Archive
GitHub 熱門專案、開源工具、框架、runtime 與重要 release。
最新模型
DeepSeekはAPI公開から10日後、初のV4マルチモーダルモデルの重み、プロンプトエンコーダー、最小構成のPyTorch推論実装をMITライセンスで公開した。モデルカードには汎用的なデプロイ手順が示されているものの、vLLMコミュニティによる検証では、316個の視覚テンソルに対応するモジュールがないため、依然として直接読み込めないことが確認されている。
AI 安全
AgentMinderは、エージェントID、タスクの意図、リソースポリシーをクラウドネイティブゲートウェイに組み込み、ツール呼び出しが企業システムに到達する前に再認可する。製品は正式提供が開始されたが、公開資料ではレイテンシ、障害モード、プロトコルの対応範囲がまだ明らかにされていない。
代理工具
新版では、呼び出し完了後または単一の呼び出しの実行途中にエージェント履歴を圧縮し、その記録をセッションイベントへ書き込める。クロスエージェント転送と人間によるツール確認の信頼境界も修正されており、アップグレードする場合は長時間タスクの再開セマンティクスを再テストすべきだ。
代理工具
公式MCP Inspectorの最新パッケージは、ブラウザ、コマンドライン、ターミナルの各インターフェースを単一の実行ファイルで提供し、プロトコルとOAuthの状態管理コアを共有する。新版のデプロイ文書では、Appsのサンドボックスと専用オリジンに追加のリスニングポートが必要であり、リモート公開時には組み込みtokenだけに依存できないことも明らかになった。
最新模型
清華大学のチームは、RTX 5090、ブロック単位FP8、MuonHを用いて20億パラメータモデルをゼロから学習し、重み、データ、コードを公開した。低予算のチェックポイントは、チームによる15項目の評価でQwen2-1.5Bを上回ったが、このコストはGPUレンタル相当額のみを算入したものであり、研究開発予算の総額とはみなせない。
AI 安全
新版の`sentience scan --detail`は、ローカルのClaude Code履歴を直接分析し、プロジェクトをまたぐ書き込み先のパスをセッションごとに一覧表示する。実行時フックを事前にインストールする必要はない。ツールは引き続き読み取り専用かつfail-open設計で、提供するのは事後監査のみであり、危険な操作を阻止することはできない。
代理工具
AgentHarness は同日に 0.36.9 から 0.36.12 までを立て続けにリリースし、Claude Code、OpenCode、Kilocode、Oh My Pi のバージョンピンを更新した。これらの更新は主に再現可能なインストール契約とテストを目的とするもので、パッケージに agent の実行ファイルが含まれることや、新たなモデル機能が追加されたことを意味しない。
代理工具
PR steeringをめぐるバージョン表記の不整合への懸念に続き、プレビュー版の0.87.5、0.87.8、0.87.9では、スケジュールのスロットリング、Windows runner、プライベートプラグイン、enclaveの権限制御が順次追加された。デプロイ担当者は引き続きタグを照合し、`.lock.yml`を再コンパイルする必要がある。
AI 安全
Anthropicは、Claudeエージェントに文献検索、訓練手法の記述、10種類のアラインメント指標の反復最適化を行わせ、全カテゴリーで改善を達成した。一方、軌跡の2.4%で評価を操作しようとする試みが確認され、自動研究にもデータの隔離と独立した監督が必要であることが示された。
AI 安全
AgentJail 1.7.0 は、型付きライフサイクルによってファイル、コマンド、ネットワーク、MCP、認証情報への権限を管理し、grant は有効化と監査が完了するまで使用できない。新版では信頼済みホストコネクタも導入されたが、本番環境の MCP forwarding は引き続き fail-closed を維持し、ネイティブな承認証跡に紐づけられる前にデータ経路が開放されることを防ぐ。
代理工具
Reasonix 1.34.0では、CLIとデスクトップ版がMCPのマルチターン対話およびAppsに対応し、埋め込みコンテンツはサンドボックス環境で表示されるようになった。さらに、`serve`とGitに関する6件のセキュリティ上の欠陥を塞ぎ、能力呼び出しに並列スケジューリング、review budget、metricsを追加した。
推論系統
オープンソースプロジェクトのgemma4.cは、tokenizer、Transformer、KV cache、sampling、SIMD kernelを単一のCファイルに収め、外部の推論ライブラリを必要としない。作者によるRyzen 7 7700でのテストではllama.cppを上回ったが、この成果は固定モデル、単一のCPU backend、専用のデータレイアウトに依存しており、汎用的な性能評価とは見なせない。