2026年1月のAI政策では、カリフォルニア州のフロンティアAI透明性法（SB53）と韓国のAI基本法が施行された。ETSIはAIモデルおよびシステム向けのサイバーセキュリティ規格「ETSI EN 304 223」を発行し、米CAISIはAIエージェントシステムのセキュリティに関する情報提供依頼を開始した。日本AISIは、AIシステム特有のリスクに起因するインシデントへの対応枠組み「AI-IRS」をまとめた「AIインシデントレスポンス・アプローチブック」を公開した。
SSHで1回のキーストロークを送信した際に36バイトのパケットが多発する理由を、tcpdumpの解析とClaude Codeを使って調査した。単一キーストロークのキャプチャでは、全270パケットのうち179パケット（66.3%）が36バイトのメッセージだった。Claude Codeの解析では、暗号化処理の時間が1.6sから0.11sに減ったとされる。
「AIセーフティ評価環境 検討タスクフォース総会」が2026年2月26日13:30～17:10に開催される。AISIがオープンソースとして公開している評価ツール「AIセーフティ評価環境」の概要と、検討タスクフォースの活動内容を紹介するイベントである。ハイブリッド形式で参加は無料、参加資格は特になく、申込期間は2月24日17:00までである。
LayerXのバクラク事業部データグループマネージャーである中山貴博氏が、「2026 Snowflake Data Superheroes」に選出された。2026年は全世界で125名（日本で15名）が選ばれている。LayerXは2024年10月からGoogle BigQueryベースのデータ基盤のSnowflakeへの移行を始め、2025年末時点でほぼ完了している。
Turingは自動運転モデル開発向けのMLOps基盤を「APIファースト」で設計した。データセット作成やシナリオテストなどの重い処理をクラウドで実行し、GUI（Next.js/Vercel）とCLI（Typer）の両方から同じAPIを呼び出せる構成とした。API側は全パラメータを必須とし、デフォルト値の制御はクライアント側に任せることで、チームやフェーズごとの柔軟な運用を可能にしたという。
Mistral AIは音声認識モデルのファミリーVoxtral Transcribe 2を公開した。バッチ向けのVoxtral Mini Transcribe V2と、遅延を200ms未満まで設定できるライブ向けのVoxtral Realtimeで構成する。Realtimeは4BパラメータでApache 2.0のオープンウェイトとしてHugging Face Hubで配布され、Mini Transcribe V2のAPI料金は1分あたり$0.003である。
選定理由：バッチ向けとリアルタイム向けの二つのモデルについて、遅延設定、料金、対応言語が並べて示されており、用途ごとの使い分けを判断しやすい。
日本のAI Safety Institute（AISI）が、民間事業者向けにChief AI Officer（CAIO）の設置と運用に関する標準的な実務指針をまとめたガイドブック（案）を公開した。CAIOの役割を明確化し、組織設計、運用プロセス、評価・監督、教育、人材、調達などを統合的に示すとともに、AIライフサイクル全体を対象とする。ガイドブックはドラフト版で、意見を募集している。
チューリングのMLOpsチームは、Amazon SageMaker HyperPod＋Slurm＋Lustreで構築したGPUクラスターを、us-east-1からus-west-2へ移行した。移行の背景には、データセットのあるS3がオレゴンにあり転送料が発生していた問題がある。移行後はGPUノード数が同じでもコストが想定の約2倍になり、割引対象インスタンスなしでクラスターを作成したため割引が無効化されていたことが分かった。
Hugging FaceでDifferential Transformer V2が発表された。V2はV1の推論速度低下（約6〜12%減）と学習の不安定性を解消する改良とされ、Query側のヘッド数を2倍にしてKey/Valueは増やさず、FlashAttentionを1回呼び出した出力を偶数・奇数ヘッドで分けて差分を取る構成になっている。
AIセーフティ・インスティテュート（AISI）は内閣府と合同で、2026年1月15日から16日にかけて「Hiroshima Global Forum for Trustworthy AI」を広島で開催した。AIの安全性、セキュリティ、信頼性の向上をテーマに、国内外の政府機関、企業、研究機関が登壇し、Microsoft、OpenAI、Anthropicなど8社が企業の安全性・ガバナンスの取り組みを共有した。
Mistral AIは、ターミナル向けコーディングエージェントMistral Vibe 2.0を公開した。Devstral 2モデル群を基盤とし、カスタムサブエージェントやスラッシュコマンドによるスキル読み込みに対応する。Le Chat ProとTeamプランで利用でき、追加利用は従量課金またはBYOKで可能である。
選定理由：カスタムサブエージェントやスラッシュコマンドのスキルなど新機能に加え、Devstral 2の料金とプラン構成も示されており、導入時の比較材料になる。
Mistral AIのエンジニアチームが、vLLMで発生したメモリリークの原因を追跡した過程を解説する。Mistral Medium 3.1を使い、グラフコンパイルを有効にした条件下で、システムメモリが毎分400MBずつ線形に増加していた。Prefill/Decode分離構成のdecode側でのみ再現し、Heaptrackではヒープメモリは安定していたが、ヒープ外のピークRSSに差が出ていた。
ELYZAは、KDDIのGPU基盤を用いて日本語の知識・指示追従能力を強化した拡散大規模言語モデル（dLLM）「ELYZA-LLM-Diffusion」シリーズを開発し、商用利用可能な形式で公開した。HKU NLP GroupのDream-v0-Instruct-7Bをベースに追加事前学習と指示学習を行い、ELYZA-Diffusion-Base-1.0-Dream-7BとELYZA-Diffusion-Instruct-1.0-Dream-7Bを公開している。
2025年12月、米ニューヨーク州知事がRAISE法に署名し、商用目的の大規模なフロンティアAIモデル開発者に対して、セーフティ計画の策定・公開、重大インシデントの72時間以内の報告などを義務付けた。違反時の罰則は、初回で最高100万ドル、再犯で最高300万ドルとされている。同月には日本で「人工知能基本計画」が閣議決定され、韓国のAI行動計画（草案）へのパブリックコメントは2026年1月4日まで受け付けられている。
LayerXは、山田進太郎D&I財団が推進する中高生女子向けSTEM体験プログラム「Girls Meet STEM」に参画し、3月30日にLayerX本社で企業ツアーを開催する。ChatGPTと対話しながらオリジナルゲームを制作するワークショップと、女性エンジニアとの座談会を実施する。定員は30名で、応募締切は3月16日23:59である。
ELYZAは、日本語性能に特化した拡散言語モデル「ELYZA-Diffusion-Base-1.0-Dream-7B」と「ELYZA-Diffusion-Instruct-1.0-Dream-7B」の2種を公開した。両モデルは約70億パラメータで、Apache License 2.0のもとで提供される。初期モデルはDream-v0-Instruct-7Bで、約620億トークンの日本語コーパスによる継続学習と、約1.8億トークンによるInstruction Tuningを行っている。主に研究用途や検証用途での利用を想定している。
AIセーフティ・インスティテュートは、AIシステム特有のリスクに起因するインシデントへの対応枠組み「AI-IRS（AI Incident Response System）」を示したアプローチブックを公開した。AIインシデントは起こり得るとの前提に立ち、被害を最小化する発見的統制の重要性を明確にしている。AI-IRSはAIサプライチェーン全体を視野に入れたコンセプトを示している。
ABEJAの藤本氏が、Dynamixelモーターと3Dプリンタ部品で2足歩行ロボットを自作し、IsaacLabでのシミュレーションまでの流れを紹介する。関節は3つに限定し、姿勢認識はIMUのみで行う構成である。制御には強化学習（PPO）を採用し、URDFからUSDへの変換、rsl_rlを用いたプロジェクト作成、環境と報酬の設定を解説している。
ABEJA の筆者が NVIDIA の医療系 AI プラットフォーム「NVIDIA Clara」を試し、MONAI Toolkit で内臓セグメンテーション用モデル VISTA-3D をファインチューニングして CT 画像で推論した。学習には腹部 CT 画像 150 枚と 5 epoch を用い、GCP の T4 1 台で動作させた。創薬分野では BioNeMo Framework でタンパク質言語モデル ESM-2 の学習と推論も試している。
DeepSeek-R1は、DeepSeek-V3-Baseを数千個規模のCoT付きデータでファインチューニングした後、GRPOによる強化学習で品質を改善するモデルである。強化学習の報酬にはReward Modelではなく、数学やコーディングの正解判定に基づくルールベースの報酬を用いており、報酬ハッキングを避ける狙いがあると説明されている。
ABEJAのデータサイエンティストが、OpenAIのgpt-oss-120bに論理クイズや数学の問題、詰将棋を解かせ、思考過程のログを検証した。設定はtemperature 1.0、reasoning effort highである。嘘つき特定問題では、各証言の真偽を場合分けして検討し、Bobが犯人となる組み合わせに至る過程が確認できる。
Turingのインターン研究チームが、テキストを白い画像に印字したText-Printed Image（TPI）を入力に使い、実画像なしでVLMを学習する手法を提案した。実験では、テキストをそのまま使う学習（Text-only）より大きな性能向上を示し、一部のタスクではGT-Image（実画像による学習）に迫る改善も見られた。GPT-4o-miniを用いたSelf-Instructによるデータ拡張（1万サンプル生成）でも、シードデータが少ない場合と完全な場合の両方で性能が向上したと報告されている。
Mistral AIは新OCRモデル「Mistral OCR 3」を発表した。社内ベンチマークでは、フォーム、スキャン文書、複雑な表、手書きの領域においてMistral OCR 2に対し全体で74%の勝率を記録したとする。料金は1,000ページあたり$2で、Batch APIの50%割引を適用すると$1になる。APIのmistral-ocr-2512およびMistral AI StudioのDocument AI Playgroundから利用できる。
Mistral AIは、コーディングモデルのDevstral 2（123B）とDevstral Small 2（24B）、およびターミナル向けCLIのMistral Vibeを公開した。Devstral 2はSWE-bench Verifiedで72.2%、Devstral Small 2は68.0%を記録している。Devstral 2はAPIで当面無料で、無料期間後は入力/出力で100万トークンあたり$0.40/$2.00となる。
選定理由：SWE-bench Verifiedのスコアに加え、人手評価でClaude Sonnet 4.5との差が残ると明記しており、オープンモデルの現在地を比較しやすい。
Mistral AIは次世代モデルMistral 3を発表した。14B・8B・3Bの小型denseモデルと、アクティブ41B・総計675BパラメータのMoEであるMistral Large 3で構成し、全モデルを Apache 2.0 ライセンスで公開する。Mistral Large 3はLMArenaでOSS非推論モデル部門2位、Ministral 3 14Bの推論版はAIME '25で85%を記録した。
選定理由：3B・8B・14Bの小型モデルと675B規模のMoEを同じ Apache 2.0 で公開しており、用途別の選択肢と配布先を比較しやすい。
ELYZAのPdMやDesignerのマネージャーである佐々木レイ氏が、ELYZA Worksの設計過程を1万字超で公開した。ユーザーをSaaSのアプリ利用者とアプリ作成者に絞り、非エンジニアでも扱える生成AI活用ツールを目指す方針を示している。行動変容の心理学を使ったユーザー体験設計やMVP、ロードマップの考え方も紹介している。
SB Intuitionsは、VLM「Sarashina2.2-Vision-3B」をMITライセンスのもとで公開した。Sarashina2.2-3B-Instructをベースに開発され、HuggingFace Hubから利用できる。同サイズ帯では日本語ベンチマークでトップクラスのスコアを達成したという。
Mistral AIは、ドイツでSAPおよびHelsingと長期的な戦略的提携を結ぶと発表した。SAPとは複数年のパートナーシップのもと、ドイツと欧州向けに完全に主権的なAIスタックを提供するため、同社のモデルをSAPのAI Foundationに統合し、欧州の複雑な産業や行政向けのソリューションを共同開発する。Helsingとは、実世界の防衛・安全保障用途に向けたvision-language-actionモデルの開発を加速させる。また、ドイツでの人員を大幅に増やし、今後数か月以内にドイツにオフィスを開設する予定である。
ELYZAは、複数のMLリポジトリに分散していたPythonのLint設定を単一リポジトリで管理し、Copierで各プロジェクトへ配布する仕組みを構築した。ルールの追加・削除はPRで議論し、Ruffは全ルール有効化後に不採用ルールをignoreに追加する方式を採用している。設定の更新は各プロジェクトでcopier updateを実行するだけで行え、Copierは3-way mergeにより既存のプロジェクト固有の変更を保ったまま更新できる点が特徴である。
ELYZAは2025年9月、自社初のプロダクトとして法人向け生成AI活用ツール「ELYZA Works」をリリースした。記事は、その構想の経緯を明かすものである。組織活用が進まない原因をLLMアプリの「質」と捉え、「質の高いLLMアプリの開発・運用において、あたりまえを創る」をミッションに据えたとしている。構想の背景には、2019年夏からのLLM研究開発と、2023年のコンタクトセンター業務への本番導入の経験がある。
ELYZAのSolution事業部は、複数プロジェクトで再利用するプロンプトの読み込みとレンダリングに特化した社内ライブラリの要件と設計を紹介している。プロンプト定義にはTOMLを、テンプレートエンジンにはJinja2を採用し、Rendererはプラグインで追加できる構造とした。利用者には PromptTemplate.from_path() で読み込み、render() でレンダリングする単一のFacadeを提供し、fail-closeの原則で検証を行うとともに、ログにプロンプトやデータの中身を出力しない。
AISIは、AIシステムが社会に与える具体的な脅威の状況を調査した「AIセーフティに関する具体的な影響の調査報告書」を公開した。調査は2025年10月に実施され、委託事業者はNRIセキュアテクノロジーズ株式会社である。AISIは今後の活動を検討するうえで、AIセーフティを取り巻く社会状況の調査が重要だったとしている。
Mistral AIは、企業がAIを本番運用するためのプラットフォーム「Mistral AI Studio」を発表した。Observability、Agent Runtime、AI Registryの3本柱で構成され、プライベートベータの申し込みを受け付けている。ハイブリッド、専用、セルフホストのデプロイに対応する。
選定理由：プロトタイプから本番運用へ進めない要因を整理し、観測、実行基盤、資産管理の三本柱で解く構成が具体的に示されている。
ELYZAは自社LLMプロダクト「ELYZA Works」の開発で、WebサービスとLLM領域をMQ（メッセージキュー）で分離する構成を採用している。Web側はTypeScript、LLM側はPythonを用い、それぞれ得意な技術で開発する体制を取っている。開発では要件定義、UI/UXデザイン（Figma）、Design Docによる設計、AIコーディング（主にClaude Code）を経てリリースしており、1機能の開発期間は約2週間を目安としている。
ELYZAの中村氏が、npmで公開されたオープンソースのAI駆動タスク管理ツール「Task Master」をClaude Codeと連携させて試した。PRDからAIがタスクとサブタスクを自動生成し、タスクはtasks.jsonで管理される。Claude CodeからMCPツール経由で次のタスクを取得して着手でき、Notionへの一方向エクスポート用スラッシュコマンドも自作している。
ELYZAが、LLM Agentを実サービスに搭載する際の開発上の課題と工夫を紹介している。プロトタイプはGoogle ADKで作成し、データ分析タスクに特化したエージェントを検討した。入力のトークン消費が大きく、1M tokensあたりClaude-4-Sonnetで$6、Gemini-2.5-proで$2.5とコストが高いこと、また不特定多数のユーザによる並列実行を想定したサンドボックスの整備が必要なことが課題として挙げられている。
LayerXは2025年10月1日付で、福島広造を上級執行役員 COO 兼 バクラク事業CEOに選任し、経営体制を変更した。あわせて、査定結果に応じて月額給与の最大6ヶ月分を支給する新賞与制度を導入し、報酬原資を最大10％程度拡充したと発表した。福島はBCGで企業変革を担当し、ラクスルで取締役COOを務めた経歴を持つ。
ELYZAの開発チームは、Lint/Formatによる規約の強制、API Schemaからのコード生成、PRごとの開発環境などの既存の自動化を、Claude Codeを使ったAIコーディングと組み合わせて活用している。2025年度はPRマージ数を前年同期比1.8倍とする目標を掲げ、7～9月期は約1.6倍で推移している。サービス層のテストカバレッジは70～95%とし、毎週金曜日を借金返済の日として開発工数の20%を充てている。
ELYZAは、自社初のプロダクトとして法人向け生成AI活用ツール「ELYZA Works」をリリースした。やりたいことを入力するだけで自社専用の業務AIアプリを作成でき、RAG機能にも対応する。作成したアプリはチーム単位で共有でき、API連携により外部システムから呼び出すことも可能である。
SB Intuitionsの研究チームが、英語のWildGuardTestを日本語化したガードレール評価ベンチマーク「WildGuardTestJP」を開発したと発表した。有害コンテンツ翻訳に特化した多段階の手法を用い、1,725件のデータを公開している。さらに、このデータセットで学習した日本語ガードレールモデル「sarashina-wildguard-7B」も開発した。