見出し・要約・本文から、情報のつながりを探します。
Claude Mods は、Anthropic が提供する Claude Code のプログラマブルなプラグインシステムで、『Attention Interface』の初期形態を示しています。これは、従来の機械向けエージェント実行時フレームワーク（agent harness）から、人間の注意力に焦点を当てたカスタマイズ可能なインタラクション層へと転換したものです。ユーザーは TypeScript や JS を用いて Mods を作成したり、自然言語で Claude に自動生成を指示したりすることで、いつ中断されるか、どのような内容を閲覧するか、どのような意思決定を行うかを自在に制御できます。
Claude Mods は、Anthropic が提供する開発者向けのプログラマブルなプラグインシステムであり、エージェントハーネスがマシン側のインターフェースから人間側のインターフェース――すなわち「アテンション・インターフェース」（Attention Interface）――へと移行したことを示しています。これにより、ユーザーは TypeScript／JavaScript を用いて Claude Code の動作やレンダリング、インタラクションロジックをカスタマイズし、人間とAIが共同でワークフローを設計できるようになります。この仕組みは、You Should Know などの組み込み機能にもすでに活用されており、ユーザーによる独自の構築や、Claude の支援によるプラグインの生成もサポートしています。
MistralとNVIDIAは、Mistral Large 4の大規模モデル、物理モデリングパイプライン、およびNVIDIAのアクセラレーテッドコンピューティングスタック（CUDA-X、Warp、Omniverse）を統合し、航空宇宙、自動車、半導体などの産業向けのAIネイティブなエンジニアリングワークフローの共同開発を深化させると発表しました。両社は、物理AIおよびCAE／EDAの各シナリオにおけるエージェント能力の評価を網羅する、オープンソースのデータセットと公開ベンチマークを共同でリリースする予定です。
2026年10月にベルリンで開催されたGTCカンファレンスにおいて、NVIDIAは個人ユーザー、開発者、企業向けの3種類のローカルAIハードウェアプラットフォームを正式に発表しました。これらはそれぞれRTX Spark（Windows PC向けパーソナルエージェント）、DGX Spark（Linux開発クラスター）、DGX Station（最先端AIワークステーション）であり、同時に複数のソフトウェアアップデート、モデルサポート、エコシステム統合も併せて発表されました。
Google CloudとNVIDIAは、Vera Rubinアーキテクチャを基盤とするA5Xインスタンスを来月から正式に商用提供すると発表しました。第一弾は米国で展開され、その後欧州へと拡大される予定です。このプラットフォームは、NVL72 GPU、ConnectX-9 SuperNIC、Virgoネットワーク、および第4世代の液冷技術を統合しており、大規模強化学習や生成型エージェントの推論など、高密度な計算負荷が求められるシナリオに特化して設計されています。
NVIDIAは、欧州、北欧、アフリカおよび中央アジアにおけるクラウドパートナーが、NVIDIA DSXプラットフォームに基づく地域別AIコンピューティングインフラを大規模に拡張していると発表しました。これらの取り組みは、主権型コンピューティング（ローカル展開）、オープンモデルのサポート（Mistral Large 4やNemotronシリーズなど）、ならびにAIエージェントのセキュリティ境界（OpenShellリファレンスアーキテクチャ）に焦点を当てており、トレーニング、推論、物理AI、小売向けインテリジェントエージェントなどの活用シーンを網羅しています。
欧州の複数の先端産業企業が、NVIDIA CUDA-X、Omniverse、Cosmos、Nemotron などのオープンモデルおよびツールチェーンを大規模に活用しており、製品設計、シミュレーション最適化から工場運用に至るまでのライフサイクル全体をカバーしています。NVIDIA Factory Operations Blueprint（FOX）は早期アクセスが開始され、リアルタイムで協調する産業用インテリジェントエージェントの構築を支援しています。シーメンス、メルセデス・ベンツ、アウディ、エアバスのサプライヤーなどでは、すでに多数の検証事例が実装されており、キャリブレーション期間の40％短縮や根本原因分析コストの20％削減といった具体的な効果が得られています。
NVIDIAは、機密コンピューティング（Confidential Computing）技術の拡張を発表し、Confidential Bare Metalデプロイメントオプションを新たに追加しました。これにより、最先端のモデル構築者は、サードパーティのインフラストラクチャ上でベアメタル方式で機密性の高いAIワークロードを実行しつつ、モデルとデータを完全に管理できるようになります。この機能は、Grace BlackwellおよびRubinプラットフォームに統合されており、Google CloudやCohereなどのパートナーによって採用されています。
NVIDIAがオープンソース化したエージェントツールキットは、エージェント・ナレッジ・ファウンデーションなどの主要コンポーネントを新たに追加し、CUDA-Xライブラリ、Nemotron RetrieverおよびKumoシリーズのオープンモデル、OpenShellセキュアランタイム、NemoClawのフレームワークを統合しています。これにより、企業はデータを移行せず、既存の業務プロセスを改変することなく、監査可能で管理可能な上、業務の意味を深く理解できる専用のAIエージェントを構築することが可能です。
ベルリンのTempodromで開催されたGTC Berlin 2026大会上において、NVIDIAのCEOであるジェンスン・フアン氏は、複数の重要な進展を発表しました。具体的には、DSX PODモジュール型AIファクトリー、Vera RubinフルスタックAIエージェントプラットフォーム、OpenShellセキュリティアーキテクチャ、Agent Knowledge Foundation知識層、ならびにAgile ONE SNヒューマノイドロボットリファレンスプラットフォームの導入を発表しました。さらに、100億ユーロ超規模の欧州におけるAI投資に関する約束を表明し、12,000以上のパートナー企業を網羅するとともに、欧州が自律的かつ制御可能なAI経済インフラの構築を加速していることを強調しました。
設立から18か月のAIネイティブソフトウェア企業Tenexは、アウトプット志向の報酬体系、MetaHarnessフレームワーク、そしてOpus 5.5を軸としたAIエージェントのワークフローにより、フォーチュン2000企業のおよそ半数にサービスを提供しています。同社のモデルは、プロセスの標準化、ノンコーディングによる価値の再評価、ならびにエンタープライズ向けAI導入におけるラストマイルの課題解決に焦点を当てています。
Tenexは、2026年時点で設立18か月、従業員数75名のAIネイティブなソフトウェアデリバリー企業であり、フォーチュン2000にランクされる企業の約半数と、同規模の中堅企業を対象にサービスを提供しています。同社の核心的な取り組みには、ストーリーポイントを基準とした動的なエンジニア報酬体系、AI戦略担当者の品質チェック体制、Gitに統合されたコンテキストを活用するMetaHarnessフレームワーク、さらに「非コーディングの高付加価値タスク」に焦点を当てた能力の再定位が含まれます。一方で、企業におけるAIの導入は依然として汎用LLMの展開やエンジニアリング側のエージェントに集中しており、バックオフィス系のプロダクションレベルのAIエージェントの浸透率はわずか約5％にとどまっています。
TorchNeuronのプロファイリング（第1部）：AWS Trainiumにおけるシステムレベルのプロファイリング。
NVIDIAはHugging Faceと共同で、OpenUSDを基盤とした無料でオープンなシミュレーション対応（SimReady）3Dアセットライブラリ「SimReady Central」を発表しました。第一弾として、ロボット本体、グリッパ、AI工場のインフラストラクチャなど、産業向けに検証済みの2,000を超えるアセットを収録しており、開発者が物理ベースのAI学習環境やデジタルツインシーンを迅速に構築できるよう支援します。
AT&TはOpenAIと協力し、法律知識へのアクセスをより容易にしています。そのLegalEdgeチームが、受付業務の見直しや法的判断のスケーリングにどのように取り組んでいるかをご覧ください。
OpenAIが流通パートナーとどのように連携し、一貫した安全対策を維持し、責任あるアクセスを支援し、利用規約における期待を明確にしているか。
Cloudflareは、OpenAIのDaybreakを活用して脆弱性を調査し、修正案をレビューに提出しています。開発者はCodexを使用して、より迅速な開発とコード品質の向上を図っています。
Dharma-AIはVocabX手法を提案し、ポルトガル語の作文自動採点といった特定のタスク向けに言語モデルの語彙表を再構築することで、語彙の出現頻度ではなく生成コストを最適化目標としています。モデルの構造やパラメータ、学習プロセスを変更することなく、実測では推論コストが77％削減され、同時に評価指標（bench score）も0.703から0.810へ向上しました。
本記事は、Hugging FaceとAmazonが共同で公開する技術ブログシリーズの第1弾であり、AWS Trainium AIアクセラレーションチップ上でTorchNeuronを用いたPyTorchモデルの推論性能分析の手法を体系的に紹介します。内容には、Neuronバックエンドの統合原理、torch.profilerの設定方法、NeuronConfigおよびNeuronProfilerツールの利用、Neuron Explorerによる可視化トレースが含まれます。さらに、RMSNormを例に、3つの実装（従来のPyTorch、torch.rms_normの組み込み融合、torch.compileによる自動融合）間のデバイス上での実行時間の差異を比較しています。
NVIDIAは、オープンソースの時系列予測モデル「Kumo Forecast」（旧称：NV-Tesseract Forecasting）を発表しました。同モデルはMOMENT-1-large Transformerアーキテクチャを基盤とし、直接予測とDomain-Aware Representation and Retrieval（DARR）による二重経路推論をサポートするとともに、モデル構造を変更することなく利用できる解釈可能性フレームワークを内蔵しています。
