最新模型
MiniMax H3、動画・音声生成モデルの重みを公開。ComfyUIも実行可能なワークフローを同時提供
MiniMaxはH3動画モデルの重みを公開し、開発者が同期音声を含むImage-to-Video生成をローカルで実行できるようにした。ComfyUIには公式ワークフローが追加されたが、コンシューマー向けGPUでの検証は枝刈りやINT8派生ファイルに大きく依存しており、元の重みの品質を完全に再現したものとは見なせない。
Archive
代理工具
Agent、MCP、coding agent、工作流自動化與評測。
最新模型
最新模型
Qwen3.8-Max、2.4Tの疎なMoEへ拡大——27Bおよびフラッグシップモデルの重みを来週公開予定
AlibabaはQwen3.8-Maxを正式APIとして提供し、ソフトウェア開発と長時間にわたる知識作業を主な用途に据えるとともに、フラッグシップ版と27Bモデルの重みを同時公開すると予告した。同モデルはコミュニティのコーディングArenaで上位に入ったが、アーキテクチャ、活性化パラメータ数、セルフホスティングのコストについては、依然として完全な技術文書が不足している。
AI 安全
CAGE、エージェントのツール応答に結合認可証明を導入し、フィールドの誤バインディングと数値ドリフトによるゲート回避を防止
CAGEは、エージェントがその時点で参照しているツール応答だけでなく、正しくバインドされた可能性のある結果の集合すべてが同じアクションを許可するかを検証する。研究では、カテゴリフィールドと数値誤差を個別に検査しても、両者が同時に変化した際の安全性は保証できないことが示された。
代理工具
GitHub Copilot 使用量 API、旧エージェントフィールドの保証を終了――ダッシュボードは cloud agent 指標への移行が必要
GitHub Copilot 使用量レポートの `used_copilot_coding_agent` に対する互換期間は8月1日に終了した。統合側は `used_copilot_cloud_agent` へ移行する必要がある。移行期間中、両フィールドは同じブール値を返していたが、期限後は旧フィールドの維持が保証されず、企業の導入率レポートで気付かないまま集計漏れが生じる可能性がある。
GitHub Repo
Open Secure AI Allianceが発足、NVIDIAはNOOAでエージェントのテスト、トレーシング、監査ツールを推進
NVIDIA、Linux Foundation、Hugging Face、Microsoftなどの組織がOpen Secure AI Allianceを設立し、オープンなモデルとツールを用いてエージェントおよびAIソフトウェアの脆弱性に対処する。初期の具体的な取り組みにはNVIDIAのNOOAフレームワークが含まれるが、共通仕様、ガバナンスプロセス、提供スケジュールはまだ発表されていない。
AI 安全
SafeKeep、ツールschemaがモデルの拒否シグナルを弱めることを発見—プロンプトインジェクション成功率を2.5%に低減
新たな研究によると、エージェントが使用するJSON形式のツール仕様は単なる中立的なインターフェースではなく、モデル内部の拒否表現を弱める可能性がある。SafeKeepは実行前に、平文化したテキスト仕様を用いて安全性を別途判定し、有害な要求に対する平均拒否率を23.8%から70.6%へ引き上げた。
代理工具
Echoverse、進化可能なアプリでコンピューターエージェントを訓練――9Bモデルのテスト横断成功率が67.1%に向上
Microsoft Researchのチームは、静的なWebページを増やし続けるのではなく、エージェントの失敗軌跡に基づいて合成アプリケーション、タスク、評価器を連動して修正する。9Bモデルは14の評価セットにおける平均成功率を36.5%から67.1%へ伸ばしたが、現時点でベンチマークとして公開されている環境は4つのみだ。
代理工具
Qwen-UI-Agent、スマートフォン・デスクトップ・ブラウザ操作を統合、オンラインRLの軌跡は100ターン超
AlibabaのQwenチームは、スマートフォン、デスクトップ、Web、DeepSearchを横断するGUIエージェントの技術レポートを公開した。単一のアクション空間で画面操作、CLIコマンド、バッチアクションを組み合わせる。複数の自己申告ベンチマークで既存システムを上回ったとしているが、モデルの重み、訓練データ、完全な実行フレームワークはまだ同時公開されていない。
代理工具
OSRewardが27種類のコンピュータエージェント判定モデルを検証、困難な軌跡から広範な「成功の誤判定」バイアスが判明
OSRewardは、Web、Windows、Ubuntu、モバイルプラットフォームにまたがる1,019件の人手でアノテーションされた軌跡を用い、視覚言語モデルがコンピュータエージェントのタスク完了を正しく判定できるかを検証した。チームは推論過程を含む10万件の判定データも公開し、セルフホスト可能な9Bおよび35BのOS-Shepherd報酬モデルを学習した。
推論系統
WIDE、トークンごとにAttentionとFFNを動的にプルーニングし、LLMデコードをエンドツーエンドで1.55倍高速化
WIDEは動的プルーニングをトークン単位のAttentionヘッドグループとFFNチャネルグループにまで細分化し、prefillとdecodeの両方をサポートする。研究では、スパース率50%でコア層のデコードが最大4.95倍高速化した一方、エンドツーエンドの高速化は1.55倍に縮小したと報告している。
AI 安全
OWASP Agentic Skills Top 10、v1の公開レビューを完了し、スキルのサプライチェーンを独立した攻撃対象領域に位置付け
OWASPの「Agentic Skills Top 10」v1ドラフトが公開レビューを終え、悪意あるスキル、過剰な権限、依存関係の混同、クロスプラットフォーム移植のリスクを10種類の管理項目に整理した。このフレームワークは、スキルをモデルとMCPツールの間に位置する振る舞いのレイヤーとして捉え、権限、出所、完全性を宣言できる共通フォーマットを提案している。
科學機器學習
UNICON、4,160万パラメータで9種類の数値システムを統一、重みを凍結したまま分野横断予測
UNICONは、河川、交通、電力網、気象、人流などのデータを共通のグラフ系列インターフェースに変換し、少数の数値例を通じてコンテキスト内で新たなタスクを指定する。学習に含まれていないWebトラフィックなどの分野でも専用モデルに迫るが、現時点で検証されているのは予測タスクのみで、重みとコードも公開されていない。