Archive
GitHub 熱門專案、開源工具、框架、runtime 與重要 release。
代理工具
GitHubは、開発者がCopilot cloud agentのタスクを開始する際に、モデルと推論強度を同時に指定できるようにした。推論強度を高めることで、複数ファイルにまたがるデバッグやアーキテクチャ分析が改善する可能性がある一方、tokenとAI Creditsの消費量は増えるため、チームはコストと品質の基準を改めて構築する必要がある。
AI 科學研究
OpenAIは、未公開モデルAstraが数学および理論計算機科学の10の問題を解決、または前進させたと発表し、249ページの原稿を公開した。各成果にはビルド可能なLean 4形式証明書が付属するが、数学的価値と原稿の論証については、今後も各分野の専門家による検証が必要だ。
推論系統
Cloudflare は FP8 KV cache により Kimi K2.6 の並列処理容量を拡大し、GLM 5.2 の decode では INT4 重みを採用した。また、共有 KV cache にページ世代タグを導入し、マルチテナント環境のリクエストが誤ったキャッシュを読み取るのを防いでいる。
最新模型
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。
AI 安全
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
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
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
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
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。
最新模型
NVIDIAはCosmos 3 Edgeの重みと推論パイプラインを公開した。4BのMixture-of-Transformersに自己回帰推論と拡散ベースのマルチモーダル生成を組み合わせ、テキスト、画像、動作軌跡を入力できる。DROIDデータでファインチューニングしたロボットポリシー版も提供するが、物理的一貫性とエッジデバイスでのレイテンシーについては、独立した検証がなお必要だ。