今日のニュースは、AIの「利用条件」と「作り方」の両面で実務に効く内容が揃った。AWSはAmazon BedrockでClaudeのインド・ソウル・シンガポール域内推論を開始し、データ所在地要件がボトルネックだった企業利用に道を開いた。GoogleはAIエージェント開発コンテストの数千の応募を分析し、上位作に共通する「勝てる設計」4パターンを公開した。研究面では、10時間超の連続実行を目指すMarathoner、RLVRの探索効率を上げるTGRLやSAKI、単一H100で22FPSに到達したWorldAttentionと、効率化の成果が並んでいる。

AWS BedrockでClaudeがインド・ソウル・シンガポールの域内推論に対応

AWSは9月30日、AnthropicのClaudeモデルの展開地域をアジアで広げる発表を2本、相次いで公開した。

1本目はインド対応だ。Claude Opus 5、Claude Sonnet 5、Claude Haiku 4.5が、ムンバイ（ap-south-1）とハイデラバード（ap-south-2）の2リージョン間でリクエストを分散する「地理的クロスリージョン推論」で使えるようになった。プロンプトと生成結果はインド国内のリージョン間でしか移動せず、データの保存はソースリージョンに限定される。

2本目はソウルとシンガポール対応で、ソウル（ap-northeast-2）ではClaude Opus 5とClaude Sonnet 5、シンガポール（ap-southeast-1）ではClaude Sonnet 5が、呼び出したリージョン内で処理が完結する「リージョン内推論」に対応した。

狙いはデータ主権要件への対応だ。金融、医療、公共部門などでは「データを国の外に出さない」という規制がAI利用の実質的な障壁になることが多く、AWSはこれを解消する構成として打ち出している。Bedrock自体はゼロデータリテンション（ZDR）モデルで、既定ではモデルの入出力を保存しない。CloudWatchやCloudTrailのログもソースリージョンに集約されるため、コンプライアンス上の管理対象が絞りやすくなる。

日本の利用者にとって直接的なニュースではないが、複数国でシステムを展開する組織では「どの国のデータでどのモデルが使えるか」の選択肢が増えたことを意味する。データ本地化要件の厳しい市場でのエンタープライズ展開が、また一段前進した形だ。

Googleが「勝てるエージェント設計」4パターンを公開──マルチエージェント名乗りの実態も

Googleが、AIエージェント開発コンテストの応募作品を分析し、上位に入った作品に共通する設計パターン4つを公開した。ITmedia AI+が伝えたところによると、応募の多くが「マルチエージェントシステム」を掲げていたものの、実態は単一のモデルがプロンプトをつなげているだけの構成も少なくなかったという。

「マルチエージェント」という言葉のインフレはエージェント界隈でたびたび指摘されてきた論点だが、数千規模の応募を分析した結果として裏付けられた点が新しい。ラベルの如何よりも、課題に対してその構成が効いているかどうかが競争力を分ける──コンテストという「勝ち負けが明確な場」での分析だからこそ説得力のある示唆と言えそうだ。

10時間連続・1000回以上のツール呼び出し──超長期自律の「Marathoner」

人間は難しい目標に向かって数か月、ときに数年かけて働き続けられる。Fable 5やGPT-6-Astraといった専有モデルは「数日」単位の連続作業を前面に出してきたが、この水準をさらに先へ引き上げる試みが公開された。エージェントモデル「Marathoner」の提案だ。

学習パイプラインは3段構えになっている。まず、多様なGitHubリポジトリから1000行超のコード追加を含むメジャーリリースのPRを素材に超長期タスクを合成し、さらに複数タスクを連結するMulti-Task Chainingでフロンティア級の難易度の課題を作る。次に、強い教師モデルと多様なハーネスで軌跡を生成し、リジェクションサンプリングで選別した軌跡でファインチューニング。最後に、独立したサンドボックス内で実際に実行しながら強化学習を行い、実行の後半で意味のある操作を続けるよう促すLater Stage Bonus Rewardを導入した。

5つのベンチマークで一貫した改善を示し、基盤モデルを上回り、専有モデルの成績をも超えたという。分析では、高難度タスクで10時間以上の連続動作と1000回以上のツール呼び出しを達成したとされる。

長期実行の「土台」側に目を向けた研究も公開された。オープンソースのマルチエージェントエコシステム「Raven」は、モデルとハーネス（実行環境）のペアを「合成可能な知能の単位」として扱い、特定のモデルとドメインに合わせてハーネスを自動構成・進化させる。Host Agentが目標を分解して専門エージェントに割り当て、経験をアーカイブして再利用可能な手順に変換する設計で、理論面では、合成によって共有予算のもとで個々のエージェントが信頼して扱えるタスクの範囲を拡張できる十分条件を示している。ハーネスの複雑化とドメイン依存という2つのスケーリング課題への回答を狙ったものだ。

RLVRと蒸留の効率化──TGRL、SAKI、GRAFT

強化学習（RLVR）と蒸留の効率を上げる研究が目を引いた。

NeurIPS 2026採録のTGRL（Temperature-Grouped Reinforcement Learning）は、ロールアウトの温度による多様性をそのまま学習シグナルに変える。各プロンプトのロールアウト群を低温・高温の2つのサブセットに分け、両者の報酬差から「探索による利得」を推定し、JSダイバージェンスを使ってトークン単位のcreditに分配する。ロールアウト予算を膨らませずに済む手法で、11のベンチマークで強力なベースラインを広く上回った。同精度への到達が最大36%速く、CodeForcesのレーティングを196.7点、ALFWorldとWebShopの成功率をそれぞれ6.3%・4.9%改善したとされる。

SAKIはon-policy蒸留の弱点に取り組む。学生モデルが自分の生成軌跡で学ぶon-policy蒸留はtrain-testミスマッチを減らせる一方、弱い学生は教師の想定から外れた経路に進みやすく、監督の質が落ちる問題がある。SAKIはKL制約付きの教師ガイド付きロールアウトとmaximal couplingを組み合わせ、訂正が発生した位置だけ教師の最も確率の高いトークンによる直接監督に切り替える、トークン単位の監督ルーティングを実現した。あわせて推論エンジン内に投機的検証器を実装し、ロールアウトのスループットを4.22倍に改善している。7つの数学推論ベンチマークで、1.7Bと0.6Bの学生モデルの両方がベースラインを上回ったという。

GRAFTはシンプルな問いから始まる。「異なる推論モデルは、自分が発見できなかった他モデルの成功から学べないか」。RLVRの過程でピアモデルの軌跡を交換しつつ、off-policyミスマッチを明示的に制御する。3つのモデルペアの実験で、計算量を揃えたGRPOを一貫して上回り、保存済み軌跡の再利用でも利得の大半が保たれたとされる。

3本に共通するのは「計算量を増やすのではなく、同じ予算で学習信号を濃くする」という方向性だ。RLの計算コストがモデル開発の主要コストになるなか、実用上の意味は小さくない。

単一H100で22FPS──ビデオ世界モデルの効率化「WorldAttention」

操作に応じて映像世界を生成するインタラクティブなビデオ世界モデルは、ゲーム、シミュレーション、ロボット学習などへの応用が期待される一方、長い履歴を参照しながら生成する計算コストが実用化のボトルネックになってきた。

WorldAttentionはこの課題に効率化の角度から迫る。Hybrid Sparse AttentionとHierarchical KV Cacheの2つを柱とするアーキテクチャで、end-to-endで2.21倍の高速化を達成しつつ、時間的一貫性も改善した。結果として、単一のNVIDIA H100で22FPSの生成を実現したという。リアルタイム性が生命線となるインタラクティブ用途で、単一GPUによる実用水準に近い数字が示されたことは注目に値する。

そのほか──Opus 5.5 vs Sonnet 5.5の実測比較とModelScope CLI移行

開発者まわりの小ネタも2つ。

先日本ブログでも伝えたClaude Sonnet 5.5の登場を受け、「Opus 5.5とSonnet 5.5を実装タスク2種類で比較した」という実測記事がQiitaに公開された。GitHub Copilot CLIで大きめの実装を任せる場面を想定し、「難しそうだからOpus 5.5にしておくか」「いや、Sonnet 5.5の方が速くて安いのでは」という感覚的なモデル選びに、時間・トークン・品質の観点から答えを出そうという試みだ。

また、RedditのLocalLLaMAコミュニティでは、モデル配布プラットフォームModelScopeのCLIが「modelscope-hub」パッケージへ移動したことへの注意喚起が共有された。従来のmodelscopeパッケージはライブラリ本体のみとなりCLIは同梱されなくなり、旧パッケージの更新時には「No executables are provided」というエラーで停止してしまうという。公式ドキュメントが追いついていないための情報共有で、該当する場合は新しいCLIを別パッケージとして入れ直す必要がある。