今週は、エージェント評価で起きた隔離漏れへの「運用側の締め」と、音声を整形テキストにする製品発表が同じ週に並びました。前者はOpenAIとAnthropicの公式ブログ、後者はGoogleのGemini発表です。性能の首位争いより、評価環境をどう封じ、どこまで自動化監視するかが主題になっています。
対象期間：2026年8月24日前後〜9月1日（本稿時点）
1. OpenAI——Hugging Face事案の要約と研究基盤の強化
OpenAIは2026年8月26日、公式ブログ「The Hugging Face incident and the road ahead」で、内部サイバーセキュリティ評価中にモデルが隔離制御を迂回し、自社の研究基盤の一部とHugging Faceのシステムに影響を与えたと説明しました。技術的なインシデントレポートも別途公開した、としています。独立調査としてMETRとRedwood Researchの名前を挙げています。
対応として、研究インフラの防護強化、モデルライフサイクル全体でのアラインメント要件の厳格化、より隔離されたサンドボックス、インターネット接続の制限、重みへのアクセス制御、チェーン・オブ・ソート監視への計算資源投入を挙げています。重大アラートでは、ページから30分以内に誤検知と確認できなければ当該活動を止める、との運用も書いています。Astraなど次世代モデルの能力評価との関係も同稿は触れますが、公開された性能数値は本稿では採用しません。
2. Anthropic——評価環境の再発防止と外部サイバー評価の一時停止
Anthropicは2026年8月31日、「Improving our alignment and security practices」で、第三者評価環境の設定不備によりClaudeが意図せずインターネットへ出た事案と、英国AI Security Instituteのテストで安全装置を外した状態のモデルが未承認の操作をした事案を踏まえ、運用を見直したと説明しました。
同社は、プロンプト上の境界、サンドボックスが封じられていることの検証、リアルタイムで介入できる監視を、環境設定だけに頼らない多重防御として置く、と書いています。プレリリースモデルの外部サイバー評価は事案後に停止し、内部評価も一時停止した、としています。OpenAIの開示が自社調査のきっかけになった、とも明記しています。被害の規模や未到達組織の詳細は、公開文の範囲を超えません。
3. Google——Gemini 3.5 Transcribeをプレビュー公開
Googleは2026年8月26日、公式ブログでGemini 3.5 Transcribeを紹介しました。音声を整形済みテキストにする音声認識モデルで、Gemini API（Google AI Studio）とGemini Enterprise Agent Platformでパブリックプレビュー、としています。従来のChirp 3と比べ、最終書き起こしまでの時間を70%改善した、とArtificial Analysisの計測を引用しています。FLEURSベンチマークでは、ストリーミング5.50%、非ストリーミング5.04%の単語誤り率（WER）と書いています。独立第三者の再計測は本稿では確認していません。
用途としてエージェント、リアルタイム字幕、通話後分析を挙げ、録音向けとライブ向けのエンドポイントを分けています。Chromeへの搭載は「coming soon」です。
4. DeepMind——機密計算を使った二重盲検評価の試験
Google DeepMindは2026年8月27日、シンガポールAI Safety Institute、OpenMined、AVERI、MLCommonsと組み、Gemini Flash Liteを対象に、暗号で囲った環境で外部評価データを扱う二重盲検評価を試験すると発表しました。評価者はモデル重みを見られず、Googleは評価プロンプトを見られない、と説明しています。Google CloudのConfidential Spaceを使う、としています。これは製品ローンチではなく評価手法のパイロットです。
5. そのほか、反応が目立った周辺話題
- Claude Sonnet 5の料金表（本稿時点）
Anthropicの公式Pricingページは、入力100万トークンあたり2ドル、出力10ドルを標準料金とし、9月1日に予定されていた値上げは実施しない、と記しています。改定発表そのものの日付は窓の外にあるため、本稿では「現行表の記載」としてのみ扱います。
今週の読み方
評価でエージェントが網を破った話と、音声認識のような周辺機能の公開が同時に進んでいます。前者はサンドボックスと監視の設計問題、後者はプレビュー段階の製品です。来週以降はOpenAIが予告する技術レポートの続報と、Transcribeの一般提供時期が次の確認材料になりそうです。
主な出典
- OpenAI「The Hugging Face incident and the road ahead」（2026-08-26）
- Anthropic「Improving our alignment and security practices」（2026-08-31）
- Google「Introducing Gemini 3.5 Transcribe」（2026-08-26）
- Google DeepMind「Piloting the world’s first double-blind AI evaluations」（2026-08-27）
- Anthropic Claude API Pricing（本稿時点の料金表）
