業界動向 on hagizo.io

【AIニュース】Karpathy参画でAnthropicが加速、Glasswingの1万件超ゼロデイ、NIST事前審査の幕開け

Wed, 27 May 2026 00:00:00 +0900

AIの競争は「モデルの賢さ」から「誰が優秀な研究者を集め、どのように社会的な信頼を構築するか」へと移り始めている。この一週間で起きた三つの出来事——世界的な研究者のAnthropicへの移籍、AIが発見したサイバーセキュリティ上の脅威の規模感、そして米政府によるモデル事前審査の制度化——は、AIが純粋な技術競争から産業・安全保障の中核インフラへと格上げされたことを示す出来事だ。

Andrej KarpathyがAnthropicに参画、評価額9000億ドルへ

2026年5月19日、Andrej KarpathyがAnthropicへの参画を正式に発表した。Karpathy氏はOpenAIの共同創業者であり、テスラの自動運転AI部門（Autopilot）をリードした経歴を持つ。AIコミュニティでは教育動画「Neural Networks: Zero to Hero」で知られており、YouTubeで数百万人が視聴するほどの影響力を持つ研究者だ。

彼のX（旧Twitter）投稿は数時間で数百万インプレッションを集め、2026年のAI業界で最も話題になった転職ニュースとなった。Anthropicでは**事前学習（プレトレーニング）**研究チームの立ち上げを担う。事前学習とは、モデルが膨大なテキストデータを読み込んで基礎的な知識・言語理解・推論能力を身につけるフェーズのことで、いわばモデルの「土台作り」にあたる最も基礎的かつ重要な工程だ。

このニュースはビジネス面の急成長とも重なった。Anthropicは現在、評価額9000億ドル超（約135兆円）での300億ドル（約4.5兆円）規模の資金調達を検討していると報じられている。PYMNTS.comによると、2026年Q2の収益は109億ドル（約1.6兆円）に達する見込みで、Q1比130%増という急成長を遂げている。年間換算の収益ランレートは2026年6月末に500億ドル（約7.5兆円）を超える軌道にある。

数字だけ見ると信じにくいほどの成長だが、背景にはClaude Codeをはじめとするエージェント製品の普及がある。Claude CodeはCopilotやCursorと競合するAIコーディング環境で、エンタープライズ契約が急拡大したことで収益の主軸となっている。Karpathyの参画は「モデルの土台からやり直して、次世代の能力を根本から引き上げる」という意志の表れと受け取れる。

実務上の示唆

AnthropicがOpenAIやGoogleから一流研究者を引きつけ始めたことは、Claudeの中長期的な能力向上の布石となる。プロダクト選定の際に「半年後・一年後の技術力がどうなるか」を評価軸に加えると良い
Anthropicの収益急成長はエンタープライズ向けAIエージェント市場が本格的に立ち上がった証拠だ。自社サービスへのAI組み込みを検討する際の参照ケースになる
評価額が9000億ドルに近づくと、IPO（株式公開）や大型パートナーシップの可能性が高まる。Anthropic製品を採用している企業は契約条件や価格体系の変化に注意したい

Project Glasswing Update：Claude Mythosが10,000件超のゼロデイを発見

2026年5月26日、AnthropicはProject Glasswingの進捗報告を公開した。4月に開始されたこのプロジェクトで、未公開の研究用モデルClaude Mythos Previewが、世界の主要ソフトウェアシステムにわたって**1万件超の高・最高深刻度ゼロデイ脆弱性（開発者が把握していない未知の欠陥）**を自律的に発見したことが明かされた。

5月14日の当ブログでも初期報告を紹介したが、今回の数字はその段階からさらに大幅に増加したものだ。協力企業はMicrosoft・Apple・Google・Cloudflareをはじめとする50社超に拡大しており、Mythos Previewは各社の重要コードベースに対して自律的にテストを実行した。

具体的な発見例として注目されるのが、FreeBSDに17年間潜伏していたリモートコード実行（RCE）脆弱性（CVE-2026-4747）だ。RCEとは、攻撃者がネットワーク越しに対象サーバーを完全制御できる種類の欠陥で、発見されれば最高水準の深刻度に分類される。Anthropicによれば、Mythos PreviewはこのCVEを完全に自律した状態で発見・実証コードまで生成し、17年間誰も気づかなかった欠陥を数時間で特定したという。

もう一つの例として、SSL/TLS通信（ウェブの暗号化に使われる技術）の実装ライブラリであるwolfSSLに存在した重大な欠陥（CVE-2026-5194）がある。wolfSSLは組み込みデバイス（家電やIoT機器）から金融システムまで広範に利用されているため、この修正は多くのシステムに影響を与えた。

発見された脆弱性は各社と連携して修正パッチが適用されている。cybersecuritynews.comはこれを「AIが防御側の主武器になり始めた転換点」と評している。Anthropicは引き続きMythos Previewを一般公開する予定はないとしている。

実務上の示唆

「AIが攻撃に使われる」という脅威論だけでなく、「AIが防御のために脆弱性を先に見つける」というアプローチが実用段階に入った。セキュリティ戦略の見直しに「AI支援の先制的脆弱性発見」を加えることを検討したい
wolfSSLのような組み込み・IoT向けライブラリへの脆弱性発見は、デバイスやOTシステム（工場・インフラ設備）を持つ組織に特に関係が深い。使用しているオープンソースライブラリの棚卸しと更新状況の確認を急ぐべきだ
17年前の未発見欠陥が存在するという事実は、「古いコードは安全」という慣行的な思い込みを覆す。レガシーシステムの継続的な脆弱性評価プロセスを整備することが急務となる
AnthropicがGlasswingを通じて大手テック企業と協力している構造は、AIモデルが「競争製品」であると同時に「業界インフラの安全装置」として機能し始めていることを示す

Google・Microsoft・xAIがNIST主導のモデル事前審査に合意

2026年5月5日、米国国立標準技術研究所（NIST：National Institute of Standards and Technology）が重要な発表を行った。Google・Microsoft・xAIの3社が、新たなAIモデルを一般公開する前に、米商務省内の**AI標準イノベーションセンター（CAISI）**によるセキュリティ評価を受けることに同意したというものだ。

CNBC等の報道によれば、この合意はAnthropicのClaude Mythosがサイバーセキュリティ上の「ゲームチェンジャー」として注目されたことが直接的なきっかけとなっている。AIが既知の脆弱性だけでなく未知のゼロデイを自律的に探索・実証できる段階に達したことで、「リリース後に問題が発覚する」リスクを事前に遮断する必要があるとホワイトハウスが判断した形だ。

評価の焦点は主に三分野だ。サイバーセキュリティ（悪意ある攻撃への利用可能性）、バイオセキュリティ（生物兵器開発への悪用リスク）、そして化学兵器（有害物質の合成・製造に関する知識の提供リスク）だ。CAISIは公開前のモデルにアクセスして評価を行い、必要に応じてリリース時期や条件に影響を与えることができる。

これはトランプ政権のAI政策の一環でもある。Al Jazeeraは「バイデン政権の自主的なセーフティ約束に比べ、より具体的・制度的な枠組みへの移行」と評しており、EUのAI Act（EU人工知能規制法）に代表される欧州型の規制アプローチとは異なる、米国独自の「産業と政府の協働審査」モデルが形成されつつあることを示している。

なお、今回の合意にはAnthropicは含まれていない。AnthropicはProject Glasswingを通じて独自に政府機関・テック企業と連携しており、その位置づけは「事前審査を受ける側」より「審査の基準作りに貢献する側」に近い。

実務上の示唆

AIモデルのリリースサイクルが「自社準備完了次第」から「政府審査完了待ち」へと変わりうる時代に入った。新機能や新モデルへの依存度が高いシステムはリリーススケジュールに余裕を持たせる計画に見直したい
バイオ・化学分野の企業は、使用しているAIモデルが当局の安全審査をどう通過しているかを把握しておくことが、将来の規制対応上重要になる
CAISI評価への合意は自主的なものだが、今後の合意企業リストの拡大や法的義務化の動きを注視したい。日本のAI開発・調達方針にも間接的な影響が出る可能性がある
「審査をいち早く受け入れた企業が政府調達で優位に立つ」という競争軸が生まれつつある。エンタープライズ向けAI製品のベンダー選定時に、規制対応姿勢を評価項目に加えることを推奨する

まとめ

Karpathyの参画はAnthropicが「次の事前学習世代」への投資を本格化させたことを意味し、Project Glasswingの1万件超ゼロデイ発見はAIが防御の最前線に立てることを証明した。そしてNISTを通じた政府との協働審査体制は、AIが「自由競争の産物」から「社会インフラとして管理される存在」へと移行するプロセスの始まりを示している。技術の速度と社会の準備の間でせめぎ合いが続くなか、どの企業がその橋渡しを担うかが、次の競争軸になりつつある。

【AIニュース】AIが自律的にゼロデイを発見する時代とLLM業界再編の加速

Thu, 14 May 2026 09:00:00 +0900

2026年5月第2週は、AIが自らソフトウェアの未知の脆弱性を発見し、業界トップ企業が合従連衡を加速させ、推論インフラの効率化で「より少ないGPUでより多くを動かす」競争が本格化するという、フロンティアモデルの能力が既存の前提を次々と覆す出来事が相次いだ。安全性・市場構造・インフラ効率・学習コストという四つの軸すべてで同時に変化が起きたことは、AIがいよいよ産業インフラの中枢に組み込まれていく段階に入ったことを示唆している。

Claude MythosがAIセキュリティの前提を塗り替えた

Anthropicは2026年4月7日、セキュリティ研究特化モデルClaude Mythos Previewを公開し、AI業界に衝撃を与えた。同モデルはあらゆる主要OS・ブラウザを対象に数千件のゼロデイ脆弱性（開発者が把握していない未公開の欠陥）を自律的に発見し、初回試行での再現・実動エクスプロイト（脆弱性を突く攻撃コード）生成率が83%超に達したことがThe Hacker Newsの報道で明らかになった。

Anthropicはこれに合わせてProject Glasswingを立ち上げ、Amazon Web Services、Apple、Google、Microsoft、NVIDIAら大手企業や政府系組織と協力しながら、発見された脆弱性の修正を進めている。悪用リスクを考慮し、同モデルは一般公開されていない。

TechTargetはこれを「脅威の民主化ではなく、攻撃の高速化・高精度化」と評し、防御側の前提を根底から見直す必要があると警告している。AIが「知っている脆弱性を悪用する」段階から「知らない脆弱性を自ら探して悪用する」段階へと移行したことで、パッチ管理や侵入検知の時間軸が根本的に圧縮される。

実務上の示唆

脆弱性スキャンのサイクルを週次から日次・時間単位へ短縮することが現実的な要件になりつつある
パッチ管理プロセスの自動化投資の優先度を引き上げ、ゼロデイへの対応速度を組織として高める必要がある
セキュリティベンダーとの契約評価時に「AI支援検知・修正」の有無が主要な選定軸となる
内部セキュリティチームもAIツールを積極活用し、攻撃者との非対称ギャップを埋めることが急務

GPT-5.5がデフォルトへ移行、CohereとAleph Alphaが統合

5月5日、OpenAIはGPT-5.5 InstantをChatGPT全ティアの新デフォルトモデルとして展開した。医療・法務・金融などリスクの高いプロンプトにおける幻覚（ハルシネーション）件数を52.5%削減し、平均レスポンス長も約30%短縮したことが特徴だ。APIユーザーにとってはトークンコスト削減に直結する変更でもある。また5月7日には、セキュリティ研究向けに調整したGPT-5.5-Cyberを限定プレビューとしてTechCrunchが報じた。

一方、企業向けAIプロバイダーのCohereは4月25日、ドイツのAleph Alphaとの統合を発表した。合算評価額は約2.9兆円（200億ドル）に達し、2026年最大の横断的AI企業統合となった。TechCrunchによると、CohereのエンタープライズAIインフラとAleph Alphaの欧州データ主権・コンプライアンス体制を組み合わせることで、EU AI Act対応を求める欧州市場での競争力を高める狙いがある。出資者にはSchwarzグループ（Lidl・Kauflandの親会社）が約870億円（6億ドル）を投じており、ソブリンAI（国家・地域固有のAI基盤）という概念がビジネスモデルとして成立し始めていることを示す事例でもある。

実務上の示唆

GPT-5.5への切り替えは段階的ロールアウトのため、APIバージョン固定の設定と出力品質の再評価が必要
Cohere-Aleph Alpha統合はEUデータ主権規制への対応をサービス選定の主軸にする動きを加速させる
企業のAI調達戦略において「データがどの国のインフラで処理されるか」は必須チェック項目へと昇格しつつある

Cloudflareが推論インフラの設計思想を刷新

Cloudflareは独自の推論エンジンInfireを開発・公開した。Rustで実装されたInfireは、LLM処理を「入力読み込みフェーズ（プリフィル）」と「出力生成フェーズ（デコード）」に分離し、それぞれ最適化されたハードウェアで実行する「disaggregated prefill/decode」アーキテクチャを採用している。プリフィルはコンピュート律速、デコードはメモリ律速という異なる性質を持つ二段階を分離することで、従来よりも少ないGPU数で多くのリクエストを処理できる。Pipeline並列・テンソル並列・エキスパート並列（いずれも大型モデルを複数のGPUに分割して動かす手法）の各モードに対応し、Llama 4 ScoutをH200 GPU 2枚で動作させることに成功、起動時間も20秒以下を実現した。

さらに、モデル重みを最大22%圧縮しつつ精度を維持する独自圧縮技術Unweightも同時公開した。InfoQはこれを「LLMをネットワークエッジに実装する上での設計哲学の転換点」と評している。クラウド集中型ではなくエッジ分散型での大規模LLM推論という方向性が、コスト・レイテンシの両面で現実的な選択肢となりつつある。

実務上の示唆

ローカル・エッジ推論を検討する際、disaggregated prefillの考え方をアーキテクチャ選定の基準に含めることを推奨
モデル圧縮（量子化・重み圧縮）の評価はインフラコスト削減に直結するため優先的に着手したい
Cloudflare Workers AIを使ったエッジ推論実装は、コストとレイテンシの両面で再評価する価値がある

MetaとNYUがRL学習の「オンポリシー神話」を覆す

Meta FAIRとNYUクーラント研究所の共同研究チームは、LLMの後処理（Post-Training）における強化学習に「経験リプレイ（Experience Replay）」を導入することで計算コストを最大40%削減できることを示した論文をarXivに公開した。

従来、LLMのRLトレーニングには「オンポリシー（常に最新モデルで生成した新鮮なデータだけを学習に使う方式）」が必須とされてきた。同研究はこの前提を理論と実験の両面から覆し、適切なリプレイバッファ設計によって過去データを再利用しながら同等以上の性能を達成できることを証明した。バッファ設計の最適化を「データの鮮度によるバリアンス」「サンプル多様性」「生成コスト」の三者トレードオフとして定式化し、推論コストが高まるほどリプレイ戦略が有利になるという理論的な境界値も導出している。Qwen2.5-7BをMATHベンチマークで評価した実験では、同精度で推論コンピュートを約40%節約することに成功している。

実務上の示唆

自社でLLMのファインチューニングやRLHFを実施している組織は、リプレイバッファ導入で計算資源を大幅に節約できる可能性がある
「オンポリシーでなければならない」という従来の制約を見直し、より効率的なトレーニングパイプラインの設計を検討する価値がある
7B程度の小規模モデルでも適切なRL設計次第で高い精度が実現できる実例として、スモールモデル活用戦略の見直しにも参照できる

まとめ

Claude MythosによるAIセキュリティの再定義、GPT-5.5の全面展開とCohere-Aleph Alphaの業界再編、Cloudflareの推論インフラ革新、そしてRLトレーニングの効率化研究——2026年5月第2週は、AIの「使われ方」と「作られ方」の両面でパラダイムシフトが重なった週だった。特にClaude Mythosが示した「AIが自律的に脆弱性を発見する」能力の実証は、セキュリティの前提を根底から変えるインパクトを持つ。次の焦点は、これらの技術的飛躍が企業・社会のガバナンスにどう組み込まれ、誰がそのルールを設計するかに移りつつある。