2026年8月のGoogleのAIニュースを振り返ります。主な発表には、Gemini 3.7 Flashのリリース、Gemini 3.5 Transcribe、Pixel 11シリーズの新デバイスが含まれます。特に、Geminiアプリが月間1億ユーザーを突破し、教育や創造性向上に役立つ新機能が追加されました。また、環境問題への取り組みや、AIを活用した天候予測の進展についても言及されています。

NVIDIAとCrowdStrikeは、エージェントによる攻撃防御システムを評価しました。このシステムは、適応型攻撃を繰り返しテストし、検出能力を向上させるためのフィードバックループを形成します。Nemotronモデルは、CrowdStrikeのSafeMindシステム内でカスタマイズされ、コストを97%削減しながら、精度を13%向上させました。システムは、攻撃パターンの生成と検出ルールの検証を自動化し、効率的な防御を実現します。

Google Picsは、画像生成と編集のツールで、Google Workspaceに統合されます。主な機能は以下の通りです。1.オブジェクト分離：特定のオブジェクトを簡単に編集可能。2.画像内テキスト編集：デザインを崩さずにテキストを変更。3.共同作業：チームメンバーと画像を共有し、同時に編集。4.複数生成：一つのプロンプトから複数の選択肢を生成。これにより、アプリ間の移動なしで効率的な画像作成が可能になります。

Hugging Faceは、ブラウザでのAI推論を迅速かつ使いやすくするために、207のWebGPUカーネルを含むライブラリ`@huggingface/kernels`を発表しました。このカーネルは、機械学習に広く使用される操作をカバーし、各カーネルは個別のリポジトリとして提供されます。また、ブラウザ内でのGPUベンチマークツール『Fleet』も導入され、リアルタイムのパフォーマンスデータを収集します。これにより、ユーザーはデバイスごとの性能や正確性を確認し、カーネルの改善に寄与できます。

AIの進化に伴い、GPUリソースの最適化が求められています。ここでは、推論ワークロードに対するGPUサイズの概念や、TCOを最適化するためのフレームワークを紹介します。重要な要素は、使用ケースの理解、モデル選択、ユーザー数、レイテンシ、キャッシュヒット率などです。コアとフレックスのモデルを採用することで、安定した基盤と柔軟な拡張性を確保し、コストを抑えつつ性能を向上させる方法についても解説します。

NVIDIAのBioNeMoエージェントツールキットを使用し、Claude Scienceでタンパク質構造予測を行う方法を説明します。具体的には、MSA（Multiple Sequence Alignment）を利用して2つのタンパク質（Seh1とC1HCX1）の構造を予測し、OpenFold3とBoltz-2モデルを比較します。手順は、MSA生成、構造予測、予測の繰り返しの3段階から成り、最終的に得られた構造の相互作用の仮説を検証します。

Voice ArenaとHugging Faceが提携し、オープンな音声認識（ASR）評価のためのヒンディー語とインディアン・イングリッシュのデータセットを公開しました。これにより、ヒンディー語は多言語タブに追加された初のインディック言語となります。データセットは、4,888人の話者から収集され、地域、年齢、性別などの属性が記録されています。この取り組みは、音声認識の偏りを可視化し、評価基準の信頼性を高めることを目的としています。

AI Mode in Searchの最新機能が旅行計画をサポート。1. フライト価格の追跡機能を追加、300以上の航空会社から最新価格を提供。2. ポイントやマイルのコストを表示、旅行先や日程を入力すると即座に必要マイル数が分かる。3. ホテル予約が簡単に、希望を伝えるだけで比較・予約が可能。これらの機能でスムーズな旅行計画を実現します。

NVIDIAのGB300 NVL72でQwen3.8-Flash-Nextを実験。これは、125Bのパラメータを持つマルチモーダル混合専門家モデルで、最大1Mトークンのコンテキストウィンドウを持つ。Gated DeltaNetとQwen Sparse Attentionを組み合わせて、効率的な処理を実現。開発者はNVIDIA NeMo AutoModelでモデルを微調整でき、複数の推論エンジンがサポートされている。

このチュートリアルでは、AIエージェントを使ってロボットのナビゲーションポリシーを訓練する方法を解説します。COMPASSフレームワークを用いて、ロボットと環境の選定、データ準備、トレーニング、評価を行います。具体的には、Spotロボットを使って、シミュレーション環境での訓練プロセスをステップバイステップで説明します。ナビゲーションの自律性を高めるための手法や、訓練後のポリシー接続方法についても触れています。

NVIDIAは、Qwen3.8-Flash-Nextモデルの実験を発表。176Bのパラメータを持ち、262,144トークンのコンテキストウィンドウをサポート。アルゴリズムにはGated DeltaNet (GDN)とQwen Sparse Attention (QSA)を採用し、長いコンテキストの処理を効率化。NVIDIA GB300 NVL72で16Kトークン/秒以上の処理速度を実現し、エージェントコーディング等のアプリケーションに最適化されています。

このブログ記事では、Sentence Transformersライブラリを使用してMulti-Vector Encoderモデルの訓練とファインチューニングの方法を解説します。Multi-Vectorモデルは、クエリとドキュメントをトークン単位でマッチングし、高度な検索性能を実現します。モデル、データセット、損失関数、トレーニング引数などの要素を組み合わせ、特定のドメインに適したモデルを構築する手法を示します。ファインチューニングにより、一般的なリトリーバモデルを超える性能を発揮します。

NVIDIA Dynamoのシャドウエンジン回復機能は、LLMエンジンの故障時に迅速な復旧を実現します。従来のコールドリスタートでは283秒かかるのに対し、シャドウエンジン回復では7.3秒でサービスを再開可能です。この技術は、GPUメモリサービス(GMS)を利用して、エンジン間で重みを共有し、バックグラウンドで再初期化を行います。これにより、サービスの品質が向上し、SLA違反を回避できます。