AI業界は一日のうちに複数の大型アップデートが重なる日がある。6月21日の朝も、ツール連携、研究手法、エージェント基盤まで、実務に直結する話題が一気に出揃った。

この記事では、朝のニュースまとめをもとに、開発者と研究者が押さえるべき9つの動向を整理する。

この記事でわかること

  • Grok WebのWork folderとGoogle Drive連携の実用性
  • Codex「Record & Replay」で定型作業をスキル化する方法
  • NotebookLMの文献レビュー生成機能の方向性
  • PixelRAGがHTMLパースを捨てる理由と性能
  • OpenAI京都ピッチコンテストの賞金規模

Grok WebにWork folderが追加、生成物をDriveへ直接保存

https://docs.x.ai/grok/connectors/google-drive

Grok Webに「Work folder」機能が追加された。Grokが生成したファイルを、ユーザーが指定したGoogle Driveのフォルダへ直接保存できる。

xAIは2026年5月にConnectorsを正式リリースし、Google Driveとの連携を標準装備した。公式ドキュメントでは、Grokが生成したスプレッドシートやレポートなどの成果物をDrive内の任意フォルダへアップロードできると明記されている。フォルダの作成や一覧取得も対応する。

従来はGrokのチャット内で完結し、生成物を手動でコピーする手間があった。Work folderは、AIの出力先をクラウドストレージに固定できるため、チーム共有や後続編集の導線が短くなる。接続はgrok.com/connectorsからOAuthで行い、ファイルはxAIサーバーに保存されずリアルタイムアクセスのみという設計だ。

CodexのRecord & Replay、操作を見せるだけで自動化

https://developers.openai.com/codex/record-and-replay

OpenAI Codexに「Record & Replay」が追加された。Mac上で定型作業を一度実演すると、Codexがその手順を再利用可能なスキルに変換する。

使い方はシンプルだ。CodexアプリのPluginsメニューから「Record a skill」を選び、経費精算や休暇申請などの作業を通常どおり実行する。録画停止後、Codexがワークフローを解析し、入力項目・手順・成功条件をまとめたスキルを生成する。次回は新しいスレッドでスキル名を指定し、変わる値だけ渡せばよい。

Computer Useの有効化が前提で、macOS限定の提供だ。欧州経済領域・英国・スイスは初期リリースの対象外となる。Obsidianと連携して24時間稼働のパーソナルOSを組む事例も共有され始めており、開発以外の定型業務への応用が広がっている。

NotebookLMに文献レビュー生成「Lit review」が追加予定

Google NotebookLMに、ソースから文献レビューマトリックスを生成する「Lit review」機能が追加される見込みだ。複数文献を横断して整理・比較する研究者や学生向けの機能となる。

NotebookLMはすでにData Tablesで論文比較表の生成やGoogle Sheetsへのエクスポートに対応している。Lit reviewは、この流れを文献レビュー専用に特化した形とみられる。Google Play BooksやText Booksをソースに加える動きも視野に入っており、書籍ベースの調査にも広がる可能性がある。

文献レビューのボトルネックは、論文収集後の横断読解と比較表の作成だ。NotebookLMはソースに根拠を置く設計のため、AIの要約をそのまま引用せず、出典リンクから原文を確認する運用が現実的だ。

PixelRAG、HTMLパースを捨ててスクリーンショットで検索

https://github.com/seco/pixelrag

UC Berkeley、Princeton、EPFL、Databricksの研究チームが、視覚ベースのRAGシステム「PixelRAG」をオープンソース公開した。Webページをテキストに変換せず、スクリーンショットをそのまま索引する。

従来のRAGはHTMLをパースしてテキストチャンクに分割する。表組みやレイアウトはこの段階で失われ、読み取り精度が落ちる。PixelRAGはPlaywrightでページをレンダリングし、1024ピクセル単位のタイルに分割する。Qwen3-VL-Embeddingでベクトル化し、Vision-Language Modelが画像タイルから直接回答する。

Wikipedia約730万記事・3000万タイルでの検証では、6つのベンチマークすべてでテキストベースRAGを上回った。SimpleQAでは最強のテキストパーサーが71.6%だったのに対し、PixelRAGは78.8%に達する。AIエージェントのトークンコストは最大10分の1に削減できるという結果も報告されている。pip install pixelragで導入でき、Claude Code向けのpixelbrowserスキルも同梱されている。

OSSモデルとGPT-5.6、コミュニティの続報が相次ぐ

オープンソースモデルの性能向上に関する続報が注目を集めている。GLM-5.2がClaude Opus 4.8やGPT-5.5に匹敵する性能を示したという報告があり、Kimi 2.7やDeepSeek v4と組み合わせれば高価なクローズドモデルへの依存を減らせるという議論が広がっている。

一方、OpenAIの次期モデルGPT-5.6については、ゲーム「The Sims」をワンショットで作成したという報告がある。ただしGPT-5.6 Proとみられるテスト版では抽象タスクの進化を感じにくいという声も上がっており、リリース時期や実性能は未確定だ。いずれも公式発表ではなくコミュニティの続報であり、ベンチマーク数値は独自検証が必要だ。

エージェント基盤の競争、Leve公開とHermesの急成長

LangGraph上に構築されたファイルシステムファーストのエージェントフレームワーク「Leve」が公開された。エージェント定義をディレクトリ構造で記述し、LangGraphがそれをステートフルなワークフローにコンパイルする設計だ。

Nous Researchの「Hermes」も勢いを増している。GitHubリポジトリは約19.8万スター、390名のコントリビューターを抱え、OpenClawからの移行ツールも整備されている。OpenClawを上回るペースで開発者を集めており、エージェント基盤の覇権争いが激化している。

その他の話題

Kaggleで開催中のポケモンカードゲームAIコンペでは、画像認識エンジン「PCBL」のv0.0.34がリリースされ、レギュレーションM-Bに対応した。メガシンカなど新カードの認識が可能になり、参加者のモデル改善に寄与する。

OpenAIとOpen Network Labは、7月1日に京都でスタートアップ向けピッチコンテスト「Series T, Post AGI from Kyoto」を開催する。最大12チームが登壇し、優勝者には10万ドルの現金と、プログラム全体で100万ドル規模のOpenAI APIクレジットが提供される。応募締切は6月26日で、IVS2026 KYOTOの期間中に実施される。

読みどころは「実務への接続」

今回の9話題に共通するのは、AIの能力向上そのものより、既存のワークフローへ組み込みやすくなった点だ。GrokのDrive連携、Codexの操作録画、NotebookLMの文献整理、PixelRAGの視覚検索はいずれも、人間がすでに行っている作業の延長線上にある。

未確認のモデル性能報告は慎重に見る必要がある。一方、公式ドキュメントやGitHubで裏付けのある機能は、今週から試す価値がある。まずは自分の定型作業のうち、繰り返しが多いものから当てはめてみるとよい。