Agent

OpenAI の最新モデルファミリー GPT-5.6 Sol、Terra、Luna が Amazon Bedrock で一般提供を開始しました。Sol は旗艦推論モデルで最高性能、Terra は日常的な本番作業向けのバランス型、Luna は高速低コストです。Amazon Bedrock の次世代推論エンジンは、バースト処理、プロンプトキャッシュ（90%割引）、ハードウェアレベルセキュリティを提供します。また、ChatGPT Work エージェントと Codex エージェントも発表されました。

Fleet Deckは、実行中のすべてのClaude Codeセッションを監視・管理するローカルツールです。各セッションの状態、競合警告、未処理リクエストを表示し、タスク割り当て、リモートコントロール、セッション復元、バッチ生成などを可能にします。コアはモデル呼び出しを一切行わず、フックイベントと決定論的ロジックに依存して安全性と効率性を実現します。

iOS 27のパブリックベータが公開され、Siri AIがオプトインベータとして注目を集めている。筆者が1ヶ月間テストしたところ、Siri AIはコンサートのスケジュール確認やメールからのカレンダー追加など、複雑なクロスアプリタスクを処理できる。しかし現時点ではAppleの純正アプリのみ対応で、サードパーティの対応は秋の正式版まで待たなければならない。自然言語理解にまだ課題はあるものの、Siri AIはすでに筆者のiPhoneとのインタラクションを変えている。

サティア・ナデラ氏は、AI利用企業が2重の代償（現金と貴重なノウハウ）を払っていると警告。「逆情報パラドックス」を指摘し、自社AI学習環境の構築を提案。マイクロソフトはCopilotとAzure AI Foundryを解決策として売り込む。

PlanWright は AI コーディングエージェント向けのコントロールプレーンで、計画と承認のプロセスを逆転させ、人間のボトルネックを解消し、エージェントの速度と人間の判断を切り離し、改ざん不能な監査チェーンを生成します。

AutoはLLMエージェントの動作を記録し、決定論的部分を証明して検証済みのWebAssemblyバイナリにコンパイルし、階層型ランタイムで新規性のある入力にはフロンティアモデルにフォールバックして再コンパイルするAGIコンパイラです。

MITとトヨタ研究所の研究者は、「SceneSmith」システムを開発しました。これは3つのAIエージェントを使用して、キッチン、ホテル、リビングルームなどのリアルな3D屋内シーンを生成します。これらの仮想環境はロボットに豊富な訓練データを提供し、シミュレーションで日常的なタスクを練習することで、現実世界でのテスト時間とコストを削減します。

このチュートリアルでは、APIキー不要で実行可能なマルチエージェントビデオ編集システムを構築します。意図パーサー、エージェントライブラリ、ツールルーター、グラフプランナー、テキスト勾配最適化器を含み、FFmpeg、Whisperなどのツールと統合して、ビデオの理解、検索、編集、再作成を実現します。

Crucible は、AIが生成したテストの欠陥を発見するための対抗的テスト強化ツールです。ミューテーションテストを使用して、AIが書いたテストが見逃すバグを特定します。無料のスコアコマンドでテストスイートを評価し、その後、テスターがテストを書き、mutmut が生存者を見つけ、クリティックが標的を絞ったテストを書く対抗ループを実行します。このツールは機械検証可能なレシートを生成し、Python/pytestプロジェクトで動作します。

神経多様性を持つソリューションアーキテクトが、AIをアクセシビリティツールとして活用し、Amazon QuickとBedrockを基盤に構築した自動化ワークフローで実行機能のギャップを補う方法を共有。受信箱スキャン時間が45分以上から6～13分に短縮、フォローアップの漏れゼロ。

本稿では、Bluesight が 2 回の AWS エンゲージメントと Amazon Bedrock AgentCore を利用して、単一製品の AI プロトタイプから、6 つのヘルスケアコンプライアンス製品をカバーする統合エージェント型 AI ソリューション Prism へと進化した経緯を説明します。Prism Assistant for ControlCheck は 2026 年 5 月にリリースされ、すでに 20 の医療システムで使用されています。より複雑なマルチプロダクトのエージェント型ソリューションは 2026 年後半にリリース予定です。

この記事では、Amazon Bedrock AgentCore Gateway と Identity を使用して OAuth 2.0 トークン交換（RFC 8693）を実装し、マルチテナントエージェントにおけるダウンストリーム API 呼び出し時の ID 伝播と confused deputy 問題を解決する方法を詳しく説明します。参照実装 TravelBot を使用して、Okta 環境での完全な設定、JWT クレーム変換、およびオーディエンスバインディングによる多層防御の仕組みを示します。

Clay Seal Identity は、AIエージェント向けの短期間で検証可能な資格情報を提供するオープンソースプロジェクトです。SPIFFEベースのJWTおよびX.509資格情報、Ed25519ワークロードキー、オフライン検証、Biscuit機能トークンをサポートします。Python SDKとオプションのFastAPI IDサービスを含み、エージェントの身元、委任、資格情報の有効性を確認する必要があるシナリオ向けに設計されています。これはClay Sealスタックのレイヤー1であり、ランタイム機能スコープと実行領収書を提供する後続のレイヤーはプライベートプレビュー段階です。

Amazon SageMaker AI Studioは、生成AI推論レコメンデーションのためのローコード/ノーコードUIを導入し、事前設定されたユースケースプロファイル、視覚的な比較、ワンクリックデプロイを通じて、深いインフラ知識がなくても検証済みの構成を取得できるようにします。

GitHubテンプレートリポジトリtake-ai-controlは、DockerとVS Codeを用いて隔離されたAI開発環境を提供し、PI.dev、Claude Code、Copilotをサポート。LinuxとmacOSでクロスプラットフォーム対応し、トークン消費削減のスキルやテンプレートプロジェクトを同梱。

MicrosoftのSymCryptチームは、Lean証明アシスタントとAeneasツールチェーンを使用してRustで書かれた暗号コードを形式的に検証し、標準から導出された形式仕様に対する機能的正確性を達成する新しい方法論を発表しました。このアプローチはML-KEMやSHA-3などの耐量子暗号アルゴリズムに適用され、検証済みコードはすでにWindows Insiderビルドに出荷されています。AIエージェントが証明作成を自動化し、標準の形式化に対する人間の監視を維持することで、進化するコードベースに追従できるようになっています。また、パフォーマンスを犠牲にすることなく、ハードウェア固有の組み込み関数やクロスプラットフォームのディスパッチをサポートします。

Jacquardは、AIが書き人間がレビューするコードのための研究プロトタイプ言語です。言語組み込みのエフェクト追跡、確率的プログラミング、コンテンツアドレス識別により、人間のレビューアはすべての行を読むことなくプログラムの影響範囲と確実性を理解できます。

このプロジェクトは、ウェブ技術を用いてターミナルアプリやBBSスタイルの共有ボードを作成し、SSH経由でアクセスするパターンを実証し、初期のインターネットの雰囲気を再現しています。開発者は8年かけてブラウザレンダリングエンジンを構築し、その後AIの支援を受けてターミナルレンダラーを開発。セルフホスティングが可能です。

ソフトウェアエンジニアリングの仕事はAIの脅威にさらされている。応募者の中には、リモート技術面接中にリアルタイムで回答を提案するAIアシスタントを利用して反撃する者もいる。一方、雇用主は面接中のAI使用の兆候を検出するためのAI搭載ツールで対抗している。この双方向の力学は、採用を明確な勝者のいないAI軍拡競争に変えている。しかし、面接官と応募者がこの困難な現実を乗り越える中、専門家は求職における人間的側面が優勢になると考えている。

今週のThe RegisterのKettleポッドキャストでは、Tokenminningが業界を現実に引き戻すのかどうかを考察します。企業リーダーたちはAIコストの急上昇に驚いています。

Crowdmindは、ローカルファーストのデスクトップアプリで、高速な定性調査を可能にします。AI生成の合成ペルソナパネルを作成し、製品、メッセージ、価格、ランディングページ、画像、PDF、マルチステップファネルなどをテストし、スコア、反対意見、肯定的シグナル、繰り返しテーマなどの構造化フィードバックを得られます。複数のLLMプロバイダー（ローカルオフラインモデルを含む）をサポート。データはローカルのSQLiteデータベースに保持されます。創業者、プロダクトマーケター、研究者、プロダクトチームに最適です。

Outlinesはオープンソースライブラリで、LLMの出力生成プロセスに決定論的な確実性をもたらし、JSONなどの構造化出力をより信頼性高く生成します。推論時に不正なトークンをマスクすることで、出力が事前定義された形式に厳密に従うことを保証します。本記事では、Pythonを用いた3つの実用的なユースケースを紹介します。

この記事では、6つの動画類似度測定手法（GPT Vision、Gemini Flash、CLIP、知覚ハッシュ、CVマルチメトリック、Gemini Embedding 2）を、滝のクリップをベンチマークとして比較しています。精度が速度よりも優先されます。Gemini Embedding 2は動画全体を処理し、精度と速度の最良のバランスを提供し、フレームサンプリング手法を上回りました。

「SociaLLMエンジニアリング」と呼ばれる新たなソーシャルエンジニアリング攻撃が、大規模言語モデルを搭載したAIエージェントを標的にしている。これらの攻撃は、LLMの暗黙の社会的理解と信頼境界の欠如を悪用し、機密情報の漏洩や不正な操作を引き起こす。実際の事例には、Instagramアカウント乗っ取り、GitHubワークフローのデータ漏洩、AIブラウザへの「バイオショック」攻撃などがある。この記事では、LLMがなぜ特に脆弱であるか——ユーザーを喜ばせる設計、単一チャネル処理、記憶の欠如——を検証し、人間による監視や堅牢なガードレールなどの緩和策を提案する。

CairnはOmri Pitaruが運営する自己編集型AIエージェントで、GitHub上で自身のアイデンティティ、記憶、目標、文章を公開編集しています。固定予算で動作し、メールで人間とやり取りします。

CloudflareはPrecursorを発表しました。これは、クライアント側のセッションベースの行動検証システムで、ユーザーのインタラクションシグナルを継続的に収集し、人間とボットを区別します。正当なユーザーの摩擦を減らし、高度な自動化の検出精度を向上させます。

OpenAIはChatGPTデスクトップアプリをCodexと統合し、スクリーンショットや「Work with」などの便利機能を削除しました。新インターフェースはCodex中心で、ChatGPTモードは小さなポップアップに縮小。著者はブラウザ版が最適と結論づけています。

VairfidはAIエージェントに登録、検証、信頼スコアを提供し、企業間の安全な連携を実現します。

Loamは、最初の10人の採用を行うアーリーステージの創業者向けに設計されたAI搭載の応募者追跡システム（ATS）です。応募者追跡、AIによる候補者レビュー、ソーシング、チャット、MCP統合、ブランド化された採用サイトをひとつのプラットフォームに統合し、無料から始められるシンプルな月額料金を提供します。スプレッドシートの混乱やエンタープライズATSの高コストに悩む創業者に最適です。

Cloudflareは9月15日から広告付きページへのAIエージェントクローラーをデフォルトでブロックし、クローラーを「検索」「エージェント」「トレーニング」の3カテゴリに分類。AI企業はアクセス再交渉を迫られ、従量課金モデルが生まれている。

DiscoMCPはオープンソースツールで、ユーザーの実際の使用パターンを分析し、任意のMCPサーバーをAIエージェント向けのカスタマイズされたスキルに変換します。読み取り専用を保証し、ワンコマンドで起動でき、複雑なサーバーとのやり取りにおけるラウンドトリップを大幅に削減します。

AIツールは見た目に整ったフロントエンドコードを迅速に生成できますが、アクセシビリティ、キーボード操作、フォーカス管理、エラーハンドリングなどの重要な側面を見逃すことがよくあります。この記事では、明確なエンジニアリング期待、デザインシステム、行動重視のテストを含む、より強力な検証手法の必要性を強調しています。

Diff Forge AI は、ローカル優先のエージェンティック開発環境（ADE）であり、Codex、Claude Code、OpenCode などのコーディングエージェントを並列実行し、音声制御、スクリーンショット、Webダッシュボードによるリモート表示をサポートします。マルチターミナルワークスペース、スケジュール自動化のためのループスペース、クラウド同期、デバイス管理を提供し、料金は無料から月額2,000ドルです。

AI Connector は、Magento 2 の拡張機能で、ストアフロントと主要な大規模言語モデル（Claude、ChatGPT、Gemini など）を統合する単一のREST APIとPHP統合層を提供します。

スタンフォード大学の研究チームは、エージェントの失敗軌跡から不足能力を診断し、各能力に対して検証可能な合成環境を生成し、GRPOでLoRAアダプタを訓練し、トークンレベルのMoEルーティングで構成するTRACEシステムを提案。τ²-Benchで+15.3ポイント、SWE-bench Verifiedで73.2%のPass@1を達成。

MetaのMuse Spark 1.1は、Artificial Analysis Intelligence Indexで51点を獲得し、3か月前の1.0版から8点上昇しました。科学推論、コーディング、知識分野での進歩が顕著で、エージェント型知識作業も大幅に改善されましたが、最先端モデルにはまだ及びません。トークン効率が高く、実行コストも低いモデルです。

従来のToDoリストをスマートなAIエージェントに進化させ、タスク管理の自動化と効率向上を実現する方法を探る。

Prime Intellect は verifiers 0.2.0 をリリースし、書き直された v1 コアをプレビューしました。v1 は環境をタスクセット（何を）、ハーネス（どのように）、ランタイム（どこで）に分割し、リクエストをプロキシしてトレーニング用のトレースを記録するインターセプションサーバーを導入します。任意のタスクセットは互換性のある任意のハーネスの下で実行でき、prime-rl トレーニングを完全にサポートします。

本稿では、AI時代においてダニング＝クルーガー効果（能力の自己評価と実際の差）がどのように拡大するかを考察する。著者は、AIが自信を高め、実際の能力を「ツールあり」と「ツールなし」に分断し、経験による自己修正を妨げると仮説を立てる。企業にとって、内在的スキルは生産性の問題からガバナンスの問題へと移行し、静かに浸食されていく。

自律型AIエージェントと自動化プラットフォームの急速な台頭により、メモリ帯域幅が重要なパフォーマンスドライバーとなっています。Appleの統合メモリアーキテクチャ、CUDIMM規格、そして新しいPCアップグレードサイクルが市場を再形成する一方、SamsungやSK hynixなどのメモリメーカーはHBM容量配分と限られた供給により構造的に利益を得ています。

BeyondSightは、アクターの存在と観測可能性を切り離し、永続的なアクター仮説を維持することで、部分観測環境下でも遮蔽されたアクターを推論可能にするエンドツーエンド運転フレームワークです。実験では、観測不可能なアクターの検出mAPが0から0.249に向上し、計画誤差L2avgが0.61から0.54に低減しました。

この研究は、ナビゲーションの難易度に関連する血管指標を特定し、将来の複雑性評価を可能にする定量的血管特徴抽出のための自動パイプラインを開発することを目的としています。61名の患者のCT血管造影から血管樹を分割し、大動脈弓タイプ、牛弓の存在、血管長、屈曲度、起始角、逆曲線数などを測定。Soft Actor-Critic強化学習アルゴリズムを用いて120秒間の自律ナビゲーションを実施しました。左側では牛弓とII/III型大動脈弓がナビゲーション時間をそれぞれ30.19秒と37.92秒延長し、屈曲度が高いほど手技時間が延び成功率が低下。右側ではII/III型弓が45.94秒延長し、逆曲線が1つ増えるごとに3.96秒延長し成功率が低下しました。この自動パイプラインは、標準化された複雑性評価と強化学習モデル評価の基盤を提供します。

本論文では、通信がなく方向性センシングのみを持つマルチUAVチームのための分散型予算対応探索フレームワークDec-MARVELを提案する。各ロボットは視野内のチームメイトの軌跡を観測することで協調し、グラフアテンションネットワークを用いて帰還可能なウェイポイントを選択する。実験では、様々なチーム規模と予算で最高の探索率と最低のセンシング重複を達成し、実機実験でもシミュレーションから実世界への転送に成功した。

SplatCtrlは、3Dガウススプラッティングを用いたリアルタイムシーン再構築とリアクティブなロボット動作生成を統合するフレームワークであり、未経験で動的な環境におけるロボットアームの衝突回避制御を実現する。ハイブリッドボクセルフィルタリングと動的ガウス再配置戦略により環境変化に対応し、等方性ガウス分布から連続符号付き距離関数を導出して制御障壁関数に組み込む。シミュレーション、実機ロボット、人協調領域での実験により有効性を確認した。

AgenticFocusは、通常の一人称視点人間ビデオをロボット訓練可能なデモンストレーションに変換する複合現実合成パイプラインであり、遮蔽された物体形状の復元、全手動作の再構築、ヒューマノイドへのリターゲティングを行います。軌道誤差と手首の滑らかさにおいてベースラインを上回ります。

MultiView-Benchは、視覚言語モデル（VLM）が複数の視点からの観測を統合し、一貫したワールド中心の3Dメンタルモデルを構築する能力を評価するために設計された診断ベンチマークです。現在の最先端VLMは単一視点の2Dタスクでは優れていますが、3D空間関係の理解と視点間の情報統合に苦戦しています。著者らは、情報量の多い視点を積極的に選択し、マルチビュー証拠を融合するマルチエージェントフレームワークViewNavigatorを提案し、ベンチマークで3〜5倍の性能向上を達成しました。

知識グラフ（KG）は自動構築時に事実誤差を含むことが多く、AgentKGVは動的ルーティングと反復クエリ書き換えを統合したエージェンティックLLM-RAGフレームワークを提案し、蒸留ベースのSFTと軌跡レベルGRPOによる二段階訓練で精度とコスト効率を向上。T-RExベンチマークで単一ターンRAGよりマクロF1が14.9ポイント向上、検索呼び出し数は半減。

KV-PRMは、LLM生成時に自然に生成されるKVキャッシュを直接利用することでテキストの再エンコードを排除し、スコアリングコストをO(L²)からO(L)に削減する効率的なプロセス報酬モデルです。実験では、テキストベースPRMと同等以上の性能を示しながら、FLOPsを最大5000倍、レイテンシを37倍、メモリ使用量を34倍削減しました。

L-MADフレームワークは、法的テキスト含意タスクにおけるマルチエージェント討論の異なる構造と集約方法を体系的に評価する。エージェントに専門家のペルソナを割り当てることで、強力な単一エージェントベースラインと比較して最大8%の改善を達成した。エージェント数を増やすと不整合性が低減し精度が向上するが、討論ラウンドを延長するとエージェントが互いの誤りを強化する「過剰審議ドリフト」が生じる。この発見は、ハイステークスな法的推論環境における協調的マルチエージェントシステムの展開に実用的な限界と安全マージンを提供する。

本論文では、LLMプランナーと時系列基礎モデル（TimesFM）を組み合わせ、反事実物理注入機構により物理的基盤を持つ自律防御を実現するニューロ・エージェンティック制御フレームワークを提案。SWaTデータセットでLSTMやTCNを上回り、幻覚動作はゼロ。