株式会社ずんだもん技術室AI放送局 podcast 20261111
内容紹介
Gemini 4 Carbon is now available、Safely scaling multi-agent teams with Claude Fable 5.2、Our newest TPUs: 8tx and 8i Max, built for the agentic era、今日から職場体験で中学生が来てるけど ゲームとかする？→しないです アニメとか漫画は？→見ないです 好きなスポーツは？→特に… とかで暗い子やなーって絶望的な沈黙になったけど 趣味は？って聞いたらガンプラですってきて、どんなガンダムが好きか聞いたら→「アニメとか漫画は？って聞かれた時点でガンダムって答えないのがめっちゃ真のオタクって感じする」
出演者
youtube版(スライド付き)
関連リンク
Google DeepMindは、高度な推論能力と長期的なエージェント型ワークフローに特化した最新のフロンティアAIモデル「Gemini 4 Carbon」の一般提供を開始しました。Carbonは、複雑なマルチステップのコーディングやデバッグ、オープンエンドな科学的発見、高度なサイバーセキュリティ対策など、モデルの知性の限界を試すタスク向けに設計されています。すでに発表されている「Gemini 4 Argon」が通常のソフトウェアエンジニアリングや知識労働の大部分に適しているのに対し、Carbonはより多くのトークンを使用して深く推論し、拡張検証ループを実行します。
主な特徴として、高精度な知識労働、エージェント型コーディング、サイバーセキュリティ、科学的推論の各領域で優れたパフォーマンスを発揮します。開発者向けには、Google AI StudioのAPIやGoogle Antigravityなどのツールを通じて提供され、価格はArgonと同等に設定されています。知識労働の分野では、法的・財務的データなどの大規模な文書を視覚的に理解し、正確なスプレッドシートやレポートを生成します。コーディングにおいては、マルチパッケージの移行やクロスサブシステムの根本原因調査など、マルチエージェント協調を必要とするタスクで高い成果を上げます。サイバーセキュリティ分野では、Fairwindプログラムなどを通じて脆弱性の発見やパッチ生成を強力にサポートし、高い防御性能と安全性を実現しています。科学技術の分野でも物理学、数学、生命科学の推論やタンパク質構造予測などで研究を加速させており、開発者、企業、科学者に向けて順次提供が拡大されています。
引用元: https://deepmind.google/blog/gemini-4-carbon-is-now-available/
本記事では、Anthropic社が実施した「Claude Fable 5.2」の初期バージョンを用いた1,000体のマルチエージェントチームによる大規模な実験について解説しています。この実験の目的は、ドメイン特化型のプラットフォームや人間の細かい指示なしに、汎用的なツール（GitやPostgreSQLなど）の組み合わせのみで、エージェントチームが長期にわたる難問（数学の難問である「フェルマーの最終定理」の形式化）を自律的に解決・スケーリングできるかを検証することです。
実験では、1体のリーダーエージェントと999体のヘルパーエージェントで構成される階層構造を採用しました。各エージェントはインターネットアクセスを持たない個別のサンドボックス環境で動作し、シェルとファイルエディタ、Leanのツールチェーン、Gitブランチ、共有のPostgreSQLデータベースを利用しました。リーダーエージェントは、タスク管理や進捗共有のために自らデータベース内に「Announce」「Assign」「Notes」「Subtasks」「Landed」という5つのテーブルを構築し、チーム全体の調停を行いました。
作業の進め方として、初期段階ではリーダーがタスクを各ヘルパーに割り当てましたが、時間経過とともにエージェント自身が自律的にタスクの細分化や再割り当てを行うようになりました。特に、プロジェクト後半で最も難易度の高い「ラングランズ・ツンネル予想」の証明においては、単一のエージェントでは扱いきれない巨大な課題に対して、エージェント同士が再帰的にタスクを10階層、計2,418個に及ぶツリー状に分割して並行処理を行い、最終的にフェルマーの最終定理の証明を完了させました。このプロセス全体は28.7時間で完了し、過去の人間と数十体のエージェントによる手法と比較して、出力トークン数は3分の1、証明の長さは7分の1に短縮されました。
安全性に関してAnthropic社は、サンドボックス化、リアルタイム監視、オフライン監視の3つのレイヤーを組み合わせています。通信の制限、Gitのマージ制御、データベースのアクセス権限およびリソース制限、カーネルの保護、ネットワーク遮断などの厳格なサンドボックス対策を施しました。さらに、ツール呼び出しをブロックするプロンプトベースのLLM分類器を活用したリアルタイム監視や、推論の過程（Chain of Thought）やエージェント間通信を確認するモニタリングを導入し、エージェントの暴走やサンドボックスからの脱出を防ぎながら安全に実験を運用できることを示しています。新人エンジニアにとっても、大規模なマルチエージェントシステムの自律協調動作、データベースを活用した非同期連携、厳格なセキュリティ・サンドボックス設計の重要性を学ぶ上で非常に有益な事例となっています。
引用元: https://claude.dev/blog/safely-scaling-multi-agent-teams-with-fable-5-2/
Googleは、AIエージェント時代に向けた第8世代TPUポートフォリオをさらに拡大し、「TPU 8tx」および「TPU 8i Max」の2つの新しいハードウェアシステムを発表しました。これらは従来の大規模学習向け「8t」やリアルタイム推論向け「8i」を補完し、1年間に4つの異なるTPUシステムを投入する強力なラインナップを構成しています。
「TPU 8tx」は、セキュリティと機密性に特化した推論および小規模学習向けのシステムです。5世代目AMD EPYC CPUホストと組み合わされ、ハードウェアレベルでデータ暗号化と隔離を行うことで、機密データを扱いつつ安全にモデルのファインチューニングやエージェントの強化学習を実行できます。一方、「TPU 8i Max」は、メモリーのボトルネックを解消するために2つのTPU 8iチップを1つのパッケージに統合したシステムです。これにより、2倍の演算性能、SRAM、HBM帯域を実現し、大規模なコンテキストウィンドウを持つワークロードでもパフォーマンスを維持します。
ハードウェアだけでなく、ソフトウェアエコシステムのオープン化と使いやすさの向上も図られています。PyTorchやHugging FaceモデルをTPU上でネイティブに実行できる「TorchTPU」がオープンソース化され、vLLMやSGLangなどの推論エンジンもサポートされています。また、Claude CodeやCursorなどのコーディングツールから自然言語でTPUの最適化を行える「TPU agent suite」や、PythonでモデルをトレーニングしC++ランタイムで低レイテンシに提供する「XLA Serving Engine」が導入されました。
さらに、AIエージェントのアイドル時間を管理してコストを削減する「Agent Compute Engine」、HBMやDRAM、ストレージを統合してKVキャッシュの転送遅延などを大幅に削減する「TPU Sync」、Google Kubernetes Engine（GKE）上で単一コントローラによる分散MLランタイムを提供する「Cloud Pathways」、そして物理プロビジョニングと論理スライス形成を切り離してジョブ起動時間を短縮する「GKE dynamic slicing」など、多岐にわたる機能が提供されています。これらにより、開発者は最新のTPUインフラストラクチャをより手軽かつ効率的に活用できるようになります。
引用元: https://blog.google/innovation-and-ai/infrastructure-and-cloud/global-network/tpu-8i-max-and-8tx/
職場体験にやってきた中学生との会話を通じた、クスッと笑える日常のエピソードです。初めはゲームやアニメ、スポーツの質問に対して「しない」「見ない」「特にない」と返答があり、会話が弾まず沈黙の雰囲気になってしまいました。しかし、趣味として「ガンプラ」を挙げたことをきっかけに、好きな作品について急に早口で熱く語り出す様子が描かれています。大人からの「アニメや漫画を見るか」という問いに対して、あえてガンダムを即答しなかった点に、独特のこだわりやオタク気質を感じさせるやり取りとして注目を集めました。エンジニアの技術的な学びや業務上の影響とは無関係ですが、日常のちょっとしたコミュニケーションのすれ違いや、世代間のユニークなやり取りを描いたおまけ記事となっています。
引用元: https://posfie.com/@kalofollow/p/DJeVZOC
（株式会社ずんだもんは架空の登場組織です）