MetaがMuseモデルを発表、NVIDIAがAIエージェント向けCPU Veraを公開、Claude Coworkがモバイルに対応

Metaは自社初のメディアモデルを投入して新たな局面を切り開き、NVIDIAはAIエージェント向けに設計したCPU Veraのアーキテクチャを詳説し、Claude CoworkはモバイルとWebに拡大した。加えて、GitHub Copilotアプリの全プラン開放、Cohereによるアラビア語向け新しい音声認識モデル、そしてAnthropic、Google、OpenAI、xAI（現在はSpaceXAI）での一連のアップデートもある。

MetaがMuse ImageとMuse Videoを発表、自社初のメディアモデル

7月7日 — Meta Superintelligence Labsは、部門内で開発された最初のメディア生成モデルとしてMuse ImageとMuse Videoを発表した。Muse Imageは、Metaがこれまでに作成した中で最も先進的な画像モデルだと説明されている。指示への忠実性が高く、精密な編集が可能で、複数の参照を同時に用いた構成に対応し、Instagramのソーシャル文脈も活用する。注目すべき点として、これは単なるテキスト→画像変換器ではなくエージェントとして動作する。ツールを呼び出し、自己洗練し、推論時により多くの計算資源を与えるほど出力を改善する――この振る舞いは強化学習（Reinforcement Learning）の学習中に自然発生的に現れ、モデルが画像品質を最適化するためにこの戦略を学習した結果だという。このモデルは、Metaの共同メディア生成ツールであるMuse Sparkに統合される。

Muse Videoは早期プレビューとして公開され、Muse Imageと同じ事前学習基盤を共有している。Metaはなお一部の課題、特に音声と映像の同期について改善作業を続けていると認めつつ、高い視覚忠実度とネイティブ音声サポートを提供する。両モデルはMeta AIアプリとWeb、さらにInstagram StoriesとWhatsAppに展開される。まずは限定的な国数での提供から始まり、その後拡大予定だ。生成された各画像にはContent Sealが埋め込まれ、改変後も保持される隠し由来情報として機能する。

競争面では、第三者集計のImage ArenaですでにMuse Imageが2位に入り、OpenAIのGPT Image 2の後塵を拝しつつも、GoogleのNano Banana、xAIのGrok Imagine、MicrosoftのMAI Imageを上回っている。

🔗 Meta AIの発表

NVIDIA Vera — エージェントループ向けに設計されたCPU

7月7日 — NVIDIAは、エージェントループ、つまりモデルへの入力の合間に行われるツール呼び出し、コード実行、データ処理の連鎖に特化して設計された新しいCPUクラスVeraのアーキテクチャを詳説した。従来のデータセンター向けCPUが、貸し出せるコア数の最大化に最適化されているのに対し、Veraは単一コアの最大性能を重視している。

このCPUは、NVIDIAの自社製コアであるOlympusを採用しており、前世代のGrace比で1サイクル当たり命令数（IPC）が50%向上し、88コアをモノリシックな計算チップで接続して搭載している。

Perplexityは、自社の実運用エージェントワークロードでVeraをテストした。リポジトリのクローン作成の後にサンドボックス（sandboxes）でテストを実行するフローはx86より約1.5倍高速で、同時にサンドボックスを起動する場合は最大1.9倍高速だった。同社はVeraを本番展開する計画を検討している。

特性	NVIDIA Vera
コア	Olympus（Grace比 +50% IPC）
コア数	88
メモリ帯域幅	1.2 TB/s LPDDR5X（< 40 W）
コア間帯域幅	3.4 TB/s（競合比3倍）
エージェント向け向上（Perplexity）	x86比で1.5〜1.9倍高速
SQL向け向上（Starburst）	3倍高速
レイテンシ向け向上（Redpanda）	最大6倍低減

NVIDIAはロードマップも明らかにしており、次世代のRosaにはRigelコア（Arm v9.2アーキテクチャ）が搭載され、同一のシリコン面積でさらに高いIPC、より大きなL2キャッシュ、より効率的なメモリ管理を実現するという。さらにVeraは、NVIDIA Vera RubinプラットフォームのGPUをホストし、BlueField-4 STXストレージプロセッサを駆動する。

“The world counts in seconds. Agents count in nanoseconds. NVIDIA Vera is built for this new category — and speed — of work.”

🇯🇵 世界は秒で動く。エージェントはナノ秒で動く。NVIDIA Veraは、この新しい作業カテゴリと、その実行速度のために設計されている。 — Ian Buck, NVIDIA

🔗 NVIDIA Blog公式記事

Claude CoworkがモバイルとWebに登場

7月7日 — Anthropicは、Claude CoworkをモバイルとWebへ拡張すると発表した。仕組みは、作業用端末からClaudeにタスクを任せ、その進捗を追い、結果をスマートフォンから受け取れるようにするというものだ。掲げられている発想は、Claudeがバックグラウンドで作業を続けている間にノートPCを閉じられるようにすることにある。

Webとデスクトップでは、ChatとCoworkがひとつの共通スペースに統合された。両モードのプロジェクトとアーティファクトをまとめて見つけられる単一の場所になり、Claudeへのタスク開始も通常の会話開始と同じ方法で行える。つまり、Claudeと会話するのか、あるいは裏方の作業を任せるのかによって2つの別々のUIを行き来する必要がなくなった。展開は数週間にわたる段階的ベータで、まずMaxプランから始まり、その後ほかのサブスクリプション体系へ広げられる。

このローンチに合わせ、Anthropicは8月5日までCoworkの利用上限を一時的に倍増し、移行期間中にユーザーが通常のクォータを早々に消費することなく、Claudeへより大きなタスクを委任できるようにした。あわせて「Claude Cowork on web and mobile: hand off work anywhere」という専用記事がclaude.comで公開されている。このモバイル拡張により、Coworkは従来のChatの非同期版として位置づけられる。会話がリアルタイムのやり取りに中心を置くのに対し、Coworkは、午前中に任せた作業の進捗を遠隔から追うための場となる。

🔗 @claudeaiの発表

GitHubがCopilotアプリを全プランに開放

7月7日 — GitHubは、これまでユーザーの一部に限られていたエージェント開発ハブであるデスクトップアプリCopilotを、全ユーザーに開放した。macOS、Windows、Linuxで利用でき、無料プラン（Copilot Free）とGitHub Educationを含むすべてのCopilotプランで利用可能になる。

もうひとつの重要な変更として、Copilotサブスクリプションがなくても、アプリに自分のモデルプロバイダ向けキーを持ち込む（Bring Your Own Key, BYOK）ことで利用できる。これはGitHubに対して直接的な金銭的コミットを伴わない入口であり、すでにサードパーティAPIを使える開発者にもアプリの裾野を広げる。BusinessおよびEnterpriseプランでは、管理者がpolicy設定でCopilot CLIを有効化することがアクセス条件のままで、GitHubは企業導入に対する統制手段を維持している。

公式@githubアカウントのツイートで、changelog更新の1時間前に確認されたこの開放措置は、試験公開開始から1か月余りでアプリの潜在的な利用者層を大きく広げる。これはCopilot課金の最近の進化（cost centers、ユーザー別予算）と同じ方向性にあり、組織向けの安全策を維持しながら、できるだけ多くの人が使えるようにするものだ。

🔗 GitHub公式Changelog

Anthropicが今週の動向をさらに更新

Claude for Open Source をメンテナーへ拡大

7月7日 — Anthropicは、6か月間無料のClaude Max 20xを提供するClaude for Open Sourceプログラムを、より広い層の貢献者に拡大した。対象は、プロジェクトのメンテナー、定常的な貢献者（core contributors）、エコシステム全体でpull requestを成立させる人、あるいは重要なパッケージを保守する人などだ。応募はclaude.com上の専用ページから受け付ける。これは新規ローンチではなく既存プログラムの拡張だが、より広いメンテナー層への開放は、オープンソース開発者コミュニティにとって注目すべき発表となっている。

🔗 @ClaudeDevsの発表

Claude Code v2.1.202 と v2.1.203 — changelogの追いつき

7月7日 — Claude Codeの2つのバージョンが、7月4日のv2.1.201以降の差分を埋めた。v2.1.203では、バックグラウンドエージェント向けの信頼性修正が多数追加された。macOSで起動時に15〜20秒停止するセッション、claude agentsに戻る際に静かに作業を失うエージェント、各ターンごとのtranscript再解析に伴うメモリ/CPU回帰などだ。セキュリティ面の注目点としては、ANTHROPIC_BASE_URL変数の潜在的な漏えいを塞ぐ修正があり、これによりバックグラウンドセッションでAPIキーがデフォルトのエンドポイントへ送られてしまう可能性があった。さらにこの版ではバイナリサイズも約7MB削減されている。

一方v2.1.202では、ワークフロー内で生成されるエージェント数を調整するための/config内の「Dynamic workflow size」設定、活動を追跡するためのOpenTelemetry属性、そしてモバイル/WebのRemote Controlと音声入力に関するいくつかの修正が追加された。

🔗 公式CHANGELOG.md

Hugging FaceがAzureに参加、Sakana AIがICML 2026で発表

Hugging FaceがMicrosoft Foundry Managed Computeに登場

7月7日 — Hugging FaceはMicrosoftとの提携を詳しく説明した。毎週更新される厳選済みのオープンウェイトモデル群が、マネージドGPU PaaSであるMicrosoft Foundry Managed Computeのカタログに加わる。重みはAzure上で事前ホストされ、すぐに使えるランタイムとしてvLLM、SGLang、TensorRT-LLM、NIM、TEI、llama.cpp、そしてLLM/embeddings以外のモダリティ向けにHugging Face独自のマルチモデルサーバーhf-serveが用意される。

このキュレーション・パイプラインでは、公開前にコンプライアンス、ライセンス、セキュリティのレビューが必須となる。SafeTensors形式の重みのみが受け入れられ、未レビューの信頼できないコード（trust_remote_code）は含まれず、画像はCVEスキャンされる。展開はNVIDIA A100、H100、AMD MI300Xアクセラレータ上で5ステップで行われる。機能は現時点でプレビューとして利用可能で、今後は対応範囲の拡大とBring Your Own Weightsサポートが予定されている。

🔗 Hugging Face Blog記事

Sakana AIがSheaf-ADMMを公開、透明なマルチエージェント協調を実現

7月5日 — Sakana AIは、ICML 2026で採択されたフレームワークSheaf-ADMMを発表した。これは分散最適化（ADMM）と層（sheaves、応用トポロジー）の理論を組み合わせ、隠れ状態での不透明なメッセージパッシングに依存せず、情報が限られた複数のAIエージェントを協調させるものだ。タスクは重なり合う断片に分割され、各断片に1人のエージェントが割り当てられる。エージェントたちは3段階で交渉する――ローカル提案、隣接エージェントとの共通点探索、食い違いの記録――ことで、解釈可能なグローバル合意に至る。

各エージェントが1行、1列、または1ブロックしか見られないマルチエージェント・数独では、この手法は同等パラメータのメッセージパッシング・ベースラインが11%なのに対し、93%の解決率を達成した。ドメインシフトを伴うMNIST分類では、標準CNNが11%まで落ちる一方、この手法は86%の精度を維持した。迷路では、8倍小さい通信チャネルでやり取りしつつ、従来ベースラインと同等の性能を示した。

🔗 Sheaf-ADMM — Sakana AI Blog

Google Gemini：古代史から小規模事業者まで

歴史学者向けにAeneasとIthacaモデルへ接続されたGemini

7月7日 — Google DeepMindは「Predicting the Past」を公開した。これはGoogle Antigravity内の新しいSkillで、Geminiを専門モデルAeneas（ラテン語碑文の解読）とIthaca（古代ギリシャ語テキスト）に接続するものだ。目的は、コーディングの知識なしに、歴史学者や碑文学者が古代テキストを平易な英語で探索できるようにすることにある。SkillはGeminiの推論と、これら2つの特化モデルの高度な専門性を組み合わせ、ソース間で大規模なパターンを見つけながら、用途に応じた分析とビジュアルを生成する。

このプロジェクトは、歴史学者Thea Sommerschieldとの共同研究に基づいており、彼女はGoogle DeepMindとともに「Workflows — Conversing with antiquity」に文書化された複数のケーススタディを手がけた。

🔗 @GoogleDeepMindのスレッド

Gemini App — Business notebooksとGoogle Business Profile統合

7月6日 — Geminiは、ソロ起業家と中小企業向けに新しいツールを導入した。Google Business ProfileをGeminiに直接接続する、あるいはbusiness notebookに追加して、会話のたびに事業の文脈を繰り返し説明しなくても、個別化されたインサイトと具体的なアクションを得られるようにする。business notebooksでは、ソースや過去の会話を追加して永続的な基盤を構築でき、毎回ゼロから始める必要がない。Googleは、これらのツールを通じてGeminiを、ユーザーのブランドを深く理解するパートナーへ変えることを目指している。機能は世界的に利用可能だが、欧州経済領域と英国は除く。

🔗 @GeminiAppのツイート

Runwayがプレゼンテーションを生成、xAI/SpaceXAIがGrok Voiceを拡充

RunwayがSlide Makerを開始

7月7日 — RunwayはアプリにSlide Makerを追加した。簡単なテキスト説明から、事前定義済みのテンプレートを使わずに、完全にデザインされたプレゼンテーション用スライドを生成する。Runwayはこのツールを、汎用的なデフォルトのひな形から始めるのではなく、アイデアを簡単に説明するだけで見栄えの良い結果を得る手段として位置づけている。この拡張は、動画・画像生成だけでなく企業向けユースケースへとRunwayの用途を広げる流れの一環であり、6月25日にマーケティングブリーフの自動化を目的として開始されたAgent 2.0と並ぶものだ。いずれも、動画コンテンツ制作者だけでなく、クリエイティブチームやオフィス業務チームを対象としている。

🔗 @runwaymlのツイート

Grok Voice向けに21の新音声（xAI/SpaceXAI）

7月6日 — xAIは、現在はSpaceXAIにリブランドされている（短報参照）が、Grok Voice向けに21の新しい音声を追加し、元の5音声に加えた。すべて多言語対応で、リアルタイムのVoice Agent API、Text-to-Speech API、そして7月1日に開始された新しいGrok Voice Agent Builderですぐに利用できる。各音声は、カスタマーサポート、登場人物、ナレーション、広告、教育といった特定用途向けに「配役」されており、発話制御タグ（間、ささやき、強調）をサポートする。元の5音声も、より自然な話し方になるよう再学習された。開発者は、およそ1分の音声からカスタム音声をクローンすることもできる。

🔗 x.ai/news

OpenAI：iOS向けCodex Remoteと新しい低コスト音声モデル

ChatGPT for iOS の Codex Remote に多数の新機能

7月6日 — ChatGPT for iOS のバージョン 1.2026.181 は、モバイルアプリから利用できるコードエージェントの派生版である Codex Remote に、さまざまな新機能を追加します。会話から直接、Codex のタスクを作成、検索、開く、複製（fork）し、管理できるようになり、状態別（インデックス済み、未インデックス）、ブランチ別、または最新のターン別の diff フィルタも利用できます。さらに、送信前の画像と添付ファイルのプレビュー、秘密鍵による SSH サポート、タスクメニューでの使用上限とクレジットの表示も追加されています。

“Big release for Codex Remote in the latest ChatGPT iOS update! We added many things. Threads management tools are now available (hello Chief of Staff). You can now filter your diff with unstaged, staged, branches, etc. Support for SSH keys login, and much, much more!”

🇯🇵 ChatGPT for iOS の最新バージョンで、Codex Remote に大きなアップデートが入りました！たくさんの機能を追加しました。スレッド管理ツールが利用可能になりました（Chief of Staff ようこそ）。未インデックスの変更、インデックス済みの変更、ブランチなどで diff をフィルタできるようになりました。SSH キーによる接続に対応し、さらに多くの機能があります！ — @Dimillian

🔗 公式 Codex Changelog

API で GPT-Realtime-2.1-mini が利用可能に

7月7日 — OpenAI は API に GPT-Realtime-2.1-mini を投入しました。これは、これまで上位の Realtime モデルに限られていた推論とツール利用の能力を備えつつ、GPT-Realtime-mini と同じ料金を維持する、新しい低コスト音声モデルです。この低価格帯のラインは、分単位コストに敏感な用途、たとえば大規模な音声エージェントの展開を狙っています。発表ツイートは、同日の他の投稿よりも明らかに高いエンゲージメント（361,000 回の閲覧）を集め、開発者コミュニティの強い関心を示しました。

🔗 @OpenAIDevs のツイート

Replit が 7月3日の changelog を公開

7月3日 — Replit は、これまでのスキャンでは見落とされていた製品 changelog を公開しました。通常監視されているメインブログではなく、docs.replit.com/updates に掲載されています。新機能は 3 つあります。1 つ目はデスクトップアプリ（Replit Desktop App）の全面刷新で、Web の体験を引き継ぎつつ、複数アプリを並行して扱う、エージェントが介入を必要としたときに一目で通知を受ける、ウィンドウを切り替えずに開いているアプリをプレビューするといったネイティブ機能を追加しています。

Whop 決済の統合は、会話型エージェントから操作できるようになりました。決済の追加を依頼するだけで、Whop アカウントを作成・接続し、支払いモジュールを構築してくれます。外部設定や API キーのコピペは不要です。さらに、Pro プランから Core プランへのダウングレードも、途中で解約を挟まず 1 ステップで可能になりました。

🔗 Replit Changelog

Cohere がアラビア語向けの最先端オープンソース ASR モデルを公開

7月7日 — Cohere は Cohere Transcribe Arabic を公開しました。これは、2026年3月に発表した 20 億パラメータの「frontier」ASR モデルをベースにした、アラビア語専用のオープンソース音声認識（Automatic Speech Recognition, ASR）モデルです。目的は、アラビア語圏の音声 AI における対応の遅れを埋めることにあります。アラビア語は 3 億人以上のネイティブ話者を抱え、約 30 の方言変種にまたがる言語です。

このモデルは Hugging Face の Open Universal Arabic ASR Leaderboard で首位に立ち、平均単語誤り率（Word Error Rate, WER）は 25.87。これは前首位の OmniASR-LLM-7B（Meta）を 2.45 ポイント、OpenAI の Whisper Large V3 を 11 ポイント上回ります。ネイティブ話者による比較評価では、95.8% のケースで Whisper より選ばれました。vLLM で最適化されており、スループット（RTFx）は 525 に達し、Whisper Large V3 の 146、OmniASR 7B-LLM の 66 を大きく上回ります。

アラビア語 ASR モデル	平均 WER	RTFx（スループット）
Cohere Transcribe Arabic	25,87	525
OmniASR-LLM-7B (Meta)	Cohere 比 +2,45 pt	66
Whisper Large V3 (OpenAI)	Cohere 比 +11 pt	146

重みは Hugging Face 上で Apache 2.0 ライセンスの下で公開されており、Cohere API または Model Vault 経由でも利用できます。

“We’ve built Cohere Transcribe Arabic, the world’s most accurate open-source model for Arabic speech recognition. Available under Apache 2.0”

🇯🇵 私たちは Cohere Transcribe Arabic を開発しました。これは、アラビア語音声認識において世界で最も高精度なオープンソースモデルです。Apache 2.0 ライセンスで利用できます。 — @cohere

🔗 Cohere 公式ブログ記事

短報

Fable 5 が 7月12日まで全有料プランに拡大 — Anthropic は Claude Fable 5 の利用を一時的に拡大し、このモデルで週次使用上限の最大 50% を使えるようにしたうえで、その後は使用クレジットまたは別モデルに切り替わります。🔗 出典
「The Making of Claude Code」— 公式ミニドキュメンタリー — Anthropic は、社内 CLI から代表的なコーディングエージェントへと成長した Claude Code の歴史を、研究者と初期ユーザーの証言とともに振り返っています。🔗 出典
Gemini Spark がトピックをリアルタイムで追跡 — この機能（7月1日から macOS ベータ）は、イベントに反応できるようになり、たとえば追跡中のチームの各試合後に自動で試合分析を送信できます。🔗 出典
NotebookLM Short Video Overviews が一般提供に — 6月30日から Ultra/Pro 加入者向けにベータ提供されていた 60 秒の縦型動画が、英語圏ユーザー全員向けにモバイルと Web で一般提供になります。🔗 出典
Gemini CLI — 7月5日から7日の nightly — v0.51.0-nightly.20260707 では、macOS サンドボックス内で ~/.gitconfig が読み取り専用になり、文字列リテラル内のエスケープシーケンスが保持されます。🔗 出典
MaxText/Pathways を用いたエラスティック TPU トレーニング — Google は、JAX/Pathways のエコシステムが TPU 障害を捕捉可能な Python 例外に変換し、故障したワーカーを置き換え、2 分未満でトレーニングを再開する仕組みを詳説しています。🔗 出典
GitHub の請求 UI にユーザー別 AI 予算を統合 — これまで REST API からのみ利用できた cost center 向けのユーザー別予算機能が、Enterprise Cloud の請求インターフェースから直接設定できるようになりました。🔗 出典
Copilot Billing Preview アプリは 8月3日に廃止 — GitHub は、すでに請求設定に統合された追跡機能（AI 使用量、予算、cost center）へ誘導しています。🔗 出典
Suno と Wan がワールドカップに便乗 — Suno はモバイルでカスタム応援歌を作成でき、Wan は肖像写真とユニフォームからサッカーのポスターを生成する「Superstar Poster」Skill を公開しました。🔗 出典
NVIDIA が ICML 2026 での活動を総括 — NVIDIA 論文 74 本が採択され、約 2,000 本の論文が NVIDIA GPU を引用し、145 本の論文が研究基盤として Nemotron を引用しています。🔗 出典
xAI が SpaceXAI に — X のアカウント @xai と x.ai サイトが、SpaceXAI ブランドへのリブランディングを正式化し、2026年4月にすでに発表されていた SpaceX による xAI の買収を確定させました。🔗 出典
Realtime のレイテンシが少なくとも 25% 改善 — OpenAI は、キャッシュの改善により、Realtime 音声モデル全体で p95 レイテンシが低下したと発表しました。🔗 出典

何を意味するのか

メディア生成の分野では、Meta が Muse Image と Muse Video という自社初のモデルを投入し、いきなり GPT Image 2（OpenAI）に次ぐ Image Arena 2 位に位置づけられました。Muse Image がエージェント的な振る舞い、つまり自己洗練、ツール利用、推論時の計算スケールアップを採用していることは、ひとつの大きな潮流を示しています。長らく「prompt と画像を往復するだけ」と考えられてきた画像生成でさえ、エージェントが駆動する反復タスクへと変わりつつあるのです。Runway は Slide Maker で業務用途へと領域を広げ、Suno と Wan はスポーツの話題を取り込みながら一般向けツールを押し進めています。

インフラ面では、NVIDIA がここ数か月で業界に静かに浸透してきた考え方を明文化しました。つまり、エージェントのループはモデルの学習とは異なる要求を持つということです。Vera はコア密度よりも単一コア性能を重視し、Perplexity が実環境で示した数値（x86 より最大 1.9 倍高速）は、その主張を裏付けています。Hugging Face はソフトウェア側で補完的なアプローチを取り、オープンウェイトのカタログを Microsoft の Azure インフラへワンクリックで展開可能にしました。モデルと本番実行の間の摩擦を取り除く、2 つの異なる方法です。

開発者向けツールも、エージェントをあらゆる場所に行き渡らせる競争を続けています。Claude Cowork はモバイルに広がり、電話から委ねたタスクを追跡できるようになりました。GitHub は Copilot アプリを無料プランを含む全プランに開放し、Codex Remote は ChatGPT for iOS でスレッド管理と SSH サポートを備えて成熟しました。これに Replit のデスクトップアプリ刷新とエージェント駆動の決済機能が加わり、今週は、AI でコーディングするための参照インターフェースがもはや terminal や IDE だけではなく、モバイルやサードパーティ統合へとますます移っていることを示しています。

最後に、2 つの発表は、生成 AI が英語や単一エージェントに限定されないことを思い出させます。Cohere は、3 億人以上が話すにもかかわらず、これまで英語中心のシステムでは十分に扱われてこなかったアラビア語向けに、最先端の音声認識モデルで実際の死角を埋めました。xAI、今や SpaceXAI は、Grok Voice 向けに 21 の新しい多言語音声を追加するという同様の論理を示しています。研究面では、Sakana AI の Sheaf-ADMM フレームワークが別の、しかし関連する問題に取り組んでいます。すなわち、ブラックボックスなしで、情報が限られた複数エージェントをどう協調させるか。これは、マルチエージェントシステムが普及するにつれて、信頼性を確保するための前提条件です。