1. 【最重要】Gemini 4 Carbon発表 — 脆弱性発見88.2%、修正71.0%を記録

発表：10月28日（米国時間）｜限定提供開始

Google DeepMindが、最新フロンティアモデル「Gemini 4 Carbon」を発表しました。

Carbonは、長時間の自律的なソフトウェア開発とサイバーセキュリティに重点を置いたモデルです。Artificial Analysis Intelligence Index v5.0では59点で首位となり、脆弱性発見・検証・修正の各ベンチマークでも高いスコアを記録しました。

Google社内では、複雑な不具合の原因調査や大規模コードベースの修正に、数日間継続して取り組むエージェントとして利用されています。

なぜ重要か

特に重要なのは、AIによる脆弱性の発見から修正までを一連の工程として扱える能力です。

従来のコード解析ツールが苦手としていた、複数ファイルにまたがる複雑な不具合の調査に期待できます。

性能・API・料金

Googleが公表した主要なベンチマーク結果です。

※Googleの公表値です。安全性評価の0%は、評価対象の攻撃に対する結果であり、あらゆる攻撃を防げるという意味ではありません。

予定API料金は100万トークン当たり入力$2、出力$10。 キャッシュ済み入力は95%割引です。導入価格終了後は入力$4、出力$20となる予定です。

ただし、現時点では一般開発者向けAPIは公開されていません。まず一部のサイバー防御担当者へ提供し、Fairwind Programを通じて段階的に拡大します。

開発者が見るべきポイント

Googleの内部評価では、Carbonは前モデルArgonと比較して、安全なコードの生成成功率が2倍以上になっています。

また、根拠のない主張を約半減させ、複雑な作業で許可された範囲を超えて操作する問題も改善したとしています。

これはCoding Agentにとって重要です。正しいコードを書く能力と、指示された範囲だけを操作する能力は別物だからです。

公式情報：Google公式発表・Gemini 4 Carbon

2. 【技術深掘り】AWS、400個のREST APIをAgentCore GatewayでMCPツール化した本番事例を公開

公開：10月29日｜本番運用アーキテクチャ

Amazon Web Servicesが、MoEngageによるAgentCore Gatewayの実装事例を公開しました。

MoEngageは、7つのAWSリージョンに分散する約400個の社内REST APIを、10種類のAIエージェントから利用できるようにしています。

各APIを個別のMCPサーバーとして実装するのではなく、OpenAPI仕様をAgentCore Gatewayへ登録する方式を採用しました。これにより、推定約6か月分の基盤開発工数を削減しています。

なぜ重要か

AIエージェントの本番運用では、モデルの性能以上にツールの認可と社内APIへの安全な接続が問題になることがあります。

今回の事例は、その問題をAWSのマネージドサービスで解決した具体例です。

技術・実装ポイント

主要な構成は次のとおりです。

textAI Agent
    ↓
MCP Client
    ↓
VPC Interface Endpoint
    ↓
AgentCore Gateway
    ├─ IAM / SigV4認証
    ├─ Cedarによる認可
    └─ Semantic Tool Search
    ↓
VPC Lattice
    ↓
社内REST API

注目したい実装は3つあります。

1. OpenAPIからMCPツールを生成

既存のOpenAPI仕様にx-moe-mcpという拡張情報を追加します。

yamlx-moe-mcp:
  expose:
    external: false
    internal: true

これはMoEngage独自のOpenAPI拡張であり、AgentCoreの標準設定項目そのものではありません。

2. Cedarでツール単位の認可

AIエージェントごとにIAMロールを割り当て、Cedarポリシーによって利用可能なツールを制限します。

許可されていないツールは、モデルに渡す一覧からも除外されます。

3. Semantic Tool Search

400個のツール定義をすべてLLMへ渡す必要はありません。

モデルが必要な処理を自然言語で検索し、該当するツールだけを取得します。

これにより、コンテキストの消費量を抑えられます。

API・料金・利用条件

AgentCore Gatewayの公開料金は、API呼び出し1,000回当たり$0.005、ツール検索1,000回当たり$0.025です。

ツールのインデックス作成にも料金が発生します。さらに、VPC Latticeやバックエンドサービス、LLM推論などは別途課金されます。

実装上の注目点： MoEngageでは、テナントIDやユーザー権限をLLMが操作できるツール引数に含めず、認証済みの呼び出し元からヘッダーで伝達しています。

これはマルチテナントのAIエージェントを設計するうえで、特に参考になる方式です。

公式情報：AWS公式・400 APIの実装事例 ／ AgentCore料金表

3. NVIDIA Nemotron 3.5 Super VL — 120BモデルをAWS EKSで動かす実装ガイド公開

技術記事公開：10月29日｜既存モデルの新しいAWS実装例

AWSが、NVIDIAのマルチモーダルモデル「Nemotron 3.5 Super VL」をEKSとSageMaker HyperPod EKSへデプロイする技術ガイドを公開しました。

Nemotron 3.5 Super VLは、総120BパラメータのMoEモデルで、推論時にアクティブになるのは12Bパラメータです。

テキスト、画像、文書、動画を入力でき、最大100万トークンのコンテキストに対応します。

なお、モデル自体は10月15日に公開済みです。今回の新着は10月29日のAWS向け実装ガイドです。

なぜ重要か

オープンウェイトモデルを自社インフラで運用する際の、GPU構成と性能測定方法が具体的に公開されたためです。

モデルの性能だけでなく、実際に必要なGPU台数を判断できます。

技術・実装ポイント

Nemotron 3.5 Super VLは、次の技術を組み合わせています。

特にMamba-2とMoEを組み合わせている点が興味深いところです。

アクティブパラメータ数を削減しながら、長いコンテキストを扱うための計算効率を高めています。

GPU要件

AWSが示したvLLM構成での最小GPU台数です。

NVFP4量子化によって必要なGPU台数を削減できます。

ただし、量子化による精度への影響や実効性能は、用途ごとに検証する必要があります。

API・料金： モデル重みを使用するセルフホスト方式では、モデルAPIのトークン従量料金ではなく、主にGPUインスタンス、ストレージ、ネットワークなどのインフラ費用が発生します。

AWSの実装例では、EKS、ECR、FSx for Lustre、EFA、NVIDIA Dynamo、vLLMを組み合わせています。

また、TTFT（最初のトークンまでの時間）とITL（トークン間の遅延）を別々に計測し、GPUの配置を最適化する方法も紹介されています。

公式情報：AWS公式技術ガイド ／ NVIDIA公式モデルカード

4. 【日本】Amazon「Alexa+」国内提供開始 — 生成AIによる音声エージェントが日本語対応

発表・早期アクセス開始：10月29日

Amazonが、生成AIを搭載した新しい音声アシスタント「Alexa+」の日本国内での早期アクセス提供を開始しました。

従来のAlexaより自然な会話が可能になり、ユーザーの意図や好みを理解してタスクを実行します。

スマートホーム操作、ショッピング、スケジュール管理、音楽再生などに対応し、今後は食べログによるレストラン予約、Uber Eats、出前館、チケットぴあとの連携も予定しています。

なぜ重要か

日本語の生成AIが、スマートフォンやPCだけでなく、家庭内の常時利用するデバイスへ本格的に広がるためです。

特に、ユーザーが操作方法を指定しなくても、意図を理解して行動するエージェントという点に注目です。

技術・実装ポイント

例えば、従来のAlexaでは「エアコンの温度を25度にして」と指示する必要がありました。

Alexa+では「ちょっと暑い」と話すだけで、状況に応じてエアコンを調整できます。

さらに、音声だけで複数のスマートホーム操作を組み合わせた定型アクションを作成できます。

開発者向けには「Smart Home AI Toolkit」も重要です。

家電メーカーが独自機能をAlexa+と連携させるための開発ツールで、国内でも先行パートナーへの展開が進んでいます。

料金・利用条件

早期アクセスは順次招待される方式です。

また、予定されている外部サービス連携のすべてが、現時点で利用可能になったわけではありません。

公式情報：Amazon日本公式発表 ／ Smart Home AI Toolkit

5. 【日本】リコー×KDDI、国内データセンターでソブリンAI基盤の検証開始

発表：10月28日｜新規実証プロジェクト

リコーが、KDDIの大阪堺データセンターを利用したAI推論環境の検証を開始すると発表しました。

リコーが開発するリーズニングモデルを含むLLMやAIエージェント技術と、KDDIのAI推論基盤を組み合わせます。

目的は、企業が自社でGPUを保有せず、国内データセンター上で機密性の高い生成AIシステムを運用できる基盤を検証することです。

なぜ重要か

国内企業では、機密情報を海外クラウドへ送信できないケースがあります。

今回の取り組みは、国内データセンターを利用したAI推論基盤を企業向けに提供する可能性を検証するものです。

技術・実装ポイント

検証対象は、主に次の領域です。

• 国内データセンター上でのLLM推論
• オープンウェイトモデルの実行環境との連携
• AIエージェントを利用した業務処理
• セキュリティと運用性の評価

特に、オープンウェイトモデルの利用がポイントです。

自社でモデルを選択できれば、特定のクラウドAPIへの依存を減らし、業務要件に応じたモデルの最適化も検討できます。

API・料金・利用条件

提供状況： 検証段階。一般向けの商用サービスとして提供開始されたわけではありません。

API： 外部開発者向けAPI仕様は未発表。

料金： 未発表。

モデル： リコーのLLM技術とオープンウェイトモデルを利用する方針ですが、今回の発表では具体的なモデル構成やGPU構成は示されていません。

注意点： 国内データセンターを利用することだけで、ソブリンAIとしてのすべての要件が満たされるわけではありません。運用主体、アクセス権限、ログ保存、外部接続、データ処理場所なども確認する必要があります。

公式情報：リコー公式発表