代理工具
AgentLens、コーディングエージェントの評価を本番環境の軌跡へ移行し、夜間回帰テストと失敗診断を支援
AgentLensは、エージェントがコーディング課題を解けたかどうかだけでなく、インタラクションの全軌跡と実際のプロダクト成果を精査する。オープンソースのベンチマークを使用して、モデルのバージョン比較、挙動の劣化の特定、継続的インテグレーション（CI）プロセスへの組み込みが可能だ。
Archive
全ニュース
技術ニュース 1548 件
代理工具
代理工具
OmniaBench、1,431件のシナリオ横断タスクで汎用エージェントを検証、最先端モデルのPass@1は依然6割未満
OmniaBenchは、明確な状態空間を持つ、ツールおよびインタラクション形式を横断したエージェント評価を構築し、644問の精選された高難度セットも提供する。結果から、計画、制約の維持、エラー後の適応が、依然として最先端エージェントに共通する弱点であることが示された。
最新模型
Meta、Muse Spark 1.1のModel APIを公開：100万token、並列ツール呼び出し、マルチモーダルエージェントを訴求
Muse Spark 1.1がMeta Model APIを通じて初めてパブリックプレビューとして公開され、OpenAI互換インターフェースも提供される。100万tokenのコンテキスト、検索の引用、構造化出力、並列ツール呼び出しを統合し、エージェントの基盤となるモデルだ。
推論系統
Nunchaku LiteがDiffusersにネイティブ対応、W4A4量子化で拡散TransformerのVRAM使用量とレイテンシを削減
DiffusersがNunchaku LiteのINT4およびNVFP4チェックポイントを直接読み込めるようになり、モデル専用の推論エンジンを別途インストールする必要がなくなった。SVDQuantは重みとアクティベーションを同時に量子化し、VRAMの節約に加えて、実際のデノイズ時間の短縮を目指す。
最新模型
Anthropic、RSP 3.4を更新：自動化R&Dのしきい値を再定義し、リスク報告の仕組みを調整
AnthropicのResponsible Scaling Policy 3.4は、自動化R&D能力のしきい値、社内における未編集版報告書の共有範囲、外部レビューの方法を変更した。一見するとガバナンス中心の更新だが、実際にはモデル能力評価、デプロイメントゲート、安全性報告のエンジニアリングプロセスに影響を及ぼす。
應用研究
ByteDanceのUniVR、視覚空間内で推論し、ダイナミクスをシミュレーションして長期行動を計画
UniVRは、複雑な推論、物理ダイナミクス、長期計画を視覚的なデモンストレーションのみから共同学習することを目指している。ByteDanceは同時に34B Planningチェックポイントを公開し、テキストによるChain-of-Thoughtに依存しない視覚エージェント研究に、検証可能なベースラインを提供した。
推論系統
NVIDIA、Nemotron 3 Embedを発表、1BモデルのNVFP4チェックポイントも提供
Nemotron 3 Embedは、8B BF16、1B BF16、1B NVFP4のテキスト埋め込みモデルを提供する。低精度版では、検索モデルのメモリ効率とスループット効率が最優先の設計目標に据えられているが、品質については対象コーパス上での検証が必要だ。
硬體
NVIDIA Spectrum-6、シングルチップEthernetスイッチ容量を102.4 Tbpsに引き上げ
NVIDIAは、Vera Rubinプラットフォーム向けに設計されたSpectrum-6スイッチシステムの導入を開始した。シングルチップで102.4 Tbpsのスループットを実現し、800Gb/sポート、液冷、Co-Packaged Optics（CPO）のオプションも導入。10万基を超えるGPUのscale-outネットワークをターゲットとしている。
GitHub Repo
Gemma 4 12B、単一のTransformerで画像と音声を直接処理し、マルチモーダル展開の複雑さを軽減
Googleは、独立したビジョン／音声エンコーダーを線形投影で置き換えたオープンウェイトモデル「Gemma 4 12B」を公開した。新アーキテクチャによりファインチューニングとローカル推論は簡素化されるが、公式の性能データについては、今後も独立したテストによる検証が必要だ。
Azure、AMD Heliosを導入へ――大規模推論、データパイプライン、チップ設計向けのコンピューティングインスタンスを追加
Microsoftは、AzureでAMD Heliosを大規模展開し、第6世代EPYCを搭載したHDv2、HXv2、およびMI455X推論インスタンスを提供する計画だ。GPU、CPU、DPU、ネットワーク、ソフトウェアを協調設計したインフラストラクチャの刷新となるが、実際のコストパフォーマンスは公開テストによる検証を待つ必要がある。
LiteRT.js、LiteRTのネイティブ推論スタックをブラウザへ――WebGPU、Wasm、実験的WebNNに対応
Googleは、Webアプリで`.tflite`モデルを直接実行し、デバイスに応じてCPU、GPU、NPUを利用できるLiteRT.jsを公開した。ブラウザAIをJavaScript中心の仕組みからクロスプラットフォームのネイティブ実行スタックへ移行させる一方、性能と互換性は依然としてブラウザやハードウェアに大きく左右される。
Google、LiteRT.jsを発表――ネイティブLiteRTの推論パスをブラウザへ
LiteRT.jsは、Googleのクロスプラットフォーム推論ランタイムをWebAssemblyでラップし、CPU、GPU、NPUにそれぞれXNNPACK、WebGPU、実験的なWebNNを対応させる。既存の`.tflite`モデルをクライアント側で実行しやすくする一方、性能と互換性は依然としてブラウザやデバイスに大きく左右される。