最新模型
Photon-1、ラベルなしの画面動画からコンピューター操作を学習——行動ラベルを潜在状態予測で代替
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。
Archive
代理工具
Agent、MCP、coding agent、工作流自動化與評測。
最新模型
代理工具
Cursor Router、リクエストごとにコーディングモデルを振り分け――コストモードではGrok 4.5をルーティング候補に残す必要
CursorはAutoモードを、リクエスト単位で分類・モデル選択を行うRouterへと刷新した。企業は品質、バランス、コストの3つの戦略を切り替えられる。公式はオンラインテストで費用を60%削減できるとしているが、モデルがデフォルトで非表示となる仕様や、特定のルーティング候補を必須とする要件により、監査可能性が導入時の重要課題となる。
AI 安全
NanoClawのMCP承認カードが実行パラメータを非表示にし、エージェントが一度の同意を永続的な実行設定に転換可能
新たに登録されたCVE-2026-17434は、NanoClaw 2.0.64より前のバージョンに存在する認可上の欠陥を指摘している。管理者が目にするMCPサーバー承認カードには、実際に適用される引数と環境変数が完全には表示されていなかった。修正後はペイロード全体を表示し、機密値をマスキングするとともに入力サイズを制限するようになったが、影響を受けるデプロイでは引き続きバージョンと既存設定を確認する必要がある。
AI 安全
SiYuanのMCPエンドポイントにロールチェックの不備、3.7.2で低権限ユーザーがコアツールを呼び出せる脆弱性を修正
新たに公開されたCVE-2026-66012により、SiYuan 3.7.2より前の`POST /mcp`エンドポイントは通常のログイン状態しか確認せず、管理者ロールや読み取り専用制限を強制していなかったことが判明した。MCPはノート機能の中核をAIクライアントに公開できるため、本来はコンテンツの読み取りのみを許可されたアカウントが、状態を変更する操作を実行できる可能性があった。
最新模型
英米共同評価：Kimi K3は模擬企業侵害を完遂するも、41件の脆弱性悪用はいずれも任意コード実行に至らず
UK AISIと米国CAISIによる初期テストでは、Kimi K3のExploitBenchスコアは32%でGLM-5.2を上回ったものの、評価対象となった米国のフロンティアモデルには大きく後れを取った。同モデルは32ステップの模擬企業攻撃を一度完遂したが、評価条件とサンプル数が限られているため、現実世界での攻撃成功率を直接推定することはできない。
AI 安全
AgentForger、URLパラメータを悪用してChatGPT Workspace Agentを偽造し、ユーザーの既存コネクタ権限を継承
Zenityは、すでに修正済みのCSRF型攻撃チェーンを公開した。ログイン中のユーザーが細工されたリンクを開くだけで、ChatGPT Agent Builderが攻撃者の制御するエージェントを自動的に作成、スケジュール設定、実行する可能性があった。この脆弱性はOAuthを回避するのではなく、既存の認可を継承するものであり、エージェントの作成フロー、実行主体、ツール権限の間に生じる新たな信頼の隙間を浮き彫りにした。
代理工具
DNS-AID、SVCBとDNSSECでエージェント発見レイヤーを構築――MCP・A2Aエンドポイントの中央ディレクトリ依存を解消
DNS-AIDは公開WebサイトとApache 2.0ライセンスのリファレンス実装を提供し、組織がエージェントのエンドポイント、プロトコル、ケイパビリティ文書を既存のDNSレコードとして公開できるようにする。この仕組みではDNSSECを利用して公開元ドメインを検証できるが、エージェント自体の安全性、ケイパビリティ宣言の正確性、認可に値するかどうかまでは証明できない。
代理工具
Hallmark、2日間で約7,200スターから17,000スターへ——ルールベースのSkillでエージェントによるUI生成を制約
HallmarkがGitHubで急速に普及している。レイアウトの骨格、フォント、色彩、反テンプレート検査を、Claude Code、Cursor、Codexが読み込めるSkillとしてパッケージ化したものだ。モデルの訓練やファインチューニングは行わず、生成の前後にバージョン管理可能なデザインポリシーと自己レビューを組み込む。
最新模型
Claude Opus 5、推論をデフォルトで有効化し、会話途中でのツール変更にも対応――旧バージョン向けのエージェント設定では即座にエラーとなる可能性
AnthropicはClaude Opus 5をリリースした。100万tokenのコンテキストと最大12.8万tokenの出力に対応し、thinkingがデフォルトで有効になった。新モデルでは、プロンプトキャッシュを維持したままエージェントがツールを追加・削除できる一方、推論の無効化と高いeffortを組み合わせる設定には破壊的変更がある。
AI evaluation
EvolvingIntent、静的ベンチマークを要件が変化する対話へ再構成し、エージェントの修正指示追跡におけるギャップを明らかに
Microsoft ResearchはEvolvingIntentを提案した。既存の数学、SQL、検索、プログラミングタスクを、情報の段階的な開示、修訂、方向転換を含むマルチターン対話へ分解する。実験では、シングルターン・ベンチマークでのモデルの能力が、要件が継続的に変化する状況へ安定して転移しないことが示された。関連するデータ構築・評価コードは公開されている。
代理工具
Spec Kit 0.14、エージェントワークフローを再現可能なBundleとしてパッケージ化し、リモートカタログのダウンロード境界を厳格化
GitHubの仕様駆動開発ツールSpec Kit 0.14では、バージョン管理可能なBundle、Pythonスクリプトパス、再現可能なビルドが追加された。直後にリリースされた0.14.2では、shell実行パラメーターの削除と入力検証の強化も行われ、エージェントワークフローがパッケージのサプライチェーンやコマンドインジェクションの問題に直面し始めていることを示している。
代理工具
Block、Buzzをオープンソース化し、Nostr署名イベントでAIエージェント、会話、Git監査ログを統合
BlockはBuzzをApache 2.0ライセンスで公開し、人間とAIエージェントがそれぞれ固有の鍵を使ってチャンネル、コードレビュー、ワークフローに参加できるようにした。すべての操作を単一relay上の署名イベントとしてモデル化する一方、relayのレプリケーション、完全な承認ゲート、エンドツーエンド暗号化はまだ提供されていない。