の対応が加わり、Geometry Nodes の bundle 機能も拡張された。
DeepMind は Signal の主要な暗号学的保証を形式検証したと発表し、Meta AI はエージェント向けの Muse Ember 1.0 を公開、インディーゲーム賞の審査員は生成AIを使うゲームへの投票を拒否した。Robin がお届けする咸話咸説の毎日AI煮込みです。
『Big Walk』のAI利用が事後に発覚、IGF賞の審査員が投票拒否へ
ここ数年、ゲーム開発でAIツールを使う機会は増え、それをプレイヤーに説明すべきかどうかは議論が続いてきた。今週、その議論がインディーゲーム界で公になった。共同パズル探索ゲーム『Big Walk』の開発元 House House は、ごく少量のAIを使ったと認めた。しかも公表したのは事後だった。この争点は数か月前から水面下でくすぶっていた。権威あるインディペンデント・ゲームズ・フェスティバル・アワード（IGF）の審査員とパネリストたちは、非公開の場でこの件を話し合っていた。月曜日、50人超の審査員のうち19人が共同声明を発表した。内容は「生成AIをいかなる形でも使ったゲームには投票しない」という立場だ。彼らは「生成AIツールで開発された応募作が著しく増えた」と指摘し、生態系・経済・心理・労働への害を挙げて、これらのツールを拒否する理由とした。そして、こうした利用は「わが業界において既定の結末ではない」と述べた。
この話題の本質は、審査員と開発者の関係が変わりつつあることだ。ツールは黙って使えるが、それを言うかどうか、いつ言うかが、他人の投票や生活に影響し始めた。19人の署名は賞の規則を変えるものではない。しかし、暗黙の了解だった問題を公然たる立場に変えた。次に見るべきは、賞の側が開示要件を設けるかどうか、そして事後の一言が不手際として扱われるのか、慣行として扱われるのかだ。
DeepMind が Signal の主要な暗号学的保証をAIで形式検証
次は、より忍耐を要する話だ。暗号学に対する数学的な証明である。
Google DeepMind の研究者たちは、エージェント型AIを使って、Signal プロトコルの主要な暗号学的保証のいくつかについて数学的証明、つまり形式検証を行った。報道はこれを、広く使われている暗号学とAIそのものにとって画期的な進展だと評している。作業は約4週間で、概念実証にあたる。意味は二つある。一つは、Signal アプリ、Google Messages、WhatsApp 上を流れる大量の通信を守る暗号を、独立に検証し直したこと。もう一つは、DeepMind の新しいAIフレームワーク AlphaProof Code が形式検証で何をできるかを示したことだ。より広く見れば、AI支援の形式検証は注目を集めているが、広く使えるのか、大量のコードを支えられるのかは、まだ明らかではない。支持者たちは以前から、形式検証をソフトウェアセキュリティの理想に近い手段だと説明してきた。数学でソフトウェアが意図どおりに動くか、つまり重大な脆弱性がないかを確認するからだ。
この話題の意義は方法にある。「脆弱性がない」を、人間が繰り返しレビューする対象から、機械が検査できる命題に変える。難しいのは最初の証明を通すことではなく、その後の変更のたびに証明し直すことだ。さもなければ証明はコードとともに古くなる。したがって次に見るべきは、これが一度きりの実演ではなく、コミット前の日常的な手順になるかどうかである。
DeepMind が Gemini Robotics 2.5 を公開、安全ベンチマーク ASIMOV-jailbreak も発表
ロボティクスに移ろう。今回の要点はデモ動画ではなく、実際に現場へ入ったことだ。
Google DeepMind は新しい世代のAIロボット基盤 Gemini Robotics を発表した。Google によれば、2.5 では実世界のタスクをこなす水準が人間に近づいたという。一部の Gemini ロボットはすでにメルセデス・ベンツの工場で実際の作業をしている。チームは同時に、ロボットと人が一緒に働く将来に備えて、オープンな安全ベンチマーク ASIMOV-jailbreak も公開した。利用者の指示とロボットの動作の間には層がある。視覚言語モデル Gemini Embodied Reasoning が、指示とリアルタイム映像からタスクを計画する。動作を生成するのは視覚-言語-動作モデル、つまり 2.5 になった Gemini Robotics だ。DeepMind は、2.5 が高い器用さを要するタスクでかなり良くなったと述べる。評価は200以上の活動に及び、トングで食事を配ることや、実験室のようにピペットを使うことを含む。Google は Apptronik の人型ロボット Apollo 2 も披露した。Gemini Robotics 2.5 を載せると、五本指の手でリボンを結べる。リボンのような変形する物体は、ロボットが昔から苦手としてきたものだ。
本当に変わったのは役割分担である。計画は言語モデルへ、動作は専用の動作モデルへ、人間は一言だけ与える。この分離により能力の向上を別々に進められ、問題が起きたときにどの層かを特定しやすくなる。注目すべきは、公開ベンチマークが標的型攻撃に耐えるか、そして誰も事前に整えていない環境でも同じ水準を保てるかだ。
Meta AI が Muse Ember 1.0 を公開、エージェント内の短いタスク向け
続いてはエンジニアリング寄りの選択問題だ。小型モデルはどこが安いのか。
2026年11月10日、Meta AI は Muse Ember 1.0 を発表した。Meta はこれを自社で最小かつ最も効率的なモデルと位置づけ、エージェントが繰り返すツール呼び出し、コーディングのサブタスク、ルーティング、抽出、長い文書の解析を主な用途とする。ただし材料の中での独立した検証はまだ限られている。入力は最大100万トークン。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・出力の価格は100万トークンあたりそれぞれ0.10ドル、0.004ドル、0.50ドルだ。20万トークンを超えると、0.30ドル、0.012ドル、1.50ドルに上がる。
それぞれの短いプロンプト帯では、Ember は GPT-6 Luna と Claude Haiku 5.5 と同じく、入力0.10ドル、出力0.50ドルだ。Claude Fable 5.2 は8ドルと40ドル。長いプロンプトの割増しのしきい値は、Ember が20万、GPT-6 Luna が27.2万、Claude Haiku 5.5 が10万トークン。後二者の長いプロンプトでの入力と出力は、0.20ドルと0.75ドル、0.50ドルと2.50ドルである。Ember は minimal から max まで6段階の推論強度を提供する。Simon Willison が引用した Artificial Analysis のグラフでは、xhigh と max が1タスクあたり約0.12ドルと0.14ドル、Intelligence Index が約34と36で、パレート前沿に位置する。これは特定のベンチマーク上の結果にすぎない。同じ観察で、high 段階は SVG 生成で完全な図形を返さず、推論段階と視覚品質もはっきり対応していなかった。
今回の発表は、100万トークンの上限、20万トークンの価格しきい値、6段階の推論強度を同時に示した。エージェントを作る側は、短いプロンプトと長い文書のタスクのコストを分けて計算できる。ただし現時点の証拠は、公式の位置づけ、特定のベンチマークのグラフ1枚、SVG生成の観察1件にとどまり、実際の作業負荷で必ず安くなるとは言えない。
実務的には、短いプロンプトと長い文書を分けて会計すればコスト構造が明確になり、どのタスクをどの段階に任せるかを決めやすくなる。しかし評価の証拠は薄い。すぐに予算表へ書き込まず、自分の実際の呼び出しパターンで1週間走らせ、節約分が品質の低下を補えるかを見るべきだ。
Glasswing は7か月で37,966件を報告、修正済みの公開記録は217件
もう一つ、あまり見栄えのしない数字を。発見と修正のあいだの距離についてだ。
Anthropic の Glasswing 実験は7か月間動き、37,966件の脆弱性を見つけて報告した。公開状態になったのは7,349件、19.4%にすぎず、修正済みと記録されたのは217件だけだ。AIエージェントが脆弱性を見つける力と、修正を進める力の落差は明らかである。大量の報告は、オープンソースのメンテナーの検証、重複排除、撤回、パッチ作業の負担も増やす。公開されているのは全体の一部で、そこには撤回や重複も含まれる。残りは embargo 中か未公開で、真偽も有効性も不明だ。したがって現在のデータでは、AIがソフトウェアセキュリティに与える正味の影響が正か負かは断言できない。
Project Glasswing は複数者が参加する脆弱性研究計画で、Anthropic のフロンティアモデル Mythos を使い、攻撃者に悪用される前にソフトウェアの欠陥を見つけて修正することを目指す。公開開示の台帳は、公開、重複、撤回、修正という状態を記録する。だから公開された CVE の数は調査結果全体の一部であり、確認済みや修正済みの総量として直接読むことはできない。オープンソースのメンテナーや、そうしたプロジェクトに依存する組織にとって、発見から修正までのこの隙間は、検証、重複排除、パッチ作成、リリースという負担になる。2026年5月22日時点で、Anthropic は281のオープンソースプロジェクトに1,596件の脆弱性を開示している。大半の報告が未公開だからといって、残りが未修正や無効だと決めつけることはできない。
コメント欄では、発見数と修正数の比率が注目に値するという点は認めつつ、その説明力に疑問を呈する声がある。公開サンプルには撤回や重複が含まれ、未公開の部分は embargo 中かもしれず、公開結果を全発見に外挿できない。修正側への投資不足や、旧バージョンへのパッチ適用の不備を心配する声もあり、PHP2shell のメンテナンス状況を引いて、実際に適用する難しさを説明している。記事の結論が VulnCheck の商業的利益に近すぎると指摘し、その立場に警戒する声もある。
この話題が突くのは、自動開示の連鎖で最も脆い部分だ。脆弱性を見つけるコストが極端に下がると、圧力はすべてメンテナー側に集まる。コメントの意見の分かれ方も聞く価値がある。次に見るべきは発見数の多さではなく、開示のペースと修正への投資が追いつくかどうかだ。そうでなければ、報告は誰も処理しない在庫になる。
Blender 5.3 が公開、Gaussian Splatting に対応
もう一つはツールの更新で、今回は3Dシーンを作る人に恩恵がある。
Blender 5.3 が公開され、Gaussian Splatting（ガウシアン・スプラッティング）の対応が加わり、Geometry Nodes の bundle 機能も拡張された。splat データや比較的複雑なビジュアルプログラミングを、より直接に扱える。ある早期テスターは M4 上で、Spirula Studio から書き出した400万 splat のシーンを試した。動作は速く、統合も成熟しており、Blender の他のインターフェースと矛盾する点は見つからなかったという。これは大規模な単一シーンへの実用的な可能性を示すが、現状の反馈だけでは業界全体への広い影響を証明できない。
ガウシアン・スプラッティングは、位置・スケール・向き・色・不透明度を持つ3Dガウス楕円体の集合でシーンを表現し、投影して重ねることで画像を生成する。従来の三角メッシュに変換する必要はない。公式の開発資料によれば、3D Gaussian Splats は読み込み、点群、Geometry Nodes に組み込まれ、Workbench、EEVEE、Cycles の各レンダラーにも接続されている。Geometry Nodes は Blender のノードベースのプロシージャルジオメトリの仕組みだ。bundle は関連する複数の値を一つにまとめ、リストやクロージャのような構造化データと併用できる。ネイティブ対応により、写真や動画から再構成した高精細な3Dシーンを、Blender 内で直接読み込み、確認し、レンダリングして、既存の制作工程に組み込める。
早期利用者は速度と成熟度を概ね評価している。bundle、リスト、クロージャが複雑なワークフローを明確に強化すると考える開発者もいるが、そのプログラミングモデルを理解する時間はかかる。三角形ベースで splat を行う提案もあり、GPU はもともと三角形が得意で、リアルタイムゲームに向くかもしれないという意見もある。
3Dに関わる人にとっての価値は、書き出しと変換の手間を省き、実写から再構成したシーンをそのまま既存の工程に載せられることだ。ただし初期の試用1件では業界レベルの結論には足りず、面数が多く複雑なシーンは自分で最適化する必要がある。注目すべきは、プラグインの生態系が移行するか、そしてリアルタイムレンダリングのような厳しい場面で三角形とこの表現のどちらが得かである。
今日の話題を並べると、モデルの能力は上がり続け、価格、信頼、修正のコストが同時に俎上に載っている。その勘定がどう落ち着くかは、今後数週間で少しずつ答えが出てくる。
🎧 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 · 2026-11-11 を聴く。