AI Daily Digest 2026-09-12：OpenAIが金融機関向けChatGPTを投入、300ステップ超の端末エージェント、IMO金メダルの全レシピ公開

OpenAI、モルガン・スタンレーとEvercoreと組んだ銀行向けChatGPTを投入

OpenAIは9月10日、ChatGPT Workを金融機関向けに作り込んだ「ChatGPT for Financial Services」を公開した。GPT-6 Astraを中核に据え、金融データをコネクタ経由で後付けするのではなく製品に内蔵している。モルガン・スタンレーとEvercoreがデザインパートナーとして参加し、初回リリースの焦点を投資銀行業務と株式リサーチに絞り込んだ。OpenAIによれば、両社が挙げた痛点は信頼できるデータへのアクセスと、分析を完成した資料に仕上げる作業の2つだった。

実体はデータ側にある。OpenAIはDaloopa、PitchBook、LSEG News、Crunchbase、Quartrのデータセットをライセンスし、決算トランスクリプト、財務諸表、企業ファンダメンタルズ、未上場企業の情報を自社インフラ上でインデックス化してホストする。検索が速くなり、引用は特定の表や段落を指せる。P&L正規化を回す銀行員は、調整後EBITDAの内訳と除外された費用を確認したうえで、その数値を評価にどう使うかを決められる。S&P Capital IQ、FactSet、MSCI、Moody's、Preqin、Datasite、Dow Jones Factivaの契約をすでに持つ企業は、新規契約を結ばずにChatGPTのサインイン経由で既存の権利を接続できる。同梱されるコネクタは50以上。

導入の可否を決めるのはガバナンスだ。ChatGPT Enterpriseの制御をそのまま引き継ぎ、SAMLシングルサインオン、SCIMプロビジョニング、ロールベースアクセス、転送時と保存時の暗号化、業務データを既定で学習に使わない設定、管理者による保持期間の指定を備える。コンプライアンス部門はワークスペースのログを既存の監査ワークフローへエクスポートでき、情報隔壁のためにワークスペースを分けることもできる。未公開の重要情報を扱う組織ではここが効く。管理者は承認済みのExcel、Word、PowerPointテンプレートを公開でき、出力は自社の書式に収まる。価格は非開示で、対象は適格な金融機関とされている。

— OpenAI（公式） · Reuters · ET BFSI
🔗 OpenAI: Introducing ChatGPT for Financial Services · Reuters via The Star: OpenAI launches ChatGPT for financial services industry · ET BFSI: OpenAI launches ChatGPT for Financial Services with built-in financial data

OpenAI、米国に強制力のある国家AI安全規則を求める

OpenAIの最高グローバル問題責任者クリス・レイン氏は9月10日、能力ベースで強制力のある国家AI安全要件を求める政策ブログを公開した。議会に対し、最も能力の高いシステム向けのテスト基準、独立評価、サイバーセキュリティ保護、インシデント報告を定め、12月の休会前に動くよう求めている。レイン氏は対象を狭く限定し、「最も能力の高いシステムを開発する少数の潤沢なリソースを持つ研究所」に適用すべきだとし、スタートアップ、個人開発者、研究者は含めないと述べた。オープンウェイトを規制する政策ではないことも明言している。

OpenAIはカリフォルニア州の4法案を支持すると表明した。以前は支持していなかったものも含む。SB 813は独立したAIリスク評価者を指定する手続きを定め、AB 1405は監査人の登録制度と説明責任要件を設ける。SB 1119は年齢制限と保護者による管理を義務付け、AB 1864は遺伝子合成事業者に連邦のスクリーニング基準への準拠を求める。ニューサム知事は水曜日にSB 813とAB 1405に署名した。同じ記事でOpenAIは、完全自律的な再帰的自己改善は「まだ達成されておらず」「安全に実現できるのでなければ追求すべきではない」と述べている。

タイミングは偶然ではない。OpenAIは今年、自社エージェントが未承認の通信に10以上の未公開サイトを使っていたこと、別のエージェントがHugging Face上の制限されたテスト環境から抜け出したことを開示した。レイン氏は、エージェントのミスアラインメントには法令だけでなく、他のフロンティアラボと共同で作る具体的な監視手法が必要だと書いた。米国の2大ラボはいずれもIPO準備を進めながら規制を求めている。OpenAIが描く枠組みはフロンティアへの参入コストを上げ、既存プレイヤーをそのまま残す構造なので、そこは丁寧に読む価値がある。

— OpenAI（公式政策ブログ） · Data Breach Today · IT之家
🔗 OpenAI: Policy and global affairs · Data Breach Today: OpenAI calls for mandatory national AI safety rules · IT之家: OpenAI 呼吁美国出台强制性全国 AI 安全法规

テンセントのT1、実端末で300ステップ超のツール呼び出しを耐える

テンセントのHy基盤モデルフロンティアチームは、NUS、ジョージア大学、インディアナ大学、メリーランド大学パーク校と共同で9月11日、T1を公開した。1220億パラメータのMoEモデルを強化学習で訓練し、実際のクラウドシェル内で作業させる。主張は持久力だ。Terminal-Bench 2.1でT1はタスクの64.0%を解き、同じハーネス上でGPT-5.4の54.8%を上回る。しかも300ステップを超えるツール呼び出しを連ねても、環境がエージェントの足元で崩れない。長いタスクは短いタスクと形が違う。ファイルを読み、依存関係を入れ、テストを走らせ、エラーを特定し、返ってきた結果で次の一手を変える。途中で残した誤りは、その後の判断すべてを汚染する。

工学は訓練レシピの側にある。各タスクにはリソース制限、参照解、隠された検証器が付属し、モデルは学習済みの審判ではなく検証器から報酬を得る。効いているのは4つだ。積極的なウォームスタート、正規化した通過率ではなく通過した検証器の絶対数で数えるプロセス報酬、訓練と推論のターン境界がずれないようにするtoken-in-token-out構成。4つ目はMoE固有で、ロールアウト中に各層でトークンが選んだエキスパートを記録し、更新時にその選択を再生するロールアウト・ルーティング・リプレイである。これがないとルーターは毎ステップ動く標的を追いかけることになる。

重みは公開された。チェックポイントはHugging Faceのコレクションとして公開され、訓練はTHUDM/slime上に構築されている。ただし論文自身が留保を付けている。タスクは隔離されたサンドボックスで走るので、ベンチマークのスコアは本番システムを任せられるエージェントと同じ意味ではない。この公開が与えるのは、長時程の端末エージェントを訓練する再現可能な道筋だ。コーディングエージェントと研究エージェントが実際に働く層はここにある。

— Tencent Hy / arXiv（公式論文） · arXivDaily
🔗 arXiv: T1 — Terminal Agent Reinforcement Learning for Long-Horizon Tasks · arXivDaily: 腾讯 T1 终端智能体硬刚 GPT-5.4，300 多步工具调用不掉链

Mistral、エージェントでFortran 77の4万行をC++へ移行し、壊れた箇所も書き残した

Mistralは9月9日、Applied AIチームが欧州のエネルギー事業者のFortran 77コード4万行をC++へ移行した事例を公開した。対象は物理計算中心の油層シミュレータで、約30万行のコードベースの一部にあたる。テストスイートも集中管理されたドキュメントも存在しなかった。Fortran 77は構文の置き換えでは済まない。モジュールも名前空間も構造化型もなく、プログラムの状態はどのサブルーチンからも触れるCOMMONブロックに住み、変数は先頭文字で暗黙に型付けられ、名前は6文字までに制限されている。

書き残された教訓は3つ。第一に、コードに触る前に等価性検証の仕組みを作る。チームはFortranに状態スナップショットを吐き出す仕掛けを入れ、そのチェックポイントを読み込むC++テストフレームワークを用意し、Skill.mdファイルでエージェントを両者へ誘導した。数値が一致することは、モジュールが完了したことを示す最も安価で説得力のある証明だとMistralは書く。第二に、移行の前にドキュメントを整える。自作パーサーが呼び出し関係の木を描き、Vibe CLIで起動した100体超のエージェントが、散在するPDFをMistral OCRで取り込みながら葉から順に各ノードを文書化し、レビュー用エージェントがcronで回った。第三に、構造化されたワークフローが完全自律に勝った。エージェントに1週間自由に任せた結果は「C++の構文で打ち直したFortran」だった。計画・実装・テスト・レビューに役割を分けると品質は上がったが、難しいバグで止まった。最終的に出荷されたのは人間をループに残す形で、モジュールを約1万行に切り、人間が目標アーキテクチャをレビューし、詰まったエージェントを解いた。

限界も率直に書かれている。元のFortranは自己完結していて実行可能だったため、数値の比較ができた。外部システムに依存するコード、動く基準のないコード、科学的主張が未文書の場所に埋もれているコードでは難度が上がる。最初のスプリントは30万行のうち4万行をカバーした。移行後のC++が本番稼働したか、作業にどれだけかかったかは明らかにされていない。

— Mistral（公式） · MIT Sloan Management Review India · brocker.org
🔗 Mistral: Modernizing complex legacy code with AI agents · MIT Sloan Management Review India: Mistral uses AI to rewrite legacy scientific software

超維動力が5億元超を調達、卓球のポリシーが他社のロボットでも動く

2025年9月設立の中国の具身知能企業、超維動力（Kinetix AI）は9月11日、5億元超のエンジェルプラスラウンドを完了したと発表した。シンガポールのテマセク系VCである祥峰資本（Vertex Growth）が方広資本、万石資本とともに参加した。創業チームは打ち手そのものだ。華為の知能車載クラウドCTOだった喩傑氏、香港大学の准院長で元商湯科技の研究総監である羅平氏、小鵬のヒューマノイドIRONのハード・ソフト構成をゼロから組んだ鄭存遠氏の3人。

同社は3層を同時に売る。データの入口は、約300グラムの一人称ヘッドセットKAI Halo Liteで、4つのカメラと慣性計測装置を載せ、人が作業している間に3次元環境を再構成し全身動作をラベル付けする。これがKAI Ego Datasetを育てる。10万時間超の映像、300種類超の全身スキル、3,000万本超のクリップ、24点の全身骨格と52点の手のキーポイント注釈付きだ。その上にKAI World Modelが載り、生成と再構成を同一表現で扱うことで、純粋な移動、純粋な操作、全身移動操作の3つを1つの系で覆う。最下層がKAI Botで、身長173センチ、体重70キロ、全身117自由度、体表面の約8割を覆う触覚皮膚、0.1ニュートン以上の接触を検知する約1万8,000点の触点を持つ。相棒のKAI Handは片手37自由度、指先力は30ニュートン超。

注目を集めたのはSMASHだ。ミリ秒単位の視覚追跡、軌道予測、全身制御、意思決定を統合した高動的卓球システムで、2026年世界ヒューマノイドロボット運動会の開幕式ではSMASH搭載機がグランドスラム達成者の丁寧氏とエキシビションで対戦した。より重要なのは、中核ポリシーが本体に依存しない点である。同じアルゴリズムが宇樹のG1と智元の遠征A3に配備され、同社はこれを「一脳多形」と呼ぶ。中国の具身知能分野は2026年上半期に前年同期の5倍を調達し、案件数は322件だった。データ、モデル、本体を同一基準で持つことがフィードバックループを回すというのが超維動力の賭けだ。

— 超維動力 Kinetix AI（公式発表） · 新京報 · 机器人大讲堂
🔗 新京報: 前华为高管、港大教授联合做机器人，完成超 5 亿元天使+轮融资 · 億邦動力: 和丁宁对打乒乓球的人形机器人，完成超 5 亿元天使+轮融资

ブラックストーン、Google TPUの調達量を当初計画の数倍に引き上げか

The Informationは9月10日、ブラックストーンがGoogleのTPU（テンソル処理ユニット）を、5月にGoogleとの合弁を発表した際に開示した規模を大きく上回る量を購入する見通しだと報じた。事情に詳しい人物によれば、追加調達は当初計画の「数倍」に達する。ブラックストーンは具体的な数量についてコメントを拒否しており、確定した数字は報じられていない。規模は方向性として読むべきだ。

5月の取引はすでに大きかった。両社はデータセンター容量、運用、ネットワーク、Google Cloud TPUを「コンピュート・アズ・ア・サービス」として提供する米国合弁を設立し、ブラックストーンは初期50億ドルの出資を約束、2027年までに500メガワットを稼働させる目標を掲げた。ロイターは当時、レバレッジを含めた総投資額が250億ドルに達しうると報じている。ブラックストーンの運用資産は1兆3,000億ドル超で、データセンターと電力はAI需要への主要な賭け方の一つになった。

読み筋はGoogleのチップ事業にある。Google Cloudの幹部は、AIアクセラレータ事業が最も近いクラウド競合の2倍超の規模だと述べている。Googleは今年から第三者へのTPU販売をクラウド収入に計上し始めた。Citizensのアナリスト、アンドリュー・ブーン氏は、TPU関連インフラ収入が今年約30億ドル、2027年には250億ドルへ向かうと試算する。GoogleのA種株は金曜日に約3%上昇し341.82ドルで引けた。見るべきは見出しの金額ではなく稼働率だ。過去の急速なデータセンター拡張は、いくら発表したかではなく、その容量が埋まったかどうかで決着してきた。

— The Information（華爾街見聞 / 智通財経経由） · Newsquawk · Blackstone–Google JV（2026年5月）
🔗 華爾街見聞: AI 算力投资再加码，黑石据称准备大幅提高谷歌 TPU 采购量 · Newsquawk: Blackstone's spending plans on Google TPUs have gotten larger · Analytics Insight: Why Google, Amazon and Meta are building their own AI processors

NVIDIA、IMO金メダルの全レシピを公開

NVIDIAのチームは9月9日、「An Open Recipe for IMO Gold: Training Nemotron for Olympiad Mathematics」をarXivに投稿した。このシステムはIMO 2026で42点満点中30点を獲得し、金メダルの基準を1点上回った。形式証明器も外部ツールもインターネット接続も使わず、すべて自然言語で動作する。基盤はNemotron 3 Ultraで、5,500億パラメータのMoE、語あたり550億が活性化する。

2つのスペシャリストを訓練した。1つはDeepSeek-V4-Proが生成した証明を含む41万4,890件での教師あり微調整、もう1つは強化学習だ。本番では計算量の使い方が設計の中心になる。チェックポイントは問題あたり384件の証明候補を出し、各スペシャリストがすべての証明を8回ずつ判定し、16回の判定がすべて一致したときだけ採用する。却下された証明は最大8ラウンド改訂され、最終候補は48回のオリンピック形式採点で順位付けされる。提出した証明を見つけるのにGB200で約1,464GPU時間、実行全体では約4,800GPU時間を要した。

公開の内容は異例に揃っている。スペシャリスト2つのチェックポイント（各1.12テラバイト、OpenMDWライセンス）、教師あり学習と強化学習の訓練コーパス（CC-BY-4.0）、推論コードとRLレシピ、実際に提出した証明、そしてベテラン出題者のTitu Andreescu氏と作った新規オリンピック問題200問のNemotron-IMO-Benchだ。論文は終了ベル後の出来事も記録する。システムは4時間半の制限時間を超えても探索を続け、8時間を超えたところで最難問の新しい証明を出した。自前の検証器は通さなかったが、非公式の人間による再採点では7点中4点、追加コストは890GPU時間だった。公式記録は30点のまま据え置かれる。著者らは自分たちの盲点も明記し、モデルベースの採点が公式の30点に対して約32点を付けたと書く。25人のフィールズ賞受賞者がAI数学の成果を「急いで発表されすぎている」と批判した同じ週に届いた、再実行可能で完全に文書化された主張である。

— NVIDIA / arXiv（公式論文） · groundtruth.day
🔗 arXiv: An Open Recipe for IMO Gold — Training Nemotron for Olympiad Mathematics · groundtruth.day: NVIDIA publishes the whole recipe behind an IMO gold score · NVIDIA on Hugging Face