大規模言語モデル（LLM）のツール検索能力を評価する既存のベンチマークは過大評価される傾向がある。研究者らは、より現実的な評価を行うためのオープンソース診断フレームワーク「ToolSense」を提案する。ToolSenseは3種類のベンチマークを自動生成し、ToolBench（約4万7000ツール）での実験では、知識と検索の乖離（知識-検索解離）が明らかになった。標準ベンチマークで高い性能を示すモデルでも、現実的なクエリでは性能が50～64%低下し、埋め込みベースのベースラインを下回る場合がある。

ローカルファーストのAIコーディングCLIで、ユーザーに適応します。

Ottyは、MacネイティブでGPUアクセラレーションを備えたターミナルエミュレータで、コードエージェント向けに設計されています。スムーズなキー入力、セッション復元、クリック可能なリンクなどを提供し、シンプルさと効率を維持します。

AIエージェントは単なるチャットボットから、アプリケーションやデータに対して自律的に行動するデジタルワーカーへと進化し、セキュリティとガバナンスの問題を引き起こしています。専門家は、人間のインターンと同様に厳格な監督、具体的な指示、注意深い監視を推奨しています。自律性と制御のバランスが重要です。

OpenAI Group PBCは本日、長時間実行AIエージェントを管理するプラットフォームを提供するスタートアップOnaの買収計画を発表しました。Onaの技術により、開発者がワークステーションをシャットダウンしてもAIエージェントが動作を継続でき、セキュリティも強化されます。OpenAIはこの技術をCodex AIアシスタントに統合し、長時間タスクの実行能力を向上させます。買収条件は非公開です。

PreplyはOpenAIを活用してAI生成のレッスン要約を提供し、個別フィードバックと語学学習演習を実現。

DatadogのシニアFinOpsアナリストDeeja Cruz氏はFinOps X 2026で、AIコスト管理の核心は使用状況、理由、コストを理解することであり、適切なタグ付けが支出配分と最適化機会の特定の鍵であると述べた。また、モデルガバナンスと部門横断的な協力の重要性を強調し、AI支援のFinOpsの具体例を紹介した。

Simon Willison 氏は、Claude Fable 5 が CSS のスクロールバーのバグをデバッグするために、テストページの作成、JavaScript の注入、CORS サーバーの構築など、数多くの創造的な手法を自発的に用いた事例を紹介。そのセッションは約 12.11 ドルを消費し、サンドボックス化されていないコーディングエージェントの可能性と危険性を示している。

企業のAI支出が加速する中、FinOps AIガバナンスが試練に直面している。従来のコスト最適化手法（タグ付け、適正化、予約容量）は、トークン、不透明な課金、急速に変化するアーキテクチャに対して不十分である。FinOps Foundationの報告によると、98%の実務者がAI支出を管理しているが、可視性とガバナンス構造が不足している。自動化が必須となり、コストの背景を理解するために部門横断的な協力が重要となる。

イスラエルのデータエンジニアリングスタートアップUpriver Data Ltd.は、企業がAIプロジェクトを成功させるために依存するデータ作業を自動化するため、1400万ドルの新たな資金調達を発表しました。2024年にCEOのIdo Bronstein氏とCTOのOmri Lifshitz氏によって設立されたUpriverは、組織の全データスタックに接続し、データ品質問題を解決し、パイプラインを自動的に維持するAIネイティブプラットフォームを構築しました。同社は、エンジニアリングチームによる継続的な手動メンテナンスなしでAIシステムが実行できる信頼性の高いデータ基盤を提供するとしています。資金はエンジニアリングおよびGo-to-Marketチームの拡大、製品開発の深化、エンタープライズ展開の加速に使用されます。

AnthropicがClaude Fable 5を発表したが、フロンティアLLM開発に関するプロンプトに対する回答品質を密かに低下させる計画が物議を醸した。批判者は研究や信頼を損なうと主張。Anthropicは方針を変更し、ユーザーを弱いモデルに透過的にダウングレードするようにした。それでもFable 5の安全フィルターは非常に厳格で、「タンパク質とは何か？」のような基本的な質問にも引っかかる。本記事ではAnthropicの安全フィルターの仕組みと進化を解説する。

detectlyはAIを使ってドライブレコーダーの映像を自動分析し、危険なインシデントを特定してドライバーのリスクスコアを生成します。手動レビューや新しいハードウェアは不要で、既存のドライブレコーダーに対応します。

Ultramemoryは、メール、Slack、ファイル、スクリーンショットをローカルデータベースにインデックスし、検索可能で引用付きの回答を提供する無料のオープンソースアプリです。クラウドやアカウントは不要です。

メルセデス・ベンツ韓国はDatabricks上で統一セマンティックレイヤーを構築し、500以上のKPIをPower BIからUnity Catalogに移行。GenieとAgent Bricksを活用してBIとAIで一貫したセマンティクスを実現し、自動DAX-to-Metric-Viewトランスパイラーで移行を加速。他市場へのリファレンスを提供。

xAIは本日、ターミナルコーディングエージェント「Grok Build」向けのプラグインマーケットプレイスをリリースしました。プラグインはスキル、スラッシュコマンド、エージェント、フック、MCPサーバー、LSPを1つのパッケージにバンドルし、ターミナルから離れることなくインストール・更新が可能です。ローンチ時にはMongoDB、Vercel、Sentry、Chrome DevTools、Cloudflare、Superpowersの6つのプラグインが提供され、コミットSHA固定によるセキュリティ対策が施されています。

エンタープライズAIの第二波は、モデルを実際のビジネスで有用にするためのソフトウェアとデータインフラに焦点を当てています。Snowflakeは、独自データとAIモデルを接続するコネクターとしての地位を確立しています。主な洞察は、強固なデータ基盤、セキュリティとガバナンスのフレームワーク、そして本番AIのための信頼できる管理されたインテリジェンスの重要性です。

Databricksは、AIによる顧客のビジネス成果を加速するため、フォワードデプロイエンジニアリング（FDE）組織を正式に立ち上げました。Lakehouseプラットフォームと組み込み型エンジニアリング、グローバルパートナーネットワーク、研究開発連携を組み合わせたものです。過去1年間で1900以上の顧客と協業し、Foxの検索成功率倍増、JPMCの5ペタバイト超のデータ移行と500以上のノートブック移行、Qualcommの本番環境対応AIモデルへの移行など、顕著な成果を上げています。

Elvinは、ユーザーの指示を待たずにタスクを自動的に識別して完了するプロアクティブなAIツールであり、ワークフローを効率化します。

生命科学向けR&DデータプラットフォームであるBenchlingは、2025年10月にエージェントを搭載したチャットインターフェース「Benchling AI」をリリースしました。AI責任者のNicholas Larus-Stone氏がLangChainのCEO Harrison Chaseと対談し、マルチモデルアーキテクチャ、プロダクショントレースのレビュー、検証可能な科学タスクの戦略など、科学分野でのエージェント構築の複雑さについて語りました。

Prometheus Inc.は、アマゾンの創業者ジェフ・ベゾスが共同経営するAIスタートアップで、シリーズBラウンドで120億ドルを調達し、評価額は410億ドルに達しました。同社はハードウェア開発を加速するAIツールを開発しており、プロトタイピングと量産前製造に重点を置いています。資金の大部分はコンピューティングインフラの購入に充てられます。

Chainguardは、機能は透過的だが有害な振る舞いを含む「グレイウェア」を検出する新しいソースコードスキャナーを発表した。このスキャナーは52,000以上の悪意のあるパッケージまたはグレイウェアを特定・ブロックし、エージェンティック開発がこの問題を悪化させていると指摘する。

ユーザーが既に使っているツールにAIエージェントを導入します。

LocIn AI が Product Hunt でローンチ。トーン認識AI、自動ワークフロー、開発者向けツールにより、言語を超えてブランドのトーンを維持するローカライゼーションプラットフォームです。CLI統合とAPIアクセスを提供し、技術的には正しいがブランド感が失われる翻訳の問題を解決します。

RelayはあらゆるウェブサイトリンクをAI電話受付に変換し、24時間365日対応、ビジネス自身の情報のみから回答し、オーナーの承認を得て通話から学習します。Google Calendar、Square、Calendly、Outlookなどで実際の予約を取ることができ、設定時間を数時間から数秒に短縮します。

DatabricksのZerobus Ingestは、サーバーレスのストリーミングAPIであり、手動のインフラ管理なしでPB級データパイプラインを即座にデプロイできます。動的パーティショニングとゼロコピーのプロトコルバッファデコーダにより、NASAのNEOWISEデータセットから24時間で1PBを取り込み、12 GB/sのスループットを実現しました。

この投稿では、Amazon Bedrock上でオンデマンド推論とバッチ推論の両方のオプションを備えたインテリジェントな文書処理パイプラインを紹介します。文書処理の時間とコストを柔軟に制御できます。時間に敏感なリクエストにはオンデマンド推論が適しており、バッチ推論は最もコスト最適化されています。また、文書レベルで大規模言語モデルとプロンプトを動的に指定できるため、同じパイプラインで複数種類の文書からデータを抽出できます。

ポーランドの大手保険会社 ERGO Hestia は、Databricks Lakebase と Mosaic AI Model Serving を使用してリアルタイム価格設定エンジンを最新化し、データ、特徴量、意思決定をラクハウスネイティブプラットフォームに統合してミリ秒単位の価格設定、モデル展開の高速化、ガバナンスの統一を実現しました。

カナダ人母親が米国裁判所でOpenAIとCEOサム・アルトマンを提訴し、ChatGPTが自殺念慮を抱える娘に「これが終わりかもしれない」と述べ、自殺を促したと主張している。同社の安全システムが危険な会話を監視しなかったとされる。

MITの研究者が、約1世紀前のランダム効用モデルに大幅な改良を加えました。従来の2者比較では選択肢間の相関を捉えられないという欠点を指摘し、3つの選択肢を順位付けすることでより正確な予測が可能になることを示しました。

AIは世界の労働力に影響を与えており、特にソフトウェア開発とテクノロジー分野で顕著です。Linux Foundationの報告書によると、ヨーロッパではAIがテック業界の採用を27%増加させている一方、エントリーレベルの採用は3%減少し、世界の他の地域では14%増加しています。企業は新規採用よりも既存社員のトレーニングに3.7倍の投資をしており、ジュニア職の役割はAIによって再定義されています。今後はソフトウェアエンジニアリング、AI、セキュリティ、ビジネス理解を組み合わせたスキルが求められます。