代理工具

CUA-S1-FORMS、70万パラメータでフォーム操作を判断、重みと学習手順を公開

Cuaはフィールドの対応付けとアクション選択を小型モデルに任せ、実行順序はプログラムで制御する。公開評価は依然として少数のデモ用フォームに限られ、中国語への汎化性能とワークフロー全体の信頼性は検証が必要だ。

Cherry Studio 2.1.0、WebサイトのWebMCPに対応　ブラウザー操作と文書構造に基づく参照を拡張

新版では、エージェントとチャットアシスタントが内蔵ブラウザーを操作し、文書内の特定範囲を参照できるようになった。導入に際しては、Webサイトのツールとの互換性、実行モードごとの権限の違い、macOSの最低対応バージョンが引き続き重要となる。

AI 安全

Trail of Bits、エージェントを活用して MASM 監査ツールを構築、Lean による95件の正当性証明を公開

チームはエージェントの支援を受け、逆コンパイル、静的解析、形式検証のツールを構築し、Miden 仮想マシンの監査に活用した。公開コードは再検証の出発点となるが、証明の適用範囲は意味論モデルと定理の前提条件に制約される。

TypeSafe Python SDK 0.7.0、Jev に型付きレスポンスを追加、シリアライズを Pydantic に移行

新版では判断結果を Pydantic モデルにマッピングでき、分類やルーティングの処理で利用しやすくなる。シリアライズの変更には移行時の検証が必要で、中国語での正解率や確率のしきい値は別途評価する必要がある。

Grok Voice Transcribe 2.0で文字起こしの誤り率が低下、デフォルトモデルの切り替えに注意

新版は従来の文字起こし料金を維持。公式の多言語短文テストと独立したバッチ評価の双方で、単語誤り率の低下が確認された。バッチ処理速度、中国語の書式整形への対応、デフォルトモデルの切り替えは、それぞれ検証が必要だ。

推論系統

AMD、MLPerf推論の最適化を公開、GPU 8基でのGPT-OSSサービングのスループットが約38%向上

AMDはアテンションカーネルの分離とスケジューリングの調整により、MI355X上のGPT-OSS-120Bのベンチマークスループットを向上させた。公開済みの重みと実行ガイドは再現の足がかりとなるが、環境設定やモデルカードには、なお明確化が必要な点が残る。

vLLMがNVDECのマルチGPUテストを公開、動画キャプション生成のスループットはCPUデコード方式の2倍超に

vLLMがハードウェア動画デコードのマルチGPUスケーリングテストを公開し、短いキャプションを生成する処理でCPUのボトルネックを改善した。効果はワークロードに依存し、デプロイ時にはデコードプロセス用のGPUメモリも確保する必要がある。

AI 基礎設施

AIPerfがマルチプロセスでLLMの性能測定を再構築、ストリーミング指標はカウント方法の確認が必要

NVIDIAがGenAI-Perfの後継ツールAIPerfを詳説。負荷生成、結果処理、トラフィックのリプレイをマルチプロセス構成に組み込む。推論サービスをより包括的に測定できる一方、移行時の互換性やストリーミング時のトークンのカウント方法は、依然として結果の解釈に影響する。

AI 基礎設施

Exa Snapshot、過去のWebページ内容を固定してエージェント評価に活用、検索順位には現在のシグナルを使用

Exaが過去のWebページ内容を検索する機能を発表。エージェントが指定日時以前の証拠を取得できるようにし、後から公開された解答による評価データの汚染を抑える。機能はまだリサーチプレビュー段階で、公開プランでは参照可能な期間と検索モードに制限がある。

OpenHands 1.20、エージェントプロファイルでシークレットを選択可能に　サーバー側で範囲を制限

新版はシークレットの許可リストをエージェントプロファイルに組み込み、自動化タスクが無関係な認証情報を取得する可能性を低減する。既存の設定はデフォルトでは引き続き制限されないため、導入側はバックエンドの対応状況と、認証情報を渡すほかの経路を確認する必要がある。

AI 研究

SoL-Pi、4つの仕組みでエージェントのコストを削減、EdgeBenchスコアの約94%を維持

NVIDIAなどのチームが自動実験を通じてエージェントのフレームワークを最適化し、2つのモデルでトークントラフィックを約45〜49%削減した。公開された拡張機能は元のエビデンスを保持し、必要に応じて取得できるが、全機能を有効にした構成ではスコアやタスク完了率とのトレードオフが残る。

Ollama 0.34.3候補版、モデルの思考オプションを公開しエージェント側のハードコーディングを削減

新版ではモデル情報APIが対応する思考レベルとデフォルト値を返し、クライアントが独自に設定表を維持する負担を軽減する。まだプレリリース段階にあり、その他のメタデータの不足やドキュメント間の相違は引き続き確認が必要だ。