Archive
Agent、MCP、coding agent、工作流自動化與評測。
推論系統
SemiAnalysisは、長いコンテキスト、マルチターン、サブエージェントの並行実行に対応するAgentXを公開した。これにより、推論システムの比較は、固定長プロンプトのスループットだけに依存しなくなる。データはリクエストのタイミングとKV cache再利用の形状を保持しているが、ソースはClaude Codeに集中しており、測定対象はプログラミングタスクの正答率ではなく、サービングシステムの効率である。
代理工具
Portable Computerは、27Bモデル、プランナー、ツールルーティング、永続タスクキュー、検索インデックスをローカルで実行し、権限プロンプトによってデータの外部送信を制御する。初版はLinuxとDGX Sparkのみをサポート。公式スコアは未公開の社内ワークロードに基づくため、独立した検証結果とはみなせない。
代理工具
DeepRepoQAは、コーディングエージェントに単一路径を探索させるのではなく、MCTSで複数のリポジトリ探索分岐を比較し、行番号付きの証拠から回答を合成する。公式報告ではSWE-QAで4～7ポイントの向上を達成したが、データ汚染、推論コスト、限定的なクロス言語テストについては、なお検証が必要だ。
最新模型
AlibabaはQwen3.8-Flash-Nextの重みを公開した。Gated DeltaNetで履歴状態の大部分を圧縮し、Qwen Sparse Attentionで完全なコンテキストから情報を検索する。モデルは262K tokenをネイティブにサポートするが、公式が示す100万tokenでの性能とエージェント評価については、今後も独立した再現検証が必要だ。
AI 安全
セキュリティ研究者はKeystorkを使ってカメラアプリになりすまし、Android StrongBoxに任意のAI画像向けの有効なContent Credentialsを生成させた。この攻撃では秘密鍵をエクスポートする必要はない。明らかになったのは、署名側が侵害されると正規の鍵が悪用され得るという弱点であり、C2PAの署名アルゴリズムが破られたわけではない。
最新模型
Thomson-1.0-SmallはQwen3.6-35B-A3Bをベースに、独自文書、合成リライト、汎用能力のリプレイデータを用いて中間学習を実施した。公式評価では法律エージェント能力が向上した一方、一部の汎用タスクとプログラミングタスクではベースモデルを下回った。
IBM 的兩款英語語音辨識模型把輸出速率降至每秒12.5個token，並以三段時間下採樣減少運算。官方在單張H200測得每秒處理逾3.5小時音訊，但這是大批次吞吐量，不等同互動串流延遲。
Multiverse Computing 改由原始 120B 模型直接蒸餾經結構壓縮及量化的 60B 學生模型，避免把中間恢復模型的誤差當成學習上限。結果顯示 4-bit 模型可超越同架構 BF16 檢查點，但未全面追回原始教師的能力。
代理工具
Anthropicは、チャットと業務タスクを実行するCoworkで、編集可能な同一のメモリを共有するようにし、会話中に随時更新する方式へ変更した。センシティブなトピックはデフォルトで保存されないが、一般消費者向けプランではメモリがデフォルトで有効になっており、ユーザーが一方のインターフェースからのアクセスだけを阻止することはできない。
最新模型
WeMM-Embedding は、テキスト、画像、動画、視覚文書、インターリーブ入力を同一のベクトル空間で処理し、2B、4B、9B の3サイズを提供する。公式結果では複数の公開ベースラインを上回ったが、音声には対応しておらず、一部の製品上の効果はテンセント社内の A/B テストでのみ裏付けられている。
訓練資料
LAION-BVDはCommon Crawlから13億件の動画URLを整理し、約8,000万本、合計1,000万時間のコンテンツをダウンロードした。データパイプラインとURLリストは公開されたが、主要なメディアサブセットへのアクセスは制限され、コンプライアンス上の責任は引き続き研究者が負う。
AI 安全
Agent Package Resolutionは、セッションプロンプト、パッケージマネージャー設定、サーバー側ポリシーを組み合わせ、Claude CodeとCursorが開始した依存関係のダウンロードをArtifactoryへ誘導する。現在はプレビュー版で、初期設定にはrepository bindingがなく、プラグインだけではagentによるpublic registryへの迂回アクセスを阻止できない。