AIエージェントのインフラ整備、最上位モデルの登場、半導体サプライチェーンの再編、自己改善型AIの初期成果が、わずか数日で相次いで報じられました。6月12日時点で押さえておきたい4つの動きを整理します。
この記事でわかること
- OpenAIがエージェント向けクラウド基盤Onaを買収した背景と狙い
- Claude Fable 5の性能向上と、トークン消費・コスト面で話題になっている理由
- Google第10世代TPU「Icefish」がSamsung 2nmを採用する可能性
- Recursiveの自己改善型AI研究システムが3つのベンチマークで記録した数値
OpenAIがOnaを買収、Codexに永続的な実行基盤を追加
https://openai.com/index/openai-to-acquire-ona/
2026年6月11日、OpenAIはエージェント向けクラウド実行基盤を手がけるOnaの買収を発表しました。Codexは週500万人以上が利用しており、年初比400%増と急拡大しています。Codexは当初ソフトウェア開発者向けでしたが、調査・分析・自動化まで幅が広がっています。
買収の狙いは、エージェントが数時間から数日かけて動く「長時間タスク」に対応する実行環境を整えることです。Onaは200万人の開発者にクラウド上の安全で再現可能な開発環境を提供してきました。エージェントが顧客のクラウド内で動き続け、ノートPCを閉じても作業が止まらない仕組みが核心です。
OpenAIは、Onaの顧客管理型実行モデルにより、インフラ・データ・セキュリティ境界を組織側がコントロールしつつ、Codexの知能とオーケストレーションを活用できると説明しています。買収は規制当局の承認など通常のクロージング条件を満たすまで、両社は独立運営を続けます。
Claude Fable 5、性能は跳ね上がるがコストも重い
Anthropicは6月9日、Mythosクラスの最上位モデル「Claude Fable 5」を一般公開しました。ソフトウェア工学、知識労働、ビジョン、科学研究など広範なベンチマークで最高水準の性能を示しています。Stripeの早期テストでは、5000万行規模のRubyコードベースで、人手なら2か月超かかる移行を1日で完了した例が報告されています。
一方、利用コストが話題になっています。API料金は入力100万トークンあたり10ドル、出力100万トークンあたり50ドルで、Opus 4.8の2倍です。さらにFable 5はAdaptive Thinking（適応型思考）が常時オンで、思考プロセス自体もトークンを消費します。実装者向けの解説では、同じタスクでも内部推論によりトークン消費が増え、実効コストは単価差以上に膨らむと指摘されています（参考）。
性能面では、WhartonのEthan Mollick氏の検証では、Claude Code上でSnakeやStrataなどのブラウザゲームを単一プロンプトから生成でき、最大12時間の連続実行も確認されています（参考）。CAD分野では、Fable 5自身がブラウザ上のCADエディタを構築し、3Dプリント可能なモデルを設計する事例も報告されています。6月22日まではPro・Max・Team・Enterpriseプランで追加料金なしで試せます。
Google第10世代TPU、Samsung 2nmでI/Oダイを製造か
https://www.businesskorea.co.kr/news/articleView.html?idxno=271157
The Informationの報道によると、Googleは第10世代TPU（コードネーム「Icefish」）の製造をTSMCとSamsung Electronicsに分担する案を検討しています。計算エンジン本体はTSMCの1.4nmプロセス、メモリI/Oダイ（HBMと演算チップを接続する部品）はSamsungの2nmプロセスで製造する構想です。
I/OダイはAIチップがメモリからデータを継続供給するうえで重要な部品です。SamsungはHBMの主要メーカーでもあり、メモリ特性を踏まえたI/Oダイ製造に強みを持ちます。Icefishは台湾のMediaTekと共同設計中で、量産開始は2028年が目標とされています。ただし設計段階のため、計画変更の余地があります。
背景にはTSMCのキャパシティ逼迫があります。Nvidiaなどの需要急増のなか、GoogleのTPUは外部顧客も増えており、サプライチェーンの分散が進んでいます。Intelとの交渉も報じられており、AI半導体の製造体制は「1社独占」から「役割分担」へ動いています。
Recursive、自己改善型AIの初期結果を3ベンチマークで公開
https://www.recursive.com/articles/first-steps-toward-automated-ai-research
Richard Socher氏らが率いるRecursive Superintelligenceは6月11日、自動化されたAI研究システムの初期結果を公開しました。システムはアイデアの提案、実装、実験、検証をループし、複数の研究スレッドを長期間走らせる設計です。
3つのベンチマークで最高水準を記録しています。NanoChat Autoresearchでは検証BPB（bits per byte、モデルの予測精度指標）を0.9372から0.9109へ改善し、同等品質への到達速度は1.3倍に短縮しました。NanoGPT Speedrunでは3.28の検証損失到達時間を79.7秒から77.5秒へ短縮。NVIDIA SOL-ExecBench（GPUカーネル最適化ベンチマーク）では平均スコアを0.699から0.754へ引き上げ、理論上限との差を18%縮めました。
Socher氏は、これらの改善に使われたコードやアイデアは人間の研究チームではなくAIシステム自身が生み出したと述べています。成果物はオープンソース公開され、安全性の検証も透明性重視で進めています。Recursiveは2026年5月にステルス解除し、6.5億ドルの資金調達で評価額46.5億ドルに達しています。
4つの動きが示す業界の方向
今回のニュース群に共通するのは、「モデル単体」から「実行基盤・コスト・ハードウェア・自己改善ループ」への視点移動です。OpenAIはCodexの永続実行環境を買収で補強し、AnthropicはFable 5で長時間自律タスクの性能上限を引き上げました。GoogleはTPU製造の分散を模索し、RecursiveはAIがAI研究を自動化する初期実証を示しました。
エージェント活用を本番環境に載せる組織は、モデル選定だけでなく実行基盤のセキュリティ設計と、トークン消費を含めたコスト管理の両方を同時に検討する段階に入っています。