本日の主線は、モデル研究所の新たな技術モデル、クラウド事業者が第 8 世代アクセラレータ構成を広げたこと、巧緻な操作に向けたロボット基盤モデル、エージェント実行向けの軽量モデル、そして企業の調達経路の変化にある。Anthropic は 11 月 9 日、同一の基盤モデルである Claude Fable 5.2 と Claude Mythos 5.2 を発表し、コーディング、推論、視覚が向上し、出力速度は 5.1 より最大約 30% 速く、価格も前世代より低いとした。Google は同日、Amin Vahdat が TPU 8tx と TPU 8i Max を発表し、第 8 世代 TPU を 1 年で 4 システムに拡大した。NVIDIA はロボット学習会議 CoRL で、Cosmos 上に構築した開放的な最前線の世界行動モデル GR00T 2 を公開し、Isaac Lab 3.0 などのシミュレーションと評価ツールにも触れた。Meta は最小かつ最も効率的な Muse モデル Muse Ember を投入し、ツール呼び出し、コーディング補助課題、ルーティング、抽出、長文解析向けだとした。OpenAI は ChatGPT Enterprise を AWS Marketplace に掲載し、既存の AWS の購入・請求関係でこの製品を購入・管理できるようにした。

1. Anthropic が Claude Fable 5.2 と Claude Mythos 5.2 を発表

2026 年 11 月 9 日、Anthropic は Claude Fable 5.2 と Claude Mythos 5.2 を発表し、最も困難な技術課題に取り組むために設計されたモデルだと述べた。同社は、両者が同一の基盤モデルだと書いた。Fable は強力なサイバーセキュリティおよび生物学の安全策を備えるため、すべての利用者に提供できる。サイバーセキュリティや生物医学研究で有益な用途を追求する組織は、最近拡大された生命科学検証プログラムとサイバー検証プログラムを通じて Mythos を申請できる。

Anthropic によれば、Fable 5.2 と Mythos 5.2 はコーディング、推論、視覚などで改善を示し、出力の生成速度は Claude Fable 5.1 と Claude Mythos 5.1 より最大約 30% 速く、価格も低い。入力 100 万トークンあたり 8 ドル、出力 100 万トークンあたり 40 ドルである。任意の高速モードはトークン生成を最大約 2.5 倍にし、入力 100 万トークンあたり 16 ドル、出力 100 万トークンあたり 80 ドルで提供される。

事前公開試験で Anthropic が能力の例として挙げたのは、技術者がそれまで進めるのが難しかったソフトウェア移行を完了したこと、モデルがゼロから動作する電子機器 3 点を設計したこと、ブラックホール物理学の未解決問題 2 件を解いたこと、ロボティクス評価で顕著な進展を示したこと、約 1000 の Fable 5.2 エージェントが人の介入を最小限にして 30 時間でフェルマーの最終定理の証明を形式化したことである。同一の設定で、Opus 5.5 は 18 時間時点で形式化の約 26% を完了した。

Anthropic が公表したベンチマーク（特記のない限り安全策を有効にした結果）には、Xhigh の努力水準における FrontierCode 2.0 の 49.1%（同社が試した公開済みモデルのうち最高だとした）、FrontierSWE v2 の 69.9%、AutomationBench の 51.4%、Terminal-Bench-Science 0.1 における Fable の 74.6% と Mythos の 75.3%、CyScenarioBench における Mythos の 76.3%、CVE Rediscovery における Mythos の 89.6%、OSWorld 2.1（部分得点）の 89.3%、RoboDojo Sim の 64.9%、ツール付き Humanity’s Last Exam の 74.2%、High の努力水準における Remote Labor Index の 41.3% が含まれる。

Anthropic は、ほとんどのコーディングと知識作業では日常の主力として Claude Opus 5.5 から始め、課題の範囲と複雑さに応じて Fable または Mythos へ上げるか、Claude Sonnet 5.5 または Claude Haiku 5.5 へ下げるよう勧めた。Fable 5.2 は、より小さなモデルが難しい問題の相談相手とする Advisor にも、より簡単な課題をより小さなモデルに委譲する Orchestrator にもなり得る。

安全面では、同社は蒸留攻撃に対する史上最も強い防護を実装し、蒸留者が収集するデータを 90% から 99% 減らしたとし、preserved thinking（思考の保持）はすべてのアカウントに適用されると述べた。訓練中、同社は人工知能開発を最も直接加速し得る研究能力、すなわちアクセラレータカーネルの最適化と大規模言語モデルのアーキテクチャ改善を、およそ Opus 5.5 の水準に意図的に抑えつつ、エージェント的コーディング、ハードウェア開発、解釈可能性研究などの関連能力は維持した。Enterprise Frontier Safeguards は Bridgewater、Salesforce、Stripe を含む顧客との非公開ベータにある。

Claude Fable 5.2 は本日、Amazon Web Services、Google Cloud、Microsoft Azure を含むプラットフォームで利用でき、モデル ID は claude-fable-5-2 である。Mythos は検証プログラム経由で提供され、企業顧客は Mythos 5.2 を含む能力を Claude Security でも利用できる。

ポイント： Anthropic は同一の基盤モデルを、一般向けの Fable と検証済み組織向けの Mythos に分け、より低い価格とより速い出力で最も難しい技術作業を引き受ける一方、人工知能自身の研究開発を加速し得る能力はおよそ Opus 5.5 水準に抑え、日常の主力はなお Opus 5.5 に残している。

2. Google が TPU 8tx と TPU 8i Max を投入し、第 8 世代を 1 年で 4 システムに拡大

2026 年 11 月 9 日、Google の人工知能とインフラ担当シニアバイスプレジデント兼チーフテクノロジストである Amin Vahdat は公式ブログで、TPU 8tx と TPU 8i Max を投入し、第 8 世代 TPU 構成を 1 年で 4 システムに広げたと書いた。大規模訓練向けの 8t、リアルタイム推論向けの 8i、機密かつ安全な推論と小規模訓練向けの新しい 8tx、そして巨大なコンテキストと、ラック当たりの計算密度が最高だと同社が称する 8i Max である。Vahdat は、TPU の外部顧客が最先端研究所、取引会社、小売業者、大学などを含め、すでに約 100 社あると書いた。The Verge も同日、2 つの新システムの位置づけを報じた。ブログは同日太平洋時間午前 9 時の放送にも言及した。

TPU 8tx について Google は、ハードウェア層に機密計算を組み込み、使用中も機微なデータとモデル重みを保護し隔離すると述べた。8t と同じシリコンを用い、第 5 世代 AMD EPYC ホストと組み合わせ、リアルタイム推論向けに作られた Boardfly ネットワークを採用して、遅延は 8t より最大約 2 倍低く、性能低下はほぼゼロだとした。同社は、機微なデータを別クラスタへ移さずに、単一システム上で非公開データを用いた微調整、大規模モデルの蒸留、強化学習によるエージェント訓練ができると述べた。

TPU 8i Max について Google は、低遅延の TPU 8i チップ 2 基を 1 つのパッケージにまとめ、計算、SRAM、高帯域メモリ（HBM）の帯域をいずれも 8i の 2 倍にし、既存のラック占有面積と消費電力のもとでより高い計算密度を提供し、巨大なコンテキスト窓がメモリ帯域の壁で停滞するのを防ぐとした。

ソフトウェア面では、Google は TorchTPU をオープンソース化し、PyTorch のコードと Hugging Face のモデルが TPU 上でネイティブに動くようにしたとし、TPU エージェントスイートはプレビュー段階にあり、XLA Serving Engine と Agent Compute Engine を導入し、TPU クラスタのモデル状態層とされる TPU Sync をオープンソース化している。Cloud Pathways は Google Kubernetes Engine で一般提供になり、GKE 動的スライシングも一般提供になった。

ポイント： Google は次世代シリコンの製造を待たず、同じ第 8 世代のチップから、封装、ネットワーク、安全保障の構成によって 2 つの新システムを切り出した。一方は機密計算を推論と小規模訓練に組み込み、他方は 2 チップ封装で長いコンテキストとラック密度を追う。

3. NVIDIA が CoRL で Cosmos 上の開放的な世界行動モデル GR00T 2 を公開

2026 年 11 月 9 日、NVIDIA はテキサス州オースティンで開かれたロボット学習会議（CoRL）で GR00T 2 を発表した。同社ブログは、NVIDIA Cosmos 上に構築された開放的な最前線の世界行動モデルであり、未来の映像とロボット動作を同時に予測すると述べた。研究ページによれば、多様なロボットデータと人間データで訓練され、事前学習の混合データには一人称の人間映像 402,730 時間、2,897 課題にわたる手持ちグリッパの実演 10,184 時間、ロボット遠隔操作 23,500 時間が含まれ、そのうち 10 万時間のオープンソースの一人称人間データは Human-1M-100K として公開されている。

NVIDIA が挙げた指標には、課題固有の実演なしに評価 50 課題のうち 40 課題を少なくとも 1 回完了したこと、平均成功率が課題あたり実演 1 回で 71%、5 回で 95% に上がることが含まれる。研究ページはまた、ゼロショット条件での平均成功率が 40% であり、エージェントがアプリケーションプログラミングインタフェース経由でスキルを連続実行し、誤りから回復できるとも書いた。95% という数字をめぐり、報道が NVIDIA の研究資料を引用して伝えたところでは、これらの評価課題は、モデルが 5 回のエピソードで成功率 80% 以上を学べる課題から選ばれており、したがってこの平均値はその選別条件とあわせて読むべきである。

試験中のパートナーには、洗濯処理に用いる Nexuni、サーバー製造の工場自動化に用いる Foxconn、産業用途で評価する Siemens が含まれる。

NVIDIA は同時に、Newton バックエンドを備えた Isaac Lab 3.0 を公開し、変形可能な物体などより繊細な物理シミュレーションを可能にした。同社によれば、視覚に基づく巧緻操作のベンチマークで、Isaac Lab 3.0 と Newton の訓練スループットは PhysX を用いた Isaac Lab 2.3 の最大約 2.5 倍になった。AlphaNIST は単一の方針で NIST 組み立て課題板上の 20 課題すべてを学び、訓練成功率は 98% を超え、課題ごとの別方針は約 81%、使用した GPU 時間はおよそ 39 分の 1 だった。同社は DexBench と VABAR などの産業評価、およびカリフォルニア大学バークレー校と共同のエージェント的ロボティクス枠組み Graph-as-Policy（GaP）も紹介した。

ポイント： NVIDIA は「次に見える光景を理解すること」と「どう動くかを決めること」を一つの開放モデルに書き込み、大量の一人称人間映像でロボット実演の不足を補った。同時に高い少数ショット成功率を示しつつ、それらの課題が選別されているという注釈も残している。

4. Meta がエージェント実行向けの軽量モデル Muse Ember を投入

2026 年 11 月 9 日、Meta は Muse Ember を発表し、最小かつ最も効率的な Muse モデルであり、複雑な推論の実行と、エージェントが一日中繰り返す作業、すなわちツール呼び出し、コーディング補助課題、ルーティング、抽出、長文解析向けだと述べた。同社は、任意の推論設定で Muse Ember の「1 ドルあたりの知能」が Claude Haiku 5.5 や GPT-6 Luna を上回り、Artificial Analysis のランキングにおける効率フロンティア上にあると主張した。TechCrunch も同日この発表を報じ、Ember がより大きな Muse Wonder とエージェント枠組みの中で組み合わせるよう設計されていると指摘した。

200K トークン以下のプロンプトでは、入力は 100 万トークンあたり 0.10 ドル、キャッシュ入力は 0.004 ドル、出力は 100 万トークンあたり 0.50 ドルである。より長いプロンプトはそれぞれ 0.30、0.012、1.50 ドルとなる。モデルは 100 万トークンのコンテキスト窓を持ち、出力は最大 512K トークン、テキスト、画像、音声、動画をネイティブに扱う。API の識別子は muse-ember-1.0 で、Muse Code と Meta Model API のほか、Google Cloud と Oracle Cloud でも利用できる。

Meta が最高の推論設定で挙げた成績には、AutomationBench-AA の 37.8（Haiku は 13.9、Luna は 20.2）、Agents’ Last Exam の 61.6、Terminal-Bench 4.0 の 40.9、Coding Agent Index-AA の 46、OSWorld 2.1 の部分得点 69.5、Artificial Analysis Index の 36 が含まれる。同社は、Artificial Analysis の 1 課題あたりのコストが約 0.14 ドルで、Muse Spark 1.3 の約 2.39 ドルと比べられるとした。

位置づけとして Meta は、「Muse Wonder が計画し、Muse Ember が量を処理する」と書いた。Ember は Muse Wonder Full を用いて訓練された最初のモデルであり、Meta Superintelligence Scaling Framework の評価では高リスク閾値を下回ったとした。Box、Cline、Cloudflare などのパートナーは、企業コンテンツ、サブエージェントのコーディング、高スループットの負荷に関する初期試験で前向きな評価を寄せ、Cloudflare は末尾遅延が比較対象としたモデルより最大約 30% 速かったと述べた。

ポイント： Meta は Ember に最強の旗艦モデルを置き換えさせようとしてはいない。Wonder が計画し Ember が量を実行するという役割分担に置き、争点を最高得点ではなく、1 ドルあたりの知能と 1 課題あたりのコストに移している。

5. OpenAI が ChatGPT Enterprise を AWS Marketplace に掲載

2026 年 11 月 9 日、OpenAI は ChatGPT Enterprise が AWS Marketplace で利用可能になったと発表した。同社は、組織が既存の AWS の購入・請求関係を使って ChatGPT Enterprise を発見、購入、管理でき、対象となる支出を AWS のコミットメントに算入できる、より簡便な手段を提供すると書いた。提供内容には ChatGPT、ChatGPT Work、Codex、dots が含まれ、掲載情報によれば価格は非公開の見積もりによって決まる。

OpenAI は、AWS Marketplace 経由で購入する顧客は、OpenAI から直接購入する場合と同じモデル、機能、特性を得られ、新機能も同時に公開されると述べた。これらの製品は、すでに Amazon Bedrock で利用できる OpenAI モデルを補完するものとして位置づけられている。開発者は Bedrock 上で応用とエージェントを構築し、業務チームは日常業務で ChatGPT Enterprise を使う。対象となる顧客は、AWS Marketplace 経由で ChatGPT for Healthcare と ChatGPT for Financial Services にもアクセスできる。

ポイント： これはモデルの発表というより、調達経路を開く動きである。企業向け ChatGPT を、顧客がすでに支払っているクラウドコミットメントの請求に載せ、公開価格表を出すのではなく、購入上の摩擦を下げている。

---

今日の一行： Anthropic は同一の基盤モデルである Claude Fable 5.2 と Mythos 5.2 を発表し、前者はすべての利用者向け、後者は検証が必要だとし、出力は 5.1 より速く価格はより低いと述べた。Google は機密推論向けの TPU 8tx と巨大コンテキスト向けの TPU 8i Max を投入し、NVIDIA は CoRL で世界行動モデル GR00T 2 と Isaac Lab 3.0 を公開し、Meta はエージェント実行向けの軽量モデル Muse Ember を投入し、OpenAI は ChatGPT Enterprise を AWS Marketplace に掲載して、対象支出を既存のクラウドコミットメントに算入できるようにした。