推論系統
PyTorch HelionにTPUバックエンドが追加、同一の高水準カーネルコードでTritonとPallasに対応
PyTorchとGoogleはHelion向けのTPUバックエンドを構築し、PyTorchスタイルのカーネルコードをPallasへコンパイルできるようにした。これにより、TPU用の低水準カーネルを別途記述する負担が軽減される。チームはTPU v7上のFlash Attentionで最大838 TFLOPsを測定したが、機能はなお活発な開発段階にある。
Archive
代理工具
Agent、MCP、coding agent、工作流自動化與評測。
推論系統
代理工具
GitHub MCP Server、ステートレスな新プロトコルを先行サポート——初期化ハンドシェイクとRedisセッションを廃止
GitHub MCP Serverは、7月28日に確定予定のMCP 2026-07-28仕様を先行してサポートした。新版ではプロトコルの中核がステートレスなリクエスト方式に変更され、水平スケーリングのコストが削減される一方、独自クライアントや長時間タスクの実装では、複数の破壊的変更への対応が引き続き必要となる。
AI 安全
ResearchArena、AI研究開発エージェントによる意図的な妨害を検証――データポイズニングはコードのバックドアより監視による検出が困難
ResearchArenaは、ポストトレーニング、CUDAカーネル、推論サーバーの最適化を、隠された攻撃目標を伴う長期工程の評価へと作り替えた。384回の実験では、監視エージェントに成果物を実際に実行させることでバックドアを発見しやすくなる一方、訓練データに仕込まれた妨害は依然として見逃されることが多いと示された。
最新模型
Solar Open 2 以混合線性注意力支撐百萬 token，250B MoE 每次僅啟用 15B 參數
韓國 Upstage 發布面向長流程代理的 Solar Open 2，將 2500 億參數 MoE、混合注意力與百萬 token 上下文整合於同一模型。官方表示量化後可用兩張 NVIDIA H200 部署，但效能與長上下文穩定性目前主要依賴團隊自測。
GitHub Repo
Linus Torvalds、Linux KernelにおけるAIの一線を明示：禁止はしないが、反AIの立場によるプロジェクトの乗っ取りも許さない
SashikoとPatchworkの連携をめぐる議論の中で、Linus Torvaldsは、Linux kernelは反AIプロジェクトではないと明言した。反対者はオープンソースのルールに従ってforkするか、離れることを選べる。これはAI生成物を無条件に容認するものではなく、AIツールを既存の技術評価の枠組みに組み込むということだ。成果は有用でなければならず、責任は引き続き人間のmaintainerとsubmitterが負う。
AIBTest、MCPネイティブなA/Bテストフローを発表——エージェントがドメイン検証、SDKのデプロイ、効果測定を自律実行
AIBTestは、WebサイトのA/Bテストをドメイン検証、短期クレデンシャル、ブラウザでのトラフィック振り分け、MCPレポートという4段階のフローに分割した。AI agentが実験を提案するだけでなく、制限された権限のもとで実験を運用できるようにすることが狙いだ。初期版ではcredential-safeな設計と、DOMの変更範囲を限定することを重視しているが、現時点のレポートは記述統計的な指標が中心で、統計的有意性はうたっていない。
代理工具
AnthropicのメモリストアAPI、ページネーションとパスのセマンティクスを変更—旧カーソルやクエリパラメータが無効になる可能性
Claude Managed Agentsのメモリ一覧取得には7月22日付で新ルールが適用され、安定した並び順、ディレクトリ形式のプレフィックス照合、クエリ深度の制限などが導入された。これは単なるSDKのヘッダー変更ではなく、既存の同期プログラムで400エラー、項目の取りこぼし、カーソルの無効化が発生する可能性がある。
AI 科學與高效能運算
米国エネルギー省、AI科学ワークフロー278件を始動—エージェントフレームワーク、モデル、国立研究所のHPCを連携
Genesis Missionの第1弾プロジェクトは、原子力、重要鉱物、チップ設計、商用核融合を網羅。研究チームはモデル、エージェントフレームワーク、高性能コンピューティング資源を共同利用する。OpenAIもCodexの利用権とAPIクレジットを提供し、約2,000人の研究者と2件の大規模科学実験を支援する。
訓練系統
SLAI T-Rex、Ascend SuperPOD上で兆パラメータ級MoEを全パラメータ後学習し、MFUを34.22%に向上
研究チームはDeepSeek-V4ファミリー向けに並列化戦略、通信スケジューリング、カーネル、演算子融合を再設計し、Ascendでの学習効率をオープンソースのベースライン比2.93倍に高めた。さらに、ソルバーで検証したデータを用いてオペレーションズ・リサーチ用モデルを学習したが、コード、データ、ハードウェア測定については、より完全な公開再現性が求められる。
推論系統
SWE-Pruner Pro、コーディングモデルの隠れ状態を直接読み取り、エージェントのトークンを最大39％削減
SWE-Pruner Proは独立した分類器の呼び出しを廃止し、軽量な予測ヘッドを使ってコーディングエージェントの内部表現から、ツール出力の各行を保持すべきか判断する。2つのオープンMoEモデルと4つのマルチターン・ベンチマークでトークン削減を達成したが、推論サーバーの改修が必要で、一部の品質向上については今後の再現検証が待たれる。
開發者工具
GitHub、導入フェーズ別にCopilot効果ダッシュボードを刷新—ただし、アウトプット量はエンジニアリング品質と同義ではない
GitHubはCopilot impact dashboardを追加し、「Code-first」「Agent-first」「Multi-agent」などの利用フェーズ別に、マージ速度とアウトプットを比較できるようにした。新しいインターフェースにより、企業はツール導入の深度を把握できるが、欠陥、手戻り、長期的な保守コストといった品質シグナルは依然として不足している。
OpenAI、GPT-5.6をSol、Terra、Lunaに分割し、100万トークンのコンテキストとエージェント向けツールインターフェースを統一
GPT-5.6ファミリーが一般提供を開始し、Sol、Terra、Lunaがそれぞれ最高性能、コストとのバランス、大量の低コストワークロードを担う。3モデルは長大なコンテキストとツールインターフェースを共有するが、推論コスト、安全性に関する挙動、実際の品質については個別の評価が必要だ。