2026年6月30日火曜日

Ornith-1.0から学ぶ次世代エージェント：Qwen 3.6とMiCA規制が描くAI・Web3の最前線 06-30

Ornith-1.0から学ぶ次世代エージェント：Qwen 3.6とMiCA規制が描くAI・Web3の最前線

2026年6月30日の最新ニュースをまとめました。今週は、AIのエージェント機能が飛躍的に進化する一方で、暗号資産（Web3）分野では各国の法規制の違いが顕著になってきました。高性能なローカルモデルが登場し開発の敷居が下がっている一方、金融インフラやデジタルアイデンティティに関する議論も活発化しています。

🧠 AIエージェントとコーディング革命：Ornith-1.0の登場

（⭐️ 9.0/10）

次世代のAIモデル「Ornith-1.0」が発表され、特に自律的なコード生成・修正能力を持つことが注目されています。この技術は、単なる質問応答を超え、複雑なタスクを計画し、実行段階で必要な構造（スキャフォールディング）を自身で構築できる「エージェント的コーディング」を実現します。これにより、AIがソフトウェア開発のプロセス全体を担い、人間がより高度な設計や検証に集中できるようになる可能性を示唆しています。

💻 ローカル環境での最適解：Qwen 3.6 27Bモデル

（⭐️ 8.0/10）

高性能かつ効率的なLLMとして「Qwen 3.6 27B」が改めて注目を集めています。このモデルは、高い性能を維持しつつも、ローカル環境やリソースが限られたデバイスでも安定して動作できる「スイートスポット（最適な領域）」にあると評価されています。これにより、企業や個人が外部APIに頼ることなく、よりプライバシーを保ちながらAI機能を実装することが容易になり、開発の民主化が進むでしょう。

🏛️ Web3規制の国際的な亀裂：英国のスタブルコイン規定緩和

（⭐️ 8.0/10）

英国は、ステーブルコインに対する資本バッファー要件を緩和する計画を発表し、EUが提案する厳格なMiCA（Markets in Crypto-Assets）枠組みとは異なるアプローチを取っています。この動きは、暗号資産の国際的な規制環境に大きな亀裂を生じさせる可能性があり、金融機関や開発者にとってどの法域で事業を行うかという戦略的な判断を迫るものとなっています。

🤖 AIエージェントによる経済活動：OKXが目指す自律型マーケットプレイス

（⭐️ 7.0/10）

大手暗号資産取引所OKXは、AIエージェント同士が相互に雇用し、報酬を支払うことができる新しいタイプのマーケットプレイスの構築を目指しています。これは単なるプラットフォーム以上の概念であり、AI自身が経済主体となり、労働やサービス提供を通じて価値を生み出す「自律的なWeb3エコシステム」の実現を示唆しています。

📈 AI導入と雇用のパラドックス：職場の議論が複雑化

（⭐️ 7.0/10）

最近の研究レポートによると、AI技術を積極的に導入している企業ほど、必ずしも人員削減に留まらず、むしろエントリーレベルなど全体的なヘッドカウントを増やしているという傾向が見られます。これは、AIによる効率化の恩恵を享受する過程で、新たなサポート職や人間との連携が必要な領域が生まれ、労働市場の構造自体がより複雑になっていることを示しています。

本記事はHorizonが収集したニュースに基づき再構成されたものであり、投資や行動に関するアドバイスではありません。

OneとBitcoinで読む：Ornith-1.0、Qwen 3.6、Arena：AIが描くインフラとビジネスの進化 06-30

Ornith-1.0、Qwen 3.6、Arena：AIが描くインフラとビジネスの進化

今日の技術ニュースは、「大規模言語モデル（LLM）の高度化」「ローカル環境での最適化」「AIのエコシステム化」という三つの大きな潮流を明確に示しています。特に、次世代エージェント機能を持つモデルや、業界標準となるプラットフォームが商業的な成功を収めている点が注目されます。

🤖 Ornith-1.0：自律的なコーディングを実現する次世代LLMの登場

（⭐️ 9.0/10）

Ornith-1.0は、単なるコード生成に留まらない「自己構築型（Self-Scaffolding）」の能力を持つ新しいLLMとして注目されています。このモデルは、複雑なタスクを分解し、自律的に必要なステップや構造を組み立てながらコーディングを進めることが可能であり、エージェントAIの実用化において大きなブレイクスルーとなる可能性を秘めています。

💻 Qwen 3.6 27B：ローカル開発の「スイートスポット」モデル

（⭐️ 8.0/10）

Qwenがリリースした3.6バージョン、特に27Bパラメータのモデルは、性能とリソース効率のバランスが取れた「スイートスポット」として評価されています。これにより、高性能でありながらも個人のPCやローカルサーバーといった限られた環境で高い処理能力を維持することが可能となり、AI開発の裾野を大きく広げると期待されています。

💡 DiScoFormer：データ分布を超越する統一トランスフォーマー構造

（⭐️ 8.0/10）

DiScoFormerは、異なるデータ分布や状況下においても、「密度推定」と「スコア関数」の両方を堅牢に推定できる単一のTransformerアーキテクチャを提案しています。このユニファイドな設計により、AIモデルがより多様で複雑な実世界のデータを扱う際の信頼性と汎用性が飛躍的に向上することが期待されています。

💾 韓国テックジャイアント、$550B超の「RAMageddon」対策投資

（⭐️ 8.0/10）

韓国の大手テクノロジー企業群は、AIブームによるメモリ（RAM）不足が深刻化する懸念――いわゆる「RAMageddon」――に対応するため、合計5,500億ドルを超える巨額の投資をコミットしています。これは、今後のAIインフラストラクチャにおけるハードウェア資源の確保とサプライチェーンの強化がいかに重要であるかを物語る動きです。

🚀 Arena：AIリーダーボードが1億ドルのビジネスへ進化

（⭐️ 7.0/10）

広く利用されている無料のAIリーダーボード「Arena」が、商業的な成功を収め、評価額（バリュエーション）が1億ドルに達したと報じられました。これは、単なる情報提供プラットフォームから、業界全体のベンチマーク設定やサービス連携を行う重要なビジネスハブへと進化していることを示唆しています。

💰 ビットコインレンディング市場の「機関投資家時代」への移行

（⭐️ 7.0/10）

シリコンバレー銀行などの金融機関は、ビットコインを活用したレンディング市場が、アマチュア的な段階からより形式化された「機関投資家主導のフェーズ」へと移行しつつあると指摘しています。これにより、暗号資産関連の金融取引が、メインストリームの伝統的金融システムに深く組み込まれていく可能性が高まっています。

Ornith-1.0とQwen 3.6が示すAIエージェントの最前線：ローカル開発からインフラ競争まで 06-30

Ornith-1.0とQwen 3.6が示すAIエージェントの最前線：ローカル開発からインフラ競争まで

🤖 Ornith-1.0登場：自律的なコーディングを可能にする次世代LLM

（⭐️ 9.0/10）

DeepReinforceによって公開されたオープンウェイトLLM「Ornith-1.0」は、高度なエージェント的コーディング能力に特化して設計されています。MoE（Mixture of Experts）バリアントを含む複数のモデルサイズが提供されており、AIを活用した自律的なソフトウェア開発の新しい基準を打ち立てる可能性があります。これは、単なるコード生成を超え、タスク全体を計画・実行できる「エージェント」としてのLLMの進化を示しています。

💻 Qwen 3.6 27B：ローカル環境でのAI開発に最適なモデルか

（⭐️ 8.0/10）

最新の記事では、Qwen 3.6 27Bが個人や企業によるローカルなAI開発において「スイートスポット（最適解）」であると注目されています。このモデルは、強力な性能を持ちながらも、高性能な専用ハードウェアを必要としないため、手軽に高度なLLM実験を行いたいユーザーにとって非常に魅力的です。ただし、最適な動作のためには、自身の利用目的やシステム構成に応じた詳細な技術的検討が求められています。

💾 韓国のテック大手、半導体「RAMageddon」対策に5,500億ドル以上をコミット

（⭐️ 8.0/10）

AIブームによる膨大な計算需要は、メモリや高性能コンピューティングリソースの供給不足という課題（通称「RAMageddon」）を引き起こしています。これを受け、韓国の大手テクノロジー企業群が、この深刻な半導体・インフラ危機を緩和するために5,500億ドルを超える巨額投資を行うと発表しました。これは、AI開発に必要な物理的な基盤整備の重要性が、いよいよ国家レベルの経済戦略課題となっていることを示しています。

🔑 Web3ハッキング被害の実態：スマートコントラクトより「秘密鍵」が問題

（⭐️ 8.0/10）

近年の暗号資産（クリプト）の世界で発生した大規模なハッキング損失のうち、約40%の原因はスマートコントラクトの脆弱性ではなく、「ウォレットの秘密鍵（Private Keys）」の管理不備にあったことが明らかになりました。この事実は、Web3のセキュリティ対策が技術的なコードレビューだけでなく、ユーザーや組織による「自己責任でのキー管理」という根本的な部分に焦点を当てる必要があることを強く示唆しています。

🚀 ロケットラボ、イリジウムを買収：宇宙市場における戦略的動き

（⭐️ 8.0/10）

ロケットラボが衛星通信企業イリジウムの買収を完了したことは、同社にとって極めて重要な戦略的な一手となります。このM&Aにより、ロケットラボは信頼性の高い衛星サービス網を獲得し、急速に拡大する宇宙市場における地位を確固たるものにしました。これは、単なる事業拡大ではなく、次世代の通信インフラを手中に収めることを意味します。

【まとめ】 AI分野では、Ornith-1.0のようなエージェント能力を持つオープンウェイトモデルが開発され、より自律的なタスク実行が可能になりつつあります。同時に、Qwen 3.6などの高性能かつローカルで動かしやすいモデルが登場することで、AIの利用ハードルは劇的に下がってきています。しかし、その進化を支えるためには、韓国の巨額投資が示すように、半導体やインフラといった物理的な基盤整備が喫緊の課題となっています。

BNY Mellon、Circle USDCを核に金融機関向けステーブルコイン市場が拡大：AIインフラからWeb3まで 06-30

BNY Mellon、Circle USDCを核に金融機関向けステーブルコイン市場が拡大：AIインフラからWeb3まで

今週のニュースは、従来の金融システムと最先端のテクノロジー（Web3やAI）が急速に融合している様相を色濃く映し出しています。特に、大規模な資金移動が必要とされる「機関投資家」向けの分野で、ステーブルコインやトークン化された資産を活用したインフラ整備が進んでいます。

🏦 BNY MellonがCircleのUSDCを利用し、金融機関向けステーブルコインサービスを拡大

（⭐️ 8.0/10）

ウォール街の大手金融機関であるBNYメロンが、ステーブルコインサービスの提供範囲を広げています。特に、人気の高いステーブルコインの一つであるCircle発行のUSDCを活用し、従来の銀行システムにブロックチェーン技術を取り込む動きが加速しています。これは、大口取引を行う金融機関にとって、より効率的で迅速な決済手段を提供する大きな一歩となります。

🔗 RippleはXRPL上でトークン化資産担保による融資を推進

（⭐️ 7.0/10）

リップル社は、自社のネットワークであるXRPLを活用し、機関投資家が「トークン化された資産」を担保として利用できるレンディング・ローンの仕組みづくりを促進しています。実世界の有形資産や金融商品がデジタルなトークンに変換される（トークン化）流れに乗ることで、より多様で大規模な資金調達と融資が可能になることが期待されています。

❄️ Omen AIのデータセンター最適化計画：AI時代の冷却インフラ革命

（⭐️ 7.0/10）

急速に進化するAIモデルを動かすためには、膨大な計算能力を持つデータセンターが不可欠です。Omen AIは、このデータセンターにおける「熱対策」という喫緊の課題に取り組んでいます。同社はAIを活用して冷却材の管理や細菌発生を防ぐソリューションを開発し、資金調達に成功しました。これは、単なるソフトウェアの話ではなく、「物理的なインフラ」そのものをAIが最適化する最先端の事例です。

🤖 ロボットハンド企業がテスラ訴訟を解決し、研究資金を確保

（⭐️ 7.0/10）

ロボティクス分野の新興企業Proception社は、かつて巨大テック企業であったTeslaとの間で係争中の営業秘密に関する訴訟を和解しました。この法的課題をクリアしたことで、同社は新たな資金調達に成功し、$11Mの資金を獲得しました。これは、高度なロボットハンドの開発に必要な独自の訓練データ方法の研究開発を継続するための重要なエンジンとなります。

（注：本記事はHorizonが収集した最新情報を基にしたまとめです。投資や技術採用の判断を行う際は、必ず詳細な情報源をご確認ください。）

2026年6月29日月曜日

ClaudeとGLM 5.2が激突するAIベンチマーク：採用バイアスや監視技術のリスクを考察 06-29

ClaudeとGLM 5.2が激突するAIベンチマーク：採用バイアスや監視技術のリスクを考察

近年、生成AIの進化は目覚ましく、「AIが描く未来」という言葉が日常の一部となりつつあります。しかし、その最前線では、モデル間の性能競争だけでなく、社会的な公平性（バイアス）やプライバシーに関する深刻な議論も同時に進行しています。

今回は、直近で注目されたAI・Web3のニュースから、技術的な進展と、それに伴う倫理的課題という二つの側面から重要なトレンドをまとめてご紹介します。

🤖 GLM 5.2がClaudeを上回る？最新LLMベンチマーク競争

（GLM 5.2 beats Claude in our benchmarks）

国内のAIモデル開発者たちは、最新の高性能モデルである「GLM 5.2」が、Anthropic社の強力なモデル「Claude」を複数のサイバーセキュリティベンチマークで上回るという主張を展開しました。このニュースは、現在の大規模言語モデル（LLMs）の性能評価基準や限界について技術コミュニティ内で活発な議論を巻き起こしています。どのモデルが真に優れているのか、という点で、オープンソースAIと商用AIの競争が激化していることがわかります。

📝 HackerRankがATSをオープンソース化：採用プロセスにおけるAIバイアスの問題

（HackerRank open sourced its ATS）

求人テック大手HackerRankが自社の応募者追跡システム（ATS）をオープンソース化したことで、コミュニティは「AIによる履歴書評価の仕組み」について深く議論しています。自動化された採用プロセスにおいて、どのような基準でスコアリングが行われているのか、またその結果にバイアスが含まれていないかという懸念が高まっています。これは、今後のHRテックやキャリア形成における透明性の重要性を浮き彫りにしました。

👁️ 年齢認証技術は「音声の自動帰属」への前段階？

（Age verification is just a precursor to automated attribution of speech）

現在注目されている年齢確認技術が、単なる身元証明に留まらず、「発言内容の自動的な個人特定（属性付与）」へと進化する可能性を指摘する記事が出ました。この発展は、個人のプライバシーと政府による監視能力の強化という点で重大な懸念を引き起こしています。私たちは、便利さの裏側で、どのようなレベルまで自己の「声」が追跡されるリスクに直面しているのかを考える必要があります。

🛠️ 「人間の介入」を超えて：AIエージェントをワークフローに組み込む考え方

（Quoting Jon Udell）

開発者コミュニティでは、「人間による最終確認（human in the loop）」という概念への疑問が呈されています。これは、AIの出力を人間がチェックするという従来の仕組みに対し、より能動的なアプローチを提唱するものです。今後は、開発者がAIエージェントを単なるツールとして使うのではなく、まるで共同チームメンバーのようにワークフロー全体に深く組み込んでいく時代になると指摘されています。

【まとめ】

今回のニュース群からは、「高性能なモデル（GLM 5.2 vs Claude）が次々と登場する一方で、その技術の利用方法や倫理的な側面（採用バイアス、監視リスクなど）に対する社会的な議論が追いついていない」という大きな潮流が見て取れます。AIの進化は加速していますが、我々ユーザー側も「誰に」「どのような目的で」データと行動を委ねているのかを批判的に見極める視点が不可欠です。

GLM 5.2がClaudeを凌駕？ AI競争の最前線と、人間が不可欠な理由 06-29

GLM 5.2がClaudeを凌駕？ AI競争の最前線と、人間が不可欠な理由

今週のAI・Web3ニュースは、大規模言語モデル（LLM）の性能競争が激化している一方、AIの技術的な限界や、人間とAIがどのように協業していくべきかという「実用面」の議論が深まっていることが特徴です。

🤖 GLM 5.2がベンチマークでClaudeを上回る可能性

GLM 5.2というモデルが、特定のサイバーセキュリティやプログラミングのベンチマークにおいて、Anthropic社のClaudeを凌駕したという報告がなされました。これは、オープンソースのLLMが、高性能なクローズドモデルに対しても強力な対抗馬となり得ることを示しています。AIモデルの性能比較がより専門的かつ具体的な分野に焦点を当てるようになり、オープンソースAIの進化が加速していることがわかります。

💾 コンピューティングの歴史から見る「メモリ価格」の経済学

1960年代から2026年までのメモリ価格の歴史的な推移が可視化され、コミュニティ内で大きな議論を呼んでいます。このデータは、半導体やコンピューティングハードウェアの経済的なスケールと、ムーアの法則が示す計算資源の進化の課題を浮き彫りにしました。ハードウェアのコスト構造を理解することは、今後のAIインフラ投資や技術開発の方向性を考える上で非常に重要な視点を提供しています。

🤝 AIエージェントは「排除」ではなく「協業」のツールとして捉えるべき

著名な技術者であるJon Udell氏が、AIエージェントの活用法について提言を行いました。AIを「人間を介在させないプロセス」として捉えるのではなく、既存の開発ワークフローに積極的に「チームメンバー」として迎え入れるべきだと主張しています。これは、AIを単なる自動化ツールとしてではなく、人間と対等に協働する知的なパートナーとして再定義する必要があることを示唆しています。

🚗 フォードが「AIの限界」から熟練エンジニアを再雇用した事例

自動車メーカーのフォードが、AIによるアプローチだけでは高品質な製品を生み出すには不十分であると判断し、経験豊富な「ベテランエンジニア」を再雇用したと報じられました。これは、産業AIの導入において、高度な専門知識や現場の「勘所」といった人間の経験知が、依然として決定的な価値を持つことを示す、現実的な教訓となる事例です。

🇨🇳 中国がサイバーセキュリティ面でAnthropicに匹敵、AI競争の再定義

中国がサイバーセキュリティの面でAnthropic社に匹敵する水準に達したという分析がなされました。これは、AIの競争が単なる性能やモデルの規模だけでなく、国家レベルでのセキュリティやインフラの強靭さといった側面を含めて行われていることを示しています。グローバルなAI競争が、地政学的な要素と密接に結びつき、新たなルール設定を迫っている状況が浮き彫りになっています。

Micronが狙うAIハードウェアの未来：NvidiaとAnthropicが示す競争の行方 06-29

Micronが狙うAIハードウェアの未来：NvidiaとAnthropicが示す競争の行方

AI技術の進化は目覚ましいものがありますが、その裏側では、ハードウェアの競争、倫理的な課題、そして産業界におけるAIの適用限界など、多角的な動きが加速しています。今回は、最新のAI開発動向から、半導体市場の最新予測、さらには医療への応用における課題まで、主要なニュースをまとめてお届けします。

🤖 AI開発の進化とオープンソースの動向

DFlashサポートがllama.cppに統合され、ローカル環境でのLLM実行がさらに容易に

オープンソースのLLM実行フレームワークであるllama.cppに、DFlashのサポートが追加されました。これにより、より高速かつ効率的に大規模言語モデル（LLM）をローカル環境で実行することが可能となり、AIの利用の敷居がさらに下がってきました。

オープンソースの「No.1の敵」とは何か？

AI開発の現場では、オープンソースの健全な発展を脅かす「敵」の存在が議論されています。これは、特定の巨大企業による独占的なモデルや技術の囲い込みが、オープンなイノベーションを阻害する要因となりかねないという警鐘を鳴らしています。

⚠️ AIの限界と倫理的な課題

Claude CodeによるMRI分析：AI医療診断の信頼性と倫理的責任

あるユーザーが、AIツール「Claude Code」を利用して自身のMRIスキャンにセカンドオピニオンを求め、コミュニティで議論が巻き起こりました。この事例は、AIが医療診断支援において大きな可能性を秘める一方で、その結果の信頼性、限界、そして最終的な責任の所在という深刻な倫理的課題を提起しています。

AIが不十分だったため、フォードは「ベテランエンジニア」を再雇用

自動車メーカーのフォードが、AI技術のみを導入しただけでは高品質な製品を生み出すには不十分であると判断し、経験豊富な「ベテランエンジニア」を再雇用したと報じられました。これは、AIが単なる代替技術ではなく、熟練した人間の知見や経験と組み合わさることで真価を発揮するという、産業界の現実的な教訓を示しています。

📈 産業構造と国際競争の焦点

ウォール街が注目する「Micron」：AI時代の次なるNvidia候補か？

ウォール街のアナリストたちは、米国のメモリメーカーであるMicronを、Nvidiaに続く次なるAIハードウェア分野の成長株として注目しています。AIブームの恩恵を受ける半導体サプライチェーンにおいて、メモリ分野でのMicronの役割が非常に重要視されています。

中国がAnthropicに匹敵するサイバーセキュリティ能力を確立し、AI競争の構図を再構築

中国が、AIセキュリティ面でAnthropicに匹敵するレベルに達したと指摘されています。これは、単なるモデル開発競争に留まらず、国家レベルでのAIインフラとサイバーセキュリティの優位性を巡る地政学的な競争が激化していることを示唆しています。

💡 まとめ：AIは「ツール」であり「全て」ではない

今回のニュース群からわかるように、AIは非常に強力なツールですが、単体で万能ではありません。医療や自動車といった高度な専門分野では、AIの出力を鵜呑みにせず、人間の専門知識や経験（グレービアー・エンジニアの知恵）による検証と統合が不可欠です。また、半導体市場や国際的なAI競争は、ハードウェアのサプライチェーンと国家間の技術覇権を巡る、より大きな経済・政治的な戦いの側面を帯びています。

Frameworkで読む：AI技術動向：ローカルLLMの性能が飛躍的に向上・Web3・金融動向：AIとロボティクスへの資金流入が加速 06-29

Qwen3.6とOpus 4.8が示すローカルLLMの限界突破：Voxelエンジンでの検証から読み解くAIの最前線

今週のAI、Web3、スタートアップの動向をまとめました。特に注目すべきは、ローカル環境でのLLM（大規模言語モデル）の性能が劇的に向上している点です。最先端のモデル同士が、高度なシステムプログラミングのタスクに挑むことで、AIが単なるチャットボットの域を超え、真の「システム構築ツール」へと進化していることが明らかになりました。

💻 AI技術動向：ローカルLLMの性能が飛躍的に向上

Qwen3.6 27B vs Opus 4.8：Voxelエンジン構築で挑むLLMの知性

（⭐️ 9.0/10）

あるユーザーが、Qwen3.6 27BとOpus 4.8という異なるモデルを用いて、生のC言語によるボクセルエンジン構築という高度なベンチマークを実施しました。結果、プロプライエタリなOpus 4.8が物理学や構造理解において優位性を示したものの、ローカルで動作するQwen3.6 27Bは、この複雑なシステムを実際にコンパイルし、レンダリングすることに成功しました。これは、ローカル環境で動作するLLMの能力が、単なるテキスト生成から「実用的なシステム構築」の領域へと大きく飛躍していることを示唆しています。

DFlashサポートがllama.cppに統合され、ローカルLLMの効率が向上

（⭐️ 8.0/10）

ローカルLLMの実行環境を最適化するllama.cppに、DFlashのサポートが追加されました。このアップデートにより、ローカルで大規模言語モデルを動作させる際のパフォーマンスと効率が大幅に向上することが期待されます。ハードウェアの最適化が進むことで、より大規模で高性能なモデルを、より多くのユーザーが手軽に利用できるようになるでしょう。

DeepSpec：LLMの推論テストに特化した開発コードベースの公開

（⭐️ 8.0/10）

DeepSpecというフルスタックなコードベースが公開されました。これは、様々なLLMの「推測的デコーディング（Speculative Decoding）」のためのユーティリティ、トレーニングコード、評価スクリプトを提供します。このツール群の登場は、研究者や開発者がLLMの最適化や性能評価をより体系的かつ効率的に行えるようになることを意味します。

🌐 Web3・金融動向：AIとロボティクスへの資金流入が加速

クリティカルな転換点：仮想通貨の次なるフロンティアはAIとロボティクスへの資金調達

（⭐️ 7.0/10）

著名なアナリストは、暗号資産（クリプト）の次の大きなフロンティアは、仮想通貨そのものではなく、「AIやロボティクスといった実世界の技術への資金提供」にあると指摘しています。これは、Web3の資金が徐々に投機的な領域から、実社会のインフラや技術革新を支える方向へとシフトしている可能性を示唆しています。

日本の暗号市場の動向：SBIの大型取引が示す「金融の統合化」の傾向

（⭐️ 7.0/10）

SBIが関わる2億8,900万ドル規模のBitbank取引が、日本の暗号資産市場における「金融機関による統合化（コンソリデーション）」の傾向を象徴していると分析されています。これは、日本の金融セクター全体が、暗号資産市場をより制度的かつ大規模な金融インフラの一部として取り込もうとしている動きの表れと言えます。

2026年6月28日日曜日

Anthropicの規制を乗り越えるアジアAIの躍進：OpenAI、Apple、次世代モデルの競争 06-28

Anthropicの規制を乗り越えるアジアAIの躍進：OpenAI、Apple、次世代モデルの競争

今週のテクノロジー界隈は、AIモデルの地政学的な動き、ハードウェア市場の構造的な課題、そして巨大テック企業間の人材獲得競争が交錯する、非常にダイナミックな状況が続いています。特に、規制がAI開発のスピードに影響を与えつつも、アジア圏のスタートアップが独自の技術力で応えようとしている点が注目されます。

🌏 アジアのAIスタートアップが「Mythos的」モデルを投入：Anthropicの規制が追い風に？ (⭐️ 9.0)

Anthropicの輸出規制が続く中、アジア圏のAIスタートアップが、Mythosのような高性能な大規模言語モデル（LLM）を次々と発表しています。これは、特定の地域や企業に依存しない、より分散的かつ強靭なAIエコシステムの構築を目指す動きと捉えられます。地政学的なリスクを背景に、アジアの技術力が新たなAIの潮流を生み出している兆候が見られます。

💻 4090や5090は「詐欺」か？高性能GPU市場の構造的な疑問 (⭐️ 8.0)

高性能GPU、特に4090や次世代の5090といったハイエンドカードの市場価値に対して、懐疑的な視点が高まっています。一部の技術者は、単なるスペック競争ではなく、冷却や電力効率、そしてカスタマイズ可能なモッド（改造）の重要性を指摘しています。これは、AI開発の現場において、メーカーが謳う性能と、実際に現場で求められる実用的な性能との間にギャップが生じていることを示唆しています。

🍎 Vision ProのエグゼクティブがOpenAIへ電撃移籍か (⭐️ 7.0)

AppleのVision Proヘッドセットの責任者とされる幹部が、OpenAIのハードウェアチームに加わるという報道がなされました。これは、Appleが注力する空間コンピューティングの領域と、OpenAIが追求するAIインフラの領域が、今後さらに深く融合していく可能性を示しています。トップ人材の移動は、両社の技術開発の方向性を大きく左右する重要なシグナルです。

🤖 Googleも「小規模モデル」の可能性を重視：コーディング分野でのアプローチ (⭐️ 7.0)

大手AI企業であるGoogleが、コーディング支援など特定のタスクに特化した「小規模モデル（Small Model）」の価値を依然として高く評価していることが報じられました。これは、汎用的な巨大モデル（LLM）が万能であるという従来の認識に対し、特定の目的のために最適化された専門性の高いモデルが、より効率的で実用的な解決策となり得るという視点が再浮上していることを意味します。

本記事は、Horizonが収集した最新のAI、Web3、スタートアップ関連ニュースを日本語に要約したものです。

GitHubで読む：Anthropicの輸出規制を巡るAI競争：アジアの新モデルとOpenAIの動向 06-28

Anthropicの輸出規制を巡るAI競争：アジアの新モデルとOpenAIの動向

AI業界の最前線では、地政学的な規制や大手企業の動向が、次世代モデルの開発競争を加速させています。特にAnthropicの輸出規制が引き金となり、アジア圏のスタートアップが独自モデルの投入を加速させています。また、Apple Vision Proの幹部がOpenAIへ移籍するなど、トップタレントの動きも注目を集めています。

💡 主要ニュースまとめ

アジアのAIスタートアップが「Mythos型」モデルを投入（Anthropic規制の影響）

Anthropicによる輸出規制が続く中、アジア圏のAIスタートアップが、高性能な独自モデル（Mythosのような構造）を次々と市場に投入しています。これは、特定の地域や企業に依存しない、より分散的で多様なAIエコシステムの構築を目指す動きと見られます。

Apple Vision Proの幹部がOpenAIへ移籍か

Apple Vision Proに関わる幹部がOpenAIへ移籍するという報道が出ています。これは、最先端の空間コンピューティング技術と、大規模言語モデル（LLM）を組み合わせるという、業界の大きなトレンドを反映しています。トップタレントの移動が、今後のAI開発の方向性を決定づける可能性があります。

低予算ハードウェアで高性能モデルを動かす技術の進化

GLM5.2のような高性能な大規模言語モデルを、2,500ドル未満の比較的安価なハードウェアで動かすことが可能になっています。これは、AIの利用が一部の大企業や富裕層に限定される時代から脱却し、より多くのユーザーが高度なAI技術にアクセスできる「AIの民主化」が進んでいることを示しています。

Googleもコーディング特化の小型モデルに注力する姿勢

大規模な汎用モデルが主流となる中で、Googleを含む大手テック企業が、コーディングや特定のタスクに特化した小型モデル（Small Model）の重要性を再認識しています。これにより、特定の業務に最適化され、高速かつ効率的に動作する専門的なAIツールの開発が進むと予想されます。

【サイバーセキュリティ】匿名のGitHubアカウントによるゼロデイエクスプロイトの大量流出

匿名のGitHubアカウントが、未公開とされる「ゼロデイエクスプロイト」（セキュリティ上の未知の脆弱性を突く手法）のコレクションを大量に公開したことで、セキュリティコミュニティで大きな議論を呼んでいます。これは、サイバー攻撃の高度化と、脆弱性研究の重要性が増している現状を浮き彫りにしています。

本記事は、Horizonが収集した最新のAI、Web3、スタートアップ関連ニュースに基づき、重要度の高い情報を日本語で要約したものです。

OpenAIとAnthropicの競争激化：Apple Vision Proのエグゼクティブ流出とAIモデルの動向 06-28

OpenAIとAnthropicの競争激化：Apple Vision Proのエグゼクティブ流出とAIモデルの動向

2026年6月28日、AI、Web3、スタートアップの最前線から集まった最新ニュースをまとめました。Anthropicの輸出規制がアジアのスタートアップの動きを加速させる一方、AIインフラを支えるハードウェア市場には注意が必要な警告も出ています。また、大手テック企業間の人材争奪戦が激化しており、AIの進化は技術面だけでなく、企業の戦略的な動きによっても推進されていることがわかります。

🌏 アジアのAIスタートアップが「Mythos型」モデルを投入：Anthropicの輸出規制が追い風に

Anthropicが輸出規制の影響を受けている状況を受け、アジア圏のAIスタートアップが、独自の高性能言語モデル（Mythosに類似したモデル）を次々と市場に投入し始めています。これは、特定の地域や企業に依存しない形で、AI技術の民主化と競争が加速していることを示唆しています。地政学的な要因が、AIモデルの開発と市場展開のパターンを大きく変えつつある状況です。

⚠️ 96GB以上の「4090/5090」は詐欺か？高性能GPU市場の警告

GPUラボを運営するユーザーからの警告として、広告されている「96GB以上のVRAMを搭載した4090や5090」といった超高性能GPUは、現時点では詐欺的である可能性が高いという指摘がなされました。AI/ML分野で高性能なGPUが求められる中、市場の過熱と情報操作に対する警戒が必要であり、購入する際は情報の真偽を徹底的に確認することが求められています。

🚨 匿名GitHubアカウントが未公開のゼロデイ脆弱性を大量投下

匿名のGitHubアカウントから、未公開のゼロデイ（未知の脆弱性）エクスプロイトが大量にドロップされたことで、セキュリティコミュニティで大きな議論が巻き起こっています。これらの脆弱性の実質的な深刻度や新規性について技術的な議論が交わされており、サイバーセキュリティの脅威が常に進化し、監視体制の強化が急務であることを改めて示しています。

🍎 Apple Vision Proの幹部がOpenAIへ移籍か：人材争奪戦の激化

Apple Vision Proのハードウェア開発に携わっていた幹部が、OpenAIのハードウェアチームへ移籍すると報じられています。これは、最先端のAIハードウェア開発における人材の価値が非常に高まっていることを示しています。大手テック企業が、AIの次のフロンティアを切り開くために、優秀な人材を積極的に獲得し合っている状況が浮き彫りになっています。

🧠 Googleも「小型モデル」の可能性を重視：ローカルLLMの再評価

コミュニティ内では、ニッチなプロジェクトへの批判があるものの、Googleなどの大手企業が小型で効率的なローカルLLM（大規模言語モデル）の可能性を依然として信じているという議論がされています。これは、AIの利用がクラウド上の巨大なモデルに限定されるのではなく、より高速でプライバシーが保護されるエッジデバイスやローカル環境での活用が、今後の主流となり得ることを示唆しています。

TheとFintechで読む：Anthropicの規制を背景に：アジアAIの台頭とClaudeが描くAI最前線 06-28

Anthropicの規制を背景に：アジアAIの台頭とClaudeが描くAI最前線

AIとWeb3の領域は、地政学的な規制や技術革新のスピードにより、日進月歩で変化しています。今週のニュースでは、米国の規制を背景にアジア圏のAIスタートアップが独自のモデル開発を進めている動きや、AIが医療分野で人々の命を救う事例など、最前線の動向が目立ちました。

🌏 地政学リスクを背景に：アジアのAIスタートアップがMythos級モデルを投入

米国が主要な西側AIラボに対して輸出規制を強化する中、アジア圏のAIスタートアップが独自の競争力を持ち始めたことが報じられています。これらのスタートアップは、Mythosに匹敵する能力を持つ大規模言語モデル（LLM）を市場に投入し、規制の枠組みを回避しながら市場シェアを確保しようとしています。これは、AI開発が単なる技術競争ではなく、国家や地域間の経済安全保障を巡る「地政学的な戦場」となっていることを示しています。

⚕️ AIを医療に活用：創業者、Claudeで癌闘病に挑む

ある起業家が、自身の癌との闘病において、AIモデル（Claude）を駆使して戦うという、非常に具体的な事例が注目を集めました。彼は、血液検査の結果、スキャン画像、ウェアラブルデバイスの出力など、膨大な量の個人健康データをAIに分析させ、病気との闘いにおける新たな知見を得ました。これは、AIが単なる業務効率化ツールに留まらず、個別化された高度医療（Personalized Medicine）の実現に貢献する可能性を強く示唆しています。

💰 Web3の課題：Polymarketハッキングで明らかになったDeFiの脆弱性

予測市場プラットフォームであるPolymarketがハッキングを受け、310万ドルもの損失を計上したというニュースが報じられました。このハッキングは、プラットフォームがユーザーに対して全額返金を約束していた時期に発生しており、DeFi（分散型金融）分野におけるセキュリティリスクの高さが改めて浮き彫りになりました。ユーザー保護とシステムの透明性が、Web3が社会実装を進める上での最大の課題であることが再認識されました。

🌐 Web3規制の攻防：MiCAライセンスを巡るCoinbaseとOKXの動き

バイナンス（Binance）が欧州のMiCAライセンス取得に苦戦する中、CoinbaseやOKXといった大手取引所が、バイナンスの欧州ユーザーを誘致しようと動きを見せています。これは、世界的な暗号資産規制（MiCAなど）の枠組みが、業界の競争構造を大きく変えつつあることを示しています。規制の遵守が、今後のWeb3市場におけるプレイヤーの生き残り戦略を決定づける重要な要素となっています。

（今回は、最も重要度の高いAI・地政学・医療・Web3のテーマに絞り、記事を構成しました。）

2026年6月27日土曜日

OpenAI、NVIDIA、Googleが加速させる「自社AIチップ」開発競争と最新モデルの動向 06-27

OpenAI、NVIDIA、Googleが加速させる「自社AIチップ」開発競争と最新モデルの動向

AI技術の進化は、単に高性能なモデルが発表されるという段階を超え、インフラストラクチャとセキュリティ、そして電力効率の面で激しい競争が繰り広げられています。本日のニュースでは、OpenAIやGoogleといった巨大テック企業が、NVIDIAへの依存を減らすため自社チップ開発に乗り出す動きや、DeepSeekなどによる画期的な推論効率化の成果が目立ちました。

💻 AIインフラの覇権争い：なぜ全ての大手企業が自社チップを開発するのか

（元記事：OpenAIからSpaceXまで、なぜ誰もが自社チップを開発するのか？NVIDIAへの熱が上がる）

OpenAIやGoogle、Appleといった主要テック企業が、AI処理に特化したカスタムチップ（ASIC）の開発を加速させています。これは、AIの需要が爆発的に高まる中で、特定のサプライヤー（NVIDIAなど）に依存することのリスクを減らし、独自の計算能力とコスト効率を確保するためです。AIの計算能力が企業の生命線となりつつある今、ハードウェアの自給自足が最重要課題となっています。

🚀 DeepSeekが公開した画期的な推論最適化技術

（元記事：DeepSeek、推論最適化をオープンソース化し、生成速度を60〜85%向上）

DeepSeekが、大規模言語モデル（LLM）の推論（Inference）プロセスを劇的に高速化する最適化技術をオープンソースとして公開しました。この技術は、推論速度を最大60〜85%も向上させることが可能であり、AIモデルの実用化における大きなボトルネックを解消する可能性を秘めています。この成果は、より多くのユーザーが、より速く、より安価に高性能なAIを利用できる未来を予感させます。

💡 QwenやGemmaなど、次世代モデルの登場が続く

（元記事：Orthrus（拡散ヘッド）で学習されたQwen 3.5/3.6やGemma 4モデルがまもなくリリース）

QwenやGemmaといった複数のモデルファミリーが、次世代の高性能モデルのリリースを間近に控えています。これらのモデルは、最新の技術的ブレイクスルーを取り入れ、さらに高い性能と効率性を実現することが期待されています。オープンなコミュニティが参加するモデルの進化は、特定の企業に依存しない、多様なAIソリューションの普及を後押ししています。

🛡️ AIセキュリティの課題：ハッキング試行と規制の強化

（元記事：AIアシスタントをハックしようとした2,000人から何が起こったか）

あるセキュリティチャレンジでは、AIアシスタントに対し、何千ものプロンプト注入（Prompt Injection）を試みる攻撃者が集められました。しかし、開発された堅牢なセキュリティルールのおかげで、攻撃者は機密情報にアクセスすることができず、AIシステムの防御力の高さが実証されました。AIの利用が広がるにつれて、セキュリティ対策と防御技術の重要性がますます高まっています。

（元記事：OpenAIが政府の要請を受け、GPT-5.6のロールアウトを制限）

OpenAIは、政府からの要請を受け、最新モデルGPT-5.6の展開に制限を設ける事態となりました。これは、AIの能力が社会的な影響力を増すにつれ、その利用範囲やガバナンス（統治）に関する規制が現実的な問題となりつつあることを示しています。AI開発のスピードと、社会的な規制・倫理的な議論とのバランスが、今後の大きな課題となるでしょう。

OpenAI、Nvidia、Googleが挑む「AIチップ戦争」：GPT-5.6の規制と次世代モデルの波 06-27

OpenAI、Nvidia、Googleが挑む「AIチップ戦争」：GPT-5.6の規制と次世代モデルの波

2026年6月27日時点のAI・Web3ニュースは、技術的なブレイクスルーと、それを取り巻くインフラ・規制の課題が交錯する、極めてダイナミックな状況が続いています。特に、AIの「心臓部」となるチップを巡る覇権争いは激化の一途を辿っており、大手テック企業は自前のチップ開発に乗り出す動きが目立ちます。

本日の注目ニュースでは、AIハードウェアの自給自足化の動き、最新モデルの性能検証、そしてAIの利用拡大に伴う規制やセキュリティの課題について深掘りします。

OpenAIからSpaceXまで：なぜ誰もが独自のAIチップを開発するのか？

大手テック企業、OpenAI、Google、Appleといったプレイヤーが、Nvidiaのような単一のサプライヤーへの依存を減らすため、独自のカスタムAIチップ開発を加速させています。これは、AIの計算能力が爆発的に増大するにつれて、高性能な半導体チップがボトルネックとなり、サプライチェーンの安定性が国家的な戦略課題となっているためです。

AIのインフラを巡る競争は、単なる技術競争ではなく、経済安全保障の側面を帯びています。各社が自社専用のチップを開発することは、AIモデルの最適化と、長期的なコスト管理の両面から極めて重要になってきています。

Nemotron-3-Super-120B-A12Bが示す、次世代モデルの性能検証

Nemotron-3-Super-120B-A12Bという新しいハイブリッドモデルが、驚異的な性能を記録しました。このモデルは、長大なコンテキスト（最大504Kトークン）における「針の検索（needle retrieval）」において完璧な性能を示し、最新のAIモデルの可能性を広げています。

この結果は、単にパラメータ数を増やすだけでなく、MambaとMoE（Mixture of Experts）といった異なるアーキテクチャを組み合わせることで、効率的かつ長期記憶に強い次世代LLMが実現可能であることを示唆しています。

AIアシスタントを2,000人がハッキングしようとした結果

AIアシスタントのセキュリティに関する実験が行われ、2,000人もの参加者によるハッキング試行が行われました。この試みから得られた最大の教訓は、強力な「プロンプトインジェクション対策ルール」を導入することが、機密情報の漏洩や不正なアクションを防ぐ上で極めて有効であるということです。

AIの利用が一般化するにつれ、悪意のある利用やセキュリティの脆弱性を突く試みも増えています。この事例は、AIシステムを設計する際、機能性だけでなく、多層的な防御策（システム・ハーデニング）が必須であることを強く示しています。

OpenAI、政府の要請を受けGPT-5.6の展開に制限を設ける

OpenAIがGPT-5.6のロールアウトを一時的に制限するという動きが報じられました。これは、政府からの要請が背景にあり、AIの進歩がもたらす潜在的なリスクに対する規制の強化が背景にあります。

AIの能力が飛躍的に向上する一方で、社会的な影響力が増すにつれて、利用範囲やデータ取り扱いに関する政府や国際的な規制が追い付いていないのが現状です。開発企業は、技術的な進歩と規制遵守という、相反する二つの課題に直面しています。

AI産業の経済構造は持続可能か？市場の過熱に対する警鐘

著名な経済アナリストによる記事は、現在の最先端AIモデル開発のコストが高すぎる点を指摘し、その持続可能性に疑問を呈しています。市場が急速にコモディティ化する中で、現在の「AIインフラ」に対する過剰な期待や、米国中心の市場構造に偏りがあるという警鐘が鳴らされています。

AIブームは巨大な資金を動かしていますが、その投資が真に持続可能で、広範な市場に利益をもたらす構造になっているのかどうか、冷静な経済的視点からの検証が求められています。

OpenAI、Google、Appleが挑む「AIチップ戦争」：GPT-5.6とNvidiaを巡る最新動向 06-27

OpenAI、Google、Appleが挑む「AIチップ戦争」：GPT-5.6とNvidiaを巡る最新動向

AI業界は、単なるモデルの性能競争から、それを動かす「ハードウェア」を巡る激しい覇権争いへとシフトしています。OpenAIが次世代モデルのプレビューを発表する一方、GoogleやAppleといった巨大テック企業が、Nvidiaへの依存を減らすための自社製AIチップ開発を加速させています。

本日は、AIの最前線で起きている最も重要な動きを、モデルの進化、インフラの競争、そしてセキュリティの観点からまとめてお届けします。

🚀 GPT-5.6 Solのプレビュー：次世代モデルが示す進化の方向性

OpenAIが次世代モデル「GPT-5.6 Sol」のプレビューを発表し、コミュニティの注目を集めています。このモデルは、特殊なハードウェアでの高速処理に特化しており、単なる言語理解能力の向上に留まらない、新たな市場戦略を示唆しています。

GPT-5.6 Solの登場は、AIが単なるソフトウェアではなく、特定の計算環境（ハードウェア）と密接に結びついて進化していることを示しています。今後の機能や市場への影響について、多くの議論が交わされており、AIの進化がますます専門的なインフラを必要とする時代に入ったことがわかります。

💻 AIチップ開発競争の激化：Nvidiaに挑むテックジャイアントたち

OpenAI、Google、Appleといった主要なテック企業が、AIチップの自社開発を本格化させています。これは、特定のサプライヤー（Nvidiaなど）への依存度を下げるため、自社のAI戦略を強固にすることを目指した動きです。

AIの計算需要が爆発的に増大する中で、高性能なAIチップは最も重要な「石油」のような存在となりました。各社が独自のチップを開発することは、単なるコスト削減以上の意味を持ち、AI技術を自社のコアな競争優位性として確立しようとする戦略的な動きなのです。

🧠 Nemotron-3の技術的ブレイクスルー：超長文コンテキスト処理の効率化

Nemotron-3-Super-120BというハイブリッドなMamba+MoEモデルが、504Kトークンという非常に長いコンテキストウィンドウにおいて、高い検索精度を維持できることが実証されました。これは、従来のKVキャッシュといった手法に依存しない、効率的なリカレントステートを証明した画期的な成果です。

この成果は、AIモデルがこれまで処理できなかった膨大な量の情報を一度に記憶し、利用できることを意味します。これにより、長大な文書や複雑なデータセット全体を考慮に入れた、より高度な推論や分析が可能になるでしょう。

🔥 OpenAIの「Jalapeño」チップ：Nvidiaに対抗する具体的な動き

OpenAIが開発を進める「Jalapeño」チップは、Nvidiaの支配的な地位に対する、ビッグテックからの具体的な挑戦状と見られています。このチップの開発は、単に性能を追いつかせるだけでなく、AIモデルの運用コストと、特定のハードウェアに縛られない自由度を確保することを目的としています。

AIインフラの競争が激化する中で、モデル開発元自身がハードウェアの最適化を行うことは、今後のAIエコシステムにおいて不可欠な要素となりつつあります。

🛡️ AIアシスタントの脆弱性：2,000人によるハッキング試行から学ぶ教訓

あるAIアシスタントが、2,000人もの参加者によるハッキング試行に晒された事例が報告されました。この試行は、メール経由での機密情報漏洩など、多岐にわたる脆弱性を浮き彫りにしました。

この事例は、AIアシスタントが社会に深く組み込まれるほど、セキュリティ上のリスクも増大することを警告しています。AIの利用が進むにつれ、モデルの性能だけでなく、いかに安全で堅牢なシステム設計が求められるかが明らかになっています。

CVE-2026-LGTMで読む：【OpenAI/Anthropicが描く未来】AI開発の最前線から学ぶ、セキュリティとエンジニアリン… 06-27

【OpenAI/Anthropicが描く未来】AI開発の最前線から学ぶ、セキュリティとエンジニアリングの課題

🚨 開発プロセスにおけるAIの過信に警鐘：架空の脆弱性「CVE-2026-LGTM」レポート

このレポートは、架空のセキュリティ脆弱性（CVE-2026-LGTM）を題材とした風刺的なインシデント報告です。AIによる開発支援やインシデント対応が過度に信頼され、時に非論理的になる傾向を批判的に描いています。最新のAIツールを活用する際も、技術的な側面だけでなく、プロセス全体の健全な検証が求められるという警鐘が鳴らされています。

(注：今回のまとめは、非常に専門的かつ風刺的な内容が中心となるため、AIの進化に伴う「過信」や「検証の重要性」という、開発プロセスそのものに焦点を当てた記事となりました。)

2026年6月26日金曜日

Japaneseで読む：AnthropicのClaude vs OpenAI：AIエージェントとvLLMが描く最前線 06-26

AnthropicのClaude vs OpenAI：AIエージェントとvLLMが描く最前線

今週のAI・Web3ニュースは、モデルの性能競争、インフラの効率化、そしてAIエージェントの実世界応用という三つの大きな流れが目立ちました。特に、AnthropicのClaudeが有料消費者市場で存在感を示している一方、技術面ではvLLMによる高速化や、ゲームを活用したAIエージェントの訓練方法など、技術的なブレイクスルーが目白押しです。

🎧 12種類の音声モデルを1つのC++/ggmlランタイムで高速実行（Qwen3-TTSなど）

複数の音声合成（TTS）モデル（Qwen3-TTS、PocketTTS、VeVo2など）を、単一のC++/ggmlランタイムで動かす技術が発表されました。これにより、CUDA上でのTTS処理がPython環境と比較して最大5倍の高速化を実現し、AIの音声処理の効率性が飛躍的に向上しました。

AIと責任（Liability）に関する議論の活発化

AIの進化に伴い、AIが引き起こした損害や誤情報に対する責任の所在（Liability）が大きな社会問題となっています。技術的な進歩だけでなく、法制度や倫理的な枠組みの整備が急務であり、企業や政府によるガイドライン策定が求められています。

vLLMサーバーをHF Jobsでワンコマンドで構築可能に

高性能なLLM（大規模言語モデル）をデプロイする際、vLLMサーバーをHugging Faceのジョブ環境上で単一のコマンドで実行できるようになりました。これにより、開発者が複雑なインフラ設定に悩むことなく、すぐにモデルの実験やサービス化を進められるようになり、AI開発の障壁が大きく下がりました。

ハイブリッドモデルはどのトークンをより正確に予測できるか

AIモデルの予測能力に関する研究が進み、ハイブリッドモデルが特定の種類のトークン（単語や記号）をどのように予測するのかが分析されています。この研究は、単なるテキスト生成だけでなく、より複雑なデータ構造や文脈を考慮したモデル設計の指針を提供するものです。

Patronus AIが「デジタルワールド」構築に5000万ドルの資金調達

Patronus AIは、AIエージェントの性能を徹底的に試すための「デジタルワールド（仮想世界）」を構築することに成功し、5000万ドル（約70億円）の資金調達を完了しました。これは、単にモデルを動かすだけでなく、仮想環境でエージェントを試行錯誤させることで、実用的なAIの信頼性を高める新たなトレンドを示しています。

AnthropicのClaudeがChatGPTが支配する有料市場で優位に立つ

Anthropicが開発したClaudeシリーズが、長年ChatGPTが支配してきた有料サブスクリプション市場で、大きな支持を集めていることが報告されました。ユーザーは、Claudeの持つ高度な推論能力や、より自然で安全性の高い応答に魅力を感じており、AIプラットフォームの競争が激化しています。

勝利の鍵は「ゲーム」？動画ゲームでAIエージェントを訓練する賭け

General Intuition社は、現実世界で機能するAIエージェントを訓練する最良の方法は、動画ゲームの環境を利用することだと提唱しています。ゲームは、安全で再現性の高いシミュレーション環境を提供するため、エージェントが様々なシナリオでの行動パターンを学ぶための理想的な「サンドボックス」となる可能性を秘めています。

AIの電力消費問題を1000倍削減する可能性のある技術が登場

データブリックス（Databricks）の元AI責任者などから、AIモデルの運用における電力消費を劇的に削減できる技術に関する提言がなされました。AIの利用が拡大する中で、エネルギー効率の改善は単なる技術的な問題ではなく、持続可能性に関わる喫緊の課題となっています。

AIラジオの実画面を、AIがデモ動画にして公開する — Kurage Argo VideoとAIRadioの連携

株式会社エクスブリッジでは、AIを「文章を書く道具」としてだけではなく、実際の業務画面を動かし、録画し、動画として公開するところまでを一つのパイプラインとして開発しています。

今回、Kurage Argo Video を使って、Kurage AI VTuber Radio（AIRadio） の実画面を録画し、機能解説付きのデモ動画として Kurage に公開しました。

デモ動画はこちらです。

これは単なる画面録画ではありません。

AIラジオを実際に動かし、その様子をAIが録画し、解説動画に編集し、Kurage上で公開するという、企業の情報発信を内製化するための実証です。

AIRadioとは何か

Kurage AI VTuber Radio、通称AIRadioは、AI VTuberがラジオDJのように話し続けるシステムです。

編集者のプロフィールや指定テーマに合わせて台本を作り、AI VTuberが音声で話し、画面には次のような情報が表示されます。

AI VTuberのアバター
現在話している内容
コメント欄
Loop Log
YouTube Live配信操作
テーマ割込み用の入力欄

AIRadioの役割は、単に音声を読み上げることではありません。

企業が発信したいテーマを、ラジオ番組のように継続的に話し続けることです。たとえば、AI活用、バイブコーディング、Web3、社内教育、サービス紹介、採用広報などを、AI VTuberが穏やかに話す番組にできます。

今回のデモ動画で見せた機能

今回のデモ動画では、AIRadioの画面をスクロールしながら、単なるトップ画面ではなく、実際に運用で重要になる部分を見せています。

具体的には、次の機能を動画内で確認できるようにしました。

プロフィールに合わせた台本生成
AI VTuberによるラジオ音声
「今話している内容」の表示
コメント欄
Loop Logによる処理状況の可視化
テーマ割込み機能
YouTube Live配信へつなげる操作領域

経営者にとって重要なのは、「AIが話します」という説明だけではありません。

実際の画面で、何を話しているのか、運用ログがどう見えるのか、コメントや配信操作がどこにあるのかが分かることです。今回のデモでは、そこを見せるために画面スクロールを入れています。

Kurage Argo Videoの役割

Kurage Argo Videoは、ブラウザ操作を録画し、デモ動画として仕上げるための仕組みです。

Webサービスのデモ動画を作る場合、通常は次のような作業が必要です。

ブラウザを開く
操作手順を決める
画面録画する
ナレーションを作る
不要部分をカットする
テロップや説明カードを入れる
動画として書き出す
公開ページにアップする

Kurage Argo Videoは、この流れをAIと自動化で短縮するためのプロダクトです。

今回のデモでは、AIRadioの実画面を録画し、前後に機能説明を加え、縦型ショート形式の動画としてKurageに公開しました。

ここで大事なのは、架空の画面を作ったのではなく、実際に動いているAIRadioの画面を録画していることです。

Kurage公開基盤の役割

録画した動画は、Kurageの動画公開ページで見られるようにしました。

公開デモ動画

Kurageは、動画生成・動画公開・サムネイル・タイトル・説明文を扱うための基盤です。今回のようなデモ動画を、単にローカルファイルとして残すのではなく、URLで共有できる状態にします。

営業、採用、投資家向け説明、社内共有では、動画ファイルを送るよりも、公開URLで見せられる方が使いやすくなります。

技術的には何をしているのか

今回の連携は、複数のシステムをつないでいます。

AIRadio
  ↓ 実ブラウザで動作
Kurage Argo Video
  ↓ 画面と音声を録画
動画編集パイプライン
  ↓ 機能説明カードと実音声区間を結合
Kurage
  ↓ 公開用URLとして配信
VWork Blog / SNS
  ↓ 事例として説明・発信

AIRadio側では、AI VTuberの画面、台本生成、TTS音声、コメント、Loop Logなどを表示します。

Kurage Argo Video側では、ブラウザの画面と音声を録画します。今回の録画では、画面スクロールを入れて、上部の見た目だけでなく、実際の運用情報が見える下部セクションも映しました。

Kurage側では、完成した動画をジョブID付きで公開し、タイトルや説明文も整えています。

この一連の流れにより、プロダクトの実画面を、説明可能な動画コンテンツへ変換することができます。

なぜ経営者に重要なのか

企業が新しいシステムを作っても、それを社内外に伝えるのは意外と難しいものです。

営業資料だけでは伝わりにくい
長いマニュアルは読まれにくい
デモ動画を毎回作るのは手間がかかる
担当者が説明しないと価値が伝わらない

しかし、AIが実画面を録画し、機能を説明する動画まで作れるようになれば、状況が変わります。

新機能を作ったら、すぐにデモ動画を作る。社内ツールを更新したら、操作説明動画を作る。営業で見せたい画面を、短い動画にして共有する。

これを少人数で回せるようになります。

エクスブリッジの技術的優位性

エクスブリッジの強みは、単体のAIツールを使うことではありません。

AI、OSS、ブラウザ自動化、VTuber、TTS、動画生成、公開基盤、ブログ/SNS発信を、業務で使える形につなげていることです。

今回のデモには、少なくとも次の技術要素が入っています。

AI VTuber画面
AIラジオ台本生成
TTS音声生成
ブラウザ自動操作
画面録画
音声付き動画生成
縦型ショート動画化
Kurageでの公開
VWork Blogでの事例化

これは、AIに文章を書かせるだけの導入とは違います。

実際に画面を動かし、動画にし、公開し、説明記事にする。ここまでを一つの仕組みにできるから、企業の情報発信と業務改善に直結します。

今後の活用例

この仕組みは、AIRadioだけでなく、さまざまな業務に応用できます。

新サービスのデモ動画
社内システムの操作説明
採用向けの仕事紹介
研修コンテンツ
営業提案用のプロトタイプ動画
顧客向けの導入説明
AI Agentが実行した作業の証跡動画

企業にとって、動画は「広報用の特別な制作物」から、「日々の業務を説明するための標準出力」になっていきます。

エクスブリッジは、そのためのAI×OSSプロダクト群を実装し続けています。

AIの責任問題とClaudeの躍進：Anthropicが描く次世代AI市場の構図

2026年6月26日のAI、Web3、スタートアップの最新ニュースをまとめました。今週の焦点は、「AIの責任（Liability）」という法的な課題と、市場における「AnthropicのClaude」の急速な存在感の拡大です。技術的な効率化の進展とともに、AIの社会実装に伴う倫理的・法的な議論が深まっていることがうかがえます。

🤖 AIの責任問題：AIエージェントの誤作動は誰の責任か？

（AI and Liability）

AIエージェントが引き起こしたエラーに対する法的な責任の所在が議論されています。この原則では、AIエージェントは単なるツールではなく、利用する個人や組織の延長として扱われるべきであり、AIが生成した誤りや損害についても、展開した主体が責任を負うという考え方が主流になりつつあります。AIの利便性が高まるほど、この「責任の明確化」が法制度において喫緊の課題となっています。

🎧 audio.cpp：C++で実現する次世代オーディオ処理の効率化

（audio.cpp: 12 audio models in 1 C++/ggml runtime）

開発されたaudio.cppは、複数の多様な音声モデル（Qwen3-TTSやPocketTTSなど）を単一のC++/ggmlランタイム環境に統合する画期的なフレームワークです。これにより、これまで個別のPython環境で運用されていたモデル群が、単一の最適化された環境で動くようになり、特にCUDA上での推論速度が大幅に向上しました。ローカル環境での高度な音声処理やマルチモデル運用が、より高速かつ容易になることを示しています。

🚀 AnthropicのClaudeが市場をリード：ChatGPTの牙城に迫る競争激化

（Anthropic’s Claude is winning over paid consumers, a market owned by ChatGPT）

有料のAIサービス市場は、これまでChatGPTが支配的な地位を築いてきましたが、AnthropicのClaudeが有料ユーザー層から注目を集め、シェアを伸ばしていることが報告されました。これは、Claudeが提供する高い安全性、倫理性、そして複雑なタスク処理能力が、単なる機能の優位性だけでなく、ユーザーの信頼を獲得していることを示唆しています。

🎮 ゲームでAIを訓練する「23億ドルの賭け」

（General Intuition’s $2.3B bet that video games can train AI agents for the real world）

一般知性（General Intuition）は、ビデオゲームの環境が、AIエージェントを現実世界に対応できる形で訓練するのに最適なプラットフォームであるという見解に23億ドルを賭けています。ゲームを通じて得られるシミュレーションデータや行動パターンは、現実世界でのAIの安全性と汎用性を高めるための重要な訓練場となり得ると期待されています。

⚠️ OpenAIに求められる安全性：モデルリリース速度への懸念

（The White House is asking OpenAI to slow roll the release of its new model over safety concerns）

ホワイトハウスが、OpenAIに対して新モデルのリリース速度を落とすよう働きかけているというニュースが報じられました。これは、AIモデルの能力が飛躍的に向上する一方で、その潜在的な危険性や悪用リスクも増大しているため、安全性と社会的な影響を考慮した慎重な配慮が求められていることを示しています。

【まとめ】

今回のニュースから、AI業界は単なる「機能の追加」フェーズから、「責任と安全性の確立」という社会実装のフェーズへと移行していることが明確になりました。技術的には、audio.cppのような効率化が進行し、市場競争ではAnthropicのClaudeが強力な対抗馬として台頭しています。同時に、AIの能力の高さゆえに、法的な責任や政府による規制がより重要になってきているのが現状です。

Kurage AI VTuber Radio：ライブ配信しながら睡眠用・学習用動画を作るAIラジオ

YouTubeでは、睡眠用BGM、作業用BGM、睡眠導入の朗読、長時間のリラックス動画が大きな再生数を取ることがあります。

理由はシンプルです。視聴者が長く再生しやすく、顔出しや派手な撮影を必要とせず、一度作った動画が継続的に再生される可能性があるからです。そのため、動画制作副業の文脈でも「睡眠用動画」「作業用動画」はよく紹介されます。

ただし、従来の睡眠用動画には弱点もあります。BGMだけでは差別化しづらく、単なる朗読では制作に手間がかかり、情報価値を入れすぎると眠れなくなる。ここに、Kurage AI VTuber Radioの新しい可能性があります。

Kurage AI VTuber Radioとは

Kurage AI VTuber Radioは、AI VTuberのKurageがラジオDJのように話し続けるシステムです。

コンセプトは、

聴きながらよく寝れる - AI思考のラジオ

です。

単なる睡眠用BGMではありません。編集者が「学びたいテーマ」を指定し、Kurageがそのテーマを穏やかなテンポで解説します。たとえば、AI、Bittensor、バイブコーディング、Claude Code、Codex、Web3収益化、AI Agent活用などを、眠りを邪魔しない語り口でラジオ化できます。

編集者とKurageの役割

Kurage AI VTuber Radioでは、xb_bittensor のような内部アカウント名を前面に出すのではなく、画面上では「編集者」という役割として扱います。

編集者は単なる聞き手ではありません。編集者は、番組の方向性を決める人です。

編集者が「今日はバイブコーディングを学びたい」と指定すれば、Kurageはそのテーマについて話し始めます。裏側ではKurage AgentReachが情報収集を行い、ClaudeやOllamaを使って次の台本を生成します。

つまり、編集者が学びたいことを、Kurageが他のリスナーにも届く番組へ変換する仕組みです。

ライブ配信しながら動画資産を作る

このシステムの大きな特徴は、ライブ配信と動画制作が分かれていないことです。

通常、動画制作では次の工程が必要になります。

テーマを決める
情報を集める
台本を書く
ナレーションを作る
映像にする
YouTubeに投稿する

Kurage AI VTuber Radioでは、この流れをラジオ配信の中に組み込みます。

Kurageが表で話し続けている間に、裏側で情報収集と台本生成が進みます。台本キューが補充され、番組は止まらず続きます。そして、その配信をYouTube Liveに流せば、配信そのものが長尺の睡眠用・学習用動画になります。

つまり、

ライブ配信しながら、そのまま再利用できる動画資産を作る

という考え方です。

睡眠用動画との相性

睡眠用動画で重要なのは、刺激が強すぎないことです。

一方で、ただの無音やBGMだけでは、学習やビジネス文脈の価値を出しにくい。Kurage AI VTuber Radioは、その中間を狙います。

声は落ち着いている
話題は深い
進行はゆっくり
聞き流しても成立する
眠る前に学びの断片が残る

これは、経営者や開発者にとっても相性が良いコンテンツです。移動中、作業中、就寝前に、AIや自動化、収益化の考え方を自然に吸収できます。

YouTubeコメント欄のような参加機能

Kurage AI VTuber Radioには、ログインしたユーザーが書き込めるコメント欄も追加しました。

編集者だけでなく、他のログインユーザーもコメントできます。これは、YouTube Liveのコメント欄のような役割です。

今後は、リスナーのコメントをKurageが拾い、番組中に自然に反応することで、よりライブ感のあるAIラジオに発展できます。

エクスブリッジの技術的優位性

この仕組みは、一つの単体ツールではありません。

エクスブリッジが開発してきたKurageシリーズの技術を組み合わせています。

Kurage AI VTuberによるアバター表示と口パク
Kurage AgentReachによる情報収集
Claude / Ollamaによる台本生成
URL2AI系の共通ログイン
YouTube Live / RTMP配信連携
kargovやKurage動画生成系で培った動画化の知見

重要なのは、AIに一回文章を書かせるだけではなく、情報収集、台本生成、配信、録画、動画資産化までを一つの運用パイプラインにしている点です。

これは、企業の情報発信にも応用できます。自社の専門領域を、AI VTuberが毎日ラジオのように語る。配信後は長尺動画として残り、切り抜きやショート動画にも展開できる。そうした継続発信の仕組みを、少人数でも回せるようになります。

今後の展開

Kurage AI VTuber Radioは、睡眠用コンテンツと学習コンテンツを組み合わせた新しいAIメディアです。

今後は、次のような発展が考えられます。

テーマ別の定期番組化
コメントを拾ったリアルタイム応答
配信後の自動アーカイブ動画化
長尺動画からショート動画への自動切り出し
企業向けの専門ラジオ番組化

AIで動画を作るだけではなく、AIが話し続け、配信し続け、コンテンツ資産を作り続ける。

Kurage AI VTuber Radioは、その方向に向けたプロダクトです。

AnthropicのClaudeがChatGPTを脅かす？AIエージェント、vLLM、そして金融Web3の最新動向

AIの進化が加速する中で、モデルの性能競争は激化しています。単なる言語処理に留まらず、AIはゲームを通じて実世界の知能を獲得しようとしたり、インフラレベルでの効率化が求められたりしています。今回は、市場の競争激化、AIエージェントの進化、そしてWeb3の金融応用といった、最前線のトピックを深掘りします。

🤖 AnthropicのClaudeがChatGPTの優位性に挑戦

大手AIモデルの市場競争が激化しています。データによると、Anthropicが開発した「Claude」が、長らく市場をリードしてきたChatGPTの有料ユーザー層から注目を集め、シェアを伸ばしていることが示唆されています。Claudeは、特に倫理的な配慮や長文の理解において高い評価を得ており、単なる機能競争ではなく、利用体験全体でユーザーの信頼を獲得し始めているようです。

🎮 ゲームでAIエージェントを訓練する新たなアプローチ

General Intuition社が、ビデオゲームの膨大なゲームプレイデータセットを活用してAIエージェントを訓練する、という野心的なビジョンを掲げました。同社は、ゲームを通じて人間のような「直感（Intuition）」をAIに持たせることに賭け、大規模な資金調達に成功しました。これは、AIが単なるテキスト生成モデルから、現実世界で自律的に行動できる「具現化されたAI（Embodied AI）」へと進化する可能性を示しています。

⚡ AIの電力消費を劇的に削減する技術の可能性

元AIチーフの専門家が指摘しているように、AIの計算資源の効率化は喫緊の課題です。彼は、AIの電力消費量を理論上1,000分の1に削減できる可能性のあるアプローチについて提言しています。これは、AIモデルのトレーニングや推論における計算コストを大幅に削減し、AIの社会実装をより現実的で持続可能なものにするための重要なブレイクスルーとなる可能性があります。

🚀 vLLMサーバーをHuggingFace Jobsで一発デプロイする方法

機械学習の現場における実用的な課題解決策が提示されました。HuggingFaceが提供するブログ記事では、vLLM（高性能なLLM推論エンジン）サーバーを、HuggingFace Jobsというプラットフォーム上で単一のコマンドで簡単にデプロイする方法を紹介しています。これは、モデル開発者が研究段階のモデルを、実際に利用できる本番環境（プロダクション）へ移行する際の、ワークフローを大幅に簡素化するMLOps上の重要な進展です。

💰 大手資産運用会社Invescoがトークン化ファンドを組成

金融業界におけるWeb3の採用が、より伝統的かつ大規模なプレイヤーにまで広がっています。資産運用大手Invescoが、ステーブルコインの準備金市場をターゲットとしたトークン化ファンドの組成を申請しました。これは、従来の金融資産がブロックチェーン上でデジタルアセットとして扱われる「RWA（Real World Assets）」の潮流が、実際に巨大な金融機関の資金を動かし始めていることを示す象徴的な事例です。

【まとめ】

現在のAI市場は、単なる性能比較の時代から、「実世界での応用」と「効率的なインフラ構築」の時代へと移行しています。ClaudeとChatGPTのようなモデル間の競争は激しさを増す一方、General Intuitionのような取り組みは、AIがゲームという仮想空間を通じて現実の知能を学ぶという、新しいパラダイムを提示しています。また、vLLMやInvescoの動向からは、AIの技術的な洗練と、Web3技術が既存の巨大産業に組み込まれていく現実的な流れが読み取れます。

Infrastructureで読む：Amazonのインド投資から読み解くAIインフラの潮流：モデル最適化とクラウド競争の最前線 06-26

Amazonのインド投資から読み解くAIインフラの潮流：モデル最適化とクラウド競争の最前線

AI技術の進化は目覚ましいものがありますが、その進化を支える「インフラ」と、より効率的で高性能な「モデル」の開発競争が、今、最も激しいフェーズに入っています。

今回は、Amazonによる大規模な市場投資から、小型LLMの性能を飛躍的に向上させる技術革新、そしてクリエイティブ分野の垂直統合の動きまで、最新のAI・テクノロジーニュースをまとめてお届けします。

🇮🇳 Amazonがインド市場でAIインフラ投資を大幅増額

AmazonがインドにおけるAIインフラへの投資を大幅に拡大することが明らかになりました。これは、AI能力を地域全体に展開しようとする巨大テック企業のグローバルなトレンドを反映しています。

Amazonは、インド市場におけるAIの需要の高まりを見越し、大規模なインフラ投資を計画しています。この動きは、単なる市場拡大に留まらず、インドをグローバルなAI開発およびデータ処理のハブとして位置づけようとする戦略的な意図が読み取れます。

🔬 小型LLMのコーディング性能を劇的に改善する新技術が登場

小規模な言語モデル（0.5Bモデル）のコーディング性能を飛躍的に向上させる新しいサンプラーおよびベリファイアの技術が公開されました。この技術は、モデルのサイズを抑えつつ、実用的なレベルにまで性能を引き上げる画期的なアプローチです。

ただし、この性能向上を実現するためには、計算リソースやデコード速度において無視できないオーバーヘッドが発生するという課題も指摘されています。これは、モデルの効率性と性能のバランスを追求する、現在のAI研究の最前線を示す事例と言えます。

🚀 AIネオクラウドの展開を加速する資金調達：Netrisがa16zから資金調達

Netris社が、AIネオクラウド（Neocloud）インフラの展開を加速させるため、a16zから1,500万ドルのシリーズA資金を調達しました。ネオクラウドとは、エッジコンピューティングなど、従来のクラウドとは異なる分散型のAIインフラを指します。

この資金調達は、AIの処理能力をデータが生成される現場（エッジ）に近づける「分散型AI」の需要の高まりを裏付けています。これにより、企業はより迅速かつ柔軟にAIシステムを導入できるようになります。

🎨 Adobeが画像・動画編集ツールメーカーTopaz Labsを買収

Adobeが、画像および動画のエンハンスメント（強化）ツールを提供するTopaz Labsの買収を発表しました。この統合により、Adobeのクリエイティブアプリケーション群全体に、高度な画像・動画処理機能が組み込まれることになります。

これは、単なるツールの追加ではなく、Adobeがクリエイティブワークフロー全体を掌握し、ユーザー体験をよりシームレスに、かつ高品質に進化させようとする戦略的な動きです。

【本日のまとめ】

今週のニュースからわかるように、AIの進化は「どこで動かすか（インフラ/クラウド）」と「どれだけ賢く動かすか（モデル最適化）」という二つの軸で加速しています。Amazonの巨額投資はグローバルなインフラ競争の激化を示し、同時に小型モデルの性能向上は、AIをより身近で利用しやすいものにする技術革新の波が来ていることを示唆しています。

2026年6月25日木曜日

OpenAIのカスタムチップとNVIDIAの最新モデルが示すAIインフラ競争の最前線 06-25

OpenAIのカスタムチップとNVIDIAの最新モデルが示すAIインフラ競争の最前線

AI分野の進化は、単なるソフトウェアの改善に留まらず、チップや地政学的な競争というインフラレベルで加速しています。本日のニュースでは、主要プレイヤーが次世代の計算能力を確保するための動きや、モデルの性能向上に関する最新情報が目立ちました。

NVIDIA、Nemotron-TwoTower-30B-A3B-Base-BF16を発表

NVIDIAは、Nemotron 3 Nano 30B-A3Bをバックボーンとする、ユニークな拡散ベースの言語モデル「Nemotron-TwoTower-30B-A3B-Base-BF16」をリリースしました。このモデルは、最新の技術を応用し、高度な言語処理能力を提供することが期待されています。

Gemma4-26B-A4B & 31B-QAT Uncensored BalancedがMTPで高速化

GoogleのGemmaファミリーから、Gemma4-26B-A4Bおよび31B-QAT Uncensored Balancedが発表されました。これらのモデルは、MTP（モデル・トランスフォーメーション・プロセス）の導入により、最大で35%から53%もの速度向上を達成し、実用的な利用シーンでのパフォーマンスが大幅に向上しました。

OpenAIがBroadcomと提携し、初のカスタムチップを公開

OpenAIは、チップ設計に大きな動きを見せ、Broadcomと共同で初のカスタムチップを発表しました。これは、自社のAIモデルを最大限に効率的に動かすために、ハードウェアレベルでの最適化を進めていることを示しています。AI開発における垂直統合（ハードウェアからソフトウェアまで一貫して開発する）の重要性が高まっています。

NVIDIA NeMo AutoModelでトランスフォーマーのファインチューニングを加速

NVIDIAは、NeMo AutoModelを活用することで、トランスフォーマーモデルのファインチューニングプロセスを加速させる方法を提示しました。これにより、ユーザーはより少ない計算資源と時間で、特定のタスクに特化した高性能なAIモデルを構築することが可能になります。

欧州が米国の半導体輸出規制に抵抗

欧州連合は、米国主導の半導体輸出規制に対し、独自の対応を始めました。特に、中国への高度なチップ製造装置へのアクセスを制限することで、サプライチェーンにおける自律的な地位を確立しようとしています。これは、AI技術を巡る国際的な地政学リスクの高まりを象徴しています。

Anthropic、AlibabaがClaude AIモデルの能力を不正に抽出したと主張

Anthropicは、Alibabaが自社のAIモデル「Claude」の能力を不正に抽出した可能性があると指摘しました。これは、AIモデルの知財保護と、大規模言語モデルの競争が激化する中で、著作権や技術的な模倣に関する法的争いが深刻化していることを示しています。

海外で伸びるAI収益化動画を読む：How I Vibe Coded a $400K/mo App with Claude Code (Fu

# 海外で伸びるAI収益化動画を読む：How I Vibe Coded a $400K/mo App with Claude Code (Fu ## 海外で話題の「Vibe Coding」手法：Claude Codeを活用した高速アプリ開発の技術的考察海外のテックコミュニティでは、現在**「Vibe Coding」**という言葉が大きな注目を集めています。これは、詳細な設計書を完璧に書き込むのではなく、AIに対して抽象的な意図（Vibe）を伝えながら対話的にアプリケーションを構築していく手法を指します。今回は、Jason Lee氏による「Claude Codeを用いて月商40万ドルのアプリを開発する」という動画を題材に、その技術的エッセンスと、Kurage Montageを用いた要約の実例を解説します。 ### 元動画の概要 * **タイトル**: How I Vibe Coded a $400K/mo App with Claude Code (Full Tutorial) * **URL**: https://www.youtube.com/watch?v=hDOUzlJwM1E * **主な内容**: プログラミング未経験に近い状態から、AIを「建築家」として活用し、ニッチな需要（コイン識別、昆虫識別など）に応えるサブスクリプション型アプリを高速で構築・収益化するワークフローの解説。 ### 技術的な要点と再現のための事実関係動画内で示されている手法は単なる「プロンプトへの入力」ではなく、以下の高度なワークフローに基づいています。 #### 1. 市場調査と競合分析（Data-Driven Research）感情に頼らず、Sensor Tower等のツールを用いて実際に収益を上げているニッチなアプリを特定します。例えば、特定の識別機能だけで月間数万ドルを稼ぐ事例をベースにします。 #### 2. コンテキストの注入とプロンプト生成 Claude Chatに対し、競合アプリのURLやUI要素を読み込ませます。ここで重要なのは、「何を作るか」ではなく「競合と比較して何を差別化するか」というコンテキストをAIに理解させることです。 #### 3. Claude Code × React Native + Expo による実装開発環境として **React Native** と **Expo** を採用。Claude Codeに対し、生成された詳細プロンプトを入力することで、UIコンポーネントからロジックまでを一気通貫で構築します。デザイン面ではDribbbleの画像を「視覚的コンテキスト」としてClaudeに与え、スタイリングを微調整する手法が取られています。 #### 4. フィードバックループによるデバッグ Expoを使用して実機（iPhone等）で即座にプレビューを行い、発生したエラーログをそのままClaude Codeに投げ直すことで修正を行う、高速な反復開発を実現しています。 ### Kurage Montage による日本語動画化の実例上記の20分を超える長尺動画の要点を整理し、技術者が短時間でキャッチアップできるようにKurage Montageを用いて日本語動画化しました。 * **Kurage動画URL**: https://kurage.exbridge.jp/kuragev.php?id=c68f379753c04b7a #### Kurage Montage での処理内容本動画の作成にあたっては、以下のプロセスで情報を構造化しました。 1. **情報の抽出（Extraction）**: 20分の動画から「ビジネスモデル」「リサーチ手法」「技術スタック」「具体的な開発フロー」の4つの主要セクションを特定。 2. **数値の強調（Quantification）**: 月商40万ドル、アプリ売却倍率（年間利益の2〜4倍）、各ニッチ市場の月収など、信頼性の高い数値を抽出して構成に組み込みました。 3. **技術的ステップの構造化**: 「調査 → 分析 → 生成 → テスト」というエンジニアが再現可能なワークフローへと再構成しました。 4. **情報の圧縮（Compression）**: 冗長なエピソードをカットし、開発者が次に取るべきアクション（Claude Codeの導入やExpoでのテスト等）に焦点を当てた120秒程度の構成に変更しました。 ### 技術者としての検証観点とリスク本手法を実践するにあたっては、以下の技術的課題と制約を認識しておく必要があります。 #### 実装における追加要件（動画外の工程） * **認証・決済・DB**: 動画ではUIや主要機能に焦点が当たっていますが、実用的なプロダクト公開にはFirebase/Supabase等を用いたユーザー認証、Stripe等の決済システムの実装が必須です。これらもClaudeにガイドさせながら実装可能ですが、設計の複雑度は増します。 * **Appleの審査ポリシー**: アプリストアのガイドラインは厳格であり、単なるクローンアプリや低品質なAI生成コンテンツはリジェクトされるリスクがあります。 #### 費用と制約 * **APIコスト**: Claude Codeによる大規模なコード生成には、Claude APIの消費量が多くなるため、開発フェーズでのコスト計算が必要です。 * **トークン制限**: 極めて巨大なプロジェクトになるとコンテキストを維持するのが難しくなるため、モジュール単位での分割管理が鍵となります。 #### 結論としての再現条件この手法を成功させるための必須条件は「AIへの指示能力（プロンプトエンジニアリング）」ではなく、**「どのニッチな課題を見つけるかというドメイン知識」と「生成されたコードの正誤を判断できる基礎的な技術リテラシー」**です。 AIは強力な建築家ですが、プロジェクトマネージャーとしての視点を持つことは人間に残される役割といえます。 ## 今回の参照リンク - 元動画: [How I Vibe Coded a $400K/mo App with Claude Code (Full Tutorial)](https://www.youtube.com/watch?v=hDOUzlJwM1E) - Kurage Montage生成動画: [https://kurage.exbridge.jp/kuragev.php?id=c68f379753c04b7a](https://kurage.exbridge.jp/kuragev.php?id=c68f379753c04b7a) - Kurage Montage: [katsushi2441/kmontage](https://github.com/katsushi2441/kmontage) - Kurage Agent Reach: [katsushi2441/kagentreach](https://github.com/katsushi2441/kagentreach) ## 補助資料 - なし

OpenAIのカスタムチップとGoogle流出から読み解く、AI時代の半導体・人材競争 06-25

OpenAIのカスタムチップとGoogle流出から読み解く、AI時代の半導体・人材競争

AI技術が急速に進展する現代において、競争の焦点は「モデルの性能」から「それを動かすインフラ（チップ）」「優秀な人材」へと移りつつあります。今回は、OpenAIによる独自チップ開発の動きや、欧州の半導体戦略、そしてテックジャイアント間の人材獲得競争など、AIの最前線で起きている重要なトレンドをまとめました。

欧州が米国の半導体規制に抵抗する動き

欧州連合（EU）が、米国主導の半導体輸出規制に対し、ASMLなどの企業を通じて独自の立ち位置を確立し、抵抗する動きを見せています。これは、AIチップのサプライチェーンが特定の国や企業に依存しすぎることへの懸念が高まっているためです。地政学的なリスクが、AIインフラの設計に大きな影響を与え始めています。

OpenAIがBroadcomと組んで初のカスタムチップを発表

OpenAIが、Broadcomと提携し、独自開発した初のカスタムAIチップを発表しました。これは、特定のワークロードに最適化されたチップを自社で手に入れることで、高性能なAIモデルをより効率的かつ安定的に運用するための戦略的な動きです。チップの自給自足は、AI開発の自由度とスピードを大幅に高めることを意味します。

Gemma 4モデルがMTP（メモリ最適化）で大幅高速化

GoogleのGemma 4モデルの派生バージョン（26B-A4Bや31B-QATなど）が、MTP（Memory-Targeted Pruning）という技術を用いてリリースされました。これにより、モデルの高速化とメモリ効率の改善が実現し、特にリソースが限られる環境での大規模モデルの利用が容易になります。

NVIDIA NeMo AutoModelでTransformerファインチューニングを加速

NVIDIAは、NeMo AutoModelというツールキットを提供し、Transformerモデルのファインチューニングプロセスを加速させる方法を提示しました。これは、開発者がより少ない計算リソースと時間で、特定のタスクに特化した高性能なAIモデルを構築できることを意味します。

AI研究者がGoogleからライバル企業へ流出を継続

トップクラスのAI研究者たちが、GoogleからAnthropicなどの競合他社へと移籍しているという報道が続いています。これは、AI研究の最前線における人材の価値が極めて高く、企業間の激しい「頭脳獲得競争」が繰り広げられている現状を浮き彫りにしています。

AIはエンジニアの仕事を奪わない、むしろ最も回復力がある

AIがエンジニアリング職を代替するという懸念が根強い一方で、最新のデータは、この専門職がAI時代においても最も「回復力（レジリエンス）」が高いことを示唆しています。むしろ、AI技術の進化に伴い、エンジニアの需要は高まり、採用が増加している傾向が見られます。

NVIDIA NeMoとGefenで深掘りするAIモデルの最適化技術と、AI時代のキャリア倫理 06-25

NVIDIA NeMoとGefenで深掘りするAIモデルの最適化技術と、AI時代のキャリア倫理

今週のAI・Web3ニュースは、モデルの「効率化」と「実用的な評価」に焦点が当たっています。技術面では、NVIDIAやGitHubで発表された新しい最適化手法が、AI開発のハードルを下げています。一方で、AIが生成するコンテンツの氾濫に対し、キャリアや倫理的な視点から警鐘を鳴らす動きも活発化しています。

🚀 AIモデルの「効率化」と「高速化」が最重要課題に

AIの性能を向上させるだけでなく、いかに少ないリソースで動かすかが開発の鍵となっています。複数の記事で、モデルのトレーニングや推論を高速化する技術が紹介されています。

NVIDIA NeMo AutoModelによるTransformerモデルのファインチューニング高速化

NVIDIAは、NeMo AutoModelを活用することで、Transformerモデルのファインチューニングプロセスを大幅に加速できる方法を公開しました。これにより、開発者はより少ない時間と計算資源で、高性能なAIモデルを実用レベルに引き上げることが可能になります。

Gefen：AdamWの代替となる超高効率なオプティマイザの登場

メモリ効率に特化した新しいオプティマイザ「Gefen」が注目を集めています。これは、広く使われているAdamWの代替として機能し、モデルのトレーニング中にメモリ使用量を劇的に削減できると主張されています。開発者にとって、これは大規模モデルのローカル環境での運用や研究を大きく加速させる画期的な進歩となるでしょう。

FFASR Leaderboard：実環境での音声認識（ASR）ベンチマークの標準化

Hugging Faceは、自動音声認識（ASR）モデルを「現実世界」の環境で公平に評価するための新しいリーダーボード「FFASR Leaderboard」を立ち上げました。これにより、研究者や企業は、単なる理想的なデータセットではなく、実運用に耐えうる真の性能を持つASRモデルを客観的に比較できるようになります。

💡 AI時代のキャリアと倫理的課題

技術的な進歩が目覚ましい一方で、AIが人間の創造性やスキルに与える影響について、警鐘を鳴らす提言も増えています。

AI生成コンテンツの過信に警鐘：ポートフォリオ作成における人間性の重要性

著名な技術評論家Tom MacWright氏の記事は、履歴書やポートフォリオにAIが生成したコンテンツを過度に利用する傾向を批判しています。彼は、AIが生成するものは一般論に過ぎず、個人の真のスキルや個性、思考プロセスを証明するには至らないと指摘しています。

【今週のポイント】 AI技術は、単に「賢くなる」だけでなく、「いかに効率的で、実環境で使えるか」という実用的な課題解決に注力しています。また、技術の進化に伴い、AIを「どう使うか」という倫理的・人間的な視点を持つことの重要性も高まっています。

OpenAIがBroadcomと組むカスタムチップ「Jalapeño」で描くAIインフラの最前線 06-25

OpenAIがBroadcomと組むカスタムチップ「Jalapeño」で描くAIインフラの最前線

AIの進化は、単なるソフトウェアの改良に留まらず、ハードウェア、金融、そしてインターネットの基盤そのものに革命をもたらし始めています。今週のニュースまとめでは、OpenAIが独自開発したカスタムチップの発表から、Web3の金融構造への提言、さらにはAIによる生産性のパラドックスまで、テクノロジーが社会のあらゆる側面をどのように変えようとしているのかを深掘りします。

🤖 OpenAIが独自開発したカスタムチップ「Jalapeño」を発表

OpenAIが、独自の推論システム（Inference Systems）の最適化に特化したカスタムプロセッサ「Jalapeño」を発表しました。これは、AIモデルの実行効率を最大化するために、ハードウェアレベルから設計された画期的なチップです。

AIモデルの高性能化に伴い、計算資源（特に推論に必要なチップ）の需要が爆発的に増大しています。OpenAIが自社チップを開発することは、単なる部品調達から脱却し、AIのコアインフラを自前で掌握しようとする動きの表れであり、AI開発競争の激化を象徴しています。

🌐 Webインフラの高速化へ：Bunny DNSがサービスを無料提供

BunnyNetは、より高速なインターネットインフラの構築を促進するため、DNSサービス（Bunny DNS）を無料で提供することを発表しました。DNSは、インターネット上のウェブサイトのアドレスをコンピューターが理解できるIPアドレスに変換する、非常に重要な基盤サービスです。

インターネットの「高速化」は、単に回線速度を上げるだけでなく、DNSのような根幹となるインフラサービスを誰もが利用しやすい形で提供することが不可欠だと訴えています。これは、Webの基盤レイヤーにおけるオープン化と民主化の動きと言えます。

💰 伝統的金融の枠組みを超える：ステーブルコインとコミュニティバンクの可能性

あるコラムでは、従来の銀行業界のロビーが、ステーブルコインやコミュニティバンクが持つ潜在的な価値を過小評価していると指摘しています。分散型金融（DeFi）モデルは、既存の金融システムが抱える構造的な問題を解決する、現実的な代替案を提供していると論じています。

これは、金融の信頼性や効率性を、中央集権的な銀行システムに頼るのではなく、分散化されたデジタル技術とコミュニティの力で実現できるという、Web3の根源的な主張を再確認させてくれます。

📉 AIによる生産性のパラドックス：韓国銀行のレポートが示す課題

韓国銀行が発表したレポートは、AIがレポート作成などのタスクにかかる「時間」を節約する一方で、必ずしも「生産性」の向上にはつながらないという指摘をしています。AIの効率化が、かえって作業量の増加や報告書の量的な増加を招き、真の生産性向上を妨げる可能性があるという視点です。

このレポートは、AIを単なる「時間短縮ツール」として捉えるのではなく、「ワークフロー全体の構造改革」という視点から評価する必要があることを示唆しています。AI導入の際は、作業量の増加という落とし穴に注意が必要です。

2026年6月24日水曜日

AgentsとMoEで読む：Qwenと中国のチップ企業が示す、AIエージェントとインフラの最前線 06-24

Qwenと中国のチップ企業が示す、AIエージェントとインフラの最前線

今週のAI・Web3ニュースは、大規模言語モデル（LLM）の能力が「特定のタスク実行」から「複数の環境をシミュレートするエージェント」へと進化していることが浮き彫りになっています。また、AIのインフラ面では、中国の企業がH100/H200クラスの高性能チップを市場に投入するなど、地政学的な動きも活発化しています。

Qwen-AgentWorld-35B-A3B：複数の環境をシミュレートする高性能エージェントの登場

Qwenチームから、3BのアクティブMoE（Mixture of Experts）を採用した新しいエージェントモデルが発表されました。このモデルは、MCP、ターミナル、SWE、Android、Web、OSといった多様な環境をシミュレートする能力を持つことを目指しています。単なるテキスト生成に留まらず、実際のオペレーティングシステムや開発環境を理解し、操作する「エージェント」としての実用性が大幅に向上した点が注目されます。

中国企業がH100/H200クラスAIチップを市場投入：地政学的なインフラ競争の激化

過去6ヶ月間にIPOを果たした中国の企業が、H100やH200といった高性能なAIチップをすでに市場に投入し始めていることが報告されました。これは、AIチップのサプライチェーンにおいて、中国のテック企業が自前での供給能力を確立し、グローバルな競争に本格的に参入していることを示しています。AIインフラの自給自足に向けた、地政学的な動きが加速していることが読み取れます。

AnthropicのClaude Tag：利用企業の文化を学習する高度なパーソナライゼーション

AnthropicのClaudeが提供する「Claude Tag」という機能が注目を集めています。この機能は、利用者が日常的に使用するSlackなどのメッセージを一つ一つ学習することで、単なる情報処理を超えた、特定の企業やチームの「文化」や「文脈」を理解できるようになります。これにより、より深く、組織に根ざしたパーソナライズされたAIアシスタントとしての利用が期待されています。

Unlimited-OCR：単一画像からPDFまで対応する多言語OCRモデルの登場

新たに「Unlimited-OCR」という多言語OCRモデルが公開されました。このモデルは、単一の画像から複数ページのPDFファイルまで、幅広い形式のドキュメントを一度に解析（one-shot parsing）できる点が最大の特徴です。MITライセンスで公開されたことで、研究者や開発者が容易に利用でき、文書処理の分野で大きなブレイクスルーをもたらす可能性があります。

脆弱性レポートの価値の変化：ソフトウェアエンジニアリングの根本的な改善が求められる時代

現在、LLMの進化により、脆弱性レポート（セキュリティ上の欠陥報告）が大量かつ自動的に生成されるようになり、その「新規性」が以前ほど特殊ではない状況になっています。この現象は、単にレポートが増えたというだけでなく、ソフトウェアエンジニアリングの基礎的な開発プロセスやセキュリティ慣行に、根本的な改善が急務であることを示唆しています。

【補足】AIエージェントによるマーケティングの未来：MoEngageのビジョン

MoEngageは、AIエージェントを活用して、個々の顧客に対して極めてパーソナライズされたマーケティング体験を提供することに注力しています。これは、マスマーケティングから脱却し、AIが個人の行動履歴や嗜好を深く分析することで、最適なタイミングで最適なメッセージを届ける次世代の顧客体験（CX）の形を描いています。

Kurage SNS Poster：browser-useとログイン済みChromeでThreads自動投稿まで到達した実装メモ

Meta系SNSへ自動投稿しようとすると、最初にぶつかるのはAPIそのものよりも、OAuth、審査、権限、トークン管理です。

とくにThreads、Instagram、TikTokのような投稿系プラットフォームは、APIで綺麗に自動化しようとすると、アプリ審査やビジネスアカウント設定、権限申請、長期トークン管理などが必要になります。

そこで今回は、APIトークンに依存せず、人間が一度ログインしたChromeプロファイルをAI/ブラウザ自動化から再利用するための小さなプロダクトとして、Kurage SNS Poster (ksnsposter) を作りました。

今回の到達点は、Threadsへの投稿です。

実際に、Kurageショート動画のYouTube Shorts投稿告知を、ログイン済みChromeプロファイル経由でThreadsに投稿できました。

Kurageショート動画をYouTube Shortsに投稿しました。

大河ドラマ「豊臣兄弟！」中野太賀が語る！秀長役トークライブレポート

Kurage動画: https://kurage.exbridge.jp/kuragev.php?id=bf78cea761bd49fc
YouTube Shorts: https://youtu.be/sbSalP_gaU8

#Kurage #AI動画生成 #Shorts #エクスブリッジ

リポジトリ

Kurage SNS Posterは、次のGitHubリポジトリで管理しています。

katsushi2441/ksnsposter

このリポジトリの役割は、Kurage本体、kdeck、rqdb4ai、AIxSNSなどから独立した、SNS投稿用のブラウザ自動化レイヤーです。

動画を作る、YouTubeへ投稿する、AIxSNSへ投稿する、といった処理は既存のKurage/kdeck側に残し、Threads、Instagram、TikTokなど「Web UIで投稿するしかない/そのほうが現実的」な部分だけを ksnsposter に分離しています。

なぜAPIではなくブラウザ自動化なのか

SNS投稿の自動化では、本来は公式APIを使うのが理想です。

しかし、実運用では次の問題があります。

API利用にアプリ審査が必要
投稿権限の取得に時間がかかる
個人/ビジネスアカウントの条件が複雑
長期トークンの更新と保管が運用負荷になる
プラットフォームごとにAPI仕様が大きく違う

一方で、Web UIはすでに人間が使える状態になっています。

そこで、今回の設計では次の割り切りをしました。

認証は人間がVNC上のChromeで一度行う
ログイン済みChromeプロファイルを保存する
投稿時はそのプロファイルを使ってWeb UIを開く
デフォルトは下書き作成までにして、明示オプションがあるときだけ投稿する
成功/失敗はスクリーンショットとログに残す

これは「API自動化」ではなく、human-authenticated browser-session automationです。

人間が認証したブラウザセッションを、AI AgentやPlaywrightが安全に再利用する発想です。

全体構成

ksnsposter は大きく4つの部品で構成しています。

ksnsposter/
  cli.py                  # 投稿CLI
  browser_runner.py       # browser-use実行レイヤー
  tasks.py                # Threads/Instagram/TikTok向けタスク生成
scripts/
  ksnsposter              # 実行ラッパー
  start-login-chrome      # VNCログイン用Chrome起動
  post-threads-playwright.py # Threads投稿の決定的実行ルート
storage/
  chrome-profile/         # ログイン済みChromeプロファイル（git管理外）
runs/
  ...                     # スクリーンショット、結果JSON（git管理外）

CLIの基本形は次のようにしています。

./scripts/ksnsposter post \
  --platform threads \
  --text-file /tmp/post.txt \
  --confirm-post \
  --headful

デフォルトでは、--confirm-post がなければ最終投稿ボタンを押しません。

SNS投稿は失敗時の影響が大きいので、最初から「勝手に投稿するツール」ではなく、下書き確認を標準、明示したときだけ投稿という設計にしました。

ローカルLLMはOllamaのGemma 4

browser-use側のLLMには、既存のローカルOllamaサーバを使っています。

DEFAULT_OLLAMA_HOST = "http://192.168.0.3:11434"
DEFAULT_MODEL = "gemma4:12b-it-qat"

API課金を増やさず、ローカルLLMでWeb UI操作の判断をさせる構成です。

browser_runner.py では、browser-useの Agent、BrowserProfile、ChatOllama を使っています。

llm = ChatOllama(model=config.model, host=config.host, timeout=900)
profile = BrowserProfile(**profile_kwargs)
agent = Agent(task=config.task, llm=llm, browser_profile=profile, max_actions_per_step=3)

この構成により、Threads、Instagram、TikTokそれぞれに対して、自然言語タスクを組み立ててブラウザ操作を任せられます。

ログイン済みChromeプロファイルを使う

今回の肝は、ログイン済みChromeプロファイルです。

/home/kojima/work/ksnsposter/storage/chrome-profile

このプロファイルはgit管理対象外にしています。

SNSのCookieやセッション情報はコードリポジトリに入れてはいけません。そこで、プロダクトのコードと、実運用のログイン状態を分離しています。

VNC上でログインするときは、専用スクリプトでChromeを起動します。

./scripts/start-login-chrome

中ではChrome for TestingまたはGoogle Chromeを、専用プロファイル、X11、安定化オプション付きで起動します。

setsid env DISPLAY="$DISPLAY_VALUE" "$CHROME" \
  --user-data-dir="$PROFILE" \
  --profile-directory=Default \
  --disable-dev-shm-usage \
  --disable-gpu \
  --enable-unsafe-swiftshader \
  --no-sandbox \
  --disable-setuid-sandbox \
  --password-store=basic \
  --use-mock-keychain \
  --ozone-platform=x11 \
  --window-size=1280,900 \
  "${1:-https://www.threads.net/}" \
  >/tmp/ksnsposter-login-chrome.log \
  2>/tmp/ksnsposter-login-chrome.err.log \
  < /dev/null &

ポイントは、通常利用のChromeプロファイルを汚さず、ksnsposter 専用のログイン状態を作ることです。

これにより、Threadsへログインした状態を次回の自動投稿に引き継げます。

browser-useだけで完結しなかった理由

最初は、browser-useだけでThreads投稿まで完結させる設計にしました。

実際、browser-useは次の用途では有効でした。

ログイン状態の確認
Threadsの画面遷移確認
投稿タスクの自然言語化
Instagram/TikTokなど横展開可能な共通タスク生成
画面のスクリーンショット保存

ただし、ThreadsのSPAでは、最終投稿までの細かい操作で不安定さがありました。

具体的には、投稿本文が正しく入っているかの確認、投稿ボタンの特定、リダイレクト後の状態判定などで、LLMエージェントがループしやすい場面がありました。

そこで、最終的にはハイブリッド構成にしています。

汎用のSNS投稿タスク設計: browser-use
Threadsの決定的な投稿処理: Playwright

これは妥協ではなく、実運用ではかなり重要な判断です。

AI Agentは柔軟ですが、毎回同じDOMを相手にする最終クリックでは、Playwrightのような決定的スクリプトのほうが安定します。

Threads投稿はintent URLとPlaywrightで安定化

Threadsには投稿文を事前入力できる intent URL があります。

url = f'https://www.threads.net/intent/post?text={quote(text)}'

post-threads-playwright.py では、このURLをログイン済みプロファイルで開きます。

context = p.chromium.launch_persistent_context(
    str(profile),
    headless=not args.headful,
    executable_path=str(chrome),
    viewport={'width': 1280, 'height': 940},
    args=[
        '--no-sandbox',
        '--disable-setuid-sandbox',
        '--disable-dev-shm-usage',
        '--disable-gpu',
        '--enable-unsafe-swiftshader',
        '--password-store=basic',
        '--use-mock-keychain',
    ],
)

本文が空になるケースに備えて、見えている contenteditable へ明示的に入力するフォールバックも入れています。

if text.splitlines()[0] not in body_text:
    editor = page.locator('[contenteditable="true"]').first
    editor.click(timeout=10000)
    page.keyboard.press('Control+A')
    page.keyboard.type(text, delay=1)

投稿ボタンは日本語UIと英語UIの両方を探します。

candidates = [
    page.get_by_role('button', name='投稿'),
    page.get_by_role('button', name='Post'),
    page.locator('div[role="button"]').filter(has_text='投稿'),
    page.locator('div[role="button"]').filter(has_text='Post'),
]

これにより、日本語UI/英語UIどちらでも投稿できるようにしています。

threads.net と threads.com の違い

実装中に地味に重要だったのが、Threadsのドメインです。

当初は threads.net だけを許可していましたが、実際には threads.com へリダイレクトされるケースがあります。

そのため、allowed domainsには両方を入れています。

allowed_domains=(
    "threads.net",
    "www.threads.net",
    "threads.com",
    "www.threads.com",
    "instagram.com",
    "www.instagram.com",
    "accountscenter.instagram.com",
)

browser-useで allowed_domains を使う場合、こうしたリダイレクト先を漏らすと、エージェントが途中で止まります。

SNS自動化では、公式ドメインだけでなく、ログイン、アカウントセンター、リダイレクト先の整理がかなり大事です。

実行結果を残す

投稿処理は、成功したかどうかを標準出力だけで判断しないようにしています。

実行ごとに runs/ 以下へ次の情報を保存します。

投稿前スクリーンショット
投稿後スクリーンショット
bodyテキスト
result JSON

今回のThreads投稿では、次のような結果を得ました。

{
  "ok": true,
  "status": "posted",
  "url": "https://www.threads.com/",
  "out_dir": "/home/kojima/work/ksnsposter/runs/threads_playwright_20260624_172329"
}

ここで注意すべき点は、url が必ずしも投稿個別URLではないことです。

Threadsの投稿完了後にホーム/フィードへ戻る場合があるため、現時点では「投稿完了画面とスクリーンショットで確認する」実装です。

今後は、投稿後にプロフィールや最新投稿をたどって公開URLを取得する処理を追加すると、より運用しやすくなります。

安全設計：勝手に投稿しない

ksnsposter は、デフォルトでは最終投稿ボタンを押さない設計です。

# 下書きまで
./scripts/ksnsposter post --platform threads --text-file /tmp/post.txt --headful

# 実際に投稿
./scripts/ksnsposter post --platform threads --text-file /tmp/post.txt --confirm-post --headful

理由は単純で、SNS投稿は間違えると外部に出るからです。

AIエージェントが「できた」と言っても、実際には下書きのまま、ログイン切れ、投稿ボタン未クリック、CAPTCHA停止、文面欠落などがあり得ます。

そのため、状態は次のように分類しています。

posted
draft_ready
not_authenticated
verification_required
upload_processing_timeout
failed

「ブラウザ操作をキューに入れた」だけでは成功扱いしない、というのが大事です。

今回の技術的な価値

今回の実装で得られた価値は、Threadsへ1回投稿できたことだけではありません。

重要なのは、次の実運用パターンを確立できたことです。

API/OAuthが重いSNSでも、ログイン済みブラウザセッションを使って運用できる
browser-useで汎用的なWeb UI操作を組み立てられる
最終投稿のような決定的処理はPlaywrightに逃がせる
VNCで人間がログインし、以後は自動化できる
Kurage、YouTube、AIxSNS、Threads投稿を同じパイプラインに接続できる

この構成は、Threadsだけでなく、Instagram、TikTokにも広げられます。

もちろん、各プラットフォームのUI変更、CAPTCHA、2FA、アカウント制限には注意が必要です。

それでも、API申請で止まるより、まず人間がログインできるWeb UIを活用して小さく運用を始めるほうが、個人開発や小規模事業では現実的な場面が多いです。

今後の拡張

次にやるべきことは、次のあたりです。

Threads投稿後の個別URL取得
AIxSNS投稿内容をそのままThreadsへクロスポスト
Instagram Reels投稿の専用Playwrightルート
TikTokアップロードの専用Playwrightルート
kdeck / rqdb4ai からのジョブ実行管理
投稿結果をKurage側の履歴に戻す
投稿失敗時の再実行キュー

特に、Kurageではすでに動画生成、YouTube投稿、AIxSNS告知までの流れがあります。

そこへ ksnsposter を接続すると、動画生成後にSNS告知まで自動化できます。

Kurage動画生成
  -> YouTube Shorts投稿
  -> AIxSNS告知
  -> ksnsposterでThreads/Instagram/TikTokへ投稿
  -> 結果ログ保存

まとめ

Kurage SNS Posterは、APIトークンに依存せず、ログイン済みChromeプロファイルを使ってSNS投稿を自動化するための小さなブラウザ自動化プロダクトです。

今回、Threadsへの実投稿まで到達しました。

実装上のポイントは、browser-useにすべてを任せるのではなく、柔軟な探索やタスク化にはbrowser-useを使い、最終投稿のような再現性が必要な部分はPlaywrightで固めることです。

AI Agent時代のブラウザ自動化は、「AIに全部任せる」よりも、AIの柔軟さと決定的スクリプトの安定性を組み合わせるほうが実運用に向いています。

ksnsposter は、そのためのKurage系SNS投稿レイヤーとして育てていきます。

海外で伸びるAI収益化動画を読む：CLAUDE CODE FULL COURSE 4 HOURS: Build & Sell (2026)

# 海外で伸びるAI収益化動画を読む：CLAUDE CODE FULL COURSE 4 HOURS: Build & Sell (2026) ## 海外で話題の4時間超えClaude Code完全ガイド：技術的要点と実用的なワークフローエンジニアの間で急速に注目を集めている「Claude Code」ですが、単なるCLIツールとしての域を超え、いかにビジネスプロセスを自動化し、人的生産性を最大化するかという実戦的な活用法が話題になっています。今回は、海外の技術クリエイター Nick Saraev氏による**4時間を超える超長尺解説動画**（再生数198万回以上）を紹介するとともに、その核心部分を**Kurage Montageを用いて日本語で要約した事例**を解説します。 ### 元動画の概要 * **タイトル**: CLAUDE CODE FULL COURSE 4 HOURS: Build & Sell (2026) * **URL**: [https://www.youtube.com/watch?v=QoQBzR1NIqI](https://www.youtube.com/watch?v=QoQBzR1NIqI) * **主な内容**: Claude Codeを用いたローカル環境でのファイル操作、MCP（Model Context Protocol）による外部システム連携、そしてGitHub ActionsやModalを組み合わせた本番デプロイまでの全工程。 --- ### 技術的な要点と実装の核心この動画がなぜこれほどまでに注目されているのか。その理由は、単なる「AIへの指示出し」ではなく、**「ローカルファイルシステムに対するエージェントの権限委譲」をいかに制御するか**という高度なワークフローに焦点を当てている点にあります。 #### 1. 「プロジェクトの脳」としての `cloud.md` Claude Codeを単なるチャットボットとして使うのではなく、プロジェクトのコンテキスト（背景・ルール・技術スタック）を記述した `cloud.md` ファイルを定義することが推奨されています。これにより、AIは常に最新かつ正確な文脈を把握した状態でタスクを実行可能になります。 #### 2. MCP (Model Context Protocol) によるエコシステム統合動画内では、MCPを利用してメール管理や帳簿システムの自動化を行う手法が紹介されています。特定のAPIを個別に叩くのではなく、プロトコルを通じてツールを拡張することで、Claude Codeを自社独自の業務フローにシームレスに組み込むことが可能です。 #### 3. 高度なエージェント構成と権限管理 `.clod/skills` フォルダを利用し、特定のタスク（例：リード獲得のスクレイピング、データ整形など）に特化した「スキルファイル」を量産する手法が示されています。また、開発速度を優先するための `Bypass Permissions` モードの適切な運用についても言及されています。 ### 実証された数値と生産性動画内では以下の事実・数値に基づいた訴求が行われています。 - **コスト**: Claude Proプラン（月額17ドル）のみで導入可能。 - **価値**: 適切に構築された自動化フローにより、月間10,000〜15,000ドルの生産性向上が期待できる。 - **実例**: リード獲得のためのスクレイピング・ワークフローをわずか2分未満で構築可能。 --- ### 検証すべきリスクと再現のための注意点技術者として導入を検討する際、以下の3点は必ず考慮する必要があります。 1. **Context Rot（コンテキストの腐敗）**: 長期間の対話や大量のファイル操作により、AIが参照する情報の優先順位が曖昧になる現象です。定期的な `cloud.md` の更新と、必要に応じたコンテキストのリセットが必要です。 2. **Bypass Permissionsのリスク**: 権限をスキップして実行するモードは強力ですが、意図しないファイル削除や外部へのデータ送信を防ぐための監視体制が必要です。 3. **APIコストとレート制限**: 自動化をループさせる場合、トークン消費量とAPIのレートリミットの管理が運用上の鍵となります。 --- ### Kurage Montageによる動画活用事例 4時間を超えるこの重厚な技術解説動画は、エンジニアが全てを視聴するには時間的コストが高すぎます。そこで、**Kurage Montage**を用いて内容を日本語で要約したのが以下の動画です。 * **Kurage Montage動画**: [https://kurage.exbridge.jp/kuragev.php?id=72a5eedfe88c4bc3](https://kurage.exbridge.jp/kuragev.php?id=72a5eedfe88c4bc3) #### Kurage Montageでの処理内容今回の動画化にあたっては、以下の工程で高度な要約を行っています。 1. **核心情報の抽出**: 4時間の動画から「生産性の向上」「技術的セットアップ」「MCPの活用」「デプロイフロー」という主要な5つの柱を特定。 2. **構造化されたシナリオ構築**: 単なる要約ではなく、エンジニアが「何ができるか」→「どう実装するか」→「注意点は何か」という技術的な興味関心に沿った構成へ再編集。 3. **多言語翻訳・ローカライズ**: 英語のニュアンスを維持しつつ、日本の開発現場で違和感のない技術用語を用いて日本語化。 4. **情報密度の最適化**: 冗長な部分をカットし、重要数値（$17/月、生産性価値など）と具体的なツールセット（Modal, GitHub Actions等）を強調。 ### まとめ Claude Codeは単なる「賢いチャット」ではなく、ローカル環境で動作する強力なエージェントとしてのポテンシャルを持っています。情報の取捨選択に苦労するなら、Kurage Montageのような技術を用いて要約された動画からエッセンスを取り込みつつ、自身のワークフローへの組み込みを検証することをお勧めします。 ## 今回の参照リンク - 元動画: [CLAUDE CODE FULL COURSE 4 HOURS: Build & Sell (2026)](https://www.youtube.com/watch?v=QoQBzR1NIqI) - Kurage Montage生成動画: [https://kurage.exbridge.jp/kuragev.php?id=72a5eedfe88c4bc3](https://kurage.exbridge.jp/kuragev.php?id=72a5eedfe88c4bc3) - Kurage Montage: [katsushi2441/kmontage](https://github.com/katsushi2441/kmontage) - Kurage Agent Reach: [katsushi2441/kagentreach](https://github.com/katsushi2441/kagentreach) ## 補助資料 - なし

海外の有益動画を、自社の発信資産に変える。Kurage Montageで生成したAIショート動画

# 海外の有益動画を、自社の発信資産に変える。Kurage Montageで生成したAIショート動画企業の情報発信で難しいのは、「何を発信するか」を毎回ゼロから考えることです。世の中には、すでに多くの有益な動画、解説、事例、ノウハウがあります。海外では特に、AI活用、YouTube収益化、業務自動化、マーケティング、SaaS、投資、教育などの分野で、長尺の解説動画が日々投稿されています。しかし、それらを日本の経営者や実務担当者がそのまま見るには、いくつかの壁があります。 - 英語で長い - 要点がどこにあるかわかりにくい - 日本のビジネス文脈に置き換えにくい - 社内共有やSNS発信に使いにくい - 動画を見て終わりで、自社の発信資産にならないそこでエクスブリッジでは、XやYouTube上の参照動画をもとに、日本語の短尺解説動画へ変換する仕組みとして、**Kurage Montage**を開発しています。今回、その実例として、顔出しなしYouTubeチャンネルをAIで収益化する海外解説動画をもとに、Kurage Montageで日本語ショート動画を生成しました。生成した動画はこちらです。 [顔出しゼロで月3,300ドル稼ぐAI YouTube戦略](https://kurage.exbridge.jp/kuragev.php?id=4354bf06bff34b64) --- ## 今回の動画で扱ったテーマ今回の元動画は、顔出しなしのYouTubeチャンネルをAIで運営し、収益化する方法を解説する内容でした。重要なのは、「AIで稼げます」という薄い話ではありません。動画の中では、かなり具体的な数字と手順が語られていました。 - 開始1ヶ月で約3,300ドルの収益 - 月間約66万再生 - 2時間程度の長尺動画による高めのRPM - 動画1本あたり制作費約20ドル - 14万再生で約700ドルの利益が出る試算 - Claudeを使った長尺台本作成 - AI音声、AI画像、編集ソフトを組み合わせた制作 - 外注化による量産 - シャドウバンや初期アカウント運用の注意点こうした情報は、経営者にとって単なるYouTubeノウハウではありません。「AIでコンテンツ制作の原価構造が変わっている」ことを示す、非常にわかりやすい事例です。 --- ## Kurage Montageがやっていること Kurage Montageは、単に動画を要約するだけのツールではありません。目指しているのは、参照動画から次のような要素を取り出し、日本語のショート動画として再構成することです。 ```text X / YouTube の動画URL ↓ 動画情報の取得 ↓ 音声・字幕の文字起こし ↓ 数字、手順、ツール、注意点を抽出 ↓ 日本語ショート動画の台本に再構成 ↓ Kurageで音声・字幕・映像を生成 ↓ kuragev.php の動画として公開 ``` 今回の改善で特に重視したのは、元動画の価値を薄めないことです。一般的なAI要約では、どうしても「AIを使えば効率化できます」「継続が大事です」のような当たり障りのない文章になりがちです。しかし、経営者が知りたいのは、そこではありません。 - どのくらいの数字が出ているのか - どの工程がAI化されているのか - 何が利益構造を変えているのか - どこにリスクがあるのか - 自社ならどこに応用できるのか Kurage Montageでは、こうした具体情報を残したまま、短い動画として伝えることを重視しています。 --- ## なぜ経営者にとって重要なのか企業の発信は、これまで人手に大きく依存していました。情報を探す人、要約する人、原稿を書く人、動画を作る人、投稿する人が別々に必要でした。その結果、多くの企業では、次のような状態になりがちです。 - ブログが続かない - YouTubeが更新されない - SNS投稿が単発で終わる - 営業資料に使える動画が増えない - 海外情報を社内で活用できない Kurage Montageのような仕組みを使うと、この流れを変えられます。海外の長尺解説動画、業界ニュース、競合事例、技術解説、トレンド情報を、短時間で日本語の動画コンテンツに変換できます。これは、単なる動画生成ではありません。 **情報収集から発信までを、自社の中で回す仕組み**です。 --- ## エクスブリッジの技術的優位性エクスブリッジが強みとしているのは、AIツールを紹介することではありません。実際に、業務で使えるところまでつなぐことです。今回のKurage Montageでも、次の要素を一つの流れとして実装しています。 - X / YouTube URLからの参照動画取得 - 長尺動画の文字起こし - 元動画の具体情報を保持した台本生成 - Kurageによる日本語ショート動画化 - 動画一覧への登録 - 公開URLでの共有 - VWork BlogやAIxSNSへの展開 AI時代の競争力は、単発のツール利用ではなく、こうした「つなぎ込み」に出ます。 ChatGPT、Claude、Ollama、Whisper、TTS、動画生成、Web公開、SNS投稿。これらを別々に使うだけでは、事業の仕組みにはなりません。エクスブリッジは、それらを自社の業務フローや顧客企業の発信フローに合わせて組み合わせ、実際に動くシステムとして形にしていきます。 --- ## 情報を見て終わりにしない多くの企業は、良い情報を見ても、それを自社の発信に変換できていません。経営者が海外の有益動画を見て「これは面白い」と思っても、それがブログになり、動画になり、SNS告知になり、営業資料になるところまでは、なかなか進みません。 Kurage Montageは、そのギャップを埋めるための仕組みです。今回の動画は、その実証例です。 [顔出しゼロで月3,300ドル稼ぐAI YouTube戦略](https://kurage.exbridge.jp/kuragev.php?id=4354bf06bff34b64) 海外の有益な情報を、日本語の短尺動画に変換し、自社の情報発信資産として活用する。この流れを作れることが、これからの企業の発信力を大きく変えると考えています。株式会社エクスブリッジは、AI、OSS、動画生成、SNS運用、業務自動化を組み合わせ、企業が自社で情報発信を継続できる仕組みを開発していきます。

OPFSで読む：H1: H100/H200チップからAnthropicのClaudeまで：AIインフラとエンタープライズの最前線 06-24

H1: H100/H200チップからAnthropicのClaudeまで：AIインフラとエンタープライズの最前線

本日のニュースでは、AIチップのサプライチェーンの動向から、Anthropicによる企業特化型AIの進化、そしてWeb3と金融の融合といった、産業構造を変える最先端の動きが目立ちました。

🇨🇳 中国企業がH100/H200クラスのAIチップを量産開始：サプライチェーンの動向を分析

（⭐️ 9.0/10）過去6ヶ月間に上場した中国のテクノロジー企業が、H100やH200といった高性能なAIチップの出荷を開始していることが判明しました。これは、世界のAIインフラ市場における競争激化と、中国国内でのチップ自給率向上への強い動きを示しています。世界のAI開発のスピードを支える「頭脳」となるチップの供給体制が、新たな局面を迎えていることが読み取れます。

🤖 AnthropicのClaude TagがSlackに統合：企業固有の文脈を学習するAIチームメイト

（⭐️ 8.0/10） Anthropicは、新しいAI機能「Claude Tag」を発表しました。これは単なる生産性向上ツールではなく、Slack上で常に稼働するAIチームメイトとして設計されています。ユーザーが日常的にやり取りするメッセージから企業の独自の組織文化や業務フローを戦略的に学習し、より深いレベルで業務を支援することが可能になります。

🔗 Chainlinkが47の銀行と提携：国際送金プロセスを加速するWeb3の金融応用

（⭐️ 8.0/10）分散型金融（DeFi）のインフラを提供するChainlinkが、韓国およびヨーロッパの47の銀行と提携を発表しました。この提携は、国際送金プロセスを大幅に加速させ、効率化することを目的としています。Web3技術が、従来の金融機関が抱える国境を越えた決済の非効率性を解消する実用的なソリューションとして採用されつつあることを示しています。

💻 Webブラウザ上で動作する高度なAIエージェントアプリの構築が進む

（⭐️ 8.0/10） CUGAを活用することで、ブラウザ上で動作する「エージェント型アプリケーション」を構築する具体的な事例が紹介されました。従来のウェブアプリとは異なり、これらのエージェントは自律的にタスクを計画し、実行する能力を持っています。これにより、複雑な業務プロセスをウェブブラウザ単体で完結させることが可能となり、クライアントサイドコンピューティングの新たな可能性を広げています。

💾 OPFSとPyodideによるブラウザ内ローカルデータベース編集の実現

（⭐️ 8.0/10） Origin Private File System (OPFS) とPyodideを組み合わせることで、ブラウザベースのアプリケーションがローカルのSQLiteファイルなどの永続的なデータを編集できるテスト環境が構築されました。これは、ウェブブラウザの能力が飛躍的に向上し、これまでサーバーサイドでの処理が必要だった高度なデータ処理やアプリケーション実行が、クライアント側で可能になることを意味します。

🚀 AIエージェントを活用した動画ファーストの採用プラットフォームが登場

（⭐️ 7.0/10）スタートアップのFika Jobsが、AIエージェントが候補者を面接する「動画ファースト」の採用プラットフォームを構築するために400万ドルの資金調達を完了しました。採用プロセスにAIを組み込むことで、面接の効率化と、より客観的でデータに基づいた候補者評価を目指しています。AIが人事・採用の領域において、単なるツールから「実行するエージェント」へと進化している傾向がうかがえます。

CUGAやUnlimited OCRで見る、次世代AIエージェントと高性能なテキスト処理の最前線 06-24

CUGAやUnlimited OCRで見る、次世代AIエージェントと高性能なテキスト処理の最前線

本日のAIニュースは、単なるモデルの性能向上に留まらず、「いかに実用的なアプリケーションにAIを組み込むか」という、AIのインフラストラクチャとエージェント技術の進化に焦点を当てたものが目立ちました。特に、長文処理の限界突破や、AIが自律的にタスクを実行する「エージェント型」の動向が加速しています。

📄 Unlimited OCR：長文ドキュメントに対応するOCR技術の進化

このプロジェクトは、非常に長いドキュメントを処理する際にメモリ使用量を効率的に管理し、無限の範囲に対応する高度なOCR（光学文字認識）技術を提案しています。従来のOCRシステムが抱えていた「処理できるドキュメントの長さ」という制約を根本的に解消することを目指しており、大規模な文書解析の分野に革命をもたらす可能性があります。

🤖 CUGAを活用した自律型（エージェント型）アプリケーションの構築

HuggingFaceのブログでは、CUGAというフレームワークを用いて、実用的なエージェント型アプリケーションを構築する方法が詳細に紹介されました。このガイドには数十もの具体的な動作例が提供されており、開発者がLLM（大規模言語モデル）を単なるチャットボットとしてではなく、複数のステップを踏んで自律的にタスクを遂行する「エージェント」として活用するための実践的な指針となります。

🎤 CPUのみで動作するTTSベンチマーク：高性能な音声合成モデルの比較

オープンソースのテキスト読み上げ合成（TTS）モデル（Kokoro、Supertonic、Inflect-Nanoなど）の性能が、CPUのみという制約下でベンチマークされました。本記事では、リアルタイム処理能力（RTF）や主観評価スコア（MOS）といった定量的な指標を用いてモデルを比較し、ローカル環境での高品質な音声合成を実現するための重要な知見を提供しています。

💼 Fika JobsがAIエージェントを活用した採用プラットフォームを構築へ資金調達

ストックホルムを拠点とするスタートアップ、Fika Jobsが400万ドルの資金調達に成功しました。同社は、AIエージェントが候補者に対して面接を行う「ビデオファースト」の採用プラットフォームを開発します。これは、採用プロセスにおけるAIの役割を大きく進化させ、より効率的かつデータに基づいた人材マッチングを実現する動きとして注目されています。

📉 Vitalik Buterin氏が語るイーサリアム財団の予算の大幅な見直し

著名な暗号通貨の提唱者であるVitalik Buterin氏が、イーサリアム財団が大規模な「リセット」の一環として予算を40%削減すると発言しました。この動きは、今後の分散型金融（DeFi）やブロックチェーンエコシステムにおける資金調達や戦略的な再構築を促すものであり、市場参加者に対して大きな注目を集めています。

2026年6月23日火曜日

Prompt Injectionで読む：PP-OCRv6からEU AI Actまで：AIの技術進化とセキュリティ、そして規制の最前線 06-23

PP-OCRv6からEU AI Actまで：AIの技術進化とセキュリティ、そして規制の最前線

AI技術の進化は目覚ましく、日々新しいモデルや規制が次々と登場しています。今回は、最新のOCR技術の進歩から、ローカル環境でのLLM実行、そしてEUの厳しい規制動向まで、AI・Web3分野の重要なニュースをまとめてお届けします。

📄 PP-OCRv6：50言語対応のOCRモデルが進化（⭐️ 9.0/10）

大規模なOCR（光学文字認識）モデルであるPP-OCRv6がHugging Faceで公開され、その性能が大幅に向上しました。なんと150万パラメータから3450万パラメータへとスケールアップし、50言語に対応する汎用性が実現したとのことです。これにより、これまで難しかった多言語環境や複雑な文書からの文字認識が、より高い精度で可能になります。

🖥️ GLM-5.2をローカルハードウェアで実行する試み（⭐️ 8.0/10）

高性能な大規模言語モデル（LLM）であるGLM-5.2を、クラウドに頼らずローカルの個人ハードウェア上で動作させる技術的な取り組みが注目されています。これにより、インターネット接続が不安定な場所や、機密性の高いデータを扱う企業にとって、セキュリティとプライバシーを確保しながらAIを利用できる道が開かれました。エッジコンピューティングの観点から、AIの利用範囲が大きく広がることが期待されます。

⚠️ プロンプトインジェクション：システム命令の混同という脅威（⭐️ 8.0/10）

LLMのセキュリティ上の大きな課題として、「プロンプトインジェクション」のリスクが再認識されています。これは、ユーザーからの不正な入力によって、モデルが本来守るべきシステム側の命令（権限）と、ユーザーの入力内容を混同してしまう脆弱性です。AIの安全性を高めるためには、この「役割の混同」を防ぐためのより強固な防御策が不可欠となります。

🌐 Webブラウザ上で画像編集モデルを動かす技術（⭐️ 8.0/10）

高性能な画像インペインティング（画像の一部を埋めたり補完したりする技術）モデル「Moebius 0.2B」が、これまでCUDAなどの専用環境が必要だったにもかかわらず、Webブラウザ上で直接動作することが可能になりました。WebGPUを活用したこの技術は、AI処理をクラウドを経由せず、ユーザーのデバイス側（エッジ）で完結させることを可能にし、利便性と速度を飛躍的に向上させます。

🌀 AIの世界が「ループ的」になる現象（⭐️ 8.0/10）

AI開発の世界全体が、特定の技術やコンセプトが繰り返し登場し、進化を繰り返す「ループ的」な状態になっているという分析がなされました。これは、AIが単なるツールとしてではなく、他の技術や産業の基盤（インフラ）として組み込まれ、互いに影響を与え合う複雑なエコシステムを形成しつつあることを示唆しています。技術の進化が加速する一方で、その構造的な理解が求められています。

🚀 Groqが資金調達を成功させ、AIチップ競争を加速（⭐️ 8.0/10）

AIチップメーカーであるGroqが6億5000万ドル規模の資金調達を完了し、体制を強化しました。これは、NVIDIAが大規模な提携や買収を行うなど、AIインフラ市場の競争が極めて激化していることを裏付けています。高性能なAI処理を支えるハードウェアの競争は、今後も加速し、各社の資金力と技術力が試される展開が続くと予想されます。

🇪🇺 EU AI Act：モデル提供者へのウォーターマーク義務化（⭐️ 8.0/10）

EUのAI法（EU AI Act）が、モデルの提供者および利用者に大きな影響を与える規制を導入します。具体的には、モデルやコンテンツにウォーターマーク（透かし）を埋め込むことが義務付けられ、これはEU域外の企業であっても影響を受ける可能性があります。この規制は、AI生成物に対する透明性を確保し、信頼性を高めるための世界的な動きを象徴しています。

AIに仕事を任せる前に、仕事の進め方を入れる。VWorkにKurage Work Protocolを組み込みました

# AIに仕事を任せる前に、仕事の進め方を入れる。VWorkにKurage Work Protocolを組み込みました AIで業務改善を進めるとき、多くの人が最初に考えるのは「どのAIを使うか」です。 Codexを使うのか。Claude Codeを使うのか。ChatGPTを使うのか。あるいは、自社専用のAIエージェントを作るのか。もちろん、使うAIは重要です。しかし実際に仕事で使ってみると、もっと大事な問題が見えてきます。それは、**AIに何をどう任せるか**です。 AIに「これ作って」と頼めば、何かは出てきます。けれど、実務ではそれだけでは足りません。 - 何をもって完了とするのか - どのデータを触ってよいのか - 公開してよいのか、確認が必要なのか - エラーが出たときにどう記録するのか - 作ったものを誰がどう確認するのか - 次に改善することをどこへ残すのかここが曖昧なままAIを使うと、作業は速く見えても、会社の中には不安定なものが増えていきます。株式会社エクスブリッジでは、VWorkフレームワークに **Kurage Work Protocol** を組み込みました。これは、お客様環境でバイブコーディングを始めるときに、最初から「AIと仕事を進めるルール」を同梱するための仕組みです。 --- ## Superpowersから得たヒント今回の発想のきっかけになったOSSが、[obra/superpowers](https://github.com/obra/superpowers) です。 Superpowersは、AIコーディングエージェント向けのスキルフレームワークであり、ソフトウェア開発の方法論です。特徴は、AIにいきなりコードを書かせるのではなく、次のような流れを重視する点です。 - まず目的を確認する - 仕様を整理する - 実装計画を作る - 小さなタスクへ分ける - テストやレビューを挟む - 完了前に検証する - 作業の証跡を残すつまり、Superpowersは「AIを賢くする魔法」ではありません。むしろ、AIが暴走しないように、仕事の進め方を先に決める仕組みです。これは経営者にとって非常に重要です。 AI導入で失敗しやすいのは、AIの性能が低いからだけではありません。多くの場合、仕事の渡し方、確認の仕方、完了の定義が曖昧だからです。 --- ## Kurage Work Protocolとは何か Kurage Work Protocolは、エクスブリッジが実際のAI開発、動画生成、ブログ投稿、SNS告知、ブラウザ自動化、YouTube投稿、業務ツール開発で得た失敗と改善をもとに整理した、AI作業の共通プロトコルです。重要なのは、これはkdeck専用の機能ではないということです。 kdeckは、AI Agentタスクを管理する強力な入口のひとつです。しかし、すべての作業をkdeckだけで行うわけではありません。実際の現場では、次のような入口が混在します。 - Codex - Claude Code - kdeck - kvtuberからの依頼 - workerジョブ - browser-useやkargovによる自動操作 - 手作業のターミナル実行だからこそ、入口ごとにルールを作るのではなく、**どの入口から作業しても共通して守る作業プロトコル** が必要になります。 Kurage Work Protocolは、そのための共通ルールです。 --- ## 何を防ぐための仕組みなのか AI活用で怖いのは、失敗そのものではありません。本当に怖いのは、失敗したのに成功したように見えてしまうことです。たとえば、次のようなことが起きます。 - 動画が生成されたが、音声が入っていない - 画面はそれらしいが、本物の操作ではない - 投稿ジョブはキューに入ったが、公開はされていない - YouTubeに送信したが、公開URLでは見られない - SNS投稿文に古いURLや間違った投稿者が入っている - コードは書いたが、コミットされず残骸が残っている - AIが「完了」と言ったが、実際には確認していないこれは、AIが悪いというより、完了条件が曖昧なまま作業していることが原因です。 Kurage Work Protocolでは、次の考え方を明確にしています。 ```text 開始した = 完了ではないキューに入った = 完了ではないアップロードした = 完了ではない生成した = 完了ではない公開URLで確認できた、動作を確認した、記録を残した = 完了 ``` この違いを、最初から作業ルールとして入れることが重要です。 --- ## VWorkフレームワークにどう組み込んだか VWorkは、お客様PCに導入して使うバイブコーディング作業基盤です。今回、VWorkの `project-template` に、次の3つの入口ファイルを追加しました。 - `WORK_PROTOCOL.md` - `AGENTS.md` - `CLAUDE.md` お客様環境でVWorkを始めるときは、`project-template` をコピーして作業フォルダを作ります。つまり、これからはVWorkを入れた時点で、最初からAI作業プロトコルも一緒に入ります。標準の作業フォルダは、次のようになります。 ```text customer-work/ ├── WORK_PROTOCOL.md ├── AGENTS.md ├── CLAUDE.md ├── BUSINESS.md ├── RULES.md ├── SERVERS.md ├── TASKS.md ├── WORKLOG.md ├── data/ ├── src/ ├── output/ └── docs/ ``` これにより、CodexでもClaude Codeでも、最初に読むべきルールが明確になります。たとえば、最初の依頼文はこうなります。 ```text WORK_PROTOCOL.md、AGENTS.md、BUSINESS.md、RULES.md、SERVERS.md、TASKS.mdを読んでください。まず私の業務課題を聞き取りしてください。その内容から、最初に1日以内で確認できる成果物を提案してください。 ``` AIにいきなり「システムを作って」と頼むのではなく、まず経営課題、ルール、サーバー、タスク、完了条件を読ませる。これだけで、AIの動き方は大きく変わります。 --- ## VWorkはどう進化したのかこれまでのVWorkは、経営者がCodexと一緒に業務課題を整理し、小さなツールやレポートを作るための作業基盤でした。今回の追加によって、VWorkは一段進みました。単なるテンプレートではなく、**AIに仕事を任せるための運用ルールを最初から持ったフレームワーク** になりました。具体的には、次のように進化しています。 ### 1. AIの入口が増えても迷わないお客様環境では、最初はCodexだけでも、後からClaude Code、別のAIエージェント、ブラウザ自動化、workerジョブが入ることがあります。そのとき、ツールごとに作業ルールが違うと混乱します。 VWorkでは、入口が何であっても `WORK_PROTOCOL.md` を共通の作業ルールにします。 ### 2. 完了条件が明確になる経営者にとって困るのは、「できました」と言われたのに、実際には動かないことです。 VWorkでは、`WORKLOG.md` に実行コマンド、出力、確認結果、未確認事項を残す流れを標準にしています。これにより、作業がブラックボックスになりにくくなります。 ### 3. 外部送信や本番反映で事故を防ぐメール送信、SNS投稿、YouTube投稿、本番サーバー反映、既存データの一括変更などは、便利な一方で事故につながりやすい作業です。 Kurage Work Protocolでは、こうした操作は実行前に人間へ確認するルールにしています。 AIに任せるところと、人間が判断するところを分けることで、安心してAI活用を進められます。 ### 4. ノウハウが会社に残る VWorkでは、成果物だけでなく、作業過程を残すことを重視します。 - なぜ作ったか - どのデータを使ったか - どう実行したか - 何を確認したか - 次に何を改善するかこれが残ることで、外注で作って終わりではなく、会社の中に改善の知識が蓄積されます。 --- ## 経営者にとっての意味 AI導入を「便利なツールを入れること」だと考えると、どうしても単発の効率化で終わりがちです。しかし、会社を変えるには、AIを日常業務の改善サイクルに入れる必要があります。 VWorkが目指しているのは、まさにそこです。 ```text 業務課題を話す ↓ AIが小さな成果物に分解する ↓ 実装する ↓ 実行して確認する ↓ 記録する ↓ 次の改善へ進む ``` この流れが会社の中に入ると、外注に丸投げするだけではなく、自社の業務を自社で改善できるようになります。もちろん、すべてを経営者ひとりでやる必要はありません。エクスブリッジは、VWorkの導入、最初の課題整理、AI作業ルールの整備、業務ツールの実装、動画やSNS発信まで伴走できます。重要なのは、AIに任せる前に、AIと仕事を進める土台を作ることです。その土台として、VWorkにKurage Work Protocolを組み込みました。 --- ## エクスブリッジの強みエクスブリッジの強みは、AIツールを紹介することではありません。実際に、AIでブログを書き、動画を作り、YouTubeに投稿し、SNSへ告知し、VTuberを動かし、ブラウザ操作を自動化し、workerジョブを運用しながら、失敗したところを仕組みに変えていることです。今回のKurage Work Protocolも、理屈だけで作ったものではありません。実際の開発で起きた問題、公開確認の漏れ、動画品質の失敗、ジョブ管理の混乱、コミット漏れ、デザインの揺れを、次に繰り返さないために形にしたものです。 AI活用では、成功事例だけでなく、失敗をプロトコルに変えられる会社が強いと考えています。 VWorkは、その実践知をお客様環境へ持ち込むためのフレームワークです。 AIを導入するだけでなく、AIと継続的に仕事を進める会社へ。その第一歩として、VWorkはKurage Work Protocolを標準搭載しました。 --- ## 関連リンク - Superpowers: [https://github.com/obra/superpowers](https://github.com/obra/superpowers) - VWork GitHub: [https://github.com/katsushi2441/vwork](https://github.com/katsushi2441/vwork) - VWork Blog: [https://katsushi2441.github.io/vwork/blog/](https://katsushi2441.github.io/vwork/blog/) - 株式会社エクスブリッジ: [https://exbridge.jp/](https://exbridge.jp/)

戦争映像を消費せず、経営資産に変える。Kurageで地政学OSINT動画を生成した理由

# 戦争映像を消費せず、経営資産に変える。Kurageで地政学OSINT動画を生成した理由 AIを使った動画ビジネスの世界では、顔出しなし、声出しなし、最小限の編集で大きな再生数を取る「faceless YouTube」の事例が増えています。その中でも、戦争・軍事・地政学の映像を扱うチャンネルは、非常に強い需要があります。ウクライナ情勢、中東、ドローン戦、兵器分析、OSINTなどは、ニュースとしての関心が高く、視聴者の滞在時間も伸びやすいテーマです。一方で、この領域は危険も大きいです。既存映像をただつなぐだけでは、著作権、再利用コンテンツ、暴力描写、プロパガンダ、倫理面の問題が一気に出ます。短期的に再生数を取れても、企業が継続的なメディア資産として運用するには不安定です。そこでエクスブリッジでは、単に「戦争映像を集めて動画にする」のではなく、**公開映像をもとに、AIで日本語の解説コンテンツへ変換するパイプライン**として実験しました。今回、Kurageで生成した修正版テスト動画は、その実証です。 --- ## きっかけは、海外で伸びている動画モデル今回の開発の出発点は、海外で注目されているfaceless動画モデルです。長い戦争・紛争系の映像をクリップ化し、AIでタイトルやナレーションを作り、地図や字幕を重ねて投稿する。うまくいけば、低コストで大量の動画を作れます。ただし、ここで重要なのは、表面的なやり方をそのまま真似しないことです。 - 生々しい映像を並べるだけでは、企業発信として危険 - 他者の動画を無加工で使うと、再利用コンテンツになりやすい - 英語やロシア語のタイトルをそのまま読み上げても、日本の視聴者には価値が低い - 事実確認や文脈化が弱いと、単なる煽り動画になる - YouTubeやSNSのポリシーに左右されやすいつまり、必要なのは「動画を自動生成するAI」ではなく、**情報を集め、選別し、編集し、企業が出せる形に変換するコンテンツエンジン**です。 --- ## Kurageで作った制作フロー今回の実験では、次の流れで動画を作りました。 ```text 市場で伸びている動画モデルを分析 ↓ 地政学・OSINT系のテーマを設定 ↓ YouTube検索情報をトレンド把握に利用 ↓ 実際の映像素材はWikimedia Commonsなどの公開・ライセンス確認可能な素材から収集 ↓ 暴力描写、捕虜、プロパガンダ色の強すぎる素材を除外 ↓ AIで日本語の解説台本を生成 ↓ 英語・ロシア語タイトルの読み上げではなく、日本語の文脈説明に変換 ↓ TTS、字幕、映像編集を行い、Kurage動画として登録 ↓ 公開前に再生確認し、必要なら修正 ``` この流れで重要なのは、YouTube上の人気動画をそのまま素材として使わないことです。 YouTubeの情報は、あくまで「何が注目されているか」を見るために使います。実際の映像素材は、ライセンスや出典を確認できる公開素材を中心にします。これにより、単なる転載ではなく、独自の日本語解説コンテンツとして成立させやすくなります。 --- ## 最初の失敗から、品質要件が見えた今回の実験では、最初からうまくいったわけではありません。初回生成では、台本に問題がありました。 - 注意事項や補足説明が何度も繰り返される - 英語の資料名や動画タイトルを長く読み上げてしまう - 日本語の視聴者に向けた解説になっていない - 「何を学べる動画なのか」が弱いこれは、AI動画生成でよく起きる失敗です。 AIに素材を渡して「動画にして」と頼むだけでは、素材の説明を並べるだけになりがちです。経営者向け、一般視聴者向け、専門家向けなど、誰に何を伝えるのかを設計しないと、薄い動画になります。そこで修正版では、台本生成の方針を変えました。 - 日本語の説明を中心にする - 素材タイトルを読ませず、内容を要約して語らせる - 同じ注意事項を繰り返さない - 戦闘映像そのものではなく、ドローン、公開情報、地政学、現代戦の変化を解説する - 煽りではなく、ビジネスパーソンが理解できるニュース解説に寄せるこれにより、単なる素材集ではなく、**公開映像から現代の安全保障とテクノロジーを読み解く動画**に近づきました。 --- ## 企業にとっての価値この実験で見えた価値は、戦争動画そのものではありません。本質は、**専門性のある情報を、AIで継続的に動画コンテンツへ変換できること**です。同じ仕組みは、さまざまな業界に応用できます。 - 金融ニュースを、投資初心者向けの解説動画にする - 製造業の技術ニュースを、営業資料として使える動画にする - 物流、半導体、エネルギー、サイバーセキュリティの動向を定期動画にする - 海外記事や公開資料を、日本語の業界解説に変換する - 自社サービスの利用事例や導入効果を動画化する多くの企業は、情報を持っています。しかし、それを継続的に発信する体制がありません。記事を書く人、動画を作る人、投稿する人、SNSで告知する人が分断されているため、1本作るだけで止まってしまいます。 Kurageのような仕組みを使えば、情報収集、台本生成、音声、字幕、映像編集、投稿、確認までを一つの流れにできます。これは、単なるAI動画ツールではなく、企業の情報発信を継続運用するための基盤です。 --- ## エクスブリッジの強みエクスブリッジの強みは、AIのアイデアを説明するだけでなく、実際に動くところまで作ることです。今回も、単に「こういう動画は伸びそうです」と分析しただけではありません。実際に、動画収集、フィルタリング、台本生成、TTS、字幕、動画登録、再生確認までをつなぎ、Kurage上で再生できる状態まで持っていきました。さらに、再生できない問題が起きたときには、PHP側で大容量動画を一括読み込みしていた原因を修正し、ストリーミング再生できるようにしました。 AI活用で重要なのは、生成AIのプロンプトだけではありません。 - ジョブを毎日安定して動かす仕組み - 失敗した動画を確認できる管理画面 - 大容量ファイルを扱うWeb配信 - SNSやYouTubeへつなげる配信設計 - 品質が悪いときに改善できるフィードバックループここまで含めて、事業で使えるAIシステムになります。 --- ## AI時代のコンテンツ制作は、単発制作からパイプラインへこれからの企業発信は、1本の動画を外注して終わりでは足りません。市場は毎日動きます。ニュースも、技術も、顧客の関心も変わります。その変化を拾い、会社の視点で解釈し、動画・ブログ・SNSに展開できる会社は、情報発信のスピードで優位に立てます。今回の地政学OSINT動画は、その一例です。戦争映像を刺激的に消費するのではなく、公開情報をもとに、現代のテクノロジーと安全保障を理解するためのコンテンツへ変換する。この考え方は、どの業界にも応用できます。エクスブリッジは、AI、OSS、動画生成、ジョブ管理、Web公開、SNS運用をつなげ、企業が自社の情報発信を内製化できる仕組みを作っています。生成AIを「文章を作る道具」で終わらせず、**会社の発信力を高める実行基盤**にする。そこに、これからのAI活用の大きな可能性があります。 --- ## 修正版テスト動画今回制作したKurage動画はこちらです。 [公開映像で読む、ウクライナ戦争とドローン時代の地政学（修正版テスト）](https://kurage.exbridge.jp/kuragev.php?id=geo0d995007caf9)

Groq、Nvidia、そして「Loopy」：AIインフラの進化と新たな課題 06-23

Groq、Nvidia、そして「Loopy」：AIインフラの進化と新たな課題

AI技術の進化が目覚ましい現在、ハードウェア、アーキテクチャ、そして社会実装の側面から、大きなトレンドが生まれています。特にAIチップメーカーの資金調達や、次世代のAI動作モデルの提案など、業界の構造的な変化が読み取れます。本日は、最新のAI・Web3ニュースから特に注目すべきトピックを厳選して解説します。

🌟 PP-OCRv6：50言語対応のOCRモデルが進化（⭐️ 9.0）

OCR（光学文字認識）の分野で、PP-OCRv6が大幅にアップデートされました。この新しいバージョンは、パラメーター数を150万から3450万へと飛躍的に増やし、50言語に対応できる高い性能をHugging Faceで公開しています。これにより、多言語環境での文書データ処理や、より複雑な文書からの情報抽出が、これまで以上に容易になることが期待されます。

🧠 AIの世界が「Loopy（ループ的）」になりつつある（⭐️ 8.0）

AIの進化は、単なる単発の処理から、自律的に動作するシステムへと移行しています。TechCrunchが指摘する「Loopy」とは、エージェントAIの群れ（スウォーム）がバックグラウンドで継続的かつ自律的に動作できる新しいアーキテクチャ概念です。このモデルは、AIが単なる「道具」ではなく、自律的な「主体」として機能し始めることを示唆しています。

🚀 AIチップメーカーGroqが資金調達と体制再編を実施（⭐️ 8.0）

AIチップメーカーのGroqが、6億5000万ドル（約1000億円超）の資金調達を完了し、組織の再編を行いました。これは、NVIDIAが巨額の投資を行うなど、業界の動きが加速する中で、Groqが独自の「ネオクラウド」事業に焦点を絞り、競争力を高めようとしていることを示しています。高性能なAIハードウェアを巡る資金競争が激化していることがわかります。

💧 Nvidiaがデータセンターの水使用量削減に挑むが、根本的な問題は残る（⭐️ 8.0）

NVIDIAは、データセンターの冷却システムを改善し、水の使用量削減に取り組んでいます。しかし、この記事は、この対策が単なる「症状の緩和」に過ぎず、AIの根幹的な問題である「化石燃料による大規模な電力消費」という根本的な課題を解決していないと警鐘を鳴らしています。AIの普及に伴うエネルギー問題は、今後も最大の課題であり続けます。

💻 中国ハッカーによるNVIDIAを活用した最新の巧妙な手口（⭐️ 8.0）

セキュリティ面では、中国のハッカー集団による、NVIDIAの技術を活用した巧妙なサイバー攻撃の事例が報告されています。これは、AI技術が進化する一方で、その技術が国家レベルのセキュリティリスクや地政学的な緊張と密接に結びついている現実を浮き彫りにしています。AIの恩恵を享受するだけでなく、防御側も高度な対策が求められています。

🎬 Google DeepMindがA24と提携し、ハリウッドでのAI活用に賭ける（⭐️ 7.0）

Google DeepMindが、映画配給会社A24と提携し、AIの未来に7500万ドルを投じるという動きが報じられました。これは、AIが単なる技術領域に留まらず、映画制作やコンテンツの企画・配給といったクリエイティブ産業の根幹に深く食い込もうとしていることを意味します。AIが芸術やエンターテイメントの「共同制作者」となる時代が到来しつつあります。

OCRで読む：Ling and Ringによる超大規模AIの進化と、Gemma 4、そして金融の「Anchorage」「OKX」が描く… 06-23

Ling and Ringによる超大規模AIの進化と、Gemma 4、そして金融の「Anchorage」「OKX」が描くWeb3の未来

今週のニュースは、AIの性能が「兆パラメータ」規模へとスケールアップする技術的な飛躍と、伝統的な金融（TradFi）がブロックチェーン技術を取り込む動きが顕著でした。特に、大規模言語モデル（LLM）の効率化や、銀行預金のトークン化など、実社会への応用が加速している点が注目されます。

🚀 AI技術の最前線：超大規模エージェントAIの登場

Ling and Ring 2.6技術レポート：兆パラメータ規模での効率的なエージェント知能

Ling and Ring 2.6の技術レポートが公開され、兆パラメータ規模で動作する、極めて効率的かつ即時性の高いエージェント知能の可能性が示されました。このモデルは、単なる言語生成を超え、複雑なタスクを自律的に実行する「エージェント」としての能力に焦点を当てています。AIがより高度な自動化レイヤーを持つことで、業務プロセス全体が根本的に変革されることが期待されます。

PP-OCRv6のリリース：50言語対応のOCR機能が大幅強化

Hugging Faceから、OCR（光学文字認識）モデル「PP-OCRv6」のメジャーアップデートが発表されました。本バージョンでは、パラメータ数が大幅に増加し、なんと50言語に対応する高い認識精度を実現しています。この進歩は、多様な言語やフォーマットの文書を扱うシステム開発者にとって、非常に大きなブレイクスルーとなるでしょう。

Gemma 4 31Bの最適化：KVキャッシュ量子化による性能向上

オープンウェイトLLMであるGemma 4の31Bモデルについて、KVキャッシュ量子化を活用することで、性能ベンチマークが改善したという報告が上がっています。これは、大規模なLLMをより少ないリソース（メモリや計算能力）で、高い効率性をもって動かすための重要な最適化手法です。ローカル環境での高性能AI利用を可能にする技術的な進展と言えます。

💰 Web3と金融：伝統的な金融機関のブロックチェーン採用

Anchorageが目指す銀行預金のトークン化：オンチェーンへの統合

Anchorageは、従来の銀行預金サービスをブロックチェーン上にトークン化する新しいプラットフォームの開発を進めています。この取り組みは、伝統的な銀行システム（TradFi）の信頼性と、ブロックチェーンの透明性・効率性を融合させることを目指しています。これにより、金融取引のスピードとアクセス性が飛躍的に向上することが期待されています。

OKXとNYSEの提携：伝統金融と仮想通貨市場の架け橋

OKXとニューヨーク証券取引所（NYSE）が、アンドリュー・クオモ氏率いるジョイントベンチャーを設立し、伝統金融と仮想通貨市場の連携を強化します。これは、これまで別個に存在していた両市場の間に公式な橋渡しをすることを目指すもので、機関投資家による仮想通貨市場への本格的な参入を後押しする動きです。

本記事は、Horizonが収集した最新のAI・Web3・スタートアップのニュースを基に作成されています。

2026年6月22日月曜日

Denoで読む：ApertusとGLM-5.2が描くAIの未来：ローカルLLMとAIエージェントの最前線 06-22

ApertusとGLM-5.2が描くAIの未来：ローカルLLMとAIエージェントの最前線

AIの進化は、単なるモデルの高性能化に留まらず、利用環境やインフラストラクチャの変革を促しています。今週のニュースでは、オープンな基盤モデルの動きや、デバイス上でAIを動かすための技術革新、そしてAIエージェントを支えるWebインフラの強化といった、実用的な「AIの土台」に関する動きが目立ちました。

Apertus：主権的なAIのためのオープンな基盤モデルの登場

Apertusは、主権的なAI（Sovereign AI）のニーズに応えるオープンな基盤モデルを提供することを目指しています。これは、特定の国や組織が、外部の巨大テック企業に依存することなく、自立的にAI開発と運用を行えるようにするための重要な動きです。オープンなモデルを提供することで、企業や国家がデータ主権を確保しつつ、AIの恩恵を最大限に享受できる環境を構築しようとしています。

ローカルLLMの推論最適化：完全ガイドの必要性

大規模言語モデル（LLM）をクラウドではなくローカル環境で動かすための推論最適化に関するガイドが注目されています。デバイス上で効率的にLLMを動かす技術は、プライバシー保護の観点からも、ネットワーク接続が不安定な場所での利用を可能にする点で極めて重要です。ハードウェアとソフトウェアの両面から最適化を進めることで、より多くのユーザーが高性能なAIをオフラインで利用できるようになります。

GLM-5.2がDeepSWEで注目される理由

GLM-5.2のような高性能なLLMが、DeepSWEのような高度な開発環境でテストされ、注目を集めています。これは、単にモデルの性能が高いだけでなく、実際のソフトウェア開発プロセスや複雑なタスクワークフローに組み込まれ、実用性が検証されていることを意味します。モデルが単なる「回答生成機」から「開発パートナー」へと進化し、具体的なエンジニアリングタスクをこなせる段階に入っていることを示唆しています。

AIエージェントのためのCloudflareアカウントの利用

AIエージェント（自律的にタスクを実行するAI）が機能するためには、外部との連携や恒常的な実行環境が必要です。CloudflareのようなWebインフラプロバイダーが、エージェント向けの「一時的なアカウント」を提供し始めていることが明らかになりました。これは、AIが単なるチャットボットではなく、外部サービスと連携して自律的に行動する「システム」として機能し始めるための、インフラ面での大きな進展と言えます。

Anthropicへの規制強化がもたらす恩恵の考察

Anthropicのような主要なAI開発企業に対する規制やガバナンスの強化が議論されています。この動きは、AIの安全性や倫理的な側面を制度的に確立することを目的としていますが、結果的に市場における競争構造や、他のオープンなAIプレイヤーに追い風となる可能性が指摘されています。政策的な介入が、結果的に特定の企業への依存度を下げ、より多様でオープンなAIエコシステムを育む要因となり得るという視点が提示されています。

ApertusとCloudflareが示すAIインフラの最新動向：LLMのローカル最適化とガバナンス 06-22

ApertusとCloudflareが示すAIインフラの最新動向：LLMのローカル最適化とガバナンス

今週のニュースでは、AIの基盤モデルのオープン化と、それを動かすためのインフラストラクチャの進化が目立ちました。特に、企業や国家レベルでのAI主権（Sovereign AI）の概念が浮上し、Cloudflareのようなプラットフォーム側もAIエージェントの開発を加速させるための柔軟な環境を提供し始めています。

🌐 Apertus：国家主権型AI（Sovereign AI）のためのオープン基盤モデルを発表

Apertusが、特定の国家や組織がデータ主権を保ちながらAIを運用できる「Sovereign AI」を目的としたオープンな基盤モデルを発表しました。この動きは、AIモデルの所有権とデータガバナンスに関するコミュニティでの議論を再燃させています。単なる技術的なリリースに留まらず、データプライバシーとAIの利用範囲をどこまで管理するかという、より根源的な「AIの主権」に関する議論を促す重要な出来事となっています。

☁️ CloudflareがAIエージェント向けに一時的なアカウント機能を提供

Cloudflareが、ユーザーが永続的なアカウントを作成することなく、Workersプロジェクトをテストできる一時的なデプロイ機能を提供し始めました。これは、AIエージェントやサーバーレスなWebアプリケーションを開発する際の敷居を大幅に下げます。開発者は、本番環境に影響を与えるリスクを最小限に抑えつつ、迅速にプロトタイプを構築し、AIエージェントの動作検証を行うことが可能になりました。

💻 ローカルLLM推論の最適化：完全ガイド

大規模言語モデル（LLM）をクラウドに依存せず、個人のデバイスやローカル環境で効率的に実行するための最適化ガイドが注目されています。ローカル推論の最適化は、データプライバシーの確保と、インターネット接続に左右されない運用を可能にします。このガイドは、開発者がハードウェアの制約や計算資源の限界を考慮に入れながら、高性能なAIモデルをどこで、どのように動かすべきかという実践的な知見を提供しています。

🧠 GLM-5.2がDeepSWEに登場し、モデルの進化を加速

高性能な大規模言語モデルであるGLM-5.2が、DeepSWEというプラットフォームに統合され、利用可能になりました。これは、最先端のモデルがより多くの開発者やユースケースにアクセスしやすくなることを意味します。モデルの進化は単なるパラメータ数の増加ではなく、特定の開発環境やワークフローに組み込まれることで、実用的な価値を最大化していく傾向が続いています。

💰 CMEグループと永続スワップ（Perpetual Swaps）を巡る規制リスク

CMEグループを巡る永続スワップに関する法的な係争について、規制当局の視点から詳細な分析がなされています。この論争は、仮想通貨市場におけるデリバティブ商品（金融派生商品）の構造的なリスクと、規制のあり方を浮き彫りにしています。 Web3やDeFiの分野で利用される金融商品が、従来の金融市場の規制枠組みとどのように関わり、どのような法的課題を抱えているかを理解する上で重要な記事です。

Kurage AI VTuberにYouTubeライブ自動配信機能を追加しました

# Kurage AI VTuberにYouTubeライブ自動配信機能を追加しました株式会社エクスブリッジでは、AIを「話題の技術」として紹介するだけでなく、実際に会社の情報発信を動かす仕組みとして開発しています。今回、**Kurage AI VTuber**に、YouTubeライブ自動配信のための機能を追加しました。これは、単にVTuberの画面をYouTubeへ流せるようにした、という話ではありません。 Kurageに新しく投稿されたショート動画をチェックし、一定本数がたまったらYouTube Live向けに連続配信し、公開ライブURLを確認し、AIxSNSとXで告知するところまでを、自動化パイプラインとしてつなげています。つまり、次の流れを自動化できるようになりました。 ```text Kurageに動画が投稿される ↓ 新しいショート動画を監視する ↓ 未配信の動画が一定本数たまる ↓ YouTube Live用の連続配信動画を準備する ↓ RTMPでYouTubeへライブ配信する ↓ ライブURLが実際に公開状態か確認する ↓ AIxSNSとXで告知する ``` 企業の動画活用で大変なのは、動画を1本作ることだけではありません。作った動画を継続的に出し、配信し、告知し、次の発信につなげることです。今回の機能追加は、その運用部分をAIと自動化で支えるための重要な一歩です。 --- ## 何を実現したのか今回追加した機能は、Kurage AI VTuberを中心に、Kurage動画システム、YouTube Live、AIxSNS、X投稿をつなぐ配信パイプラインです。主なポイントは次の通りです。 - Kurageに登録されたショート動画を定期的にチェックする - すでに配信済みの動画を記録し、同じ動画を繰り返し拾わない - 新しい動画が一定本数たまったら、YouTube Live用の配信対象にする - 複数のショート動画を順番に流せる形へまとめる - ffmpegでYouTube RTMPへ送信する - YouTube側でライブURLが実際に公開されているか確認する - AIxSNSへ告知投稿する - Xへも同じ告知内容で投稿するこの仕組みによって、Kurageで作った動画を「投稿して終わり」にせず、YouTube Liveという別の接点へ再活用できます。特にショート動画は、1本ずつ単発で見せるだけでなく、複数本をまとめてライブ配信することで、番組のように見せることができます。たとえば、AIニュース、サービス紹介、技術解説、セミナー切り抜き、社内教育コンテンツなどを、一定本数たまるたびに自動でライブ配信できます。 --- ## 実現方法実装としては、Kurage AI VTuber側に監視ジョブとYouTube Live配信ジョブを追加しました。役割は大きく分けて3つです。 ### 1. Kurage動画のチェックまず、Kurageに登録された動画一覧を確認します。ここで重要なのは、単に最新動画を取るだけではなく、**どの動画をすでにライブ配信したかを記録すること**です。自動化では、同じ動画を何度も配信してしまう、途中で止まった動画を配信済みにしてしまう、対象外の動画を拾ってしまう、といった問題が起きやすくなります。そのため、配信済みIDを状態ファイルで管理し、次回以降は未配信の動画だけを対象にします。 ### 2. YouTube Liveへの連続配信未配信のショート動画が一定本数たまると、YouTube Live用の配信を開始します。配信では、ffmpegを使ってRTMPでYouTubeへ送信します。 YouTube Liveは、ローカルで動画を再生できることと、YouTube側で実際に公開ライブとして見えることが別問題です。そのため、配信開始後に公開URLを確認し、ライブとして見られる状態になっているかをチェックします。今回の開発では、ここが重要な学びでした。 **RTMP送信が成功しただけでは、ユーザーに届いているとは言えません。** 実運用では、YouTubeの公開ライブURLを確認し、そこから告知へ進む必要があります。 ### 3. AIxSNSとXでの告知ライブ配信が確認できたら、AIxSNSへ告知を投稿します。さらに、Xにも告知を出せるようにしました。 X投稿については、APIだけに依存するのではなく、認証済みブラウザを操作するbrowser-use系の自動化も使えるようにしています。これは、現実の運用ではAPI制限や認証状態の問題が起きるためです。また、AIxSNSとXで投稿内容がずれると、ブランド表現や告知文の品質が不安定になります。そのため、告知文は共通化し、同じ内容をAIxSNSとXへ流せるようにしています。 --- ## なぜ経営者にとって重要なのか経営者にとって重要なのは、「AIで動画を作れます」という機能紹介ではありません。大事なのは、**会社の情報発信を継続的に回せる仕組みを持てるか**です。動画制作は、多くの企業にとって重い業務です。 - 何を話すか考える - 台本を作る - 動画を作る - 投稿する - YouTubeにも展開する - SNSで告知する - 次の投稿を準備するこれを毎回人手でやると、どうしても止まります。最初の数本は頑張れても、継続できない会社が多いのは自然です。しかし、Kurage AI VTuberと自動配信パイプラインを組み合わせると、発信の流れを次のように変えられます。 ```text 日々の情報をKurageで動画化する ↓ 一定本数たまったら自動でYouTube Live配信する ↓ AIxSNSとXで告知する ↓ 配信済みを記録し、次の動画を待つ ``` これは、会社の中に小さなAI放送局を持つようなものです。しかも、単なるライブ配信ではなく、動画生成、AI VTuber、ブラウザ自動化、SNS告知までつながっています。 --- ## エクスブリッジの技術的優位性エクスブリッジの強みは、個別のAIツールを使えることではありません。 **AI、OSS、動画生成、ブラウザ自動化、ライブ配信、SNS投稿を組み合わせて、業務として動くパイプラインにできること**です。今回のYouTubeライブ自動配信機能には、次のような技術要素が含まれています。 - Kurage動画システムとの連携 - Kurage AI VTuberの配信基盤 - ショート動画の監視と配信済み管理 - ffmpegによるRTMP配信 - YouTube Liveの公開状態チェック - AIxSNSへの告知投稿 - browser-useによるX投稿自動化 - GitHubで管理できるプロダクト化 - 常駐監視ジョブとして運用できる設計これらを別々に見ると、それぞれ既存技術です。しかし、実際に会社の発信業務で使えるようにするには、つなぎ込み、例外処理、状態管理、運用確認が必要です。たとえば、配信が始まっていないのに告知してしまうと、視聴者には何も届きません。XとAIxSNSで文面がずれると、発信の品質が落ちます。配信済み管理が甘いと、同じ動画を何度も流してしまいます。こうした細かい運用上の課題を、実際に動かしながら潰していけることが、エクスブリッジの開発力です。 AI活用は、きれいなデモを作るだけでは不十分です。 **動くこと、続くこと、業務の流れに入ること。** そこまで作り込めることが、エクスブリッジの優位性です。 --- ## 中小企業の発信をAIで強くするこの仕組みは、さまざまな企業活動に応用できます。 - 経営者ブログを動画化し、YouTube Liveでまとめ配信する - 商品紹介ショートを一定本数ごとにライブ番組化する - 採用向けの会社紹介動画を定期配信する - セミナー切り抜きを自動で再配信する - AIニュースや業界ニュースを番組として流す - 社内教育コンテンツを繰り返し配信する中小企業にとって、広告費や制作費を大量に使い続けるのは簡単ではありません。だからこそ、自社で動画を作り、自社で配信し、自社で告知まで回せる仕組みが重要になります。エクスブリッジは、AIとOSSを活用して、この内製化を現実的なコストと速度で進めます。 --- ## Kurage AI VTuberは、AI発信基盤へ進化している Kurage AI VTuberは、単にアバターが話すシステムではありません。番組を持ち、動画を扱い、YouTube Liveへ配信し、SNSで告知し、必要に応じてkdeckなどのAI Agent実行基盤とも連携できる、AI発信基盤へ進化しています。これにより、企業は次のような未来に近づきます。 ```text 人が伝えたいことを決める ↓ AIが動画化する ↓ AI VTuberが番組化する ↓ YouTube Liveで配信する ↓ SNSで告知する ↓ 反応を見て次の発信へつなげる ``` AIは、文章を作るだけの存在ではありません。会社の情報発信を、実際に前へ進める実行基盤になりつつあります。エクスブリッジは、この領域を自社プロダクトとして実装し、検証し、改善しています。 --- ## 関連リンク - GitHub: [Kurage AI VTuber / kvtuber](https://github.com/katsushi2441/kvtuber) - GitHub: [Kurage Argo Video / kargov](https://github.com/katsushi2441/kargov) - 関連デモ: [Kurage AI VTuber ライブ配信デモ](https://kurage.exbridge.jp/kuragev.php?id=dd456c7c59e34fe5) - エクスブリッジ: <https://exbridge.jp/> - お問い合わせ: <https://exbridge.jp/contact.php> 株式会社エクスブリッジは、名古屋・愛知の企業向けに、AI内製化、バイブコーディング、AI VTuber、動画生成、業務自動化の実践支援を行っています。

AnthropicのClaudeに本人確認義務化？AI利用におけるプライバシーと規制の最前線 06-22

AnthropicのClaudeに本人確認義務化？AI利用におけるプライバシーと規制の最前線

AIの利用が高度化するにつれて、サービス提供側による規制や本人確認の仕組みが強化されつつあります。今回のニュースまとめでは、Anthropicが提供するClaudeにおける本人確認の義務化という大きな動きに加え、仮想通貨市場における規制の動きや、ソフトウェア開発の設計思想に関する考察など、テクノロジーと社会の接点にある重要なトピックを深掘りします。

🔐 Claudeにおける本人確認の義務化が示すAIの新たな課題

Anthropicが提供するClaudeサービスにおいて、利用者の本人確認が必須となる措置を導入しています。この動きは、AIの利用におけるデータプライバシーや、コンテンツモデレーション（不適切なコンテンツの監視）のあり方について、コミュニティ内で大きな議論を巻き起こしています。AIサービスが社会インフラとして組み込まれるにつれて、利用者の身元確認やアクセス制御がより厳格になる傾向が示されています。

♻️ 抽象化（Abstraction）よりも「重複（Duplication）」を優先すべき設計原則

ソフトウェア開発の設計原則に関する議論が紹介されています。これは、システムをシンプルにするために「単一の真実の源泉（Single Source of Truth）」のような厳格な抽象化を適用することと、コードやロジックを意図的に重複させることのトレードオフについて考察しています。設計のオーバーヘッドがメリットを上回る場合、あえて重複させる方が、結果的にシステムをより堅牢に保てるという視点が提唱されています。

⚖️ CMEを巡る訴訟から見る、パーペチュアル・スワップの規制動向

仮想通貨（Crypto）の金融分野における法的な課題が分析されています。特に、シカゴ商品取引所（CME）が関わるパーペチュアル・スワップ（無期限先物取引）を巡る訴訟や、それを取り巻く規制環境が焦点となっています。DeFi（分散型金融）や仮想通貨の利用が広がる中で、伝統的な金融機関や規制当局が、これらの新しい金融商品に対してどのような法的枠組みを適用していくのかが明らかになってきています。

Gemma 4の最適化：QATとKVキャッシュ量子化でローカルLLMの性能が飛躍的に向上 06-22

Gemma 4の最適化：QATとKVキャッシュ量子化でローカルLLMの性能が飛躍的に向上

AIモデルのローカル環境での利用が一般化する中、その性能を最大限に引き出すための「最適化」が最重要課題となっています。今回注目するのは、Googleが開発したオープンモデル「Gemma 4」における、画期的な最適化手法に関する情報です。専門的な技術が、より多くのユーザーに高性能なAIを届ける可能性を示しています。

💡 Gemma 4の性能向上：QATとKVキャッシュ量子化の組み合わせ

Redditの技術コミュニティからの報告によると、Gemma 4モデルにおいて、QAT（Quantization-Aware Training：量子化認識トレーニング）を適用し、さらにKVキャッシュ量子化を行うことで、モデルの性能（KL Divergenceによる評価）が大幅に改善することが報告されました。

この発見は、ローカル環境でLLMを動かすユーザーにとって非常に大きな進展です。量子化はモデルのサイズを小さく保ちながら高速化を図る技術ですが、これにQATとKVキャッシュ量子化を組み合わせることで、単に軽量化するだけでなく、精度面でのボトルネックも解消し、高い応答性を実現していると見られます。

【まとめ】 Gemma 4の利用において、QATとKVキャッシュ量子化を組み合わせる最適化手法が、性能向上に大きく貢献することが確認されました。この技術は、ローカルデバイスでのLLMの実行効率と精度を同時に高める、非常に有望なアプローチです。今後のオープンソースモデルの最適化の標準的な手法となる可能性があります。

2026年6月21日日曜日

AI VTuberは“話すキャラクター”から“仕事を進めるAI Agent”へ — Kurage VTuberが示す新しい企業発信

AI VTuberという言葉を聞くと、多くの人は「AIが話すアバター」「コメントに反応する配信者」「Live2Dで動くキャラクター」を想像します。

それは間違いではありません。むしろ、AI VTuberの本質はそこからさらに進みつつあります。

AI VTuberは、単に話すだけの存在ではなく、AI Agent機能を持ち、依頼を受け、判断し、外部ツールや業務システムを動かす存在になっていきます。

株式会社エクスブリッジが開発している Kurage AI VTuber は、この方向性を企業向けに具体化したプロダクトです。

AI VTuberの進化は、AI Agent化に向かっている

AI VTuberは、すでに世界中で多くの実験が進んでいます。

会話するAIキャラクター、配信コメントに返答するAITuber、Live2DやVRMで動くアバター、MCPや外部ツールを呼び出すAIアバターなど、方向性は広がっています。

つまり、AI VTuberがAI Agent機能を持つこと自体は、自然な進化です。

重要なのは、そこから先です。

企業にとって価値があるのは、キャラクターが面白く話すことだけではありません。

そのAI VTuberが、会社の業務や発信を実際に進められるかです。

たとえば、次のようなことです。

社長ブログの内容を理解し、動画として説明する
商品説明やサービス紹介を番組化する
視聴者からの質問に答える
必要に応じてAI Agentに作業を依頼する
記事、動画、投稿、URL、commitなどの成果物を返す

ここまで来ると、AI VTuberは単なる配信者ではありません。

企業の情報発信と業務実行をつなぐ、キャラクター型のAI業務インターフェースになります。

Kurage VTuberは、kdeckでAI Agentタスクを実行する

Kurage AI VTuberの特徴は、背後に kdeck というAI Agent実行基盤があることです。

kdeckは、自然文の依頼をAI Agentタスクとして受け取り、サーバ上で実作業を進めるための仕組みです。

Kurage VTuberは、このkdeckとつながることで、次のような流れを作れます。

ユーザーがKurage VTuberに依頼する
  ↓
Kurage VTuberが依頼内容を整理する
  ↓
kdeckへAI Agent Taskとして渡す
  ↓
AI Agentが実作業を行う
  ↓
ブログ、動画、投稿、commit、URLなどの成果物を返す
  ↓
Kurage VTuberの画面で結果を報告する

これは、チャットAIに「相談する」だけではありません。

AIキャラクターに仕事を頼み、裏側のAI Agentが実行し、成果物として返ってくるという体験です。

経営者にとっては、ここが重要です。

AIを導入する目的は、流行に乗ることではありません。業務を速くすること、発信を増やすこと、内製化すること、売上や採用につながる仕組みにすることです。

Kurage VTuberは、その入口を「人が話しかけやすいキャラクター」にしています。

企業にとっての使い道

Kurage VTuberは、単なるエンタメ配信だけでなく、企業の実務に近い使い方ができます。

1. 社長ブログを動画化する

経営者が書いたブログ記事を、Kurage VTuberが説明する動画にできます。

文字だけでは届かない層に、YouTube ShortsやSNS動画として届けられます。

2. セミナーや研修を繰り返し配信する

一度作ったセミナー台本を、決まった時間にVTuberが話す番組として配信できます。

新人教育、営業研修、商品説明、社内共有に使えます。

3. サービスのデモ動画を作る

Kurage Argo Videoと組み合わせることで、ブラウザ操作をAIが録画し、説明付きのデモ動画として公開できます。

「できます」と説明するより、実際に動いているところを見せる方が強いです。

4. AI Agentへの業務依頼窓口にする

Kurage VTuberに依頼すると、kdeckがAI Agentタスクとして処理する。

ブログ投稿、動画生成、ファイル更新、調査、公開確認、SNS告知などを、キャラクター経由で頼めるようになります。

これは、社内のAI活用を広げるうえで大きな意味があります。

専門用語だらけの管理画面ではなく、キャラクターに話しかける形なら、非エンジニアでも使いやすくなります。

エクスブリッジのユニークな開発力

エクスブリッジの強みは、AIツールを単体で紹介することではありません。

OSS、ブラウザ自動化、動画生成、ライブ配信、AI Agent、ブログ、SNS、GitHub運用を組み合わせ、実際に動くプロダクトとして作り込むことです。

Kurage VTuberには、次の要素が入っています。

AI VTuber viewer
TTSと口パク
番組台本とスケジュール
YouTube Live / RTMP配信
kdeckによるAI Agentタスク実行
ブログ投稿や動画生成との連携
Kurage Argo Videoによるブラウザ操作デモ録画
Kurage Blog / VWork Blog / AIxSNS / YouTubeへの展開
GitHubで管理できるOSSプロダクト化

これらは、ひとつひとつは既存技術です。

しかし、企業が使える形に組み合わせ、失敗しながら直し、実際に公開まで持っていくには、かなり広い実装力が必要です。

エクスブリッジは、このような複合的なAIプロダクトを、バイブコーディングとOSS活用で高速に試作し、運用しながら改善しています。

AIを“使う会社”から、AIで“作れる会社”へ

これからの企業に必要なのは、AIサービスを契約することだけではありません。

自社の業務に合わせて、AIを組み合わせ、動く仕組みに変えられる力です。

Kurage VTuberは、その象徴的なプロダクトです。

AI VTuberが話し、AI Agentが作業し、Kurage Argo Videoがデモを作り、VWork BlogやYouTubeやAIxSNSへ発信する。

この流れは、これからの企業発信のひとつの形になります。

株式会社エクスブリッジは、こうしたAI×OSS×業務自動化のプロダクトを、実際に作り、動かし、公開しながら磨いています。

AIを試す段階から、AIで仕事を進める段階へ。

Kurage VTuberは、そのための新しい入口です。

Ethereumで読む：Anthropicへの人材流動と、iOSが警告するAI時代におけるプライバシーの危機 06-21

Anthropicへの人材流動と、iOSが警告するAI時代におけるプライバシーの危機

今週のAI、Web3、スタートアップの動向は、「AIの能力の飛躍的向上」と「それを取り巻くセキュリティ・プライバシーの課題」という二つの大きなテーマに集約されています。特に、大手AI企業間での人材争奪戦や、iOSのようなOSレベルでのプライバシー意識の向上など、技術的な側面だけでなく、社会的なガバナンスの重要性が浮き彫りになっています。

📱 iOSアプリが「アプリが何を見ているか」を可視化する仕組みを開発

【要約】 Loupeは、iOSのネイティブアプリがどのような種類のデータやシステム情報にアクセスできるのかをユーザーに可視化することを目的とした新しいアプリです。このツールは、ユーザー自身がアプリの権限やデータ収集の範囲を理解するための意識向上ツールとして注目されています。AIが生活に深く浸透する現代において、ユーザー側に「何が監視されているか」という認識を促す重要な試みと言えます。

💰 LLMサブスクリプションの無料提供が止まったら何が起こるか

【要約】 現在、多くのAIモデル（LLM）の利用が無料または補助金によって提供されていますが、このビジネスモデルが持続可能かという疑問が浮上しています。今後、企業がAIサービス提供における「補助金」という名のバッファを撤廃した場合、ユーザーや開発者に対してより明確な課金体系が求められるでしょう。これは、AIサービスが単なる「実験的なツール」から「本格的な収益源」へと移行する転換点を示唆しています。

🎮 テキストから「遊べるゲーム」を生成するディープニューラルネットワークの登場

【要約】 テキストや画像などの入力から、実際に動作するゲームを生成できるディープニューラルネットワークが開発されました。特筆すべきは、この処理がデータセンターではなく、ローカルデバイス上で行える可能性がある点です。これにより、インターネット接続に依存せず、プライバシーを保ちながら高度なAIゲーム体験が実現し、エッジAIの可能性を大きく広げるものです。

🗣️ Signalの幹部が警鐘：「AIチャットボットはあなたの友人ではない」

【要約】 プライバシー保護に重点を置くSignalの幹部の一人が、AIチャットボットとの関係性について警鐘を鳴らしました。AIが非常に人間らしく振る舞うようになったがゆえに、ユーザーが「AIを信頼しすぎること」の危険性を指摘しています。これは、AIの出力を鵜呑みにせず、常に批判的な視点を持つことの重要性を再認識させるメッセージです。

🧠 ノーベル賞受賞者John JumperがDeepMindを離れAnthropicへ

【要約】 ノーベル賞受賞者であるJohn Jumper氏が、長年AI研究の最前線にいたDeepMindを離れ、ライバル企業であるAnthropicへ移籍することが報じられました。これは、AI分野におけるトップタレントの移動が活発化していることを示す象徴的な出来事です。研究者個人の視点から、どの企業がAIの「倫理」や「安全性」に重点を置くかという競争が激化していることが読み取れます。

AI VTuberがライブ配信し、AIがデモ動画まで作る時代へ — Kurage AI VTuberとKurage Argo Videoが完成しました

株式会社エクスブリッジでは、AIを「便利な相談相手」として使うだけでなく、実際に業務を動かす仕組みとして開発しています。

今回、2つのプロダクトが大きく前進しました。

Kurage AI VTuber：AI VTuberが番組を進行し、YouTubeなどへライブ配信できる仕組み
Kurage Argo Video：AIがブラウザを操作し、その様子をデモ動画として制作する仕組み

実際のデモ動画はこちらで公開しています。

これは単なる技術実験ではありません。

経営者の視点で言えば、会社の説明、研修、営業、採用、商品紹介、セミナー配信を、AIで内製化できる可能性が見えてきたということです。

AI VTuberが、会社の情報発信を担当できる

Kurage AI VTuberは、ブラウザ上で動くAI VTuber配信システムです。

今回のデモでは、クラゲ型のアバターが「バイブコーディングセミナー」の内容を話し、字幕を出し、音声に合わせて口を動かします。そして、その画面を配信用viewerとして固定し、YouTube LiveやRTMP配信へつなげられる形にしました。

つまり、次のようなことが可能になります。

毎日決まった時間に、AIキャラクターが会社の番組を配信する
社長ブログやサービス説明を、AI VTuberが読み上げる
採用向けに、会社紹介や仕事紹介をキャラクターが行う
研修コンテンツを、講師アバターが繰り返し配信する
顔出しせずに、継続的なYouTube・SNS発信を行う

人が毎回出演し、撮影し、編集し、投稿するのは大変です。

しかし、AI VTuberを会社の「情報発信担当」として育てれば、発信の負担を大きく下げられます。

特に中小企業にとって重要なのは、完璧な動画を1本作ることではありません。伝えたいことを、継続的に、低コストで発信し続けられることです。

Kurage AI VTuberは、そのための土台になります。

AIがブラウザを操作し、デモ動画まで作る

もう一つのKurage Argo Videoは、AIがブラウザを操作し、その様子を録画してデモ動画にする仕組みです。

これまで、ソフトウェアやWebサービスのデモ動画を作るには、人が画面録画をして、説明を入れ、不要部分をカットし、字幕を付ける必要がありました。

Kurage Argo Videoでは、この流れをAIに任せる方向へ進めています。

今回のデモでは、次の流れを実際に動画化しました。

kvtuberの管理画面を開く
配信開始ボタンを押す
配信用viewerへ移動する
VTuberくらげがセミナーを配信する様子を録画する
前後にデモ説明ナレーションを付ける
Kurageの動画として公開する

完成したデモは、Kurage上で見られるようにしています。

Kurage AI VTuber ライブ配信デモ

ここで大事なのは、AIが作った「それっぽい動画」ではなく、実際に動いている画面を録画していることです。

営業資料や採用資料では、「できます」と書くより、「動いているところを見せる」方が伝わります。Kurage Argo Videoは、この「見せる」部分を内製化するためのプロダクトです。

経営者にとっての価値

この2つがつながると、企業の情報発信は大きく変わります。

たとえば、新しいサービスを作ったとします。

従来なら、サービス説明ページを作り、営業資料を作り、動画制作会社に依頼し、YouTube投稿を準備し、社内で確認し、公開するまでに時間がかかります。

これからは、次のような流れに近づきます。

サービスを作る
  ↓
AI VTuberが説明する
  ↓
AIが操作デモを録画する
  ↓
動画として公開する
  ↓
ブログ・SNS・YouTubeへ展開する

これは、単に動画制作費を下げる話ではありません。

経営判断から情報発信までのスピードが上がります。アイデアを出したら、すぐ試す。反応を見る。改善する。このサイクルを社内で回せるようになります。

中小企業にとって、これは大きな競争力です。

エクスブリッジの技術的優位性

エクスブリッジの強みは、AIツールを紹介することではありません。

AI、OSS、ブラウザ自動化、動画生成、ライブ配信、Webシステムを組み合わせて、自社で動くプロダクトに仕上げられることです。

今回のKurage AI VTuberとKurage Argo Videoには、次のような技術要素が入っています。

AI VTuberの配信画面
音声合成と口パク
番組スケジュール管理
YouTube Live / RTMP配信
ブラウザ自動操作
画面録画
ナレーション生成
字幕付き動画生成
Kurage動画公開システムとの連携
GitHubで管理できるOSSプロダクト化

これらを別々の外注先に依頼すれば、費用も時間も大きくなります。

エクスブリッジでは、これをバイブコーディングとOSS活用で、自社内で組み上げています。だから、試作が速い。改善も速い。必要に応じて、会社ごとの業務に合わせて変えられます。

経営者にとって重要なのは、「AIを導入すること」ではありません。

自社の業務、自社の顧客、自社の発信に合わせて、AIを動く仕組みに変えられるかです。

そこが、エクスブリッジの技術的優位性です。

AI発信担当、AI講師、AI営業デモ担当を持つ会社へ

Kurage AI VTuberとKurage Argo Videoが完成したことで、会社は次のようなAI担当者を持てるようになります。

AI発信担当：ブログやニュースを動画で紹介する
AI講師：研修やセミナーを繰り返し配信する
AI営業デモ担当：サービス画面を操作しながら説明する
AI採用広報：会社紹介や仕事紹介を継続的に発信する
AIマニュアル担当：操作手順を動画化して社内共有する

もちろん、すべてをいきなり自動化する必要はありません。

最初は、1本の説明動画で十分です。1つの研修コンテンツでも十分です。そこから、反応の良いものを増やし、会社独自のAIキャラクターや動画発信の型を育てていけばよいのです。

名古屋・愛知の中小企業に届けたい

エクスブリッジが目指しているのは、AIを大企業だけのものにしないことです。

高額なSaaSをいくつも契約しなくても、動画制作会社に毎回大きな費用を払わなくても、OSSとAIを組み合わせれば、中小企業でもかなりのことができます。

Kurage AI VTuberとKurage Argo Videoは、その実例です。

「うちの会社の説明をAI VTuberに話させたい」「研修動画を自動で作りたい」「自社サービスの操作デモを動画化したい」「YouTubeやSNSで継続発信したい」

そうした相談に、エクスブリッジは実際に動く仕組みで応えられるようになってきました。

AIを導入するだけでなく、AIで会社の発信力と実行力を上げる。

そのためのプロダクトとして、Kurage AI VTuberとKurage Argo Videoを育てていきます。