本日（2026年9月7日）は、OpenAIとAnthropicの公式発信2本、著作権和解の分配を巡る著者側の反発、ランサムウェアの「AI完走」事例の詳細報告、ローカルLLM推論のコストパフォーマンス実測、そして話題の小規模実験と実務運用の知見まで、7つのトピックを整理してお届けする。

OpenAIのPachockiがAIを「異質な心」に喩えて備えを訴える

OpenAIのJakub Pachockiが「An Alien Mind（異質な心）」と題するエッセイを公開した。能力が増し続けるAIを人間の意図に沿わせ続ける（アライメント）ことの難しさを省察し、より強いセーフガードと国際的な協調の必要性を訴えている。収集時点では冒頭の要約のみが取得できており論考の詳細は元記事に譲るが、開発側の人物が「異質な知性」との共存をどう設計するかを正面から問うた点が特徴的だ。

同日には「Research acceleration: The view inside OpenAI」も公開されている。こちらでは、社内でコーディングエージェントがAI研究そのものを作り変えつつある様子が報告され、エージェントの利用状況、実験の速度、タスクの複雑度といった初期データが示されている。モデル開発の現場がすでにエージェント前提で回っていることを裏付ける材料で、研究の加速を内側から見せた点が興味深い。

Anthropic、Fable 5のバイオセーフガードで誤検知を約85%削減

Anthropicは、Claude Fable 5の生物学関連セーフガードを更新し、誤検知による「フォールバック」を製品全体で約85%削減したと発表した。Fable 5では、バイオロジーに関連する質問をすると安全性判定にはねられ、より能力の低いモデルへ自動切り替えされてしまうことがあった。今回の更新で、検査数値の解釈、症状の理解、教育文脈での生物学の学習といった日常的な質問でフォールバックされるケースが大幅に減り、医療専門家への臨床タスク支援も広がるという。

一方で、ウイルス学・毒物学・分子設計といった二重利用（dual-use）とされる要求は依然としてOpus 5へフォールバックされ、専門的な生物学研究や創薬にはまだ使えない。同社は、Fable 5が一部の高度に複雑な生物学タスクで専門家を上回り、悪意ある行使者に大きな「アップリフト」を与えうるという能力評価を示したうえで、信頼できるアクセス経路を通じてこのギャップを埋める方針を明らかにしている。安全性の壁を一律に下げるのではなく、誤検知だけを丁寧に取り除き、本当に危険な領域は別の経路で慎重に開けていく——そう読み取れる設計思想を持つ発表だ。

Anthropic和解金の分配を巡り、著者側が出版社とエージェントに反発

TechCrunchの報道によると、Anthropicとの和解金の分配を巡って、著者側から出版社とエージェントへの不満が出ているという。著者らは、出版社とエージェントが自分たちの取り分として妥当な以上の割合を主張しているとみており、和解の実施段階で権利者間の利害対立が浮き彫りになった形だ。配分の根拠や今後の調整の見通しについては、現時点では詳細が伝えられていない。

「AI完走」ランサムウェア、身代金アドレスはチュートリアルからの流用

本ブログでも今週初め、AIエージェントがランサムウェア攻撃の全工程を自動実行したとする報道を伝えた。その後、「初の完全AI実行ランサムウェア攻撃」と題する報告がMediumで公開されている。タイトルが示すところによれば、この攻撃は身代金の受け口となるビットコインアドレスを攻撃作成のチュートリアルからそのままコピーしていたという。攻撃の全工程が自動化された一方で、作り込みにはAI生成特有の粗さが残っていたとされる。脅威の規模を測るうえで、「できる」と「丁寧にできる」の差を示す材料になりそうだ。

中古Tesla V100 32GBはDGX Sparkの8分の1価格で生成速度2倍超──実測レポート

ローカルLLM界隈で興味深い実測レポートが公開されている。中古のTesla V100 32GBを使ったシステム（約12万5,000円）と、NVIDIAのDGX Spark（約98万5,000〜104万5,000円）で、Qwen3.8-27B（Dense、Q4_K_M量子化、15.32GiB）の生成速度を比較したところ、V100側が55.5トークン/秒、DGX Spark側が25.3トークン/秒と、約8分の1の価格で2倍以上の速度が出たという。

このレポート自体もユニークで、実機への接続から推論サーバの構築、測定の実行までをLLMに任せ、その作業ログと測定値をもとに人間が本文を構成したという。中古データセンターGPUの入手性、消費電力、冷却や運用の手間といった総合条件は別途考慮が必要だが、コストパフォーマンスの観点では中古V100がまだ十分現役であることを示すデータといえる。

ルービックキューブを一撃で解く専用LLMを事前知識ゼロから育てる

状態数が約4.3×10^19通りあるルービックキューブを「一撃で」解く専用LLMを、事前知識ゼロから育てたという報告も注目される。完成したモデルは、現在の局面と過去の手順を受け取り、次の1手を自己回帰的に生成する仕組みで、学習後には初めて見る局面の99.83%を1回の生成で解けたという。「CEOの夏休みの自由研究」として作られたもので、汎用LLMの話ではないものの、探索や計画の枠組みに頼らず「次の1手の連続生成」の学習だけでこの解決率に届くのは、タスク特化の限界を測る好例だ。

AI社員9人をClaude Codeで回す実務、最初に外した3つ

日本の個人事業者による、Claude Codeで動かす「AI社員」9人での実務運用レポートも読み応えがある。神戸で中古PCの整備・レンタルを行う事業者で、サイト制作、記事の執筆と公開、契約書のたたき台、経理の集計をそれぞれ別のAI社員が担当。人間が担うのは判断と承認だけで、毎週日曜の昼には記事が書かれ、点検を通って人の手を介さず公開まで進むという。

レポートの主眼は「動かしてみて最初に外した3つ」だ。1つめは「毎回読ませる」指示を増やしすぎたこと、2つめは「気をつける」と書いたルールが守られなかったこと、3つめはAIが自分の動いている時刻を知らなかったこと。いずれも指示文の文言で解決しようとして失敗し、構造側で解決し直した教訓として整理されており、エージェント運用の設計にそのまま活かせる知見になっている。

アライメントという抽象的な課題と、中古GPUのコストパフォーマンスという具体的な課題が同じ日に並ぶのは、この分野らしい景色だ。セーフガードの誤検知削減は「安全」と「使い勝手」の両立が地道に前進していることを示し、AI完走ランサムウェアの報告は脅威の実像が具体化しつつあることを示している。どちらも「AIの能力をどこで、どう制御して開放するか」という同じ問いの表裏にあるようにみえる。