Anthropic は 950 個の Claude エージェントを DNA データベースに向け、誰も名前を付けていなかった酵素システムを持ち帰った。Cognition は年換算売上レートが 10 億ドルを超えたと発表し、5 月の約 4 億 9,200 万ドルから 4 か月で 2 倍以上になった。Akamai は Anthropic の CPU ワークロード向けに 7 年で 116 億ドルをコミットした。Alibaba は訓練と推論を担う Zhenwu V900 を発表し、中国で最強の AI チップだと主張した。Meta は Muse というエージェントを眼鏡、キーチェーン型デバイス、100 グラムのヘッドセットに載せた。Alibaba の Qoder は開発者とエージェントの会話そのものを製品の画面にした。そして 2 本の arXiv 論文は、agent harness を外付けの足場にするのではなくモデルの重みに焼き込むべきだと論じている。
Anthropic の 950 エージェントが CRISPR 様の酵素システムを発見
Anthropic は新設したライフサイエンス研究グループの最初の成果を公表し、2026 年春から静かに稼働していたベイエリアのウェットラボを初めて明らかにした。ラボは人間の科学者が運用し、BSL-1 と BSL-2 の作業だけを扱う。人に感染する病原体は扱わない。Claude に与えられた課題は絞られていた。大規模な DNA データベースに向け、特徴づけられていない逆転写酵素（RNA を DNA にコピーする酵素）を探させる、というものだ。
約 950 個の Claude エージェントが 21 時間走り、約 2 億 1,000 万トークンを消費し、20 万個以上の逆転写酵素を走査した。3,500 個の新しい候補システムを整理し、最終的に人間が確認する 20 本のレポートに絞り込んだ。人間が関与したのは 2 か所だけだ。最初のプロンプトと、最後のウェットラボ検証である。
発見は ART（array-associated reverse transcriptases、アレイ随伴逆転写酵素）と名付けられた。ファージゲノムの中では 3 点セットで並ぶ。逆転写酵素、機能が不明な隣接パートナー遺伝子、そして等間隔に並んだ DNA 反復配列の長い連なりだ。CRISPR との比較が成り立つのは、CRISPR のアレイがシステムをプログラム可能にする RNA 配列を蓄えるからだ。逆転写酵素そのもの（jumbo phage 由来）は以前に記述されており、Stanford のチームも類似システムを独自に記述している。Anthropic の主張は、Claude が組み合わせに最初に気づいたという点にある。隣接する反復アレイと、特徴づけられていない補助タンパク質の組み合わせだ。あるエージェントの作業メモには "that's a CRISPR-like ... repeat array?!" と書かれていた。
最初のウェットラボ結果は、科学者がシステムを発現させると、アレイが明確な短い RNA のセットに転写された、というものだ。これは CRISPR アレイの挙動そのものだ。ただしこれは初期のシグナルであり、機構の証明ではない。ART が自然界で何をするのかはまだ分かっていない。Anthropic は査読を待たずにプレプリントを出した。Dario Amodei は X で、ART の正確な機能、バイオテクノロジー用途「もしあるなら」、重要性はいずれも不明だと述べ、「少なくともこれは私が博士課程で誇りに思えたはずの仕事だ」と書いた。MIT と Broad Institute の CRISPR の先駆者 Feng Zhang は査読し、AI エージェントが生物学の発見に貢献できる好例だと評した。
ライフサイエンス部門を率いる Eric Kauderer-Abrams は Reuters に対し、このラボの外観は通常の分子生物学ラボと変わらないと語った。違いは上流にある。Claude が配列を走査し候補を絞り、その後で人間がピペットを取る。Anthropic は臨床試験を行わず、製薬企業とも競合しないとし、Roche、Genentech、Bristol Myers Squibb を提携先として挙げている。The Verge の Robert Hart は、実用的な用途は依然不明であり、通常の科学基準から見てこれほど早い公表は適切ではないと報じた。同記事はこの動きを、Anthropic の上場準備と科学者の積極採用という文脈で読んでいる。6 名の実名科学者が Claude と協働してこの発見を成し遂げた。
— Anthropic · The Verge
Devin の開発元が年換算売上 10 億ドルを突破
自律型コーディングエージェント Devin と Windsurf IDE を手がける Cognition は、9 月 25 日のブログ記事で年換算売上レート（annualized revenue run rate）が 10 億ドルを超えたと発表した。5 月は約 4 億 9,200 万ドルだったので、4 か月で 2 倍以上になった。9 月初旬にはすでに「9 億ドル近く」に達していた。会社は 2024 年 1 月に設立され、Devin は 2024 年末に GA、Windsurf は 2025 年 7 月に買収された。
成長は 2 本の脚で支えられている。チケットを引き受け、テストを書き、PR を開く自律エージェントと、人間とエージェントの協働向けに作られた IDE だ。資本の動きは速かった。5 月の 10 億ドル Series D は Lux Capital、General Catalyst、8VC がリードし（Founders Fund、Ribbit が参加）、投後評価額は 260 億ドル。9 月 8 日には a16z と Accel がリードする 20 億ドル Series E を評価額 480 億ドルで完了した。The Information は、会社が 2026 年末に年換算売上 40 億から 50 億ドルを見込んでいると報じた。
実名の顧客には GE Aerospace、Rivian、Rohlik、Exa が含まれる。TechCrunch はさらに Mercedes-Benz、NASA、Goldman Sachs、Citi を挙げている。価格体系はシート課金と、用量ベースの Agent Compute Units を組み合わせている。Cognition は自社エンジニアがコミットするコードの 89% が Devin によるものだと主張している。コストも同じ勢いで膨らむ。会社が借りる Nvidia サーバークラスタは年間数億ドルかかり、2026 年の総キャッシュ消費は 8 億ドルに達する可能性がある（The Information、TechCrunch 経由）。
対照群は痛烈だ。Anysphere の Cursor は 6 月初旬時点ですでに年換算売上 40 億ドルに達し（1 億ドルから約 16 か月）、2026 年末には 60 億ドル超を見込む。SpaceX は Anysphere を 600 億ドルの全株式交換で買収し、8 月 14 日に完了、Cursor は SpaceXAI 部門に組み込まれた。SpaceX は以前 Cognition にも買収を打診したが、Cognition は独立を選んだ。ランレートの罠は明確にしておきたい。直近 1 か月の請求額を 12 倍した数字であり、入帳済みの売上ではない。両社とも粗利は非公開だ。より大きな背景として、今年は約 1.9 兆ドルの AI インフラ投資が約束されている一方、認識済みの AI 関連売上は 1 兆ドル未満にとどまる。
— Cognition · The Machine Herald
🔗 Cognition · The Machine Herald
Akamai が Anthropic の CPU ワークロードに 116 億ドルで署名
Akamai Technologies（NASDAQ: AKAM）は Anthropic との 116 億ドル、7 年契約を発表した。5 月に開示した 18 億ドルの 7 年契約（当時顧客名は非公開）を大幅に拡大したものだ。取引は 2026 年 5 月 5 日に署名された既存の主サービス契約の下、2 本の新しいプロジェクト計画で実行される。これは CPU 契約であり、GPU 訓練契約ではない。Anthropic は Akamai Cloud の分散インフラとソフトウェアを使い、急成長する CPU ワークロードを支える。
拡張余地がある。コミットは最大 90 億ドル追加でき、潜在的総額は約 200 億ドルになる。Akamai はまた、議決権のない転換型 B 系列優先株に対応する新株予約権を Anthropic に発行した。転換後は 770 万株の普通株で、Akamai の発行済み普通株の約 5%、行使価格は 111.33 ドルだ。約 2% は今回の 116 億ドルのコミットで帰属し、残りの約 3% は 7 年の間に提携拡大に応じて段階的に帰属する。追加調達 30 億ドルごとに約 1% が帰属する。
Akamai 側の勘定はこうだ。コミットに関連する総設備投資は約 55 億ドルと見積もられる。2026 年の設備投資はメモリを含むサプライチェーン部材の確保のため約 17 億ドル増える。2026 年の売上ガイダンスは変わらない。収益は 2027 年に始まり、2028 年末に契約のフル稼働レートに達し、その後は契約終盤まで年間約 17 億ドルが続く。規模感としては、Akamai は今年すでに 28 億ドル超の複数年クラウドインフラサービス契約を公表している。第 2 四半期のクラウドインフラサービス売上は約 9,900 万ドル、前年同期比 39% 増だった。発表後、株価は時間外で一時 16% 超上昇した。会社は 1998 年、MIT の応用数学教授 Tom Leighton と Danny Lewin が設立した。起点は 1995 年に Tim Berners-Lee が MIT で投げかけた「規模を伴ってウェブコンテンツをどう転送するか」という問いで、CDN 事業で最もよく知られている。
— Akamai IR · Voice&Data
🔗 Akamai IR · Voice&Data
Alibaba の Zhenwu V900 と 10 兆パラメータの Qwen ロードマップ
杭州の雲棲大会（9 月 22 日から 24 日、テーマは "Intelligence goes beyond"）で、Alibaba は半導体部門 T-Head の Zhenwu V900 を発表した。Zhenwu シリーズの第 3 世代で、訓練と推論の両方を担う。CEO の呉詠銘は「今日の中国で最強の AI チップ」と呼んだ。
ベンダーによる自己申告の仕様はこうだ。HBM は 216 GB（前世代 M890 は 144 GB）、チップ間インターコネクト帯域は 1,200 GB/s（前世代は 800 GB/s）、FP8 と FP4 をネイティブ対応、性能は M890 の約 3 倍、単一クラスタは 50 万枚まで拡張できる。量産と商用化は 2027 年第 1 四半期を目標とし、次世代 J900 は 2027 年第 3 四半期から 2028 年第 3 四半期の間に置かれた。チップはスーパーノードサーバーの形で出荷され、Alibaba 自社開発の ICN Switch、Panmai SmartNIC、Zhenyue SSD コントローラを組み合わせる。正しい読み方はこうだ。Alibaba が売っているのはスタックであり、1 つの die ではない。
モデルのロードマップでは、Qwen 4 が訓練中で、Qwen 4.5 と Qwen 5 は 5 兆から 10 兆パラメータを目標とする（現行フラッグシップの Qwen 3.8 Max は約 2.4 兆）。Alibaba はまた、超知能を指向する再帰的自己改善（RSI）で実質的な進展があったと述べている。これは方向性の宣言であり、ベンチマークの数字ではない。インフラでは、Alibaba Cloud は 2032 年に世界のデータセンター容量を 20 GW 超にすることを目指す。市場はこの日をフルスタックへの賭けと読んだ。香港株は 5.1% 上昇して 1 か月ぶりの高値をつけ、米国 ADR は約 3% 上昇して 118.50 ドルとなった（52 週高値 192.67 ドルを約 38% 下回る水準）。性能の数字はすべてベンダーの自己申告で第三者試験はなく、チップの出荷はまだ 1 四半期先だ。
— Alibaba Cloud · Pandaily
Meta はエージェントを眼鏡とキーチェーンと 100 グラムのヘッドセットに載せた
Meta Connect 2026 はカリフォルニア本社で開かれ、パーソナル AI エージェント Muse をハードウェアライン全体の中心に据えた。価格帯は 249 ドルのスポーツ眼鏡から 1,299 ドルのヘッドセットまで広がる。
Muse Charm が最も風変わりな一品だ。イヤホンの充電ケースほどの大きさの独立したハンドヘルドで、2 インチのタッチスクリーン、内蔵 5G、マイク、スピーカー、角の指紋センサーを備える。位置づけはキーチェーンやストラップであり、スマートフォンの代替ではない。Muse のリアルタイムアバターと会話するためのものだ。12 月発売、価格は未公表。Ray-Ban Meta Audio はシリーズ初のカメラ非搭載モデルだ。43 グラム、オープンイヤーオーディオ、12 時間駆動（ケースでさらに 48 時間）、Clubmaster と Burbank の 2 スタイル、23 種のフレームとレンズの組み合わせ、処方レンズ対応、349 ドル、10 月 13 日出荷。カメラを外したのはプライバシー反発への直接的な回答であり、眼鏡をオフィスやバーに持ち込めるようにする。
Ray-Ban Meta Gen 3 はカメラを残す。12MP センサーで 3K 動画、環境ノイズの 9 割以上を除去する 6 マイクアレイ、Dolby Atmos 空間オーディオ、9 時間駆動、独立した AI ボタンを備え、449 ドルから。FDA 認証の聴覚補助機能は Meta One サブスクリプションか 149 ドルの一括支払いで有効になる。Meta VR Glasses は工学上の重要な一歩だ。約 100 グラムで、Quest 3 の約 5 分の 1 にあたる。プロセッサとバッテリーを外付けの小さな円筒に移したからだ。Micro-OLED パネルは 5K 解像度、37 ppd、Dolby Vision と Atmos 対応、最大 3 時間再生、Quest ゲームと Xbox クラウドゲーミングの後方互換、1,299.99 ドル、2027 年春上市。
ソフトウェア側では、Meta Superintelligence Labs が Muse Realtime Avatar システムを出した。眼鏡上ではハンズフリーで起動し、目の前のものに直接作用できる。Muse は専用のメールアドレスを持ち、Mac 上でコンピュータを操作できる。コネクタは Walmart、Best Buy、Sephora、Ulta、Wayfair、PayPal、Expedia、Instacart、Notion、GitHub、Box に広がり、既存の Shopify 全カタログに加わる。年末までに Meta は AI 眼鏡のスタイルが 100 種を超えると述べている（Ray-Ban、Oakley、Meta Glasses）。249 ドルの Meta Adventurer も含む。ハードウェアを成立させる市場背景として、Counterpoint Research は 2026 年上半期の世界の AI 眼鏡出荷台数が前年同期比 263% 増えたと集計している。
— Meta · Ubergizmo
Qoder は人間とエージェントの議論を製品の画面にした
Alibaba の代理型コーディングプラットフォーム Qoder は、雲棲大会で Projects と Discussion という 2 つの協働機能（ベータ）を発表し、同時にカスタムエージェントとカスタムエージェントチームを出した。まず Qoder Teams と Enterprise の契約者に開放する。プラットフォームは 600 万人以上の開発者にサービスを提供していると述べ、デスクトップ、モバイル、IDE、JetBrains プラグイン、CLI、Agent SDK、クラウドエージェントをカバーする。
ここで名付けられている問題はモデルの品質ではない。タスクは会議で始まり、グループチャットを経て、各開発者が自分のエージェントセッションの中へそれぞれ再解釈していく。その結果、意思決定、コード変更、テスト結果、PR リンクが複数のセッションに散らばる。創業者である丁宇の言葉では、人間はもうエージェントの「運び屋」になるべきではない。Projects は共有スペースで、人間もエージェントもメンバーとして参加し、同じコードベースを囲んで協働する。作業は Issue で追跡し、説明、担当者、ステータス、関連する議論を含む。
Discussion は Issue にぶら下がる。メンバーは資料と文脈を補い、具体的な論点に返信し、エージェントに資料の分析や選択肢の比較をさせる。最も重い仕組みは Key Information マーカーだ。誰でも 1 つのメッセージを確認済みの要件、制約、意思決定として印を付けられ、その印は実行の段階に持ち込まれる。スクロールの奥に埋もれない。カスタムエージェントは指示、モデル設定、権限、ツールを保存し、実装計画やコードレビューのような反復作業に使える。カスタムエージェントチームでは、lead agent が作業を分解し、メンバーエージェントが異なる角度から探索と検証を行い、統合した結果を人間が判断する。
ループこそが要点だ。Issue、議論、印を付けた意思決定、それを引き継ぐエージェント、同じ議論に戻ってくるコードとテスト結果、その場で確認される新しい要件、そしてエージェントが続ける。他の issue tracker からのインポートはロードマップに入っている。
— Qoder
🔗 Qoder
2 本の論文は harness を重みに焼き込むべきだと論じる
北京大学の Haoran Ye 氏のチームによる Harness-Zero（9 月 21 日に arXiv へ投稿）は、harness を配布するのをやめてモデルの重みに焼き込んだらどうなるかを問う。手法は agent-as-harness と呼ばれ、コードの足場を審査モデルに置き換える。harnessing agent（論文では GPT-5.6 Sol）が、対象 harness の行動空間の中で Qwen3.5-9B 学生モデルの応答を検査して修正し、生まれた軌跡が教師あり微調整のデータになる。
数字はこうだ。3 領域のマクロ平均タスク成功率は 23.3% から 44.3% に上がった。蒸留後のモデルは、同じベースモデルに専用 harness を載せたときの 41.7% を上回り、しかも展開時には harness が外れている。論文は 28 の harness 誘発行動パターンで平均 82.3% を回収したと報告する。6 つの設定では、agent-as-harness はフロンティアモデル平均 81.1% に対し、コード足場ベースラインは 78.1% だった。制約は利得と同じくらい価値がある。USPTO Retrosynthesis では蒸留モデルは 30.0% にとどまり、展開時に meta-harness を載せたモデルは 38.0% だった。著者の説明は、手続き的な harness 行動は深いドメイン知識より内面化しやすい、というものだ。軌跡の収集はネイティブの mini-SWE-agent 試行より 2.4 倍遅い。ただしこのコストは推論ではなく訓練段階で支払われる。
Agent-Editing World Model（AEWM、arXiv:2609.28416、9 月 23 日提出、Shuang Sun ら、著者に Wayne Xin Zhao と Ji-Rong Wen を含む）は別の失敗モードを狙う。task-state contamination、つまり根拠のない仮定や古くなった計画がエージェントの履歴に残り、その後の意思決定を歪める問題だ。既存の言語世界モデルは環境の観測値を予測しようとするが、実際のツールフィードバックが手に入る状況では、その道はほとんど何も買わない。AEWM は代わりに、推論と行動がタスクの進展をどう形作るかをモデル化する。Action Judge が意思決定を Critical、Exploratory、Noisy の 3 つに分類し、State Revision コンポーネントがノイズの多い推論と行動の系列を編集し、EditAct が実際の実行の中で、その後の意思決定が依拠する状態を変える。コメントを付けるだけではない。
AEWM は Action Judge ベンチマークで 70.5% の macro-F1 を取り、最強のフロンティアベースライン（DeepSeek-V4-Pro の 59.9%）を 10.6 ポイント上回った。EditAct は 6 つのベンチマーク、3 種類のエージェント骨格で平均 3.2 から 6.7 ポイント改善する。検証済みの軌跡に対して棄却サンプリング微調整を行う AEWM-RFT は、3 領域で Self-RFT よりさらに 2.2 から 2.6 ポイント上乗せし、推論時にオンラインの AEWM ガイダンスを必要としない。
— arXiv · AI Weekly