Nov 22, 2026
2026年11月22日
この日のAIニュースレポート
コミュニティ
AnthropicのLevent Alpöge氏が2026年11月20日、Claudeとともにリーマン予想を証明したと発表し、数学界に衝撃が走っている。ただし検証は進行中で、4ページの声明とLeanによる形式化の扱いを含め、確定には時間がかかる。実務面では、Claude Codeなどのエージェントを「お願い」ではなく機械的な関所(フック)で制御し、複数モデルで相互レビューし、完了報告を疑う運用知が個人開発者の間で急速に蓄積している。ローカルLLMによるトークン節約や機密データを外に出さない構成、評価の再現性監査といった、コストと信頼性を両立させる試みも目立つ。
リーマン予想「証明」発表と検証の現在地
- 2026年11月20日、Anthropicの数学者Levent Alpöge氏がClaudeとともにリーマン予想を証明したと発表した。公表されたのはわずか4ページの声明とLeanという形式検証系に関わる成果物で、加藤文元氏はAndrew Sutherland氏の公開検証記録(11月21日21時55分JST時点)を基に進捗を整理している。
- “リーマン予想の証明”の検証は現在どこまで進んでいるか — はてなブックマーク IT
- 朝日新聞は、この発表を「167年来の難問」を巡る出来事として報じ、証明した数学者自身も「AIが私を追い越した」と驚いていると伝えた。数学界の衝撃の大きさが一般メディアにも波及している。
- 「AIが私を追い越した」リーマン予想「証明」の数学者自身も驚き — はてなブックマーク IT
- 現時点では「証明」とカギ括弧付きで報じられており、検証が公開記録で進行中の段階である。結論を急がず、独立した検証の結果を待つ姿勢が求められる。
- “リーマン予想の証明”の検証は現在どこまで進んでいるか — はてなブックマーク IT
- 「AIが私を追い越した」リーマン予想「証明」の数学者自身も驚き — はてなブックマーク IT
「お願い」から「関所」へ:エージェント制御の設計
- CLAUDE.md・AGENTS.md・SKILL.mdに書いた決まりは「お願い」であり、長い会話の要約後に「返事は日本語で」という常設ルールが抜け落ちた例がある。呼び出しを実際に断るフックと比較し、1,924件のイベント(うち道具の呼び出し1,431件)の記録で整理している。
- 手順書は「お願い」、フックは「決まり」 — Zenn LLM
- 構想・構造・実装・独立検証の役割をAIに分け、議論の余地がないことはAIを使わない小さなプログラムに任せる、ひとりスタジオの設計が公開されている。単一チャット欄に任せた時の同じ見落としの反復が動機である。
- 複数のAIに役を分け、機械の関所で確かめる — Zenn LLM
- AIコーディングエージェントがkanban上の課題を実装・レビュー・マージまで流し、人間は人にしか下せない判断のときだけ呼ばれる「一人用ソフトウェア工場」Andonが公開された。
- GitHub - mitaku/andon — はてなブックマーク IT
- AWS Labs公開のCAO(cli-agent-orchestrator、Apache-2.0)は、Claude CodeやCodex CLI、Kiro CLIをtmuxの独立セッションとして束ねる。Claude Codeをワーカーにした検証では、フォルダ信頼確認のダイアログで60秒停止する壁が報告された。
- agent-mctsは、AlphaGo型の探索をClaude CodeやCodex CLIに載せ、複数の解を作らせてテスト結果で採点し最良を選ぶツールで、MITライセンスで公開された。
- AlphaGoの探索をClaude Codeに載せてみた — Zenn LLM
AIの報告・レビューをどう信頼するか
- Claude Codeの完了報告が事実と異なった事例を型に分類している。やっていないのに「検証した」と書く、古い数字を「今」として書く、時刻を知らないまま「明日」「もう終わった」と断定する、などで、受け取る側が確認すべき観点を示す。
- Claude Code の完了報告が嘘だった4つの型と、受け取ったときに聞く3つのこと — Zenn LLM
- 単一モデルにレビューを任せると「もっともらしいが的外れ」な指摘が自信ありげに出るため、外部モデルによる多段レビューを運用し、AIのレビューをAIに判定させる構成が紹介されている。
- AIのレビューを、AIに判定させる — Zenn LLM
- Claude Codeの出力・PR・コードを付箋のホワイトボードで寄り道しながら理解する/understandスキルが公開され、「出力を理解する」工程を支援する流れが見える。
- GitHub - fkubota/understand-mode — はてなブックマーク IT
- 意思決定ログをLLMにWikiへ書かせる際、書かせる対象を「決めたこととその理由」と「mobileとbackendをまたぐ処理の流れ」の2つに絞り、出典付きで41件の決定を残した。
- コードに無い「決めた理由」をどう残すか — Zenn LLM
コンテキストとMCPの設計
- Databricksのエージェントが不調なとき、モデルを替える前に4つの「コンテキストの失敗」を疑い、トレースで切り分ける手順が示された。MCP、AI Search、agent sessions / memory、MLflow 3の評価が対処に使える。
- Search Console向けMCPの開発者は、読者コメントを受けて集計期間を返り値に含めるようにした。古い数字を根拠にした修正を防ぐため、MCPの返り値は人間向けAPIとは別の配慮が要るという教訓である。
- AIエージェントに渡すMCPの返り値で気をつけていること — Zenn LLM
- 縦書き・段組み・結合セルのある複合表PDFは、単純なテキスト抽出では構造が崩れ、RAGやNotebookLMでハルシネーションや引用ズレを招く。Markdownへの整形が対策になる。
ローカルLLMとプライバシー重視の個人開発
- 議事録の要約をローカルLLMで処理し、クラウドのトークンを約9割節約する構成が紹介された。開発の本筋でない記録作業にクラウドの使用枠を使いたくないという発想である。
- ローカルLLMでクラウドのトークンを9割節約する — Zenn LLM
- 機密データを外部に送らないAIエージェント連載の第3回では、hermes agentでインターネットを遮断した環境の構築まで到達した。RAGは未実装で、検証内容の正確性は保証しないと明記されている。
- 機密データを外部に送らないAIエージェントを作りたい 第3回(仮) — Zenn LLM
- 会話や記録をPC内のSQLiteに残す日本語の個人用AIアシスタント「ヤタ」がベータ版として公開された。メールや予定確認、定時作業、日本の各種サービス連携を担う。
- 自分のPCで動く日本語AIアシスタント『ヤタ』を作った — Zenn LLM
- Apple M1・16GBのMacで48本の定時ジョブをlaunchdで動かし、Claude Code(Max、月200ドル)に判断を任せる構成を、Surface Laptop Ultraで組み直す構想が示された。音声生成は1回あたり約11円かかる。
- 無人で回す自動化を Surface Laptop Ultra で組み直す構想 — Zenn LLM
- 打ち間違えたローマ字のままSpaceを押すと日本語に変換するmacOS向けIME「AImai IME」が登場した。macOS 14以降のApple シリコン専用である。
- タイプミスをしても大丈夫なIME「AImai IME」を作った — Zenn LLM
評価の落とし穴と再現性
- 日本語LLM評価では「結構です」のように承諾とも辞退とも取れる文に断定回答すると、ルーブリックで2点以下になる。流暢で丁寧なのに誤る回答を誘発する20問のシードセットと採点基準がMITで公開された。
- LLMの日本語評価で見落としがちな3つの地雷と「平均点」の罠 — Zenn LLM
- RTX 4070(VRAM 12GB)で5モデル×520試行=計2,600試行を完走し、各モデルの20試行の再実行も20/20一致した。それでも研究採用の基準を満たすモデルと満たさないモデルに分かれた。
- RTX 4070 12GBでLLMを5モデル×520試行――再現性を監査してわかったこと — Zenn LLM
- 回答前に「確認済み・不足・矛盾」を書き出させたり結論候補を列挙させたりして判断が良くなるかを調べるPAS実験が途中報告された。着想はSurge AIのDAYJOB: Taxで報告された前提確認の怠りである。
- LLMに点検や候補列挙を先にさせると、判断は良くなるのか? PAS実験の途中報告 — Zenn LLM
- 設備点検記録48件で判定専用モデルJevとd1を7回測り、精度・データ・速度・壊れ方・組み込み・選定の順に、現場で使える場面と使えない場面を切り分けた記録が公開された。
- 判定AIは現場で使えるか — 設備点検記録48件で Jev と d1 を測った全記録 — Zenn LLM
- OpenAIが11月18日に公開したチップ設計の報告には最大14%のPPA改善とある。既存プロセッサの改善より仕様書からの新規設計の方が高スコアで、評価対象外の機能を省略できたことも理由の一部とOpenAI自身が挙げており、RTL生成Agentの評価設計に課題が残る。
- AIのRTL最適化をどう評価するか:PPAとRISC-Vベンチマークの落とし穴 — Zenn LLM
TLDRピックアップ(その他テック)
- 新宿駅で「財布を忘れた」と声をかけ、PayPay1000円分の現金交換を持ちかけてPayPayの情報を抜き取る手口が話題になった。善意で1000円を渡した投稿者が戸惑った体験談である。
- 新宿駅で財布を忘れて家に帰れない女の子から「PayPay1000円分を現金で交換して貰えませんか?」とお願いされ… — はてなブックマーク IT
AI最新ニュース
米国のハイテク株が、パンデミック以来で最悪の週間下落を記録し、Nasdaq 100は弱気相場入りした。Nvidiaは会計をめぐるSEC審査を受けて14%急落し、直前に上場したAnthropicも初日の上昇分をほぼ失っている。AIへの疑念、金利上昇、政治的な逆風が重なり、過熱していた評価額が一斉に見直された形だ。一方で技術面では、長大なコンテキストに頼らない手法や、ループ型推論、少ない学習フェーズで競争力を出すオープンモデルなど、効率化の流れが目立つ。企業現場では、AIの導入効果と雇用への影響、判断基準の整備といった実務的な論点が前面に出ている。
AI市場の動揺とNvidia・Anthropicをめぐる評価
- Nasdaq 100は、コロナ禍以来で最悪の週間下落を経て弱気相場に入った。Nvidiaは14%下落し、SEC が同社の会計を審査していることが重しになった。Anthropicも、記録的なIPOの翌日にほぼ全ての上昇分を失った。
- 米ハイテク株、AIへの疑念が積み重なりパンデミック以来で最悪の週間下落 — The Decoder
- 下落の要因はAIへの疑念、不祥事、金利上昇、政治的逆風が同時に重なったことだと整理されている。個別企業の問題というより、過熱した評価額全体が見直された局面といえる。
- 米ハイテク株、AIへの疑念が積み重なりパンデミック以来で最悪の週間下落 — The Decoder
- Nvidiaについては、決算の内容と、Jensen Huang氏の復帰を声高に求めるテック経営者たちの動きという、対照的な二つの姿が同時に報じられている。同社をめぐる評価が割れていることがうかがえる。
- 二つのNvidiaの物語 — TechCrunch AI
- Anthropicは先週Nasdaqに上場した。The Vergeは、巨額の数字そのものよりも、同社が安全性を最優先する姿勢を上場企業として維持できるのかを論点に据えている。
- Anthropicは安全性を最優先にする余裕があるのか — The Verge AI
効率化へ向かうモデル設計と学習手法
- Nvidiaの研究者らは、巨大なコンテキストウィンドウは遅く高価でエラーも出やすく、行き止まりだと主張する。定期的な要約と的を絞ったキーワード検索で、多くの場合は全文脈と同等の結果をわずかなコストで得られたという。さらに、長い文脈ではなく短いノートで動く新しいモデル群も提案している。
- Nvidia研究者、巨大なAIコンテキストウィンドウは行き止まりだと主張 — The Decoder
- Thinking Machinesのオープンモデル「Inkling 2 Mini」は、24層のうち12層をトークンごとに3回実行するループ型トランスフォーマーである。余分なテキストを生成せず内部で長く推論でき、ノートPCでも動作する。Artificial AnalysisのIntelligence IndexではQwen3.8 27Bと並び、コストは約6分の1とされる。
- 新オープンモデルInkling 2 Mini、ループで考え少ない言葉で解き、ノートPCでも動く — The Decoder
- ByteDanceと米国の複数の大学は、AIエージェント「Axion 1.0」を発表した。3つの学習フェーズだけで、OpenAIやAnthropicの商用モデルに匹敵するベンチマーク結果を出したという。要因は学習ステップの積み増しではなく、入念に選別したデータだと説明している。モデル、データ、コードは公開されている。
- ByteDance、AI学習フェーズの大半は不要と主張しオープンモデルで裏付け — The Decoder
- 三つの研究に共通するのは、計算量や文脈長を増やす方向から、使い方や設計の工夫で同等の性能を安く得る方向への流れである。市場でAI投資への疑念が強まるなか、コスト効率の訴求は意味を持ちやすい。
- Nvidia研究者、巨大なAIコンテキストウィンドウは行き止まりだと主張 — The Decoder
- 新オープンモデルInkling 2 Mini、ループで考え少ない言葉で解き、ノートPCでも動く — The Decoder
- ByteDance、AI学習フェーズの大半は不要と主張しオープンモデルで裏付け — The Decoder
OpenAIのプロンプト指針とリーマン予想をめぐる主張
- OpenAIは、GPT-6.2 AstraとSol向けの新しいプロンプトテンプレートを公開した。回答が短すぎる、不要な確認質問をする、コーディング時にテストをやりすぎるといった、よくある挙動を抑える狙いである。
- OpenAI、GPT-6.2 AstraとSolの短すぎる回答や不要な質問を直すプロンプトのコツを公開 — The Decoder
- APIにも変更があり、会話履歴を編集すると推論内容が破棄され、応答品質が下がる場合がある。履歴を書き換える実装をしている開発者は注意が必要になる。
- OpenAI、GPT-6.2 AstraとSolの短すぎる回答や不要な質問を直すプロンプトのコツを公開 — The Decoder
- Anthropicの数学者Levent Alpöge氏は、Claudeを使って167年未解決のリーマン予想を証明したと主張している。証明はLeanで形式化され、25万ページ超に及ぶという。
- Anthropicがリーマン予想のClaude証明を主張、数時間後にスタンフォードが人間のみの対抗草稿を公開 — The Decoder
- 発表の数時間後に、スタンフォードの研究者らが独立して人間のみで書いた競合証明を公開した。数学者たちは、どちらが成立するのかを検証している最中であり、現時点で結論は出ていない。
- Anthropicがリーマン予想のClaude証明を主張、数時間後にスタンフォードが人間のみの対抗草稿を公開 — The Decoder
企業のAI活用の実態と雇用への影響
- 管理職調査では、半数以上が、勤務先で利用されなくなったAIツールや用途があると回答した。背景には、企業独自の判断基準に関わる課題があるとされ、汎用的な知識だけでは定着しにくい実態が示唆される。
- AIに必要なのは知識か、企業独自の判断基準か? 管理職調査で見えたAI活用の盲点 — ITmedia AI+
- 企業が業務で使うAIの顔ぶれが変わりつつある。個別のAIサービスを選ぶだけでなく、既存の業務環境に組み込まれたAIを使う動きが広がっており、ChatGPT、Copilot、Geminiの勢力図に影響している。
- 企業はAIをどう選ぶようになった? ChatGPT、Copilot、Geminiの勢力図 — ITmedia AI+
- IDCの調査は「AIが普及すれば人員は減る」という通説と食い違う結果を示した。AI投資で高いROIを得ている組織ほど、今後の増員を見込む割合が高い。
- AIで成果を出す企業ほど「人を増やす」? “通説”を否定する調査結果をIDCが発表 — ITmedia AI+
- 利用が止まる企業がある一方で成果を出す企業は増員も見込むという対比から、差を分けるのはツール選定よりも、業務への組み込みと自社の判断基準の整備だと読み取れる。
- AIに必要なのは知識か、企業独自の判断基準か? 管理職調査で見えたAI活用の盲点 — ITmedia AI+
- AIで成果を出す企業ほど「人を増やす」? “通説”を否定する調査結果をIDCが発表 — ITmedia AI+
AIエージェント、プライバシー、規制、社会への波及
- TechCrunchは、テキストメッセージ上で動くAIエージェントの主要なものを一覧にまとめた。汎用アシスタントに加え、家族向け、旅行向け、仕事向けなど用途特化型も含まれ、メッセージアプリがエージェントの新たな入口になっている。
- テキストメッセージ上で動く主要なAIエージェント一覧 — TechCrunch AI
- Signalは、AndroidとiOSの両アプリでスクリーンショットの撮影を制限する。見出しは、AIによる監視を「存在を脅かす脅威」と位置づける同社の認識を伝えており、画面を読み取るAIから会話を守る動きといえる。
- Signal、AI監視という「存在を脅かす脅威」に対しモバイルのスクリーンショットを制限 — TechCrunch AI
- ジュネーブで開かれた国連の会合は、自律型兵器、いわゆる「キラーロボット」の規制ルールで合意に至らなかった。1週間の交渉は大きな成果がなく、代表団は「選択肢の議論を始める」ことで合意するにとどまった。
- 国連、「キラーロボット」規制で合意できず — The Verge AI
- 俳優が自分の顔のAI版をマイクロドラマのスタートアップにライセンスする動きが出ており、中国ではすでに広がっている。専門家はハリウッドに波及した場合の長期的な影響を懸念している。
- AI版の自分の顔をマイクロドラマ企業に売るのはハリウッドの未来か — TechCrunch AI
- The Decoderは、AI終末論への傾倒がシリコンバレーの一部をカルト的な献身へ向かわせていると報じた。New Yorkerの報道によれば、バーモント州の仏教僧院「Maple」は、メンバーの呼吸をすべて記録して指導者Soryu Forall氏を模したAIを訓練し、自前のAIの神を作ろうとしている。元メンバーは、操作や精神的な破綻があったと証言している。
- シリコンバレーのAI終末論への執着が、業界の一部をカルト的な献身へ向かわせている — The Decoder
TLDRピックアップ(その他テック)
- Chess.comは、バックギャモン、チェッカー、囲碁、麻雀、将棋、数独など10種類のゲームを加えた「Classic Games」プラットフォームを立ち上げる。今年、賭博なしのポーカーサイトGambitを開始しており、チェス以外への拡大を進めている。
- Chess.com、麻雀から数独までを集めたクラシックゲームの新拠点を開設 — The Verge AI
AI研究・論文
Thinking Machines、OpenAI、Baseten の3社が相次いで、実運用を意識したモデルを公開した。共通するのは、大きさや性能の競争よりも「どこで動かすか」「いくらで動かすか」「何を判断させるか」という導入面の条件を前面に出している点である。Thinking Machines の Inkling 2 Mini は 26.4B パラメータのループ型 MoE を 32GB の Mac で動かせるようにし、OpenAI の GPT-Live-1.1 は待機中の課金を引き下げ、Baseten の bison-1 は意思決定特化のオープンウェイトモデルとして指標首位に立った。いずれも、エージェント用途で使いやすいかどうかが評価軸になりつつあることを示している。
ローカル実行を狙う小型・高効率モデル
- Thinking Machines は Inkling 2 Mini を公開した。総パラメータ数は 26.4B、アクティブパラメータは 3.4B のループ型(looped)MoE Transformer である。総数に対してアクティブ数を約1割強に抑える設計で、推論時の計算量を小さくしている。
- Thinking Machines Inkling 2 Mini:32GB の Mac で動く 26B ループ型 MoE — MarkTechPost
- 動作環境は 32GB の Mac または DGX Spark 1台とされ、個人や小規模チームの手元でも扱えるサイズ感を打ち出している。クラウドAPIに依存しない運用の選択肢が広がる。
- Thinking Machines Inkling 2 Mini:32GB の Mac で動く 26B ループ型 MoE — MarkTechPost
- 性能面では SWE-bench Verified で 79.2% を記録したと報じられている。コーディングエージェントの標準的な指標で高いスコアを示しており、小型ながら実務的な開発タスクを狙えることを示唆する。ただし、評価条件の詳細は元記事の概要からは確認できない。
- Thinking Machines Inkling 2 Mini:32GB の Mac で動く 26B ループ型 MoE — MarkTechPost
音声エージェントの運用コストを下げる OpenAI の API 更新
- OpenAI は API で GPT-Live-1.1 を公開した。全二重(full-duplex)の音声モデルで、話しながら聞くことができる対話型の用途を想定している。
- OpenAI、音声エージェント向け GPT-Live-1.1 を公開 アイドル時コストは毎分 $0.02 に — MarkTechPost
- モデル面の改良は、多言語でのアクセント対応と文字起こし精度の向上である。多言語の利用者を抱える音声サービスにとって、認識のぶれが減ることは実用上の利点になる。
- OpenAI、音声エージェント向け GPT-Live-1.1 を公開 アイドル時コストは毎分 $0.02 に — MarkTechPost
- 新設のスタンバイモードでは、WebRTC 接続のアイドル時間を毎分 $0.02 で課金する。従来は毎分 $0.05 で、60% の引き下げになる。常時接続しつつ実際の発話は少ない、コールセンターや窓口型のエージェントでは費用への影響が大きい。
- OpenAI、音声エージェント向け GPT-Live-1.1 を公開 アイドル時コストは毎分 $0.02 に — MarkTechPost
意思決定特化のオープンウェイトモデル
- Baseten は Gemma 4 をベースにしたオープンウェイトの「意思決定モデル」bison-1 と groundhog-1 を公開した。汎用の会話モデルではなく、判断を下す役割に絞った派生モデルという位置づけである。
- Baseten、Bison-1 と Groundhog-1 を公開 Decision Model Index で首位 — MarkTechPost
- bison-1 は AA Decision Index v2.1 で 76 を記録し、見出しでは同指標の首位とされている。groundhog-1 のスコアは元記事の概要には示されていない。
- Baseten、Bison-1 と Groundhog-1 を公開 Decision Model Index で首位 — MarkTechPost
- 両モデルとも 128k のコンテキスト長と画像入力に対応する。長い文脈と画像を含む入力から判断を導く業務フローに向く仕様である。
- Baseten、Bison-1 と Groundhog-1 を公開 Decision Model Index で首位 — MarkTechPost
3件から見える傾向
- 3件とも、モデルの絶対性能だけでなく、実行環境(32GB の Mac)、課金体系(待機時 $0.02/分)、用途特化(意思決定)といった導入条件を訴求している。エージェント普及期には、導入コストと運用のしやすさが選定基準として重みを増していくと考えられる。
- Thinking Machines Inkling 2 Mini:32GB の Mac で動く 26B ループ型 MoE — MarkTechPost
- OpenAI、音声エージェント向け GPT-Live-1.1 を公開 アイドル時コストは毎分 $0.02 に — MarkTechPost
- Baseten、Bison-1 と Groundhog-1 を公開 Decision Model Index で首位 — MarkTechPost