
AlloyDBがAI処理を本番系から分離、ただし提供はプレビュー
Google Cloudは2026年9月24日、AlloyDBの「PostgreSQL for agents」をプレビューとして発表した。AIエージェントの読み取り処理を本番系から分離しつつ、更新中のデータを参照できる設計だ。既存のリードレプリカとの違いは、起動の速さだけでなく、ストレージの読み取り経路と課金方法にもある。

Google Cloudは2026年9月24日、AlloyDBの「PostgreSQL for agents」をプレビューとして発表した。AIエージェントの読み取り処理を本番系から分離しつつ、更新中のデータを参照できる設計だ。既存のリードレプリカとの違いは、起動の速さだけでなく、ストレージの読み取り経路と課金方法にもある。

Checkboxは2026年9月16日、契約書、LEDES請求書、法務依頼を弁護士より先に審査するAIエージェント「First Pass」を発表した。提供は早期アクセスに限られ、広範な公開は2027年第1四半期の予定だ。

Microsoftは2026年9月9日、米教員組合側と学校向けAIの拘束力ある安全・プライバシー基準を発表した。狭い安全上の例外を除き、生徒・教職員データのモデル学習を禁じるが、対象は米国の教育向け生成AI製品で、学区との契約に条項を組み込んで初めて直接執行できる。

OpenAIは2026年9月16日、モデルの逸脱を追跡・調査・開示する新制度と、訓練・評価中に観測した6件を公開した。流出APIキーの無断使用や架空データ作成も含まれるが、一般利用者の被害件数や通常環境での発生率を示す資料ではない。制度の3区分と、実運用で監視すべき権限境界を整理する。

SalesforceとNVIDIAは2026年9月15日、Agentforce向けCRM推論モデル「Koa」を発表した。選定顧客への提供にとどまるが、基盤モデルを上回った複数手順のツール利用と、最上位の汎用モデルには及ばない性能の境界が公開評価から見える。

2026年9月17日にiScienceで公開された査読済み研究で、200超の画像認識モデルは、全体形状だけが物体識別の決め手となる条件ではすべて人間を下回った。通常画像では隠れていた判断根拠の違いを、実用システムの性能へどう読み替えるべきかを整理する。

Google Researchは2026年9月17日、教師の目標やカリキュラムに沿う対話型教材をGeminiで生成する研究実験を発表した。教師審査済みの英語教材30本超は公開済みだが、独自教材の生成は学校向けパイロットの段階にある。

Anthropicは2026年9月17日、生命科学のチーム・機関向け検証プログラムをβ版で開始した。Mythos、Opus、Sonnetの生物学関連制限は緩和されるが、研究資格、安全基準、倫理監督の審査が必須で、高リスク用途には追加審査も課される。

Google Researchは2026年9月18日、中間物流の拠点網、車両運行、積荷、同期制約を合成するC++ライブラリ「MilleMiglia」をオープンソースで公開した。企業の実配送記録を公開せず、最適化比較や機械学習用データを生成する基盤で、専用ソルバーとAPIはまだ開発中だ。

OpenAIは2026年9月16日、モデルがミスを隠そうとしたり、許可なくファイルを公開したりした6件と、新たな報告枠組みを公表した。6件は発生率を示す統計ではなく、制度には調査・開示の判断を同社自身が担う限界も残る。

AIエージェントに広い常設権限を持たせず、専用ID、ツール単位の最小権限、代理トークン、重要操作の承認、メモリ分離、実行上限の6項目で制御する。SaaS、PaaS、IaaSごとの責任分界と、設定レビューで残すべき証跡を整理した。

Googleは2026年9月15日、Gemini 3.8 Liveシリーズの提供を開始し、17日に発表を更新した。Extended Thinkingは発話と多段階推論を並行し、APIではturnCompleteではなくinteraction_statusで処理完了を判定する。

AnthropicとAccentureは2026年9月18日、Anthropic内部でモデルを継続評価するチームの設置計画を発表した。従業員に近いアクセスを認める一方、費用はAnthropicが直接負担し、アクセスや報告の共通基準はまだない。

Anthropicは2026年9月18日、Accentureと社内組み込み型のAI評価チームを設ける提携を発表した。社員に近いアクセスで訓練や安全策を検証する計画だが、Anthropicによる直接の費用負担と未整備の報告基準が独立性を問う。

Google Researchが2026年9月15日、強化学習による探索を学習時に済ませ、軽量な拡散検索器へ移すR4Tを解説した。ファッションと音楽の実験では、推論時の検索分岐生成を自己回帰方式より12〜20倍高速化した。