Archive
Agent、MCP、coding agent、工作流自動化與評測。
代理工具
Qwen CodeはクロスプラットフォームのComputer Use経路を更新し、エージェントが多数のネイティブツールを直接扱うのではなく、永続化されたNode REPLを介してRust-backed SDKを呼び出せるようにした。新版ではLinuxの入力と観測が改善された一方、自動インストール、Node.jsの権限、Windowsの未署名コンポーネントは依然としてデプロイ上のリスクとなる。
AI 安全
新たな研究では、モデル、クリーンデータ、ポイズニング数を固定し、ポイズニングサンプルの組み合わせだけを変えたところ、Llama 3 8Bの攻撃成功率は3%から80%まで変動した。SAILSは、少数の高コストなファインチューニング評価を用いて集合スコアラーを学習し、数百万の候補集合から高リスクなものを選び出す。
代理工具
Clineはオープンソースのデスクトップ版betaを公開した。複数のエージェントを独立したセッションで並列実行し、cronによる無人タスクのスケジューリングも可能になる。ただし、公式が示したモデルのスコアは既存のCLI harnessによるものであり、デスクトップ版を個別に評価した結果ではない。
Robotics and embodied AI
OpenArm 2.0は、7軸ロボットアーム、データ収集インターフェース、固定環境の評価用Cellを統合したオープンソースのフィジカルAIスタックだ。新版では手元視覚とグリッパーが改善されたが、受動教示装置KERはまだ公開されておらず、研究室をまたぐ再現性も実証を待つ段階にある。
代理工具
Bolt.newの研究プレビューでは、GLM、Kimi、DeepSeekのオープンウェイトモデルでWebサイト構築エージェントを稼働させ、ユーザーがオプトインして提供したプロンプト、コード、エラー修復シーケンスをArcee AIの訓練に利用する。この仕組みは「計算資源とデータの交換」モデルを明確に示す一方、同社が公表したベンチマーク上の91%という成績や機密除去の有効性については、今後の外部検証が必要だ。
推論系統
Portable Computerは、24GB以上のVRAMを搭載したWindows RTX PCでモデル、ツール、サンドボックスを実行できるようになった。ローカルで処理される作業の多くはクラウド利用枠を消費しない。一方、ユーザーの許可を得てクラウドモデルへ切り替えることができ、コネクターや外部操作も伴うため、完全なオフライン環境と同一視することはできない。
代理工具
Google ResearchがStellar Colosseumを公開した。戦略探索、反例による攻撃、依存関係グラフ、階層的集約によって長期的な数学研究を管理する。システムは300問のTCS‑Benchで71%を達成したが、結果は大量の推論と自動評価に依存しており、モデル単体の証明能力を直接示すものとはみなせない。
AI infrastructure
SemiAnalysisがプレリリース版ソフトウェア上でVera Rubin NVL72をテストし、Blackwell比でメガワット当たりのtokenスループットが最大約7倍に達したと報告した。結果は、長いコンテキストとMoE推論におけるHBM4とNVLink 6の効果を浮き彫りにする一方、「コストパフォーマンス67倍」という見出しには、レンタル価格と特定の動作点に関する仮定が含まれている。
代理工具
Anthropicではテスト数が10倍に増え、単一の書き込みプロセスに依存していたテスト影響分析サービスが次第にPRの処理ペースに追いつけなくなった。新版では、プロセス内状態を水平方向にスケール可能なlistener、ログ、独立した集約器に置き換えたが、コストや選択漏れ率などの重要なデータは依然として公開されていない。
AI 安全
OpenMAICのメディアプロキシは、ドメインを検証した後にDNSを再解決していたため、外部ホスト名が接続時に内部ネットワークへ向けられる可能性があった。別の経路ではAlibaba Cloudのメタデータアドレスが許可されていた。1.0.2では、検証時に解決したアドレスに接続先を固定し、クラスルームIDをサーバー側で生成するようになったが、TailscaleなどのCGNATアドレス帯を介してローカルモデルへアクセスする構成にも影響する。
代理工具
dbt Labsはdbt Chartsを公開し、ドラッグ＆ドロップ式のBI編集をYAML、SQL、Gitに置き換えた。CLI、ワークフローSkills、オプションのMCPサーバーも提供する。初版ではdbt Semantic Layerを直接クエリできず、dbt v2と同じ環境で使用するとパッケージがダウングレードされる可能性がある。
AI 安全
新たな研究は、エージェントの再試行、並行実行、補償によって生じる外部状態の不整合を8種類の異常に分類し、個々のツール呼び出しが成功してもワークフロー全体の整合性が保証されるわけではないと指摘した。98,291件のMCPツールを対象とした調査では、アノテーションフィールドは広く使われているものの、結果確認、ステージングとコミット、補償、呼び出し間の依存関係を表現できないことが示された。