AIエージェントの信頼性・性能差・効率化、実運用の基盤づくりが進んだ一日

eBPF最適化でCPU9割減

eBPFでファイルアクセスを制御するセキュリティエージェントにおいて、ポリシー適用そのものより「どのポリシーが適用されるか」の判定が高コストになっていた問題が、inode単位のメモ化で解決されました。同一ファイルを20万回オープンするベンチマークでは、カーネルサイクル数が280億から30.3億へ減り、約90%の削減が報告されています。ボトルネックの所在を正確に捉え、判定結果の再利用という素直な方法で性能を引き出した点が特徴です。実装はオープンソースとして公開されており、同種のエージェントを運用する現場にとって参照しやすい事例といえます。

AIエージェント認証に4千万ドル

元Anthropic社員のRune Kvist氏と、AI安全性研究機関METRの元COOであるRajiv Dattani氏が立ち上げた新興企業AIUCが、Ribbit Capital主導で4,000万ドルのシリーズAを調達しました。AIUCはサイバーセキュリティ標準のSOC 2を手本にしたAIUC-1という標準を策定し、AIエージェントを約5,000項目のテストで検証して約100ページのレポートを出す第三者認証サービスを提供します。企業がAIエージェントを導入する際に何を信頼できるかを示す狙いです。性能や効率の議論が進むほど、導入判断を裏づける外部の物差しの需要も高まると考えられます。

性能差4.4カ月、判断は業務単位

Mozillaが2026年9月15日に公開した報告書「State of Open Source AI」によると、米国のフロンティアAIモデルと中国企業の最高水準オープンウェイトモデルの性能差は4.4カ月にまで縮まりました。Moonshot AIのKimi K3はAnthropicのクローズドモデルFable 5にスコアで3ポイント差まで迫り、コストは30%にとどまるといいます。MozillaのCTOは、クローズドモデルに支払うかどうかは業務単位の判断だとし、8〜12時間規模のタスクが分かれ目になると説明しています。性能差の縮小は、モデル選定が一律の優劣ではなく用途ごとの最適化へ移りつつあることを示唆します。

明日以降に注目したい点

性能差が縮まり、認証という物差しが整い、実行時の効率化手法も共有されると、導入判断の材料は確実に増えていきます。一方で、認証がどこまで実運用の信頼に直結するのか、オープンウェイトモデルが長いタスクでどこまで耐えるのかは、まだ検証の途上です。今後は、こうした指標や効率化の取り組みが個別の実装事例にとどまらず、企業の選定基準として定着していくかが焦点になるでしょう。