Archive
Agent、MCP、coding agent、工作流自動化與評測。
GitHub Repo
Nanbeige Labは、28兆tokenを用いてゼロから事前学習したNanbeige4.2-3Bを公開した。同一のTransformer層を繰り返し使用し、パラメータを増やさずに計算深度を高める。公式のエージェント評価では、より大規模なQwen3.5-9Bを概ね上回ったが、結果は独自の実行フレームワークに大きく依存しており、独立した再現検証がなお必要だ。
最新模型
SGLangの新バージョンはDSparkを導入し、ドラフトモデルの信頼度に応じて各ラウンドの検証ウィンドウを変更する。また、UnifiedRadixTreeをスライディングウィンドウ、Mamba、スパースアテンションモデルのデフォルトキャッシュに設定した。複数の量子化バックエンドの削除やrollout転送形式の変更も含まれるため、既存サービスをアップグレードする前に互換性を確認する必要がある。
最新模型
inclusionAIは、Levenshtein Editingによって並列デコード中の挿入・削除・置換を可能にした100B級モデル「LLaDA2.2-flash」を公開した。一部のエージェント評価とスループットでは自社の自己回帰ベースラインを上回ったものの、コード修復や関数呼び出しの精度では依然として後れを取り、サービス対応もまだ整っていない。
代理工具
FluxBenchは、単発のコード出力だけでなく、統一されたプロンプト、ツール、プロセスライブラリを用い、エージェントがRTL生成から論理合成、配置配線、ECOまで完遂できるかを評価する。著者らは、同じ基盤モデルでもエージェントフレームワークによって性能に86.27%の差が生じ得ると報告している。ただし、商用EDAを用いた実験範囲は狭く、論文も一度撤回された後に再投稿されている。
代理工具
ForecastBenchが7月27日に更新した暫定ランキングでは、上位3位をTorchcast AIの専用エージェントが独占し、最高Brier Indexは65.6だった。GPT-5.5検索エージェントとスーパーフォーキャスターの中央値は近い水準にあるが、問題数、提出時期、信頼区間の違いにより、順位の単純な比較には限界がある。
AI 安全
Rust製ツールdcgは、AIコーディングエージェントがコマンドを実行する前に、Git、ファイルシステム、データベース、クラウドリソースを破壊する可能性のある操作を阻止する。プロジェクトは7月26日の1日で約497 Starsを獲得したが、あくまでパターンマッチングによる防御であり、サンドボックス、権限分離、バックアップの代替にはならない。
推論系統
AMDはROCm Hyperloom 1.0.0a1を公開した。エージェントがパフォーマンスプロファイリングからカーネルおよびホストプログラムの修正までを実行し、正確性と速度のテストに基づいて変更を採用するか判断する。初版が対応するInstinct GPUは3モデルのみで、「数週間から数時間への短縮」も現時点ではAMDによる主張にとどまるため、導入者は自身のモデルで再現性を検証する必要がある。
最新模型
新ベンチマークは、6言語で並行作成された3,300問とフランス語5,340問を用い、モデルが言語をまたいで同じ日常知識やロングテール知識にアクセスできるかを検証する。大規模モデルほど全体的な精度は高いものの、ポップカルチャー、最近の出来事、言語切り替えによる格差は依然として解消されていない。
AI 研究與訓練
新たな研究では、各問題について同数の推論軌跡を固定的に生成するのではなく、報酬のばらつきが大きいサンプルに追加の計算資源を集中させる。著者らは数学およびプログラミングタスクでrollout効率が向上したと報告しているが、コードはまだ公開されておらず、実際のGPU時間や大規模モデルへのスケーラビリティは今後の検証を待つ。
代理工具
Google は、Antigravity CLI でプラグインを無効化した後も hooks、ルール、その他のカスタムコンポーネントが読み込まれる問題を修正し、機能しない、または信頼されていないスクリプトがエージェントの処理フローに介入し続ける事態を防いだ。新版では、承認が必要な複合 shell コマンドも完全に表示される。一方、標準に厳密には準拠していない MCP プロバイダーとの互換性確保のため OAuth issuer 検証が緩和されており、デプロイ担当者は別途精査する必要がある。
最新模型
AMDは、Instella-MoEの事前学習、長コンテキスト対応、SFT、DPO、強化学習など6段階のチェックポイントを公開し、トレーニングフレームワーク、データレシピ、推論コードも同時に提供した。モデルはGated MLAとFarSkip-CollectiveによってAttentionとGPU間通信のコストを削減するが、正式な技術レポートと独立評価はまだ完了していない。
最新模型
Induction Labsは、106B-A5BのスパースMoEモデル「Photon-1」を発表した。事前学習では画面動画を見るだけで、マウスやキーボードの行動ラベルを必要としない。モデルは次の潜在的な画面状態を予測した後、その状態に到達するための操作を生成する。ただし、現時点で性能を裏付ける証拠は主にチーム内部の評価に基づいている。