Agent

エンジニアチームのAIエージェント成熟度を5分で評価できる無料のベンチマークツール。数百のエンジニアリーダーとの議論に基づき、1～5のスケールで「提案のみ」から「完全自律の長時間ワークフロー」までを測定します。

Themis は、自分自身の OpenAI Codex、Claude Max、または GLM のサブスクリプションを使用してプルリクエストをレビューする、セルフホスト型の GitHub PR レビューボットです。インラインの指摘と構造化されたサマリーを提供し、リポジトリごとにカスタマイズできます。

Metaが広告主にAIツールの使用を推進しているが、結果は混乱を招いている：四肢の歪み、意味不明な文字、製品の変更など。広告主はバグや自動有効化機能が余計な作業を生むと不満を述べ、Metaは責任を広告主に転嫁している。問題はあるものの、ブランドはMetaの広範なリーチとターゲティング能力に依存しているため離れられない。

バーニー・サンダース氏が主要AI企業の株の半分を国有化し、ソブリン・ウェルス・ファンドを設立する提案を行い、議論を呼んでいる。リバタリアンの財産権理論から社会主義的視点まで、AIが全人類に利益をもたらすべき理由を考察する。

IronCurtainは、人間が読める憲法によってセキュリティポリシーを定義し、AIエージェントが安全な境界内で自律的に動作できるようにするオープンソースの研究プロジェクトです。ランタイムでポリシーエンジンがルールを強制し、プロンプトインジェクションや権限乱用を防ぎます。

本稿では、AppleのWWDC 2026で発表されたiOS 27、iPadOS 27、macOS 27 Golden Gateをレビューし、特に新機能のSiri AIに焦点を当てる。2009年のSnow Leopardの「ゼロ新機能」哲学との類似点を引き合いに出し、今年のアップデートが信頼性と革新性のバランスを取っていると論じる。Siri AIはチャットボットではなく、大規模言語モデルを活用したパーソナルアシスタントであり、高速でコンテキストを理解した応答を提供する。1か月以上のテストの結果、著者はSiri AIが初めてAIをパーソナルに感じさせる変革的な機能であると結論づけている。

本記事では、AIコーディングエージェントの行動規範（ドクトリン）を能力から分離し、標準化する方法を紹介する。著者は「運用基準」という文書を作成し、フロンティアモデルの行動パターンを低性能モデルに移植することで、品質のギャップを縮小した。主な要素には、結果を先に示す、完了の証拠を示す、深層的な分析、早期停止の防止、シンプルかつ効果的な手法、すべての発見の開示が含まれる。この基準は起動時のシステムプロンプトとセッション内ルールの二重チャネルで適用され、安全な完了ゲートと階層的設定も備える。

新しい本は、AIがアラン・チューリングの1950年の有名な論文に遡る誤った前提に基づいて構築されていると主張しています。ピーター・J・デニングは、常識、直感、文化、実践的スキルを含む人間の知能の最も重要な部分はコンピュータにエンコードできないと論じています。彼は、大規模言語モデルがどれほど大きくても、真の人間レベルのAIは不可能だと考えています。

ZenVeilは、AIコーディングツール（Copilot、Cursor、Claudeなど）が生成したコードのセキュリティ脆弱性を30秒以内にスキャンし、自動的にGitHub PRを作成して修正するAIネイティブなDevSecOpsツールです。秘密情報の検出、サプライチェーンセキュリティ、SAST分析を提供し、AIコード特有の障害モードに最適化されています。

Meloduskはブラウザ上で動作するAI音楽生成ツールで、テキスト記述から2分以内にプロ品質の音楽を生成。100以上のジャンルに対応し、ボーカル分離ツールも提供。生成された音楽はロイヤリティフリーで商用利用可能。

ここ数日でOpenAIのCodexユーザー数が700万人を突破、6ヶ月で10倍以上の成長を遂げた。Prime Intellectはverifiers v1をリリースし、エージェントRL環境を刷新。OpenAIはGPT-5.6 Solの使用量問題を透明に修正。Grok Buildがコードベース全体をアップロードするセキュリティ問題が浮上。オープンモデルや量子化技術が進歩し、継続学習の研究が再び注目されている。

AnthropicはClaude Sonnet 5をリリースしました。これは最もエージェンティックなミッドティアモデルで、前世代のSonnet 4.6をすべてのベンチマークで上回り、フラッグシップのOpus 4.8との差を縮めています。努力レベル（effort levels）を導入し、低/中努力では高いコストパフォーマンスを発揮しますが、超高努力ではOpus 4.8よりもコストがかかる可能性があります。FreeおよびProプランのデフォルトモデルとなり、APIからも利用可能です。

GitHub Actionsのワークフローで`uvx tool-name`をキャッシュフレンドリーに使うレシピを紹介。`UV_EXCLUDE_NEWER`環境変数に特定の日付を設定し、その日付をキャッシュキーの一部にすることで、毎回の実行でツールをダウンロードするのを避け、日付を更新することでアップグレードできます。

サイモンフレーザー大学（SFU）の計算機科学教授アンジェル・チャン氏は、バンクーバーに拠点を置くスタートアップCaseway AIと協力し、カナダと米国の1億件以上の裁判例を索引化してAIシステムで検索可能にし、弁護士を雇わない人の法的意思決定を改善できるかを調査する計画を進めている。

生成AIによるディープフェイクを使った恋愛詐欺で女性が家と貯金を失った事例を基に、AIが詐欺をいかに巧妙化させたかを解説。さらに、エージェンティックAIが新たな脅威となりつつも、防御にも活用できる可能性を指摘する。

ringdは、AI音声エージェントにシンプルな認証を提供し、1つのデコレータでメールOTP、SMS OTP、ボイスプリンティングをサポートします。一般的なデータマッチングの問題を自動的に処理し、完全な監査ログを提供します。

FixBugs は、本番バグのコンテキストを取り込んでサンドボックスで再現し、検証済みの修正を生成するエージェントです。セルフホスト型のVSCode拡張機能とGitHubアプリとして提供され、コードのプライバシーを保護し、複数のAIモデルを使ってコードをレビューします。

Cdbx.aiはAIを搭載したブラウザIDEで、英語で説明するだけでアプリを構築・公開できます。Monacoエディタ、AIペアプログラマー、MCPコネクタ、AIエージェントなどの機能を備え、30以上の言語をサポートします。

ORAはAurem CTOによるAIコーディングエージェントで、月額9ドルです。セキュリティスキャンが失敗するとコミットを自動的にブロックします。

Skyfall AIのMORPHEUSは、継続的強化学習のための永続的なエンタープライズシミュレーションプラットフォームです。リセットされない世界を実行し、パラメータ化可能な体制シフトと6つのメトリクス評価プロトコルを使用します。PPO、HER、EWC、LCMはすべて理論上の上限を大きく下回っています。

Forgeinは、AIアシスタントにポータブルなコンテキストレイヤーを提供するオープンソースツールです。Claude、ChatGPT、Copilot、Gemini、CursorなどのAIツール間で個人やチームのコンテキストを永続化でき、繰り返し説明する必要がありません。仕事、家庭、個人など複数のシナリオ切り替えやチーム共有をサポートします。

Databricks は、Unity Catalog (UC) マネージド Delta テーブルへの外部アクセスがパブリックプレビューになったことを発表しました。Apache Spark、Flink、Starburst、DuckDB などの外部エンジンは、Unity Catalog によってガバナンスが中央で実施される状態で、UC マネージドテーブルを作成、読み取り、書き込みできます。マネージドテーブルは Predictive Optimization を使用してクエリパフォーマンスを自動調整し、ストレージコストを削減します。既存の外部テーブルはデータの書き換えなしでインプレースアップグレード可能です。この機能はオープン API に基づいており、オープンソースの Unity Catalog (UC OSS) と連携します。

オープンソースのワークフローオーケストレーターで知られるPrefectが、Apache Airflowの主要な代替品の一つであるDagsterを買収すると発表した。DagsterとDagster+はそのままの名前と製品ロードマップを維持し、約40名のDagsterチームがPrefectに加わる。CEOのJeremiah Lowin氏は、この買収をAIエージェントの信頼性を高めるための戦略的動きと位置づけている。

Kairosは、コーディングアシスタント、自動化ワークフロー、リサーチエージェント、Discordツールなどのための柔軟な基盤を提供する実験的なローカルファーストAIエージェントシステムです。目標管理、モデルルーティング、スキルライブラリ、メモリ、ツール実行、セーフティチェック、エージェントワークフローを備えています。現在は初期MVP段階にあります。

CompoundがFrankieを発表——メールで分析タスクを処理するAI同僚。ユーザーがタスク説明と添付ファイルを送ると、FrankieがCompound内で分析を実行し、結果を返信。ドキュメント分析、Excel作成、財務モデリング、スケジュールタスクに対応し、会話間のコンテキストを記憶する。

サイモン・ウィリソンが GitHub のコード頻度チャートを用いて、コーディングエージェントや Opus 4.5 クラスのモデルが自身のオープンソースプロジェクト Datasette に与えた影響を可視化。2026 年の大きなスパイクは Opus 4.8、GPT-5.5、Fable 5、GPT-5.6 Sol のリリースと一致している。

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。

ICML 2025での基調講演。AIを「正常な技術」と捉え、その影響は発明・革新・普及・適応の4段階を経て徐々に現れると主張。再帰的自己改善は考慮すべきだが、突然の完全失業にはつながらない。将来の仕事は根本的に変化し、人間とAIの「協調的超知能」が必要となる。

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。