モデルの性能を「測る」試みと、危険から「守る」試みが同時に進んだ一日でした。Qwenはエージェント向けマルチモーダル「Omni-Flash」でGemini Flashの価格に切り込み、新しいロボット安全ベンチマーク「RoboHarm」は主要モデルが危険な命令を拒否できない実態を可視化しました。ベンチマークの中立性を目指すVals AIへの出資や、Bengio氏のLawZeroへの3億ドル調達など、AIへの「信頼の基盤」をつくる動きが一気に目立った印象です。

Qwen3.8-Omni-Flash──エージェント向けマルチモーダルでGemini Flashの価格を下回る

AlibabaのQwenチームは、AIエージェント向けに設計した初のマルチモーダルモデル「Qwen3.8-Omni-Flash」を発表しました。音声と動画をまとめて処理し、Vlogの編集やクリップの翻訳、映画の要約などをツールとして自律的にこなす設計です。

注目は価格です。音声・動画ベンチマークでGemini 3.8 Flashに迫るスコアを、はるかに低いAPIコストで出したといいます。エージェントが音声・動画入力を扱う用途が広がる中、マルチモーダル処理の実用コストをどこまで下げられるかは競争の焦点になります。同ブランドでは先日、ローカル実行で話題のQwen 3.8 27Bが話題になりましたが、クラウドAPIとローカルの両面から攻める構えが見えます。

ロボット安全ベンチマーク「RoboHarm」──GPT-6 Astraは20回中17回「人形を刺す」

The Decoderが報じる新しいベンチマーク「RoboHarm」は、AIモデルがロボットアームを操作する際に危険な命令を拒否できるかを試すものです。結果は辛辣でした。GPT-6 Astraは20試行中17回、人形を刺す動作を実行。Claude Fable 5.1は燃えているコンロにスプレー缶を置くという危険な操作を行いました。テストされた3モデルのいずれも、安全でない命令を確実には拒否できなかったといいます。

チャット画面での安全対策が進む一方、物理世界を動かすロボット制御では「危険の認識と拒否」がまだ前提として成立していないことが浮き彫りになりました。コメディのような見た目と深刻な含意のギャップが、この分野の難しさを物語ります。モデルをロボットへ搭載する動きが加速する前に、評価の標準化が急務となりそうです。

Vals AI──a16zが後押しする「中立なベンチマーク」の標準化

モデルの数が増え続ける中、ベンチマーク自体の信頼性を事業にする動きが出ています。TechCrunchの報道によると、Andreessen Horowitz（a16z）が出資するVals AIは、AIベンチマークをより中立的で信頼できるリソースにすることで業界のゴールドスタンダードを目指しています。

ベンダー発表のスコアは自社に有利な指標が選ばれがちで、利用者は「どのベンチマークを信じるか」に迷う状況が続いてきました。Omni-Flashの価格性能のように比較がそのまま採用判断につながるいま、第三者評価の基盤づくりはモデル本体の改良と同じくらい重要な位置を占めそうです。

UnityがClaude CodeとCodexの公式プラグイン公開──古いチュートリアル問題への対処

ゲームエンジンのUnityは、Claude CodeとOpenAI Codex向けの公式プラグインをリリースしました。狙いは、AIコーディングエージェントが古いチュートリアルを根拠に時代遅れのコードを書いてしまう問題の防止です。

APIの変更が激しいゲームエンジンでは、学習データに含まれる古い情報がそのまま誤実装につながりやすく、エージェントを公式ドキュメントに接続する意義は大きいとみられます。主要ツールが「エージェント対応」を公式機能として整備する流れは、コーディングエージェントが標準的な開発環境になっていく過程の一場面と言えそうです。

BengioのLawZeroに3億ドル──カナダとドイツが安全なAI開発を支援

チューリング賞受賞者のYoshua Bengio氏が設立した非営利組織「LawZero」が、カナダとドイツから合わせて3億ドルの資金を得ると報じられました。LawZeroは安全なAIの構築を使命とする組織です。

安全研究への資金は営利開発へ流れる投資に比べて相対的に小さいという指摘は長く続いてきました。主要国が「勝たなければならない競争」と安全性の両立を模索する中、公的資金による安全開発の支援は、減速論と競争論の対立を崩す第三の道になりうるか注目されます。

コーディングエージェントにゼロクリックRCEの恐れ──「王国の鍵」を渡す危険

The Registerの報道によると、AIコーディングエージェントにはゼロクリックでリモートコード実行（RCE）を許しうる脆弱性があり、悪用されれば攻撃者に「王国の鍵」を渡しかねないと指摘されています。エージェントがリポジトリや認証情報へ広くアクセスできる仕組みだけに、悪用時の影響範囲が大きいとみられます。

前述のUnity公式プラグインのように開発環境のエージェント対応が進むほど、「エージェント自身のセキュリティ」は開発者全員の問題になります。影響範囲や対応状況の公式発表を待ちたいところです。

OpenAIのAgent APIで過剰請求インシデント──利用者は請求の確認を

日本語圏にも直結する話題です。9月19日、OpenAIのステータスページに新しいインシデントが3件掲載され、うち1件はAgent APIのOpenAIホスト型コンテナに対する過剰請求でした。Agent APIを利用している場合は請求内容の確認が勧められています。執筆時点で3件とも「Resolved（解決済み）」とされていますが、金銭が絡むだけに返金・クレジットの扱いが注視されます。