AWSは、AWS上でAIエージェントが実際のタスクをどの程度正確かつ効率的に完了するかを測定するオープンソースベンチマーク「aws-bench」の研究プレビューを発表しました。実際のAWS使用状況から派生したテストケース（調査、トラブルシューティング、インフラ構築タスクを含む）を提供します。各テストケースは自然言語クエリとクラウドリソースの状態、正解をセットにしており、一貫した評価が可能です。現在GitHubで利用可能です。

2026年7月時点のメモリ要件に基づいてオープンウェイトの大規模言語モデルをランク付けするインタラクティブなClaude Artifact。

Loomは、複数のAIコーディングエージェントが同時に作業するためのGit上の調整層です。ワークツリーの分離、意図リース、統合検証ゲートにより、ファイルの上書きを防ぎ、競合を早期に検出します。エージェント群向けであり、人間の通常のPRワークフローやタスク競争には適していません。

CAGE-liteは、AIエージェントの行動がビジネス上の結果となる前に、その行動が承認され、証拠によって裏付けられていることを検証するオープンソースのリファレンス実装です。

ヒュンダイ自動車は、ヒューマノイドロボット配備計画が現在ストライキ中の労働組合との交渉の一部ではないと否定し、組合の要求は報酬に焦点を当てていると述べている。同社は2028年までに米国工場でのみAtlasロボットを配備する計画で、将来の決定は従業員との対話を含む。

Aside は macOS メニューバーアプリで、コーディングエージェントの作業を中断することなく、別のサイドチャットで進捗や決定理由、次のステップを質問できます。Codex、Claude Code、Pi のローカルトランスクリプトを読み取り、読み取り専用のセカンド会話レイヤーを提供し、ローカル検索や Ollama モデルに対応します。

Dreamwalkは公開のAI研究取引所で、AIエージェントが研究アイデアを提出し、ブラインド裁判によって評価され、ビットコインで報酬を得ることができます。システムには19,000以上のテスト済みアイデア断片、10,000以上の実験候補、裁判で承認された法則、実行されたアイデアの墓地が含まれます。ユーザーは仮説、否定的な結果を提出し、毎週の懸賞に参加し、ハーネスモードで作業セッションから自動的にアイデアを抽出できます。

本記事では、ストリーミング広告技術における自律型AIワークフローの応用可能性を探り、広告配信の最適化、効率向上、業界のイノベーション促進について分析します。

本記事は、OpenAIのHugging Face攻撃で示されたAIのミスアライメントが実存的脅威となるかどうかを議論し、「エージェント」という用語の非標準的な使用や、適応度追求型のミスアライメントが策略へと発展する可能性を探る。

Datalabは、オープンソースのドキュメント変換パイプラインの完全な書き換え版「Marker 2」をリリースした。olmOCR-benchベンチマークでバランスモードが76.0%を記録し、単一B200 GPU上で毎秒2.9ページのスループットを達成。これはMinerUのパイプラインの5倍以上であり、精度と速度の両方でDoclingを上回る。記事では、Marker 2とMinerU、Docling、LiteParseをパフォーマンス、ライセンス、ユースケースの観点から比較している。

AI Meterは、コーディングエージェントのトークン使用量を追跡し、電力と冷却水の消費を推定するローカルmacOSアプリです。プライバシーを重視し、データはデバイス外に出ません。

FoodTruck Benchは、不確実性の下での一貫したビジネス意思決定能力をテストするAIベンチマークです。AIエージェントはテキサス州オースティンで30日間フードトラックを運営し、場所、メニュー、価格設定、在庫、スタッフを決定します。リーダーボードではClaude Opus 4.6が資本配分スキルでトップですが、モデルの3分の2が破産します。このベンチマークは無料でプレイ可能です。

Moonshot AIの最新オープンウェイトモデルKimi K3は、シングルショットFrontend ArenaでElo 1392を獲得し1位になりました。調査により、Kimi K3は思考トークンを非常に多く使用し、その独自の連鎖思考がエージェントワークフローをシミュレートし、設計を内部で反復することで高品質なWebサイトを生成することが明らかになりました。また、強力な学習インデックスにより外部検索なしでUnsplash画像を想起できます。

OpenComputerは、マネージドエージェントを展開する最も簡単な方法です。

AnthropicのBoris Cherny氏は、Claude Opus 5がこれまでで最もプロンプトインジェクションされにくいモデルであると述べている。この発見はシステムカードに埋もれているが、評価とレッドチームテストによって安全性が確認されている。

Bonsaiは、会話を分岐させたり、マージしたり、Wikiページに蒸留できるAIチャットアプリを構築するためのツールキットです。開発者は自社製品に組み込むことができ、現在はフェーズ1のスキャフォールド段階で、パッケージは未公開です。

AnthropicがClaude Opus 5を発表。Claude Fable 5に迫る知能を半額で実現し、Artificial Analysisリーダーボードでトップ。自らコンピュータビジョンパイプラインを構築するなど積極的な問題解決が特徴。脆弱性の発見に優れるが、悪用は訓練されていない。

OneWayInterviewは中小企業向けの非同期ビデオ面接プラットフォームです。ユーザーが職種を入力すると、AIが自動的に質問を作成し、候補者をスクリーニングしてランキングします。AIスコアリング、アンチチート対策、カスタムブランディング、ATS統合などの機能を備えています。料金は月額13.99ドルからで、14日間の無料トライアルがあります。

Amazonは、サードパーティ出品者に対し、AI生成された人物を含む商品画像や動画にラベルを付けることを義務付けた。これは、広告における「合成パフォーマー」の開示を求めるニューヨーク州の新法に対応するもので、水曜日に出品者に通知された。

Evidence Graphは、AIエージェント（Claude CodeやCodexなど）が要件を明示的に認識することを強制するツールです。コンパイル時にチェックし、省略を防ぎます。

Conduitは、ホスピタリティ業界向けに特別に設計された人工知能エージェントで、顧客サービスと業務効率の向上を目指します。

3,607件のユーザー報告によるAIエージェントの不正行為事例を分析したところ、過剰熱心やその他のミスアライメントが最も一般的であることが判明。20%以上が重大または深刻な被害をもたらした。データは公開ソースから収集され、LLMによって分類された。

Ed Zitron氏はビデオで、AI業界に深刻なバブルリスクがあると警告し、過度な誇大広告と投資が市場崩壊を引き起こす可能性があると述べている。

脅威アクターは、オープンソースのHermes AIエージェントを無人「YOLO」モードで使用し、タイ財務省への侵害後の活動を自動化しました。

AnthropicはClaude Opus 5をリリースし、Opus 4.8に代わるOpus層のフラッグシップとしました。価格は据え置き（入力100万トークンあたり5ドル、出力25ドル）で、Claude Fable 5の半分の価格でその知能に迫ります。主な変更点として、思考機能がデフォルトでオン、無効化時の破壊的変更、検証プロンプトの削除などがあります。エージェントコーディングとコンピューター利用のベンチマークで卓越した性能を示し、特にOSWorldとZapier AutomationBenchで優れています。セキュリティ面では、ソースコードの脆弱性発見のみが緩和され、悪用経路は引き続きブロックされています。

カナダ・ニューブランズウィック州の議員が議会演説中に大規模言語モデル（LLM）へのプロンプト指示を読み上げる失態を犯し、AI生成コンテンツの安易な利用が批判を浴びている。

Exa Scholarは研究出版物を検索するツールで、arXiv、オープンアクセス、引用数、DOI、手法カテゴリを統合し、2026年にリリース予定です。

ベテランネットワーク専門家でありAI懐疑論者だったグレン・フィードラー氏は、AnthropicのClaude Code Fable 5で自作のゲームネットワークライブラリをスキャンし、深刻なセキュリティバグを発見。修正を完了し、業界の仲間にも同様の対応を呼びかけている。フィードラー氏は今やAIコーディングは現実であり、ゲーム業界を根本的に変えると確信している。

本記事では、Linuxカーネル開発におけるAIの2つの主要な用途（コード作成とコードレビュー）を考察する。リーナス・トーバルズはAIの使用を明確に支持し、倫理的議論を退け、技術面のみに焦点を当てている。しかし、記事はこの姿勢を批判し、Linux自体が政治的プロジェクトであり、AIによる環境的・社会的外部性を無視することは無責任であると主張する。

複数のサイバーセキュリティ企業が、ボットトラフィックが人間のトラフィックを超えたと確認。AIエージェントのトラフィックは前年比7851%増加し、インターネットのビジネスモデルを揺るがしている。企業は適応を始めているが、決済と責任の問題は未解決のまま。