LLM・AI Agent 最新情報レポート Vol.36

作成日: 2026年6月1日
対象期間: 2026年5月31日〜2026年6月1日（Vol.35との差分）

Google Cloudアップデート
Microsoft Azure AI / Build 2026 最新情報
LLM Model / AI Agentアーキテクチャ・研究
公式ブログ・論文のリサーチ・要約
- Google
- OpenAI
- Anthropic
AI Agent搭載SaaS製品情報
LLM/AI Agentセキュリティインシデント
その他特筆すべき情報
参考リンク

1. Google Cloudアップデート

1.1 Gemini API：Event-driven Webhooks・File Search マルチモーダル対応を追加

GoogleはGemini API changelog（5月末〜6月1日更新分）において、以下の2つの新機能をリリースした。[1]

Event-driven Webhooks（イベント駆動Webhook）：
Gemini APIのバッチAPI（Batch API）および長時間実行オペレーション（Long-Running Operations）に対して、ポーリング方式のステータス確認をWebhook通知に置き換えるサポートを追加。従来はジョブ完了を確認するためにクライアントが定期的にAPIをポーリングする必要があり、リソース非効率・遅延の課題があった。

比較項目	ポーリング（旧方式）	Event-driven Webhooks（新方式）
確認コスト	継続的なAPIリクエストが必要	ジョブ完了時にサーバーが自動通知
レイテンシ	ポーリング間隔に依存	イベント発生直後に通知
スケーラビリティ	多数のジョブ並列実行時に大量リクエスト	通知ベースで効率的

File Search マルチモーダル対応：
File Search機能がgemini-embedding-2モデルを使用して画像の埋め込みとインデックス化をネイティブにサポート。テキストだけでなく画像コンテンツを自然言語で検索・照合できるようになった。

1.2 Gemini 3.5 Flash：6月8日よりGemini Enterpriseのデフォルトモデルに

Googleは2026年6月8日をもって、Gemini 3.5 Flash をGemini Enterpriseのデフォルトモデルに設定し、無効化不可とすることを発表した。[1][2]

項目	詳細
対象	Gemini Enterpriseユーザー
変更日	2026年6月8日
内容	Gemini 3.5 Flashがデフォルトになり、無効化不可
対応エリア	Global・US・EU リージョン
次期モデル	Gemini 3.5 Pro：現在テスト中、7月提供予定

なお、Gemini API Interactions API の旧スキーマ（Vol.30既報）は6月8日に完全廃止となるため、未移行の開発者は早急な対応が必要。

2. Microsoft Azure AI / Build 2026 最新情報

Microsoft Build 2026（6月2〜3日、サンフランシスコ Fort Mason Center）の開幕前日となる6月1日、複数メディアが事前ブリーフィング・エンバーゴ解禁コンテンツを公開した。Satya Nadella 基調講演（6月2日 9:30 PT）のキーテーマは**「WindowsをAIエージェントプラットフォームへ」と「OpenAIから自社モデルへの移行（Project Polaris）」**の2点。[3]

2.1 Windows Agent Framework（WAF）：MITライセンスでオープンソース化

MicrosoftはWindows Agent Framework（WAF）をMITライセンスのもとオープンソース化した。[3][4]

主な構成要素：

コンポーネント	機能
Agent Registration Service	自律AIエージェントをWindowsサービスとして登録・管理。健全性監視・バージョン管理
Windows Agent Runtime（Preview）	エージェントが操作可能なWindows APIレイヤー。6月よりInsiderプログラムで提供開始
YAML定義	エージェントの能力・権限・トリガーを宣言的に記述するポータブル設定フォーマット

制限（初期リリース）： Windows Agent RuntimeはInsider向けプレビューで、テキストベース（JSON/XML/PDFを操作するもの）のみ対応。GUI操作はロードマップに記載だが今回は未対応。

2.2 Azure Agent Mesh：クロス環境エージェント実行の制御プレーン

Azure Agent Meshは、オンプレミスWindowsサーバー・Windows 365 Cloud PC・Azure Arc対応エッジデバイスを横断してエージェント実行を連携させる新しい制御プレーン（Control Plane）。[3][4]

項目	内容
動作原理	レイテンシとGPU可用性に基づき最近傍ノードへタスクを自動ルーティング
開発者体験	ローカルと同じAPIをターゲット。Meshが環境差異を吸収
課金モデル	消費ベース（Consumption-based）、エージェントコンピュート専用SKU
GA予定	2026年第4四半期

2.3 Project Polaris：MoEアーキテクチャの自社コーディングモデルでOpenAI依存を脱却

Project Polarisは、GitHubにおけるCopilotのバックエンドをGPT-4 TurboからMicrosoftの自社開発モデルに切り替えるプロジェクト。[5][3]

性能・展開計画：

項目	詳細
ベンチマーク	HumanEval・MBPP でGPT-4 Turboを上回る。特にRust・Haskellなど低資源言語で顕著
推論インフラ	Azure専用Maia AIアクセラレータで低レイテンシ・低コストを実現
展開スケジュール	2026年8月よりCopilotサブスクライバーのデフォルトモデルに。3ヶ月間GPT-4フォールバック選択可能
戦略的意義	OpenAIへのモデル依存から脱却し、Copilotの長期的収益性とAzure内製AI能力強化を両立

2.4 WSL 3 と Copilot Workspace GA

WSL 3（Windows Subsystem for Linux 3）：
LinuxカーネルをフルVMではなく軽量VMに収め、Windows GPU・NPUへの準仮想化（Paravirtualized）アクセスを提供。[4]

項目	WSL 2	WSL 3
カーネル	Hyper-V上のLinuxカーネル	軽量VM（準仮想化）
GPU/NPU	間接アクセス	ネイティブ近似アクセス
対応プラットフォーム	広範	Qualcomm Snapdragon X Elite・Intel Meteor Lake/Lunar Lake（AMD対応は後続）

新しいWSL-AIエクステンションにより、Python/Node.jsで記述したAIエージェントをLinux環境内でWindows Agent Runtimeに対してテスト可能になった。

Copilot Workspace GA：
バグや機能要望を自然言語で記述すると、Copilotがプラン生成→複数ファイル修正→PR作成まで自律的に実行する機能が正式GA（ベータ終了）。

2.5 Microsoft Agent 365：AWS Bedrock・Google Cloud との Registry Sync が6月 Preview

Microsoft Agent 365が、6月のアップデートとしてAWS Bedrock および Google Gemini Enterprise Agent Platform との Registry Sync をパブリックプレビューで追加。[6][7]

機能	概要
Registry Sync	AWS Bedrock・Google Cloud上に展開されたエージェントを自動検出・インベントリ化
ライフサイクル管理	他社クラウドのエージェントをAgent 365から停止・削除等の基本操作が可能
Defender 統合	各エージェントが動作するデバイス・MCPサーバー・関連IDの資産コンテキストマッピング（6月〜）

3. LLM Model / AI Agentアーキテクチャ・研究

3.1 「Inside the Scaffold」：コーディングエージェントのスキャフォールドアーキテクチャをソースコードレベルで分類（arXiv:2604.03515）

"Inside the Scaffold: A Source-Code Taxonomy of Coding Agent Architectures"（arXiv:2604.03515）は、Claude Code・Devin・SWE-agentなど本番稼働中のコーディングエージェントのスキャフォールド（エージェントハーネス）をソースコードレベルで解析・分類した系統的研究。[8]

スキャフォールドの役割：
LLMはタスクを推論するが、「どのツールをいつ呼ぶか」「エラー時にどう回復するか」「コンテキストをどう管理するか」などの実行制御ロジックはスキャフォールドが担う。モデル性能と同程度にスキャフォールド設計がエージェントの品質を左右するにもかかわらず、アーキテクチャ比較研究は存在しなかった。

分類フレームワーク：

設計次元	パターン例
ツール実行制御	ReAct（思考→行動→観察のループ）・CodeAct（コード実行中心）・Plans-then-Acts（計画→実行分離）
コンテキスト管理	ローリングウィンドウ・要約圧縮・ファイルキャッシュ
エラーリカバリ	リトライ・フォールバックツール・自己デバッグループ
マルチエージェント調整	オーケストレーター・サブエージェント委譲

主要知見：

最も広く採用されているのはReActパターンだが、Devinのような高性能エージェントはReActを基礎としつつ自己デバッグループとコンテキスト圧縮を独自に組み合わせている
マルチエージェント構成を採用しているエージェントは少ないが、採用したエージェントはシングルエージェントを性能・信頼性の両面で上回る傾向
本論文が提案する分類スキームは今後のエージェント設計ベストプラクティス標準化の出発点として期待される

4. 公式ブログ・論文のリサーチ・要約

4.1 Google

新情報なし（§1 参照）

4.2 OpenAI

4.2.1 GPT-4.5 と OpenAI o3 の ChatGPT からの退役スケジュール発表

OpenAIは5月末〜6月1日にかけて、ChatGPTにおけるモデル退役（Retirement）スケジュールを発表した。[9][10]

モデル	ChatGPT退役日	サンセット期間
GPT-4.5	2026年6月27日	30日間
OpenAI o3	2026年8月26日	90日間

背景：
GPT-4.5はOpenAIにとって最後のGPT-4系モデルであり、その退役はGPT-5系（Instant/Thinking等）への全面移行を象徴する歴史的な転換点となる。2026年3月に公開されたモデル体系整理の一環として、レガシーモデルの段階的廃止が進んでいる。

影響範囲： 今回の変更はChatGPT専用。API側でのGPT-4.5・o3の提供は別スケジュール。

4.3 Anthropic

4.3.1 AnthropicがSECへIPO目論見書を機密提出（6月1日）

2026年6月1日、Anthropic（Claudeの開発元）が米国証券取引委員会（SEC）にForm S-1の機密提出（Confidential Filing）を行い、上場（IPO）に向けた第一歩を踏み出した。[11][12][13]

主要財務指標：

指標	値
直近評価額（プレマネー）	$965億ドル（約145兆円）
最終調達額	$65億ドル（2026年5月クローズ）
Q2売上見通し	$109億ドル（Q1比 2倍超）
年間ARR見通し	2026年6月末時点で$500億ドル超のペース
収益性	初の黒字化四半期（2026年Q2）が射程に
競合比較	OpenAI直近評価額（$852億ドル）を上回り、世界最高値の民間AIスタートアップへ

機密提出の意義：
Form S-1の機密提出は、最終的な公開前にSECとの審査・交渉を非公開で行える制度。IPO価格・株数は未定。上場時期は2026年10月が見込まれている。

業界的含意： AnthropicのIPOは単なる資金調達イベントを超え、AIスタートアップが「成熟した公開企業」として市場に受け入れられるかどうかの試金石となる。OpenAI・xAI・Cohereなど競合AIスタートアップへの影響も大きく、AI業界全体のIPOラッシュの先鞭をつける可能性が高い。

5. AI Agent搭載SaaS製品情報

5.1 Microsoft Agent 365：マルチクラウドエージェント管理の標準プラットフォームへ

6月の追加機能としてマルチクラウド対応が強化された（§2.5参照）。[6][7]

特筆すべきはDefender統合による**「シャドーAI（Shadow AI）管理」**：企業内で個人が導入した未承認AIエージェントを自動検出し、ガバナンス対象とする仕組みが整備された。

機能	内容
マルチクラウドRegistry Sync	Azure・AWS Bedrock・Google Cloudのエージェントを単一インベントリに統合
Shadow AI 検出	DefenderがホストデバイスからAIエージェントプロセスを検出・分類
資産コンテキストマッピング	エージェント↔デバイス↔ID↔クラウドリソースの関係グラフを自動構築
ポリシーベース制御	未承認エージェントへのリアルタイムブロック・アラート

6. LLM/AI Agentセキュリティインシデント

6.1 AIエージェントによるサイバー攻撃の産業化：論文が「Linux Kernel Copy Fail事件」を事例に警告（arXiv:2605.06713）

"Agentic AI and the Industrialization of Cyber Offense: Forecast, Consequences, and Defensive Priorities for Enterprises and the Mittelstand"（arXiv:2605.06713）は、フロンティアLLMエージェントがサイバー攻撃を産業化・自動化する脅威を体系的に分析したレポート型論文。[14]

ケーススタディ：2026年「Linux Kernel Copy Fail事件」
論文はLinuxカーネルへのエージェント主導型サプライチェーン攻撃事例を分析。人間が数週間かけて行う脆弱性探索・エクスプロイト開発・難読化のサイクルを、エージェントが数時間で自動化できることを実証した。

脅威予測（主要発見）：

脅威領域	予測
脆弱性スキャン	高優先ターゲットのスキャン速度が 10〜100倍に高速化
フィッシング・ソーシャルエンジニアリング	超個人化された攻撃の自動量産が可能に
ゼロデイ発見	Exploit-before-patch（パッチ前の悪用）が常態化するリスク
防御コスト	攻撃コスト低下に対し防御コストは比例低下しない→非対称性の拡大