MicrosoftとHugging Faceは、AIエージェントが残すデータベースの最終状態と副作用を評価するThinkingBoxとベンチマークThinkingBox-Benchを公開しました。507の業務ワークフローを対象に18モデルを各20回評価し、成功したツール呼び出しだけでは正しい結果や一貫性を判断できないことを示しています。ベンチマークはOpenEnv経由で利用できます。
推荐理由：会話やツール呼び出しではなく、データベースの最終状態と副作用で成否を判定し、20回の反復で業務エージェントの再現性を比較する評価方法が分かります。
Ai2は、研究質問と検索された文献抜粋から引用付きレポートを生成する「AstaBrief 8B」を公開した。AstaのGenerate a report機能ではFast modeとして提供され、Thinking modeの平均178.5秒に対し、レポート生成は平均51.1秒だった。モデルの重みと学習データに加え、研究者が自身のPDFからレポートを作るためのサンプルワークフローも公開した。
推荐理由：実クエリを使った学習と引用密度によるデータ選別が、科学文献のレポート生成にどう結びついたかを追えます。
ServiceNow CoreAIは、企業環境でのモデルの失敗をもとに学習タスクを生成・検証する「AutoSynthData」を開発した。EnterpriseOps GymのHybridでは2,000件を約18時間で生成し、Gemma-4-26B-A4B-itの平均Pass@1が7.2ポイント向上、検証器成功率は63.01%から68.55%になった。
推荐理由：モデルの失敗から学習課題を作り、実行可能性や検証器まで確認する手順と、EnterpriseOps Gymでの数値結果を読める。
Anthropicは、企業でAI導入を担うFrontier Deployed Engineer（FDE）を育成するClaude Frontier Academyを開始しました。1億ドルを投じ、2027年末までに1万人の育成を目指します。初回プログラムでは、実践演習と評価を経て12週間のレジデンシーに進み、参加者は所属組織でClaudeを使った実案件に取り組みます。
推荐理由：企業内でAIを実運用する人材の育成を、実案件に近い演習と12週間の実務で構成し、認定まで行う仕組みが分かります。
Chatham FinancialはCodexとGPT-5.6を活用して技術を開発し、業務フローを再設計している。取引の検証時間を30分から4分未満に短縮した。
BarclaysはAnthropicとの協業を拡大し、ソフトウェア開発やレガシーシステムの刷新などを目的に、Claudeをグローバル業務へ展開します。Claude Codeは2026年末までに開発者の50%が利用し、2027年にはソフトウェアエンジニアの過半数に広がる見込みです。社内向けの知識検索アシスタントは16,000人超が利用し、メール処理基盤は1日約120,000件を処理しています。
Google DeepMindは、新しいフロンティアモデルGemini 4 Argonを発表しました。出力トークン上限を従来の64Kから1Mに拡大し、DeepSWE v1.1で77.9%、LVBenchで91.7%を記録したとしています。まず信頼できるサイバー防御担当者などに提供し、開発者、企業、一般消費者へ段階的に拡大する予定です。
推荐理由：出力上限の拡大に加え、ソフトウェア開発や業務、サイバー防御での評価と段階的な提供方針が示されており、活用範囲と安全対策を併せて把握できます。
Google DeepMindは、AI生成タンパク質の配列や3D構造に検出可能な透かしを埋め込む「SynthID Bio」を発表しました。実験では、透かしを入れたタンパク質結合体が生物学的機能を保ち、AlphaFold 3の予測精度も維持したとしています。手法論文、コード、in vitroデータを公開し、研究コミュニティ向けに重みも提供します。
推荐理由：タンパク質の機能を保ったまま設計由来を検証する仕組みを、配列と3D構造の実験結果から確認できます。研究コミュニティへの公開範囲も示されています。
OpenAIはAmerica’s SBDCと連携し、中小企業向けの実践的なAI研修と地域での支援を拡充する。小規模チームのAI活用に関する新たなレポートも発表する。
Hugging Faceは、オープンソースの多言語テキスト音声合成（TTS）モデルを評価するOpen TTS Leaderboardを公開しました。WER・CERによる明瞭度、H200 GPUやCPUでの生成速度、話者類似度を測定し、モデル評価にかかる時間を数週間から数時間に短縮します。人間の嗜好評価に代わるものではなく、自然さや表現力、聴き手の好みを直接測る指標ではないと説明しています。
推荐理由：評価が数週間から数時間に短縮される仕組みと、WERや速度などの指標を確認でき、人間の嗜好評価を補完する方法が分かります。
NVIDIAは、表形式データの分類・回帰に対応する基盤モデル「Kumo Tabular」をHugging Faceで公開しました。ラベル付き行を文脈として与えると、追加学習や特徴量エンジニアリングなしで新しい行を予測でき、28M〜215Mパラメータの3サイズを用意しています。
推荐理由：人工データだけで事前学習した表形式データ向け基盤モデルが、複数のベンチマークで示した精度と速度を比較できます。
Multiverse Computingは、MCPエージェントの回答について、各主張を支える情報源と回答中で示された情報源が一致するかを検証するProvenanceGuardを発表しました。
推荐理由：複数のMCPツールの出力を一括せず、主張ごとに根拠の出所と回答中の帰属を照合する設計を、医療エージェントの評価結果とともに確認できます。
OpenAIは、コーディング、PC操作、専門業務向けのGPT-6.1 Solを発表しました。知能水準はAstraに近く、標準APIの入出力トークン価格はAstraの5分の1としています。
推荐理由：コーディングやPC操作、専門業務向けの知能水準と、Astra標準APIの入出力トークン価格との比較が示されています。
OpenAIは、複雑なプロジェクトや日常業務をまたいで作業を続けるプロアクティブなアシスタント「dots」を発表した。作業を進めながら、ユーザーが主導権を保てるよう支援する。
OpenAIは、オーストラリア政府のウェブサイトに関する事案について謝罪し、オーストラリアのサイバー防御を強化するための安全対策と支援策を示した。
H Companyは、GUI、コード、MCP、APIを使い分けてソフトウェアを操作するエージェントモデル「Holo4」を公開した。27B denseと35B-A3B Mixture of Expertsの2サイズがあり、OSWorld 2.0ではHolo4 27Bが61.7%、Holo4 35B-A3Bが30.9%を記録した。両モデルはH Models APIで利用でき、重みも公開されている。
推荐理由：GUI、コード、MCP、APIをまたいで動作する設計と、OSWorld 2.0でのスコアが示され、汎用エージェントの性能とコストを比較できます。
OpenAIは、Lenfest AI Collaborative and Fellowship Programへの支援を拡大し、$5 millionの資金と、最大$5 million相当のソフトウェアクレジットおよびエンジニアリング支援を提供します。
AnthropicはClaude 5.5ファミリーの第2モデルとして、Claude Sonnet 5.5を発表しました。Sonnet 5と比べて出力が30%超高速化し、同じ作業に必要なトークン数が少なく、タスク当たりの費用は最大30%低くなるとしています。
推荐理由：Sonnet 5との比較では速度やタスク単価、複数の評価結果が示され、Opus 5.5との得意領域の違いも確認できます。
BasisはGPT-6 Astraを使い、50タブの税務ワークブックをGPT-5.6 Solの2倍の速さで処理した。ユーザーの意図をより深く理解できるため、Basisは実務での利用に自信を深めている。
Sakana AIと東京大学は、VLMによるロボット軌道生成をテスト時スケーリングで改善する手法SAILを発表し、IROS2026で発表予定です。SAILはシミュレーターで生成軌道を試し、評価VLMのフィードバックを基に修正します。シミュレーションの6つの操作タスクでは、探索候補を1から45に増やすと、成功軌道を見つける平均率が25%から73%に上がりました。
Google DeepMindは、対話中に音声と映像で応答するGemini 3.8 Live with Live AvatarをGemini Enterpriseで提供開始しました。非同期のツール呼び出しで会話を続けながらデータを取得でき、リップシンクと表情を調整しながら97言語に対応します。カスタムアバターの作成は、現在エンタープライズの許可リスト登録を通じてのみ利用できます。
推荐理由：音声と映像を組み合わせた対話に加え、会話を続けながらバックグラウンドでツールを実行する仕組みや、97言語への対応を説明しています。
Sakana AIは「日本スタートアップ大賞2026」で総務大臣賞（情報通信分野）を受賞した。自然界の進化や集合知に着想を得たAI開発手法や、限られた計算資源で高性能な推論を実現するアーキテクチャが評価された。複数の小型・高効率モデルを組み合わせる手法や、指揮統制（C2）システムへのAI活用事例も紹介した。
Liquid AIは、視覚言語モデル「LFM2.5-VL-3B」向けの実験的なDSparkドラフトモデル「LFM2.5-VL-DSpark」を公開した。推測デコーディングにより、デバイス上で最大3.13倍、H100で最大2.66倍のデコード速度を示し、エンドツーエンドの速度向上はそれぞれ最大2.62倍、2.27倍。
推荐理由：タスク別の推論速度とエンドツーエンドの改善幅を示し、推測デコーディングがVLMの処理全体に与える効果を比較できます。
Googleは、Private AI Computeに端末をまたいで利用できるサーバー側の永続メモリを導入する技術更新を発表しました。データはクラウド上の暗号化ストレージに保存され、復号に必要な鍵はユーザーの端末だけに保持されます。Googleは技術白書の更新に加え、サーバーソフトウェアの改ざん防止公開記録と独立監査の結果も公開しています。
推荐理由：端末内に暗号鍵を保持したままクラウド側で記憶を継続する設計と、ソフトウェア検証や監査の公開が示されています。
Google DeepMindは、音声生成モデル「Gemini 3.8 Flash TTS」と「Gemini 3.8 Flash-Lite TTS」を発表しました。
推荐理由：音声の生成・複製機能と同意確認やSynthIDによる保護を併せて示し、表現力と安全対策の両面を把握できます。
Sakana AIは、ユルゲン・シュミットフーバー氏がChief Scientific Advisorとして参画し、新設のRSI Labにも携わると発表しました。同氏は東京を定期的に訪れ、チームと協働しながら日本のAIエコシステムを支援します。Sakana AIは、物理世界での行動結果を事前にシミュレートするAgent-Native World Modelsの開発を進めています。
推荐理由：シュミットフーバー氏の就任に加え、RSI Labで進める世界モデル開発の構想を示しており、人事と研究方針を合わせて把握できます。
OpenAIは、民間インフラのサイバー防御を支援するため、Daybreakプログラムへのアクセスをウクライナ政府に拡大します。
OpenAIのCEO Sam Altmanが、国連安全保障理事会での発言でAIの安全性、人間による管理、国際協力について論じた。
OpenAIの導入事例によると、RinggのAIエージェントは顧客からの電話の最大65%を解決しています。GPT-5.6で音声、チャット、WhatsApp、ウェブの多言語対応を支え、GPT-4.1と比べて費用は90%低いとしています。
OpenAIは、現実的なメンタルヘルス対話におけるAIの応答を評価するベンチマーク「MentalHealthBench」を発表した。専門家の知見を取り入れ、有用性と安全性を評価する。
OpenAIはChatGPT Adsの提供地域を東南アジアと台湾に拡大し、対象となる企業が60カ国以上で人々にリーチできるようにします。
Anthropicは、ClaudeがDNA反復配列に関連する新規酵素系「array-associated reverse transcriptases（ART）」を発見したと報告しました。反復配列のパターンはCRISPRを連想させるものの、この酵素系の主要な機能はまだ解明されていません。
推荐理由：約950のClaudeエージェントが21時間でDNA配列を探索し、研究者の実験を経て候補を絞る過程から、AIを生物学的発見に組み込む手順を追えます。
OpenAIとGrabは、東南アジアで3万人のパートナーが実践的なAIスキルを身につけるための地域プログラム「GO Forward with AI」を開始した。
GPT-6はプロンプトキャッシュを改善し、キャッシュヒット率を高める。新たな診断機能、明示的なブレークポイント、レイテンシーとコストを抑える制御機能を導入する。
OpenAIは、能力とコストのバランスが異なる2つのモデル、GPT-6 SolとLunaを発表しました。
UK AI Security Institute（AISI）は、EvalEvalの基盤を使い、評価結果をEvaluation Cardsで公開しています。公開データには、論文の主要実験で扱った5つのベンチマークと6つのモデルの検証済み結果、背景情報、設定情報が含まれます。このデータは、推論時の計算量や評価プロトコルがベンチマーク性能にどう影響するかを調べるAISIの論文に付随しています。
推荐理由：評価条件や設定情報を含む結果を共通形式で公開し、異なる条件で得たベンチマークの比較を可能にする取り組みです。
AnthropicはClaude Opus 5.5を発表しました。同社のテストでは、既定の設定と典型的な作業負荷でOpus 5より費用が40%低く、出力生成も30%超速いとしています。サイバーセキュリティ、生物学、蒸留に関する安全対策を備え、必要に応じて別のモデルへ切り替わる仕組みです。
推荐理由：性能や安全性の評価に加え、トークン単価とタスク当たりの費用をOpus 5と比較しており、能力向上と運用コストの関係を把握できます。
Anthropicは、コンゴ民主共和国のBundibugyoエボラ対応で、現地データの分析や報告作成、研究支援にClaudeを活用していると紹介しました。Claudeのスキルで各地域のPowerPointから症例数と検査数を抽出し、前日の報告と照合することで、従来は丸一日かかっていた状況報告書の作成を1時間未満に短縮しています。
推荐理由：現地の報告作成や分析、ゲノム解析にClaudeを使う事例が示され、複数の公衆衛生業務での活用方法を把握できます。
Hugging Faceは、TransformersでGGUF形式のモデルを読み込み、ローカル実行できるようにしました。初期対応はApple Silicon上のQwen3.5系で、ggmlのMetalカーネルを利用し、ベンチマークでは3種類のチェックポイントでllama.cppに近い性能を示しています。現時点のパック済み推論はMPSのみで、対応アーキテクチャにも制限があります。
推荐理由：GGUFをTransformersで扱う方法に加え、llama.cppとの速度比較や対応環境も示され、ローカル推論での使い分けを判断できます。
oMLXの開発者・メンテナーであるJun KimがHugging Faceに加わり、MLXコミュニティの支援を続ける。oMLXはApache 2.0ライセンスを維持し、Junが引き続き主導する。Hugging Faceは、Transformersのモデル定義からMLXのリファレンス実装への移行を迅速化することなどを目指す。