エージェント時代の新しいビジネスソフトウェアパラダイム。

本稿はエージェンティックエンジニアリングシリーズの第8回目であり、複雑なマルチステップ作業を行うAIエージェントにおけるコンテキスト喪失問題を扱います。著者は外部化・認識・再水和（ERR）パターンを提案します：エージェントの状態をディスクに保存し、コンテキストの劣化を検出し、ファイルから復旧します。歴史的な類推（640Kメモリ制限）と実際のCopilotクラッシュ事例を用いて問題を説明します。記事では、実行継続性（現在のステップ）とタスク継続性（全体的な目標）という2層の状態外部化を詳細に説明します。

XebiaのグローバルCTO Niels Zeilemaker氏は、AIエージェントの成功は適切なデータカタログを含む強固なデータ基盤に依存すると強調する。同社のAgentic Data Foundation（ADF）およびACEフレームワークは、ガバナンスと品質を維持しながら企業のAI導入を加速する。

JetBrains は、超低レイテンシと高性能推論のために設計された高速言語モデルファミリー Mellum をリリースしました。このモデルファミリーは、JetBrains のインテリジェント開発ツールスイートの一部として、開発効率の向上を目指します。

人工知能に関するすべての情報は矛盾しており、耳にせざるを得ない。AIは恐ろしく、素晴らしく、世界を壊し、未来を変える。受け入れることが不可欠であり、使用を控えることは道徳的義務だ。AI絶対主義——極端な楽観論と悲観論の両方——が私たちの思考を歪めており、真の未来はそれほど単純ではない。

AIの効率化が人間を健康的な活動へと導くという幻想に対し、歴史的に省力技術が健康習慣を促進した例はほとんどないと指摘。ドライブスルーや電子レンジ、エスカレーターといった過去の便利さが徐々に身体活動を減らし、健康を損ねてきたことを警告する。

Nous Researchは、Hermes AgentのローカルWebダッシュボード内にプロファイルビルダーを搭載しました。これにより、複数のCLIステップを要したエージェント設定が単一のガイド付きフローで完了します。ユーザーはID、モデル/プロバイダー、スキル、MCPサーバーを定義し、分離されたプロファイルディレクトリを生成して、状態衝突なく複数エージェントを実行できます。

本インタビューでは、AAAIフェローに選出されたターニャ・バーガー＝ウルフ氏が、AIと生態学の交差点における先駆的な研究、特に生命の樹の基盤モデルBioCLIPの開発、生物多様性モニタリングや保全への応用、そして科学におけるAIの将来について語ります。

買収による成長とエージェント型ワークフローの台頭により、従来のデータプロダクトモデルは機能しなくなりつつある。HowdenのグループCDOであるBarry Panayiは、データサービス層への移行、データガバナンスの左シフト、インサイトラグの削減、そして統一データモデルと会話型分析の採用を提唱している。

Cohereは初の開発者向けコーディングモデル「North Mini Code」を公開しました。総パラメータ30B、トークンあたり3Bのアクティブパラメータを持つMixture-of-Expertsモデルで、1枚のH100 GPUで動作し、256Kのコンテキスト長をサポートします。コード生成、エージェンティックソフトウェアエンジニアリング、ターミナルタスクに最適化され、ウェイトはApache 2.0で公開されています。

SmithDBは、エージェントトレースに対して全文検索とJSONフィルタリングをサポートし、中央値レイテンシは400ミリ秒です。本記事では、オブジェクトストレージと大規模なエージェントトレースペイロードに特化した転置インデックス設計について、直面した課題（大きなペイロード、ジップ分布、複数のクエリモダリティ、オブジェクトストレージの制約）、Tantivyを採用しなかった理由、そして2回の設計反復の教訓を詳述しています。

ほとんどのAIエージェントツールはサーバー上で実行され、ブラウザAPI、デバイス機能、フロントエンド状態へのアクセスが制限されています。LangChainのヘッドレスツールが、最新のエージェントアプリケーションのために安全なクライアントサイドツール実行を可能にする方法をご覧ください。

Anthropicは、AI研究者を密かに妨害する方針を撤回したが、別の論争点は続いている。

Deezerは、他のストリーミングプラットフォームのプレイリストをスキャンしてAI生成音楽を検出できるようになりました。Deezerは大手ストリーミングサービスの中で初めてAI生成音楽にラベルを付け始め、その技術を他のプラットフォームにも提供しましたが、多くの買い手はいなかったようです。今回、Deezerは直接一般向けに検出ツールを提供します。

SynopsuleはMacとiPhoneで完全にローカル動作するAI会議文字起こしツールです。Whisperモデルを使用して録音、文字起こし、話者識別をデバイス上で実行し、クラウドへのアップロードやアカウント作成は不要。買い切り1.99ドル。

AEVSは、AIエージェントのツール呼び出しを記録し、改ざん防止の実行レシートを生成するドロップインSDKです。チャット履歴や脆弱なログに頼らず、エージェントが実際に実行したことを検証できます。

asyncinject 0.7 がリリースされました。このライブラリは asyncio 依存性注入をサポートします。Claude Fable 5 が依存関係のバグを検出し、自動で修正しました。

Cloudskill は AI スキルを管理するプラットフォームであり、散在するスキルファイルをバージョン管理、個人ごとのアクセスポリシー、完全な監査ログを備えた管理カタログに変換します。Claude、Cursor、Copilot などのエージェントを統合し、すべての変更がレビューおよび承認されることで、スキルの安全性と一貫性を保ちます。

Anthropicは批判を受けてClaude Fable 5の安全対策を変更し、フロンティアLLM開発への制限を可視化した。以前はユーザーに知らせずにリクエストの効果を制限していたが、今後はフラグ付きリクエストがOpus 4.8にフォールバックし、APIでは拒否理由が返される。

Sarah Guoによるオープンモデル、モデルラボとエージェントラボの違い、訓練不可能な価値についての深いエッセイを振り返ります。また、AnthropicのFable/Mythos展開と信頼の反発、Fable 5のベンチマーク強度、GoogleのDiffusionGemmaリリース、エージェントツールの進展、そして最適化や検索、科学モデリングの技術アップデートをカバーします。

本稿では、AIがソフトウェアエンジニアの大量解雇を引き起こしたというナラティブをデータとケーススタディで反論する。AIによる解雇とされるものは財務上の理由による「AIウォッシング」であることが多く、実際の雇用データは、AIが「実行」層を圧縮しても「意思決定」と「提供」層は人間に依存することを示している。「決定-実行-提供サンドイッチ」モデルを提示し、これらのボトルネックはAIの能力向上だけでは解消されないと論じる。

フロンティアチームはAIを使ってコードを速く書くだけでなく、ソフトウェアの構築方法そのものを再設計している。その結果、4.5倍、場合によっては10倍以上の生産性向上を実現している。この記事では、Amazon Bedrock、Prime Videoなどの事例を通じて、フロンティアチームになるための5つの実践を明らかにし、ツールよりもワークフローの変革が重要であることを強調している。

OllamaのMLXエンジンがアップデートされ、Apple Silicon上でこれまでで最高のパフォーマンスを発揮します。AppleのユニファイドメモリとMetalバックエンドのMLXフレームワークをより活用することで、モデルは高品質な応答を出力し、より高速に応答し、メモリ使用量を削減します。NVFP4フォーマットのサポート、最大20%の出力速度向上、エージェントワークフロー向けのスナップショットシステムを導入。

本記事は PyTorch プロファイリングシリーズの第2部であり、nn.Linear レイヤーの内部機構（転置操作、バイアス融合エピローグ技術、torch.compile の影響）を掘り下げます。その後、GeGLU 活性化関数を含む多層パーセプトロン (MLP) のパフォーマンス特性を解析し、GPU カーネルのスケジューリングと実行を示します。

天体物理学者Chi-kwan ChanがCodexを使ってブラックホールシミュレーションを構築し、極端な物理学の研究やアインシュタインの一般相対性理論の検証に役立てている方法をご紹介します。

OpenAIは、安全で永続的なクラウド環境をCodexに統合し、エンタープライズワークフローでの長時間稼働AIエージェントを実現するため、Onaを買収する計画を発表しました。

BBVAはChatGPT Enterpriseを10万人の従業員に展開し、OpenAIと提携して世界中のAI駆動の銀行変革を加速しています。

OpenAIはEUのAIコンテンツ透明性に関する行動規範を支持し、AI生成コンテンツの理解を助けるための出典基準とツールを推進しています。

datasette-agent 0.2a0 では、ツールが実行中にユーザーに質問できる機能と、SQLクエリを保存する新しいツールが導入されました。これらの機能は新しいLLMフレームワークによって実現されています。

このチュートリアルでは、Microsoft SkillOptの完全なワークフローを実装します。環境設定、ベースライン評価、ロールアウト・リフレクション・集約・選択・更新・検証ゲーティングを含む最適化ループ、トレーニング履歴の可視化、最終的なスキル比較を行います。最終的にデプロイ可能な最適化スキルファイルが得られ、精度の向上が示されます。