AI

概要 IBMは2026年4月15日、AIエージェントを悪用した次世代サイバー攻撃に対抗するための新たなセキュリティ対策を発表した。攻撃者がフロンティアAIモデルを武器として活用することで、攻撃ライフサイクル全体が加速し、高度な攻撃を実行するためのコスト・時間・専門知識の障壁が大幅に低下している。IBM Consultingのサイバーセキュリティサービス担当グローバル・マネージング・パートナーであるMark Hughes氏は「フロンティアモデルは、迅速かつ体系的でますます自律化する新たなカテゴリーのエンタープライズ脅威を生み出している」と述べており、従来の断片的なセキュリティツールや手動プロセスではマシンスピードの脅威に対応できないとの認識を示している。 新たなセキュリティ対策の詳細 IBMが発表した対策は主に2つの柱で構成される。 フロンティアモデル脅威に対するエンタープライズ向けサイバーセキュリティ評価は、IBM Consultingおよびテクノロジーパートナーが提供する新たな評価ツールだ。組織のセキュリティギャップ、ポリシーの弱点、AI固有の露出リスク、攻撃経路を可視化し、優先度付けされた緩和策と暫定的な保護手段の指針を提供する。AIが可能にする脅威に対する準備態勢を体系的に評価することで、企業が自社のリスクエクスポージャーを正確に把握できるよう支援する。 IBM自律型セキュリティサービスは、マルチエージェントによってマシンスピードで稼働するサービスであり、組織のセキュリティスタック全体にわたってAIエージェントを連携させる。ソフトウェアの脆弱性分析、攻撃経路の把握、セキュリティポリシーの適用、異常検知、そして最小限の人間の介入による脅威の封じ込めといった機能を備える。IT・OT・業務プロセス全体にわたるAIシステムと連携し、アイデンティティ・リスク・ガバナンス機能を統合的に管理する。 背景と戦略的意義 AIを攻撃側に活用する動きが加速する中、IBMはAIを防御側にも積極的に活用することが不可欠だという姿勢を明確にしている。フロンティアモデルによって攻撃が自律化・高速化される一方で、従来の人手を中心とした防御体制では対応速度に限界がある。IBMが提唱するのは「AIによる攻撃にはAIによる防御で対抗する」というアプローチであり、自律型マルチエージェントシステムを活用することで、企業のセキュリティ運用をマシンスピードへと引き上げることを目指している。エンタープライズ向けセキュリティにおいてAIエージェントの活用が本格的な局面を迎えていることを示す発表といえる。

概要 OpenAIは2026年4月中旬、Agents SDKの大型アップデートを発表した。今回のアップデートの柱となるのは、AIエージェントが安全に動作できる「サンドボックス実行環境」と、長期タスクを支える「モデルネイティブなハーネス」アーキテクチャの導入だ。エンタープライズ向けに設計されたこの強化は、金融・医療・法律など信頼性や安全性が求められる業界でのAIエージェント活用を後押しする。アップデートはPython向けにAPI経由でGA（一般提供）となっており、TypeScriptサポートは今後提供される予定だ。 サンドボックス実行環境 新たに導入されたサンドボックス機能は、AIエージェントが生成・実行するコードを隔離された環境内に閉じ込める仕組みだ。エージェントが指定されたファイルやツール、依存関係にのみアクセスでき、ホストシステム全体への影響を防ぐ。開発者はBlaxel、Cloudflare、Daytona、E2B、Modal、Runloop、Vercelといった複数のサンドボックスプロバイダーから選択できるほか、独自のサンドボックス実装を持ち込むことも可能だ。 セキュリティ面では、制御ハーネス層とコンピュート層を明確に分離するアーキテクチャが採用された。これにより、モデルが生成したコードが実行される環境にAPIキーなどのクレデンシャルが露出することを防ぎ、プロンプトインジェクションやデータ漏洩のリスクを低減する。また、複数サンドボックスを並列起動してタスクを分散処理することも可能だ。 ハーネスアーキテクチャと耐障害性 モデルネイティブなハーネスは、エージェントがコンピュータ上でファイルの検査、コマンド実行、コード編集を行うための統合基盤を提供する。具体的には、MCPを通じたツール連携、スキルによる段階的な機能開示、AGENTS.mdによるカスタム指示の定義、shellツールによるコード実行、apply_patchツールによるファイル編集など、標準化されたプリミティブが組み込まれている。Codexに類似したファイルシステムツールも含まれており、設定可能なメモリとサンドボックス対応のオーケストレーション機能を備える。 長時間タスクの耐障害性も大幅に向上した。エージェントの状態を外部化して定期的にスナップショットを取得し、サンドボックスコンテナが失敗した際にも新しいコンテナで最後のチェックポイントから処理を再開できる。高コストな処理を最初からやり直す必要がなくなるため、本番環境での長期タスク実行が現実的になった。 ワークスペース管理とマルチLLM対応 ワークスペース管理には新しいManifest抽象化が導入され、エージェントが動作する環境をコードで定義できるようになった。ローカルファイルのマウントや出力ディレクトリの指定のほか、AWS S3、Google Cloud Storage、Azure Blob Storage、Cloudflare R2といった主要クラウドストレージとの連携もサポートする。また、OpenAI製以外のLLMも100以上サポートし、既存のワークフローへの統合が容易になっている。 エンタープライズ導入事例としては、LexisNexisのMin Chen最高AI責任者が「ビルトインのセーフガードと安全な隔離環境を持つ統一フレームワークにより、複雑な法律文書の起草やワークフローが実現できた」とコメント。医療保険会社Oscar HealthのRachael Burns氏も「以前のアプローチでは十分な信頼性が得られなかった重要な臨床記録ワークフローの自動化が本番運用可能になった」と評価している。今後はTypeScriptサポート、コードモード、サブエージェント機能の追加が予定されており、エンタープライズAIエージェント開発の中核プラットフォームとして機能拡充が続く見込みだ。

概要 Googleは2025年12月、AIエージェントおよびマルチエージェントシステムを構築するためのオープンソースフレームワーク「Agent Development Kit（ADK）」のTypeScript版を正式公開した。ADKはもともとPython・Java・Go版が提供されていたが、今回のTypeScript対応により、フロントエンドからバックエンドまで幅広く利用されているJavaScript/TypeScriptエコシステムの開発者もAIエージェント開発に参入しやすくなった。 ADKが掲げるのは「コードファースト」のアプローチだ。エージェントのロジック・ツール・オーケストレーションをTypeScriptで直接定義できるため、複雑なプロンプトエンジニアリングをAgents・Instructions・Toolsといったモジュラーでテスト可能なコンポーネントに置き換えることができる。数行のコードで強力なエージェントを定義できる点が特徴とされており、既存のソフトウェア開発プラクティスをAI開発に自然に持ち込める設計となっている。 技術的な詳細 ADK TypeScript版の主な特徴は以下の通りだ。 エンドツーエンドの型安全性: TypeScriptの静的型付けを活かし、エージェント定義からツール呼び出しまで型チェックが効く設計 TypeScript/JavaScriptエコシステムとの統合: npmパッケージとして提供され、既存プロジェクトへの導入が容易 モジュラー設計: エージェントやツールを独立したコンポーネントとして定義し、再利用・テストがしやすい構造 デプロイメント非依存: ローカル環境・コンテナ・サーバーレスなど様々な実行環境に対応 対応モデルはGemini 2.5 Flash、Gemini 3 Pro、Gemini 3 Flashをサポートするほか、モデルに依存しない設計のため他社AIモデルとの互換性も維持されている。また、データベースアクセスを容易にする「MCP Toolbox for Databases」とのネイティブ統合も提供され、エンタープライズ用途への適用範囲が広がっている。 背景と意義 ADKはGoogleが進めるAI開発の民主化戦略の一環であり、従来のソフトウェア開発プラクティスとAIエージェント開発の融合を目指している。Python版ADKは先行して公開されており、Googleのエコシステム内外で採用が広がっていた。TypeScript版の追加によって、Web開発者を中心とした大規模なコミュニティがマルチエージェントシステム構築に参入できる基盤が整ったことになる。開発者はGitHubリポジトリ・公式ドキュメント・サンプルコードを通じて即座に利用を開始できる。

概要 Microsoftは2026年4月、ノルウェー北極圏の都市Narvikにあるクラウドプロバイダー・Nscaleのデータセンターキャンパスで、Nvidia Vera Rubin GPUを3万基以上追加展開する契約を締結した。このサイトはもともとOpenAIの「Stargate Norway」プロジェクトとして発表されていたもので、OpenAIが契約締結に至らなかった後、Microsoftが引き継いだ形となる。今回の合意は、同サイトに対してMicrosoftがすでに行っていた62億ドル規模のコミットメントをさらに拡大するものだ。 OpenAIの撤退経緯 OpenAIは昨年、NarvikのNscaleキャンパスをStargate構想の欧州拠点として「Stargate Norway」と銘打ち公表していた。しかし、エネルギーコストや規制コストの高さを理由に英国のStargateプロジェクトを一時停止するなど、欧州でのインフラ展開に慎重姿勢を強めていた。結果としてNscaleとの直接契約は成立せず、OpenAIは独自に容量を確保する代わりにMicrosoftのAzureを通じて同サイトへのアクセスを確保する形に変更した。IPOに向けた支出精査の強化も、OpenAIがサーバーファームコストに対して慎重な姿勢をとる背景にある。 技術・インフラの詳細 Narvikキャンパスにはすでに230MWの電力容量が確保されており、電力は再生可能エネルギーから供給される。今回追加展開されるNvidia Vera Rubin GPUは次世代のAI推論・学習向けアクセラレーターであり、MicrosoftはこのGPUを英国やノルウェーをはじめとする複数拠点に順次展開している。Nscaleはデータセンターを設計・運営するネオクラウドプロバイダーであり、ノルウェーの投資会社Aker ASAも出資に参画している。 Stargateサイトの相次ぐ吸収とAI戦略 Microsoftが元Stargateサイトを引き継ぐのは、直近3週間で2件目となる。最初のケースはテキサス州のサイトであり、今回のノルウェーがそれに続く。OpenAIは2026年の支出削減方針のもと欧州でのインフラ展開を縮小している一方、MicrosoftはAI・クラウドサービスへの爆発的な需要増に対応すべくデータセンター整備を積極的に進めている。Microsoftは今後もNarvikキャンパスを含む大規模AI推論インフラへの投資を継続するとみられており、欧州における同社のAI基盤強化が加速している。

概要 Anthropicは2026年4月16日、最新の大規模言語モデル「Claude Opus 4.7」を正式に一般公開した。前世代のOpus 4.6から複数の領域で大幅な性能向上を実現しており、特に高度なソフトウェアエンジニアリングタスクでの能力が際立っている。価格はOpus 4.6と同じ体系（入力トークン100万件あたり5ドル、出力トークン100万件あたり25ドル）を維持し、Claude製品全体およびAPI（モデルID: claude-opus-4-7）での利用が可能だ。Amazon Bedrock、Google Cloud Vertex AI、Microsoft Foundryを通じたクラウド利用にも対応している。 コーディング能力と指示遵守の強化 Opus 4.7の最も顕著な改善点はコーディング性能だ。GitHubの社内ベンチマーク（93タスクのコーディングテスト）ではOpus 4.6比で13%の向上が確認されており、ユーザーからは、以前は厳密な監督が必要だった最も難しいコーディング作業をOpus 4.7に自信を持って任せられるようになったとの声が報告されている。複雑な長期実行タスクへの対処や、指示への正確な準拠も強化されており、従来モデルが曖昧に解釈していた細部の指示もOpus 4.7では忠実に実行される。 また、新たな努力（effort）レベルとして「xhigh」が追加された。これにより推論精度とレイテンシのバランスをより細かく制御できるようになった。なお、Claude Codeではデフォルトの努力レベルが「xhigh」に設定されている。 高解像度ビジョンと技術仕様の更新 ビジョン機能も大幅に強化された。対応画像の解像度が最大で長辺2,576ピクセル（約375万画素、3.75メガピクセル）まで拡張され、これは従来モデルの3倍以上に相当する。細部が重要な技術図面、化学構造式、スクリーンショット分析などのユースケースで恩恵が期待される。 トークナイザーも更新されており、テキスト処理の精度が向上した。ただし、同じ入力でも従来モデルより1.0〜1.35倍多くのトークンが必要になる場合があるため、既存のAPIユーザーは使用量の変動に注意が必要だ。セキュリティ面では、サイバーセキュリティ分野の禁止・高リスク利用を自動検出してブロックするセーフガードが導入され、正当なセキュリティ研究者向けにはサイバー検証プログラムも用意されている。 今後の展望 CNBCの報道によると、Anthropicは「Mythos」と呼ばれるさらに高性能なモデルも開発しているが、サイバーセキュリティ上の懸念から現時点ではその一般公開を見合わせ、限定的なアクセスに留めている。今回はリスクの低いClaude Opus 4.7を一般向けに公開し、ここで得られたセーフガードの知見をもとに将来的にMythos級モデルの広範な公開を目指すとしている。Anthropicが慎重かつ段階的なリリース戦略を続けていることがうかがえ、業界全体のAI安全性への意識の高まりとも軌を一にしている。

概要 Linux FoundationのAgentic AI Foundation（AAIF）が主催するMCP Dev Summit North America 2026が、4月2〜3日にニューヨークのMarriott Marquisで開催された。約1,200名の参加者を集めた本サミットは、MCPが実験的プロトコルからプロダクションレディな技術へと移行していることを示す節目となった。Amazon、Uber、Docker、Kong、Solo.ioなど主要エンタープライズ各社が登壇し、実運用での知見や今後の技術ロードマップが共有された。 2026年技術ロードマップ トランスポート層では、AnthropicのDavid Soria Parraが提案するSEP-1442を通じて、ステートフルなセッションからステートレスなリクエストへの大規模な設計変更が予定されている。これはスケーラビリティと相互運用性の向上を目的としている。 エンタープライズ各社のセッションで際立ったのは、中央ゲートウェイ＋レジストリアーキテクチャへの収束だ。ゲートウェイはすべてのエージェントインタラクションのコントロールプレーンとして機能し、認証・認可・ガバナンスを一元管理する構成が共通パターンとして浮かび上がった。Uberは独自のMCP Gatewayを構築しており、社内のThrift、Protobuf、HTTPエンドポイントを自動公開しながら、PII（個人情報）の除去や内部識別子のスクラブも同時に実施している。同社のGo製GenAIゲートウェイは週に数万件のエージェント実行を処理している。 新プリミティブとエコシステムの拡張 2026年1月26日にリリースされたMCP Appsは、サーバーがサンドボックス化されたiframe内でインタラクティブなUIを提供できる仕組みで、双方向のJSON-RPCによる通信を実現する。Claude、ChatGPT、VS Code、Postmanがすでに採用しており、急速に普及しつつある。 実験的な**Tasks Primitive（SEP-1686）**は、サーバーがバックグラウンド処理に対して即座にハンドルを返し、リトライセマンティクスを持つ非同期ワークフローを可能にする。また、コミュニティ主導のワーキンググループがWebhook形式のMCPプッシュ通知（Triggers and Events）の策定を進めており、プロアクティブなデータ更新が可能になる見込みだ。 コンテキストウィンドウの効率化という観点では、Claude Codeがプログレッシブなツール探索を実装し、コンテキスト割り当ての10%を超えるツールを遅延ロードすることでトークン使用量を約85%削減したことが報告された。 組織的な成長と今後の展望 AAIFは2025年12月に設立され、すでに100社以上のメンバーを擁する。MCP本体のほか、BlockのGooseやOpenAIのAGENTS.mdなどの主要プロジェクトをホストしている。また、4月2日にはx402 Foundationが新たに立ち上げられた。 サミット全体を通じて、MCPが単なる実験的APIから、エンタープライズが実際にビジネスクリティカルな処理に使う基盤プロトコルへと成熟してきた様子が鮮明に示された。今後は標準化の加速と、より広範なオブザーバビリティ・セキュリティ機能の整備が優先課題となる。

概要 OpenAIは2026年4月16日、生命科学研究に特化したAIモデル「GPT-Rosalind」を発表した。モデル名はDNAの二重らせん構造の解明に貢献した20世紀の英国人化学者ロザリンド・フランクリンにちなんで命名されている。GPT-Rosalindは生化学・ゲノミクス・タンパク質工学・創薬・トランスレーショナルメディシンといった分野に最適化されており、OpenAIにとって初めての生命科学専用モデルとなる。現在は米国の認定エンタープライズ顧客向けに研究プレビューとして提供が開始されており、Amgen・Moderna・Allen Institute・Thermo Fisher Scientificなどの大手製薬・バイオテク企業や研究機関が初期ユーザーとして参加している。 主な機能と研究支援能力 GPT-Rosalindは、科学者が従来数年単位の専門的な知識の統合を要していた作業を支援することを目的としている。具体的には、文献エビデンスの統合（Evidence Synthesis）、生物学的仮説の生成、実験計画の立案、マルチステップの研究タスクを実行できる。さらに科学データベースへのクエリ、最新の学術論文の参照、新規実験の提案といった機能も備えており、研究の初期フェーズを大幅に加速することが期待されている。 モデルへのアクセスはChatGPT・Codex・APIを通じて提供され、Codex向けには50以上の科学ツールおよびデータソースと連携する「Life Sciences研究プラグイン」がGitHub上で無償公開されている。このプラグインにより、研究者は既存のツール群をそのまま活用しながらGPT-Rosalindの能力を組み合わせることができる。 ベンチマーク性能 GPT-Rosalindは文献取得やプロトコル設計などの研究タスクを評価するベンチマーク「LABBench2」において、GPT-5.4を11タスク中6タスクで上回る性能を示した。Dyno Therapeuticsとの共同評価では、予測タスクにおいて10回の提出のうち最良の結果が人間の専門家の95パーセンタイルを上回り、配列生成タスクでも84パーセンタイルに達した。 エコシステムとセキュリティ OpenAIはGPT-Rosalindを広範なオープンソースリリースではなく「Trusted Access」プログラムの形で限定展開し、エンタープライズグレードのセキュリティコントロールとアクセス管理を提供している。これにより、厳しい規制環境下に置かれる製薬企業や研究機関が求めるデータガバナンス要件を満たすとしている。GPT-Rosalindはモデル単体の提供にとどまらず、科学者が日常的に使用するツールとシームレスに統合できるエコシステムの構築を目指しており、Google DeepMindなどが推進する生命科学AI分野での競争が一層激化している。

Claude Mythos Previewとは Anthropicは「Claude Mythos Preview」と名付けた新世代の汎用フロンティアモデルを開発した。このモデルはサイバーセキュリティ分野で突出した能力を持ち、主要なオペレーティングシステムやWebブラウザを横断して数千件ものゼロデイ脆弱性（未知のセキュリティ欠陥）を特定済みだという。英国のAIセキュリティ研究所によるテストでは、単一サイバータスクでは同世代のモデルと同等の性能を持ちながら、複数ステップをチェーンして完全な侵入シナリオへと組み立てる能力では他モデルを上回り、サイバーレンジ演習を端から端まで完走した初のモデルと評価されている。Anthropicはこの強力な能力を理由に、Mythosを一般向けには公開しないと判断している。 米政府への事前ブリーフィング Anthropicの共同創業者Jack Clarkは4月中旬に開かれたSemafor World Economy Summitで、同社がMythosのリリース前にトランプ政権高官に対してモデルの全能力——攻撃・防御双方のサイバー用途を含む——をブリーフィングしたことを認めた。報道によれば、JDバンス副大統領とスコット・ベッセント財務長官は主要テック企業のCEOと面会し、AI安全保障とサイバー攻撃への対応策を議論した。さらに別途、ベッセント財務長官とジェローム・パウエルFRB議長がJPモルガン・チェース、ゴールドマン・サックス、シティグループ、バンク・オブ・アメリカ、モルガン・スタンレーといった大手銀行のCEOを緊急招集し、Mythosのサイバーセキュリティリスクへの対応とモデルのテストを促したと伝えられている。 一方で、AnthropicはClaudeを連邦政府調達から排除しようとするトランプ政権を訴訟中でもあり、Clark氏はこの複雑な関係について「政府と訴訟を戦いながら、同時にブリーフィングを続けた理由」を説明したという。政府のCISA（サイバーセキュリティ・インフラセキュリティ庁）の予算削減が進む中、Mythosが提起するリスクへの対応能力が損なわれるとの懸念も広がっている。 Project Glasswingによる英国金融機関への展開 Anthropicはモデルの危険性を考慮して設けた管理下でのアクセスプログラム「Project Glasswing」を通じ、約40〜50の選定された機関にMythos Previewへの限定的なアクセスを提供している。4月16日にはAnthropicが英国の金融機関への提供を今後1週間以内に開始すると発表した。 英国では、イングランド銀行の「Cross Market Operational Resilience Group」が今後2週間以内に予定されている次回会合の議題にMythosを加え、主要銀行・保険会社・取引所の幹部に対してサイバーセキュリティ上の意味合いをブリーフィングする予定だ。英金融行動監視機構（FCA）、英財務省（HM Treasury）、国家サイバーセキュリティセンター（NCSC）も協調して対応にあたる。英国のAIセキュリティ研究所はすでにモデルを評価済みであり、その結果がブリーフィングの基礎資料となる見込みだ。 強力なサイバー能力を巡る課題 Mythosの登場は、強力なAIが金融システムや重要インフラへの攻撃に悪用されるリスクを改めて浮き彫りにしている。米英両国の政府・規制当局が足並みをそろえて金融機関への周知を急ぐ姿は、AIの能力曲線に対する従来の安全管理の枠組みが追いついていないことを示している。Anthropicが一般公開を見送りながらも政府と金融機関を巻き込んだ管理下での展開を選んだProject Glasswingのアプローチは、今後の高リスクAIモデルのリリース戦略における一つのモデルケースとなる可能性がある。

概要 NVIDIAは2026年4月14日、量子コンピューティング向けとしては世界初のオープンAIモデルファミリー「NVIDIA Ising」を発表した。量子コンピュータの実用化における主要な障壁である「キャリブレーション」と「量子エラー訂正（QEC）」の2領域をAIで解決することを目指したモデル群で、研究機関や企業が自社のハードウェアに合わせてカスタマイズできるオープンアーキテクチャで提供される。CEOのジェンセン・ファン氏は「AIは量子コンピューティングを実用化するために不可欠であり、AIが量子マシンの制御プレーンになる」と述べ、AIと量子の融合を同社の重要戦略と位置づけた。 2つのモデルの技術仕様 Isingファミリーは用途の異なる2種類のモデルで構成される。Ising Calibrationは350億パラメータのビジョン言語モデル（VLM）で、超伝導量子ビット・量子ドット・イオントラップなど複数の量子ビット方式から生成されたデータで学習されている。量子プロセッサのキャリブレーション作業を自動化し、従来は数日を要していた調整時間を数時間に短縮することが可能だ。Ising Decodingは量子エラー訂正デコーディング専用の3D畳み込みニューラルネットワーク（CNN）で、処理速度を優先した91万2,000パラメータの「Fast版」と、精度を優先した179万パラメータの「Accurate版」の2バリアントが用意されている。 性能ベンチマークと導入状況 Ising Decodingの性能評価では、量子エラー訂正の標準的なオープンソースデコーダ「PyMatching」と比較して最大2.5倍の高速化と3倍の精度向上を達成した。具体的にはd=13・p=0.003の条件でPyMatchingより2.25倍高速、論理エラー率で1.53倍の改善が確認されている。Ising Calibrationは独自の量子キャリブレーション評価指標「QCalEval」において既存の大規模言語モデルを上回る結果を示した。すでにAcademia Sinica、フェルミ国立加速器研究所、ハーバード大学、Infleqtion、IQM Quantum Computersといった学術機関や量子スタートアップが採用を表明している。 展開環境と今後の展望 モデルのデプロイには、TensorRT、CUDA-Q QEC、PyTorchベースのトレーニングフレームワークを組み合わせたレシピが提供される。NVIDIAのCUDA-Qプラットフォームおよび量子GPU相互接続技術「NVQLink」との統合も予定されており、量子GPUスーパーコンピュータへのスケーリングを見据えたロードマップが示されている。オープンアーキテクチャを採用しているため、各組織は固有のハードウェア特性に合わせてモデルをファインチューニングでき、独自データをオンサイトで管理できる点も研究機関にとってのメリットとなっている。量子コンピューティング市場は2030年に110億ドルを超えると予測されており、NVIDIAはAIとの融合によって同市場の主要プレイヤーとしての地位を確立しようとしている。

概要 NVIDIAは2026年1月5日（CES 2026）、ロボット向け新オープンAIモデルとして「Isaac GR00T N1.6」および「Cosmos Reason 2」を発表した。Isaac GR00T N1.6はヒューマノイドロボット向けに設計されたビジョン・言語・アクション（VLA）モデルであり、自然言語指示と視覚情報を統合してロボットの全身制御を実現する。両モデルはHugging Faceでオープンモデルとして公開されており、研究者や開発者が自由に利用・ファインチューニングできる。この発表はBoston Dynamics、LG Electronics、NEURA Roboticsなど世界の主要ロボットメーカーが次世代ロボットを披露するタイミングに合わせて行われた。 Isaac GR00T N1.6の技術的詳細 Isaac GR00T N1.6は、前世代モデルの2倍となる32層の拡散トランスフォーマーを搭載し、よりスムーズで安定したロボット動作を生成する。エゴセントリックカメラからの視覚ストリーム、ロボットの状態情報、自然言語指示を統合し、統一されたポリシー表現として処理することで、ヒューマノイドの歩行と物体操作を同時にこなす「全身制御（whole-body control）」が可能になった。 モデルはヒューマノイド、モバイルマニピュレーター、バイマニュアルアームを含む複数のロボットプラットフォームから収集した1万時間以上のロボット操作データで事前学習されており、異なるロボット機体への転用（クロス・エンボディメント）にも対応している。シミュレーション環境「Isaac Lab」での強化学習により生成された動作プリミティブと、Cosmos Reason 2Bによる視覚・言語理解を組み合わせることで、シミュレーションから実環境へのゼロショット転用も実証されている。Hugging Faceでは「nvidia/GR00T-N1.6-3B」として公開されており、Hugging FaceのLeRobotライブラリとも統合されている。 Cosmos Reason 2の機能と仕様 Cosmos Reason 2は物理AI向けの推論特化型ビジョン言語モデル（VLM）であり、2Bと8Bの2種類のパラメータサイズで提供される。最大入力トークン数は前世代の16Kから大幅に拡張され256Kとなり、長い動画やシーケンスの文脈理解が可能になった。空間認識能力も強化されており、2D・3Dの点ローカライゼーション、バウンディングボックス座標の抽出、軌跡データの解析、OCRによるテキスト認識に対応している。 Isaac GR00T N1.6において、Cosmos Reason 2B変種が「脳」として機能し、高レベルの指示をシーン理解に基づいた具体的な行動ステップに分解する役割を担う。また単独のモデルとしても幅広い用途に活用されており、Salesforceの職場安全分析ロボット、Uberの自動運転車訓練データのビデオキャプション（BLEUスコアを10.6%改善）、Hitachiの交通・安全監視システムなどへの採用事例が発表されている。 パートナーシップとエコシステムの拡大 今回の発表に合わせて、NVIDIAはロボティクス向けのハードウェアとツール群も拡充した。新型モジュール「Jetson T4000」は前世代比4倍の性能となる1,200 FP4 TFLOPSと64GBメモリを70ワットの消費電力で実現し、1,000ユニット規模の量産価格は1,999ドルに設定されている。加えて、ロボット評価向けオープンソースベンチマークフレームワーク「Isaac Lab-Arena」、開発ワークフロー向けクラウドオーケストレーション「OSMO」、世界モデル群「Cosmos Transfer 2.5 / Predict 2.5」も同時に発表された。 Hugging Faceのオープンソースヒューマノイドロボット「Reachy 2」はNVIDIA Jetson Thorロボティクスコンピュータと完全に相互運用可能となり、GR00T N1.6を含む任意のVLAモデルを実行できるようになる。NVIDIAはこの一連の動きを「ロボティクスのAndroid」を目指す戦略の一環と位置付けており、オープンなエコシステムの構築によって自律ロボットの産業利用を加速させる方針を示している。