最新模型
Artificial Analysis Index 4.2、非公開テストの重みを40%に倍増し、飽和したGPQA Diamondを除外
新版Indexでは、エージェント型知識労働と長文PDF推論のテストが追加され、非公開問題の重みが20%から40%に引き上げられた。公開ベンチマークに特化した最適化の余地を減らせる一方、外部研究者によるランキングの完全な再現は難しくなる。
Archive
最新模型
新模型、開放權重、多模態、語音、影像與模型架構。
最新模型
代理工具
Qwen Code 0.23、マルチエージェントワークフロー制御と階層型メモリ権限を常駐サービスに統合
新バージョンでは、権限境界を備えたプロジェクト／ユーザーメモリ、一時停止と再試行が可能な Workflow API、並行実行および切り替えが可能な名前付きタスクが追加された。また、プライベート Git 拡張機能とローカル operator API の到達範囲も拡大しており、企業は導入時にネットワークと認証の境界を再確認する必要がある。
最新模型
NVIDIAの競技プログラミングモデル、760基のGPUでテスト時計算をスケール――非公式スコアでIOI人間最高得点を上回る
Nemotron-3-Ultra-CCはIOI 2026の問題で535.4／600点を獲得し、公式の人間最高得点498.27点を上回った。鍵は550Bモデルだけではなく、GenCorrectで大量の候補プログラムを繰り返し生成、テスト、修正する手法にある。この実行では最大760基のGB300が使用された。
代理工具
AWS、テキスト・ボイスメッセージ・通話を横断するWhatsApp AgentCoreリファレンスアーキテクチャをオープンソース化
AWSは、CDKでデプロイ可能な飲食店向けエージェントのサンプルを公開した。3つの分離されたRuntimeが同一のMemoryとMCPバックエンドツールを共有する。音声経路にはNova 2 Sonicのspeech-to-speechを直接採用する一方、WebRTC、TURN、ID連携、固定ネットワークコストについては、引き続き利用者側での管理が必要となる。
代理工具
LangChain 1.4、MCPをコアパッケージに統合し、ステートレスプロトコル、ツール一覧のキャッシュ、実行途中の問い合わせをサポート
新しい `langchain.mcp` は、FastMCPによって接続、認証、プロトコルネゴシエーションを統合し、独立したadapterパッケージを置き換える。サーバーはツールの実行途中に追加情報や承認を要求でき、LangChainはその一時停止地点を再開可能なLangGraph interruptへマッピングする。
推論系統
SGLang、GPU不要のSimulatorを正式ドキュメントに追加――レイテンシ予測で推論トラフィックをリプレイ
SGLang SimulatorはCPU上でランタイムコンポーネントをインターセプトし、モデルの実ロードやGPUカーネルの実行なしに、スケジューリング、バッチ処理、多階層KV cacheをシミュレートする。チームは、H20上の2種類のQwen3で主要指標の誤差が5%未満だったとしているが、ハードウェアとモデルのカバレッジは依然として限定的だ。
GitHub Repo
Paddock、Rust／CUDA推論エンジンをオープンソース化――単一NVIDIA GPUでのエージェント同時実行に照準
Truesparは、Paddockのスケジューラ、ページングKV cache、メモリ管理、独自CUDA kernelsを公開し、OpenAIおよびAnthropic互換インターフェースも提供する。開発者によるベンチマークでは、一部の単一GPUワークロードでvLLMとSGLangを上回ったが、独立した再現検証はまだなく、tensor parallel、ROCm、Metalには対応していない。
代理工具
DRACO、動的ルーブリックでエージェントの各ステップに強化学習のクレジットを割り当て、タスクの正解を参照せずに訓練
IBM Researchとカーネギーメロン大学のチームは、評価モデルに軌跡グループごとのルーブリックを生成させ、全体報酬を関連するステップへ再配分する手法を開発した。AppWorldでは15.9ポイント向上したが、正確性は依然として、人手で検証されていないモデル評価に左右される。
最新模型
GPT-6 Astra API、非同期ツール呼び出しとターン途中のステアリングに対応――サイバーセキュリティ能力は初のCritical評価
OpenAIの新たなフラッグシップモデルは、ツールをバックグラウンドで実行しながら推論を継続でき、WebSocket経由で実行途中の修正も受け付ける。強化されたエージェント能力に伴い、新たな移行上の制約が加わったほか、サイバー攻撃能力が初めてCriticalレベルに達した。
代理工具
Pydantic AI 2.40、リアルタイム音声エージェントに再生進捗を補正可能な割り込み機能を追加
新バージョンでは、ユーザーが発話を割り込ませた際、実際に再生された音声バイト数に基づいて応答を中断し、会話状態を同期できる。さらに、帯域外プロンプトキューとイベントリスナーインターフェースが追加され、リアルタイムエージェントですべての制御信号をユーザーターンに偽装する必要がなくなった。
推論系統
llama.cpp 0.4.0、大規模モデル読み込み時のメモリ使用量ピークを遅延テンソル読み込みで低減し、Qwen3.8の新アーキテクチャにも対応
新バージョンでは`--lazy-mode`、量子化処理用ワーキングメモリの上限、行単位のスラブストリーミングが追加され、超巨大テンソルをRAMへ一括ロードする必要がなくなった。Qwen3.8-Flash-NextとNemotron-3-Puzzleも初期対応となったが、前者のパフォーマンス最適化と一部ハードウェアとの互換性には、なお改善の余地がある。
代理工具
Claude Code 2.1.261、スキルのコンテキストコストを可視化し、自動モードにおけるデータ外部送信の判定を厳格化
新バージョンでは、`/skill-doctor` が未使用のスキルとそのコンテキスト占有量を一覧表示し、開発者がターンごとに繰り返し発生するプロンプトコストを特定できるようになった。また、危険な削除操作の検出範囲を拡大し、セッション再開時のコンテキスト欠落を修正したほか、コンテンツを含む公開チャートURLを外部アップロードとして扱う。