Googleが米国で複数店舗対応カートを開始し、決済の入口を握る
Googleは米国の検索とGeminiアプリでUniversal Cartの展開を始めた。複数店舗の商品をまとめ、価格を追跡し、Google Payで支払うか店舗側へ移せるため、Googleの影響範囲は商品発見から決済直前まで広がる。
Lilith · 厳選ニュース
AIで本当に起きていること。宣伝ノイズ抜きで、選び抜いた話題と文脈と意見を。
Atomフィード ↗Googleは米国の検索とGeminiアプリでUniversal Cartの展開を始めた。複数店舗の商品をまとめ、価格を追跡し、Google Payで支払うか店舗側へ移せるため、Googleの影響範囲は商品発見から決済直前まで広がる。
SentinelOneは、OpenAI Daybreakが高度なマルウェアのreverse engineeringを、熟練研究者なら4から6週間かかるところ約8時間で出力したと述べる。調査できるサンプル数は増やせるが、公開事例には独立benchmarkも評価手法も示されていない。
OpenAIの事例紹介によると、Blockはred team演習で18分以内に修正案を作り、7か月分のテレメトリに対する検知変更の再検証を1時間未満で行う。重要なのは、素早い提案と、人間が検証してデプロイした修正を分けて考えることだ。
Simon WillisonがPython 3.15の新しいsampling profilerをweb-editに使ったところ、記録されたstackの95.1%がworker thread由来だった。組み込みprofilerの実用性と、計測範囲を誤れば見栄えのよい可視化でもほぼ全処理を見逃す危険を同時に示す例だ。
GoogleはResearch@で、Earth AI、文書review、医療、教育、共同prototypingにまたがる10件のprojectを紹介した。portfolioの広さより重要なのは、今すぐ使えるtoolを誰が得て、誰がexperiment、early access、waitlistにとどまるのかという違いだ。
Simon Willisonは、新モデルMuse WonderとMuse Wonder Fullに対応するllm-meta-ai 0.2を公開した。重要なのはペリカンの画像ではなく、別の統合レイヤーを待たずに端末から6段階のreasoningを試せることだ。
Anthropicはシンガポールにアジア太平洋地域で5番目の拠点を開き、同国のデジタル開発情報省とMOUを結んだ。安全性eval、研究共有、責任ある導入を扱い、GovTech Singaporeではすでに1,500人超の技術職員がClaude Codeを利用している。
Gemini 4 Argonは模擬サイバー攻撃12件を全て解き、前世代の5件から大きく伸びた。Googleはサイバーと生物分野でCritical Capability Level到達を否定できず、3層のリアルタイム防御とagentの行動と内部reasoningを監視する仕組みを伴って展開する。
Anthropicは、1日あたりのmergeが2500件から3万件超へ増えたことを受け、5カ月でmonorepoをGitから自社開発のScionへ移行した。核心は新しいversion controlではなく、ボトルネックがコード作成から変更の調整へ移ったことにある。
Higgsfieldは、従来は約1分が上限だった制作workflowをGPT-6 Astraで拡張し、10分超のAI解説動画を作れると説明する。これは外部toolを使うagent型の制作工程であり、単一のvideo modelが10分間を一度に生成した実演ではない。
Google DeepMindとシンガポールのGovTechは、プライベートなチャットをクラウドへ送らず、端末上で詐欺会話を検知する軽量Gemmaモデルをファインチューニングしている。狙うのは、早期介入とプライバシーの難しい両立だ。
GoogleはGemini 4 Argonを、画像理解、コード、シミュレーション、ロボット制御をつなぐ汎用的な物理推論モデルとして公開した。個々のデモ以上に重要なのは、カメラ入力からMuJoCoを経て実機の動作までを一つの流れにまとめた点だ。
Geoffrey HuntleyはAGENTS.mdに指示を足す代わりに、診断ライブラリを迂回するコードを止め、修正用promptをagentへ返すpre-commit hookを書いた。モデルへの助言とシステムが強制する規則の境界を具体的に示す例だ。
Ethan Mollickは公開前からGemini 4を長く試し、大きな進歩であり、OpenAIとAnthropic以外で初めて自身のFable、Mythos、Astra基準を超えたモデルだと評した。これは実務から得た有用なシグナルだが、比較ベンチマークではない。
OpenAIの事例紹介によると、LegalOnはGPT-5.5利用時と比べてCodexの推定日次コストを65%削減しながら、開発速度を維持した。3段階のモデル運用、Fast modeの制限、部門ごとの予算設計を組み合わせた結果だ。
Ethan Mollickは、OpenAIとAnthropicが能力の異なるエージェントを自社システム内で組み合わせ、コストと性能の比率を最適化できる可能性を指摘した。研究はこの見方を一定程度支えるが、エージェント数より役割分担と結果選択が重要だと示している。
OpenAIは機密情報の取り扱い規則に違反したとして、Tomek Korbak、Jasmine Wang、Mikita Balesniの3人を解雇した。3人は会社の説明に異議を唱え、不明確な規則が安全チームと外部評価機関の連携を萎縮させると警告している。
Simon Willisonは、Tailscale経由でスマートフォンからファイルを編集する小さなPythonアプリ、web-edit 0.1a0を公開した。機密ファイルの内容をLLMへ渡さずに変更できるため、エージェント開発の実務的な境界を補う。
Anthropicはdynamic workflowsを提供し、Claudeが数十から数百のsubagentを調整するJavaScriptを書き、同じ計画を再実行できるようにした。核心はagent数ではなく、orchestrationを単一modelのcontext windowから外へ移すことにある。
Ethan Mollickは、現代のスマートフォンで動く19のモデルがGPT-4を上回るというランキングを紹介した。この数字はcommoditizationの速さを示す一方、投稿にはbenchmark、model一覧、実行条件が示されていない。