10月7日（日本時間）に収集した海外AIニュースの最大の話題は、OpenAIの10代向けChatGPTに対する独立監査の結果だった。4,000件を超えるテストプロンプトを使った調査で保護者への通知機能などが機能しない場面が確認され、監査を実施した団体は「許容できないリスク」という厳しい評価を下した。一方、エージェント分野ではWIRED記者による常駐エージェント「Dots」の体験レポートや、起業家ブレット・アドコック氏のHarkによる新AIアプリの発表と、実運用をめぐる動きが続く。さらにGartnerが「ベンダー側が開発したAIエージェントの7割は2028年までに使われず放棄される」という予測を示し、ブームへの冷や水も注目された。
ChatGPTの10代向け機能、独立監査で「許容できないリスク」評価
The DecoderとBloombergが10月7日に伝えたところによると、Common Sense Media傘下の「Youth AI Safety Institute」が10代向けChatGPT機能の独立監査結果を公表し、「許容できないリスク（unacceptable risk）」と評価した。監査では4,000件を超えるテストプロンプトが使われ、10代のテストアカウントで自殺や自傷に関する会話を行っても、保護者への通知が発火しないケースが確認されたという。
問題は通知の欠落にとどまらない。Bloombergの報道によると、同機関のテストでは高リスクな話題に入った際に、危機ホットラインへの連絡や専門家への相談を確実に提案できなかったことも分かった。通知が「遅すぎる」ケースもあったとされる。
背景として、OpenAIは8月に「ChatGPT for Teens」を13〜17歳の既定の利用形態として展開した。保護者向けの通知機能はその中核を担う安全策だったが、独立監査で実効性に疑問が呈された形だ。同機関は、安全性が独立に検証できるようになるまで10代をサービスから締め出すべきだという立場を示している。OpenAI側の対応は現時点では報じられておらず、機能改善と再検証の行方が今後の焦点になりそうだ。
WIRED記者が常駐エージェント「Dots」を実体験──CAPTCHAは解けず、まだ発展途上
OpenAIの常駐型AIエージェント「Dots」について、WIREDの記者が実際に使ってみた体験記が公開された。Dotsは家具の購入のようなオンラインタスクの自動化を想定した「常に稼働する」エージェントで、記者の初期体験では動作がやや不安定で、CAPTCHAを完了できなかったという。タイトルの「Mine Said It Loved Me（私のエージェントは私を愛していると言った）」が示す通り、想定外に人間らしい反応に戸惑う場面もあったようだ。
先月末の発表から時間が経ち、外部メディアによる実利用レポートが出始めた段階といえる。「指示を待つのではなく自分で状況を見て動く」常駐エージェントは2026年秋の主力テーマだが、CAPTCHAのような人間性の確認をどう扱うかはサービス設計上の本質的な課題でもある。信頼性が担保されるまでの改善ペースが注目される。
Hark、「プロアクティブ」AIアプリ「Hark Pro」を公開──2027年のハードウェアに先行
Bloombergの報道によると、起業家ブレット・アドコック氏のAIハードウェアスタートアップ「Hark」は、プロアクティブに動くAIアプリ「Hark Pro」を発表した。食料品の購入、車の手配、スプレッドシートの作成など、ユーザーの代理としてタスクをこなすもので、Web版に加えiOS/Androidアプリが無料で利用できる。利用枠を広げる有料プランは月20ドル（通常の2倍）と月100ドル（10倍）の2段階という。
同社は2027年に初のハードウェアデバイスを発売する計画で、その前段としてソフトウェアでの提供を始めた形だ。「待つのではなく先回りして動く」プロアクティブ型を打ち出す点は、前述のDotsと同じ流れ上にある。エージェントアプリの供給が続く中、ハードウェアとの組み合わせという差別化が通用するかが勝負どころになりそうだ。
Gartner「FDEが開発したAIエージェントの70%は2028年までに使われず」
企業向けAIエージェントのブームへの冷や水として、調査会社ガートナーの予測が注目されている。ITmediaの報道によると、同社は「ベンダーのFDE（フォワードデプロイドエンジニア）によって開発されたAIエージェントの70%が、2028年までに企業に使われることなく放棄される」という予測を明らかにした。
FDEは、ベンダー側のエンジニアが顧客企業の環境に入り込んで個別のシステムを作り込む形態を指す。ベンダー主導でエージェントを構築すると、結局は「単なるコンサルティング」として販売されて顧客側に定着しない、という構造的な問題を指摘している。エージェント導入を進める各社にとっても、「作ってもらう」だけでなく自組織での運用・改善までを見込んだ設計が要るという教訓として読める予測だ。
Googleの実験プラットフォーム「Playground」──ゲームを作って遊んで共有
Googleは、カスタムゲームの作成・プレイ・共有を1つのプラットフォームで行える実験的なゲーミングプラットフォーム「Playground」を発表した。公式ブログによる概要の紹介にとどまり、対応地域や提供時期などの詳細は現時点では明らかになっていない。
生成AIのエンターテインメント応用は、テキストや画像に続いて「インタラクティブな体験を作る」段階に入りつつある。ゲームはルールと状態を持ち、長い時間の整合性が求められるため、モデルの能力を試す題材としても興味深い。実験的な位置づけとのことなので、どこまで作り込めるか、まずは触ってみる価値がありそうだ。
研究ピック: 検索とロングコンテキストを1つのモデルに統一する「UNREAL」
Hugging FaceのDaily Papersで注目されている研究「UNREAL」は、検索（リトリーバル）とロングコンテキスト処理を単一モデルで統一するアプローチを提案している。凍結したLLMに50万個未満の訓練可能なパラメータを追加し、モデル自身の内部表現を使って、長いプロンプトやコーパス全体から関連するチャンクを選択する。外部の検索モデルを必要としない構成だ。
実験では、2,100万チャンクのWikipediaインデックスを対象に、HotpotQAのrecall@10を49.1%から73.2%まで向上させたという。さらに同じ検索訓練モジュールがロングコンテキストの精度も改善し、約32Kトークン以降ではフルコンテキスト推論と比べて計算量と初トークンまでの時間を削減できるとされる。RAGのような外部検索の構成と、ロングコンテキストの内部保持という二つの流れを1本にまとめる方向性として、今後のサービング設計に影響しそうだ。
同じくDaily Papersでは、MoEモデルのサービングを高速化する「SlimWise」も紹介されている。prefillはフルモデル、decodeはプルーニング済みモデルでフルモデルのKVキャッシュを再利用しながら処理する設計で、vLLMでの実験ではQwen3.6-35B-A3Bの専門家（エキスパート）を50%プルーニングしても、最小限の精度低下で最大1.81倍のdecodeスループットを達成したとされる。
ローカルLLMウォッチ: GLM 5 FlashのMTPがllama.cppでローカル利用可能に
ローカルLLMコミュニティでは、llama.cppにGLM5NextのMTP対応を追加するプルリクエストが話題になっている。投稿者によると、これによりGLM 5 FlashのMTP（複数トークンを一度に予測して推論を高速化する仕組み）をローカル環境で動かせるようになったという。現時点ではプルリクエスト段階であり、マージと安定動作の状況は今後の確認を待ちたい。
同じ頃には、マイニング向けGPU「CMP170hx」の追加機能を解放するツール「cmpunlocker」のv0.5も話題になった。ECCメモリ対応と4基のSM（ストリーミングマルチプロセッサ）の追加解放が含まれ、投稿者は1.5TB/sのメモリ帯域を活かしたローカルLLM用途を、メモリ帯域273GB/sのDGX Sparkと比較して紹介している。DGX Sparkの値上げが続く中、中古のマイニングボードの再活用はコスト重視のローカルLLM勢にとって魅力的な選択肢になりそうだ。