Agent

このTypeScriptリポジトリは、ツールで強制されるルールシステムにより、AIエージェントがコーディング中にアーキテクチャを破壊するのを防ぎます。依存関係ルール、ミューテーションテスト、テストと仕様の保護、コミットゲート、仕様駆動開発の5つのガードレールを備えています。また、新しいプロジェクトを開始するためのテンプレートとしても機能し、エージェントの能力を評価するベンチマーク演習も含んでいます。

この記事では、Google Geminiを使ってフライト、宿泊、アクティビティの提案を含む旅程を作成し、休暇を計画する方法を紹介します。ユーザー体験、異なるプロンプトのテスト、Auto Browseの使用のヒントが含まれています。

LoopGainは、制御理論を用いてAIエージェントループが収束した時点でインテリジェントに停止させるオープンソースライブラリで、無駄なmax_iterationsアプローチを置き換えます。ループゲインをリアルタイムで測定し、ベンチマークではAPIコストを92.8%削減、15倍の高速化を達成しつつ、出力品質を維持します。

本記事では、エンジニアが2026年に実際に使用している、ローカルインフラ上でAIエージェントを構築・調整・実行するための7つのPythonツールを紹介します。

OpenAI による SWE-Bench Pro の監査により、ベンチマークの約30%のタスクに欠陥があり、正確なスコアが能力を誤って示す可能性があることが明らかになりました。この発見を受けて、OpenAI は同ベンチマークの推奨を取り下げ、より信頼性の高い評価方法の必要性を強調しています。

日本は製造業、ロボット工学、インフラ構築の世界的リーダーであり、NVIDIAのフルスタック技術を活用してAIエコシステムを構築しています。NVIDIAとSEGAは30年にわたる協業を記念し、「バーチャファイター クロスロード」などのタイトルをNVIDIA RTX Sparkに提供することを発表。技術パートナーシップの進化を示しました。

PromptManはmacOSメニューバーアプリで、カスタマイズ可能なグローバルショートカットを使ってAIプロンプトを保存、整理、再利用できます。ChatGPT、Claudeなどのツールに対応し、クラウド同期、バージョン管理、AI Enhance機能を備えています。無料版は10プロンプトまで、Pro版は月額4.99ドル（年間39ドル）です。

AITermはネイティブmacOSターミナルアプリで、自然言語コマンド、エラー診断、ローカルまたはクラウドAIモデル、リスクスコアリングとロールバック提案を備えたセーフティゲートを統合しています。無料版はコア機能を提供し、Pro版は自動化、ランブックなどを追加します。

非ネイティブのライターのための新しいワークフロー：母国語で下書きをし、AIで英語に翻訳・洗練する。研究によると、第二言語での執筆は認知負荷により30-50%多くの時間がかかる。アイデア生成と言語変換を分離し、EchooのようなAIツールを使うことで、速度と品質を取り戻せる。

AI支援コードレビューにおいて、決定的静的解析はトークン消費を大幅に削減できます。LLMを呼び出す前に既知の問題を決定的チェックでフィルタリングすることで、不必要な推論コストを削減し、真に判断が必要な曖昧な問題にモデルを集中させることができます。

AIDE2システムは、人間が2年かけて構築したものよりも優れた自律研究ハーネスを8日間で発見し、再帰的自己改善（RSI）の初めての実験的証拠を提供しました。二層最適化ループを用いて、7つの連続改良バージョンを生成し、未知のタスクへの一般化を示すとともに、報酬ハッキングに対する防御も進化させました。

UltraWork は、月額固定399ドルのホステッドAIコーディング環境で、トークン計測がなく、予期せぬ請求もありません。厳選されたモデルカタログ、インテリジェントルーティング、プロンプトテンプレートライブラリを備え、インディーハッカーや小規模チーム向けに設計されています。高性能インフラの経験を持つエンジニアによって運営されています。

TormentNexusは、ローカルファーストのオープンソースAI制御プレーンで、永続的なメモリ、MCPツールオーケストレーション、マルチエージェントワークフローのための自律インフラ管理を提供します。38以上のAIコーディングエージェントをサポートし、プログレッシブツールルーティング、デュアルティアメモリアーキテクチャ、スウォーム調整などの機能を備えています。

本記事では、AIコーディングアシスタントが「プロンプト→待機→評価」のループを通じてフロー状態を破壊するメカニズムを探る。著者は、このサイクルがプログラミング本来の明確な目標、即時フィードバック、スキルに合った挑戦を置き換え、絶え間ないコンテキストスイッチと精神的な再構築を強いることを解説。フロー理論や中断研究を引用し、AIが新たな陰湿な中断源となる理由を分析する。解決策として、タスクの種類に応じてAI利用を区別し、バッチ処理で深い集中を守ることを提案。

Tiptap AI Toolkitは、AIが直接かつリアルタイムにドキュメントを編集できるようにし、コラボレーションと生産性を向上させます。

Monidは、AIエージェントが1300以上のツールにシームレスに接続して使用できるプラットフォームです。検索、データスクレイピング、天気、3Dモデリングなどをカバーします。統一された支払いシステムで、サブスクリプション不要の従量課金制を採用し、Skill、MCP、CLIの3つの統合方法をサポートしています。

Sogni Unlimitedは、分散型GPUネットワークを利用したサブスクリプション型の無制限画像・動画・音楽・LLM生成サービスです。レンダリングごとの課金はなく、オープンソースモデルと一部の有料パートナーモデルをサポート。サブスクリプション収入の一部は独立したGPUオペレーターを支援します。

2026年6月、AnthropicのClaude Fable 5のシステムプロンプトがGitHubで流出しました。これは3826行に及ぶドキュメントで、モデルの動作を導くためのものです。本記事では、その出典、構造、拒否処理、ケア義務、メモリーシステム、エージェント機構、著作権保護などの重要な部分を詳しく解説し、最先端のAIがいかにエンジニアリングされたルールブックであるかを明らかにします。

本論文は、コーディングエージェントがロボット側のMCPサーバーからスキルライブラリを含む契約を取得することで、自然言語から実行可能な行動木を合成するアーキテクチャを提案する。シミュレーションと実機実験で高い成功率を達成。

狭い環境で動作するマルチロボットチームは、変形と再構成の両方の動作を適応させる必要があります。既存手法は独立したモデリングやルールベースであり、デッドロックを起こしやすい。EFLUXは幾何学に基づくLLMエージェントフレームワークで、変形と再構成を共同推論し、閉ループ生成・検証・修正パイプラインで安全なナビゲーションを実現。実験でデッドロックとナビゲーション失敗を低減。

SymbOmniは、現在のモデルが経験を累積して自律的に進化できない「永遠の初心者」問題を解決する新しいAIモデルです。シンボリック概念学習を採用し、最適化可能なメモリモジュールが低レベル操作を再利用可能なシンボリックワークフロー命令に抽象化し、帰納-変換サイクルを通じて動作します。実験では、画像品質とタスク成功率で既存のエージェントシステムやクローズドソースモデルを上回り、トークン消費を40%以上削減し、継続学習で新たな最高水準を達成しました。

TSCA-Netは3つの補完的モジュール（時空間クリーク注意、歩行者間クリークポテンシャル、適応KANグリッド精緻化）により混雑環境での歩行者軌道予測精度を大幅に向上させ、ETH/UCYおよびSDDベンチマークで最先端性能を達成した。

本研究では、原子力発電所におけるヒューマンファクター事象診断のためのCNNP九段階ガイドラインを多段階診断パイプラインとして実装したG-SHAREを提案する。証拠抽出、段階的推論、一貫性修復で構成され、実データで評価した結果、ワンショットプロンプトや従来の機械学習を大幅に上回る性能を示した。

本論文では、小売向け対話システムの大規模評価のための設定駆動型パイプライン「GenAI Evaluation」を提案する。正規化、シャーディング、非同期実行、スキーマ制約付きLLMスコアリングにより、有用性、真実性、明確さ、トーンの一致、翻訳の次元を評価する。選択的再評価は無効なレコードのみを処理し、スキーマロックとバージョン管理構成により監査可能性を確保。1日約5万件のレコードを処理し、200万件以上のインタラクションを評価。12,980件の人間ラベル付きデータで検証し、マクロF1 0.93、翻訳精度89%を達成。

本研究では、マルチエージェント言語モデルシステムにおける相互作用グラフ構造がコンセンサス形成にどのように影響するかを調査した。ナミングゲームプロトコルを用いて、オープンウェイト言語モデル（1.1B～32Bパラメータ）集団における慣習形成を分析。同質的閾値類似性ルーティングは断片化を悪化させるが、ブリッジ探索ルーティングはメモリが利用可能な場合に断片化を修復できることを発見。異種集団では閾値類似性はコンセンサスを生み出せないが、状態コンポーネントとラベル不一致ブリッジはコンセンサスを回復する。同種集団では履歴保持が一般的にコンセンサスを促進し、Qwen2.5-32Bは全ての履歴保持設定で安定したコンセンサスに達した。この研究はまた、状態閾値、集団サイズ、語彙サイズに対するロバスト性を確認し、初期ウィンドウのグラフエネルギー特徴が有用な診断ツールとなることを示した。

本論文では、AIエージェント向けにEコマースプラットフォームを強化する「エージェント対応ウェブサイト」デザインフレームワークを提案する。実験では、エージェント対応サイトの厳密成功率が49.3%から89.3%に向上し、部分成功が43件から3件に減少、平均ステップ数が9.31から6.49に低下した。

再現可能なキャリブレーション優先報酬監査フレームワークを提案。スマート温室の強化学習制御において、スカラー報酬を温度、CO2、湿度などのコンポーネントに分解し、GreenLight-Gymと自律型温室チャレンジのデータで検証した。

データ居住規制下の金融機関向けに、テナント所有言語モデルの構築とガバナンスを目的とした本研究は、オントロジー増幅蒸留と文脈性監査の手法を組み合わせている。蒸留実験では、Qwen3.6-27B学生モデルが40件のベトナム語金融タスクのうち36件を正解し、GPT-5と同等だが統計的に等価とは言えない。文脈性監査パイロットでは残差文脈性がゼロであり、直接的な影響と構成結合がより有用な信号であることが示された。現在のエビデンスは展開可能性や安全性、優位性を支持しない。

本稿は、非定常環境下でのインコンテキスト強化学習（ICRL）を調査する。ICRLでは、事前学習またはファインチューニングされた決定モデルが、パラメータ更新なしに相互作用のコンテキストから潜在的なタスクルールを推論し、将来の行動を改善する。変化する環境では、蓄積されたコンテキストが陳腐化したり誤解を招く可能性があり、方策は現在の決定ルールと、過去の証拠のうちどれが有効かを同時に推論する必要がある。文献は「何が変化するか」「変化がどのように展開するか」「変化がエージェントにどの程度観測可能か」という3つの問いに沿って整理され、ICRLをメタRL、決定系列モデリング、検索拡張RL、関連アプローチと結び付けている。

Syncless の Devices 機能を使えば、MacBook、サーバー、ブラウザなど複数の環境を1つのAIエージェントに接続し、SSHトンネルやポートフォワーディングなしでシームレスに連携できます。設定方法、使用例、日常の悩みを解決する仕組みを解説。

AIエージェントは大きな期待を集めているが、実際の性能は不十分である。最良のモデルでも現実世界のタスクでの成功率は45.7%にとどまり、信頼性、コスト、法的問題、ユーザーの信頼など多くの課題に直面している。本記事はモノリシックとマルチエージェントアーキテクチャの比較を行い、短期的には完全自律ではなくAIによる人間支援が重要だと述べている。

GPT-5.6シリーズにおいて、SolとLunaはあらゆる知能レベルでTerraを上回り、特にLunaはコスト効率に優れています。

記事は「AI例外主義」という現象を探る。これは、人々が自己利益に基づいてAIに二重の倫理基準を適用する現象である。AIが自身の職業を脅かすときは非倫理的とみなされ、利益をもたらすときは革新的とみなされる。ジャーナリズム、著作権紛争、ハリウッドストライキ、大学などの例がその矛盾を示している。

Vehirは、エージェントとコンピュータの対話のために設計された実験的なAIネイティブプラットフォームです。セルフホスティングのネイティブコンパイラ、ユーザー空間マイクロカーネル、コンテンツアドレスストレージ、宣言的調整などの機能を備え、現在活発に開発が進められています。

bunnyは、AI時代のコラボレーション開発のためのオープンソースツールで、VMやDockerコンテナを共有シェル、ライブプレビュー、チャットネイティブなワークフローを備えた共有開発ステーションに変えます。人間とAIエージェントが統一されたコンテキストで作業し、並行編集、継続的バリデーション、RBACベースのガバナンスを実現します。

既存のベンチマークは音声AIが人間レベルのパフォーマンスに近づいていることを示唆しているが、実際の会話は異なるストーリーを語っている。Hume AIはReal World VoiceEQを発表。これは40以上の音声モデルを15以上の評価軸と60以上の指標で評価し、100万以上の人間の評価に基づくベンチマークである。主な発見：進歩は専門化している、音声モデルは話すことよりも聞くことが苦手、従来のベンチマークは実世界のパフォーマンスを過大評価、人間による評価が依然として不可欠である。

スーパーアプリCodexが1日100万人のユーザーを追加。AIニュースラウンドアップは、コーディングエージェント、オープンモデル、マルチモーダルシステム、ベンチマーク、物理AIをカバー。

本記事は、コード記述用に構築された汎用エージェントではなく、法律目的に特化したAIシステムの重要性を論じる。証拠に基づき、監査可能で、検証可能であり、編集ごとに承認が必要なワークフローを強調する。CodexとLexifinaのクロスリファレンスチェック、圧縮、バージョン管理の違いを比較する。

Maincodeは、Matildaのオープンベータ版を公開しました。このAIアシスタントは完全にオーストラリアで構築・運用され、現地のインフラ、オーストラリアの声、信頼を重視しています。思慮深い利用を目的とし、ユーザーに管理権と透明性を提供します。

Demis Hassabis は、汎用人工知能（AGI）が数年以内に到来し、その影響は産業革命を凌ぐと主張。責任ある開発のため、フロンティアAI基準機関の設立を提唱。サイバーセキュリティや生物学的脅威などのリスクに対処し、革新と国際協力を促進する枠組み。

今年のAIEワールドフェアでは、AIエンジニアリングは新たな段階に入りました。エージェントを使って構築するのではなく、エージェントを中心としたシステムを構築する段階です。カンファレンスでは5つの主要なトレンドが強調されました：エージェントからその周辺システムへのシフト、ループエンジニアリングによる新しい制御層、フォワードデプロイドエンジニアによるエンタープライズ採用、コーディングエージェントがIDEに取って代わること、そしてエージェントプラットフォームにおけるスキルの台頭です。

PrismMLは、Qwen3.6-27Bの低ビット表現であるBonsai 27Bをリリースした。新しい事前学習モデルではなく、アーキテクチャは変更されていない。3値版と2値版の2種類があり、Apache 2.0ライセンスで提供される。3値版は1.71ビット/重みで理想サイズ5.9GB、2値版は1.125ビット/重みで3.9GB。性能はFP16ベースラインの94.6%（3値）と89.5%（2値）を維持。マルチモーダル対応でコンテキスト長は262Kトークン。2値版は27B級モデルで初めてスマートフォンに搭載可能とされる。

AIコーディングエージェントの普及により、GitHubはプルリクエストや自動化の急増に対応できず、アーキテクチャ上の問題が露呈しています。Buildkiteは、開発体験と柔軟性に優れた代替手段として、開発者や大企業に支持されています。

Simon Willison が Codex Desktop の「ペット」機能を偶然発見し、GPT-5.6 Sol と gpt-image-2 を使って自転車に乗ったペリカンのペット「Pedalican」を作成しました。生成プロセス全体（プロンプトや中間ステップを含む）を記録し、関連スキルをオープンソース化しました。

ネヴィル・シンガム（Neville Singham）のネットワークと中国国営メディアが連携した外国の影響工作が、草の根運動を装って米国のAIデータセンターを標的にしており、14州で236億ドルの投資を遅延または阻止している。サンフランシスコとベイエリアが主要拠点で、連邦大陪審が金融犯罪を調査中。

Databricks は、iOS と Android 向けの Genie One ネイティブモバイルアプリを発表。ビジネスユーザーは、チャット、ダッシュボード、アプリを介して、企業データに基づいた安全な回答をいつでもどこでも得られます。Etihad Airways の事例も紹介。

この記事では、オフライン評価とオンライン評価の2つのAI評価パターンを比較します。オフライン評価は固定データセットを使用してデプロイ前に行うAIのユニットテストであり、オンライン評価は本番環境での各インタラクションをリアルタイムで評価します。評価の構成要素（データセット、分割テスト、スコアリング）とそれぞれの利点・欠点を解説しています。

SpaceXがFCCに第3世代スターリンク衛星群の申請を行い、最大10万機の衛星を展開し、超低遅延・マルチギガビットのブロードバンドサービスを提供し、数十億のAIデバイスの通信バックボーンとなることを目指す。

本記事では、4つの主要なAIコーディングエージェント（Mistral Vibe for Code、Claude Code、Cursor、OpenAI Codex）を、スキャフォールドからプルリクエストまでの実際のワークフローで比較評価しています。Mistral Vibeが22/25でトップ、低コスト、オープンウェイト、セルフホスティングが強み。Claude CodeとCodexは21/25で同点、Cursorは16/25。各ツールの5次元（機能スキャフォールド、テスト生成、PR/非同期ワークフロー、サーフェスカバレッジ、コスト/開放性）における長所と短所を詳述。

AI生成の低品質なセキュリティレポートが急増し、オープンソースのメンテナが検証作業に追われている。Directusのデータによると、2026年上半期のレポート数は従来の6倍に増加したが、有効な脆弱性の割合はわずか5%に低下。業界全体でのプロセス改善を訴える。