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。
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。
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。
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。
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。
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。
Sakana AIはSakana Chatを更新し、オーケストレーターモデル「Fugu Max」を全ユーザーに提供するとともに、会話内容を次回以降に引き継ぐメモリー機能を追加しました。メモリーはNamazuとFugu Maxで利用でき、設定画面で記憶内容を確認したり、機能をオフにしたりできます。記憶の対象はアップデート以降の会話で、過去の会話は含まれません。
推荐理由：Fugu Maxの全ユーザー提供と、会話をまたいで設定を引き継ぐメモリー機能の追加により、Sakana Chatの利用方法がどう変わるかを具体的に把握できます。
ALTK-Evolveに、AIエージェントの判断の揺らぎを調べるConsistency Analyzerと、一貫性を改善するガイドライン生成機能が追加されました。研究チームは、GPT-4.1を使うAppWorldの実験で、平均成功率を下げずに実行間の一貫性を改善したと報告しています。
推荐理由：平均成功率だけでは見えないエージェントの再現性を、Pass^kとMean@kの差で測り、判断の揺らぎを特定して改善する手順を示しています。
Sakana AIはSakana Marlinに、レポートについてAIエージェントに質問し、引用元の根拠箇所を確認できる「Interactive Reading」と、編集可能なPowerPoint出力を追加しました。PowerPointでは文章や図形、表・グラフのデータや書式を変更でき、各スライドに出典URLが記載されます。任意のスライドテンプレートに対応し、無料トライアルも利用できます。
推荐理由：調査レポートの理解・検証・共有を支援する二つの機能を示し、AIリサーチ後に残る意思決定前の作業を具体的に把握できます。
Sakana AIは、複数のオープンモデルや特化型モデルを組み合わせるFugu MaxとFugu Ultra v2を公開しました。Fugu Maxは入力1Mトークンあたり$2、出力1Mトークンあたり$6で、7つのベンチマークのうち10項目中7項目でコスト性能のパレートフロンティアを拡張したとしています。
推荐理由：低コストを狙うFugu Maxと性能を重視するFugu Ultra v2を比較し、複数モデルを組み合わせるオーケストレーションの二つの方向性を示しています。
Preferred Networks（PFN）とデロイト トーマツは、国土交通省の業務で、インフラ分野の発注・技術提案審査を支援するAIエージェントの開発・検証を開始します。図面・数量総括表・特記仕様書の整合性検証と、業務実績や提案内容の事実確認などを支援し、評価そのものにはAIを介入させず、審査担当者が最終判断を行います。2027年3月の業務完了に向けて段階的に実証検証を進めます。
Hugging Faceは、複数のコーディングエージェントが過去の作業履歴を検索・参照できる記憶ツール「funes」を公開しました。ローカルで履歴を索引化し、必要に応じて自分が所有するHugging Face datasetへ共有できます。検索結果は元の発言と出所を示し、ベンチマークでは2つのタスクとも、書面の引き継ぎより4〜8倍低コストでした。
推荐理由：複数のコーディングエージェントやマシンで作業履歴を共有し、回答の根拠となる元の発言までたどれる設計が示されています。
Google DeepMindは、政府機関や信頼できるパートナー向けに、サイバー防御能力を提供する限定アクセスプログラム「Fairwind Program」を開始しました。
推荐理由：政府機関や重要インフラ事業者などに限定アクセスを提供し、脆弱性の発見から修正までを自動化する構成と利用条件を確認できます。
Google DeepMindは、推論・コーディング性能を高めたGemini 3.8 Flashと、サイバーセキュリティ向けのGemini 3.8 Flash Cyberを発表しました。
推荐理由：通常版とサイバーセキュリティ版の性能・価格・提供条件を分けて示しており、用途ごとの選択肢を比較できます。
Google DeepMindは、Gemini 3.7 Flash、3.6 Flash、3.5 Flash-Liteにエージェント型動画理解機能を導入しました。
推荐理由：固定フレームレートでの処理と異なり、必要な映像・音声・字幕を動的に調べる仕組みと、長時間動画での効率改善幅が示されています。
IBMのGranite Teamは、推論モデル群Granite 4.2の構築方法を解説しました。モデルは3B、8B、30Bの3サイズで、Apache 2.0ライセンスで公開されています。3Bは基礎的な強化学習とアラインメントを行い、8Bと30Bには実環境でのソフトウェア開発、ターミナル操作、ウェブ検索を学ぶエージェント強化学習を追加しています。
推荐理由：3B・8B・30Bで強化学習の段階を分け、8Bと30Bには実環境でのエージェント学習を加える設計を詳述しています。
Sakana AIは、防衛省と「総合分析業務に必要なAI機能の調査・実証」に関する契約を締結しました。AIエージェント技術を活用し、情報収集の効率化、分析能力の向上、体系的な情報管理の3つの観点から実証を行います。
Google DeepMindは、ゲームを通じた15年間のAI研究を振り返り、ゲーム開発者との協業で新たなゲーム体験を試作する方針を示した。Fenris Creationsとの研究では、EVE Onlineの持続的な世界を継続学習、記憶、長期計画、複雑なマルチエージェント環境の研究に活用する。
推荐理由：ゲーム開発者との協業を軸に、SIMAの活用構想とEVEの環境が継続学習や長期計画の研究課題にどう結びつくかを整理している。
Hugging FaceとIBM Researchは、ALTK-Evolveによるエージェントの自己蒸留メモリを8モデルで評価し、適切なガイドライン量はモデルの能力によって異なると報告しました。
推荐理由：8モデルをAppWorldで比較し、性能帯ごとに有効なメモリ量が異なる結果を示しており、精度とトークンコストの調整方法を把握できます。
Hugging Faceは、Hub上の活動データに基づき、2026年1〜8月のオープンモデル市場の動向をまとめた。モデル数やデータセット数が増える一方、ダウンロードは少数のリポジトリに集中し、「いいね」が示す注目とダウンロードが示す利用には大きな隔たりがある。分析では、Qwenの派生モデルが151,448件に達したことや、エージェントによるHubへのアクセスが増えていることも報告している。
推荐理由：ダウンロード数と「いいね」を分けて読むことで、注目度と継続利用の違いを示し、公開モデルの普及を捉える視点を提供している。
Strands Robots、LeRobot、Hugging Face Storage Bucketsを使い、ロボットのデモ記録から学習、実機へのポリシー展開までをつなぐデータループを解説しています。
推荐理由：記録から学習、実機への展開までを同じLeRobot形式でつなぎ、Storage Bucketsへの同期とストリーミングでデータを扱う手順を具体例から追えます。
Google DeepMindは、コーディングやAIエージェント向けのモデル「Gemini 3.7 Flash」を発表した。FrontierCode 1.1 Mainでは43.6%（Gemini 3.6 Flashは34.4%）、Arena.aiのWebDev ArenaではElo 1588（同1538）を記録した。
推荐理由：Gemini 3.6 Flashとの比較でコーディングや業務ワークフローのベンチマーク改善と価格を示し、性能と費用の両面から更新内容を把握できます。
Sakana AIはSakana Chatをアップデートし、「Sakana Fugu」を追加するとともに、「Sakana Namazu」を新世代モデルに刷新しました。サンドボックス上でのPython実行に対応し、生成したHTMLや文書、スライドなどを画面内でプレビュー、ダウンロードできるほか、画像やPDF、Officeファイルの添付も可能になりました。
推荐理由：コード実行とファイル添付を同じ会話に組み込み、依頼から成果物の確認・修正までを進められる更新内容が具体例とともに示されています。
Sakana AIは、Gemma 4 E2BをベースにSakana Fuguの指揮者モデルを訓練し、既存モデルと遜色ない正答率と同等のコスト削減効果を確認しました。評価セットでは、正答率がGemma 4ベースで0.91、既存Fuguで0.92、コストは両者ともランダムな振り分けを1とした場合に0.68でした。今回の検証は、指揮者モデルもベースモデルを切り替えて構成できる可能性を示しています。
Sakana AIと大和証券は、マーケット情報の収集・分析に関する技術検証を経て、ウェルスマネジメント業務を支援するAIの本番開発フェーズを開始した。検証では、情報収集・分析業務を支援するAIエージェントの有用性と、利用者のフィードバックを取り込んで分析品質を高める仕組みの実現可能性を確認した。開発したAIプロダクトは、大和証券内で段階的に展開する予定。
Sakana AIは、日本語と日本の業務文脈に特化したLLM API「Sakana Namazu」の提供を開始しました。Moonshot AIのオープンモデル「Kimi K2.6」をベースに社内データで調整し、Web検索とコード実行のビルトインツールを備えています。
推荐理由：Kimi K2.6を日本語・日本の業務文脈に合わせたうえで、既存のOpenAI互換コードから接続できる設計と評価結果を確認できます。
Google DeepMindは、ロボット向けの身体性推論モデル「Gemini Robotics ER 2」を公開しました。連続動画から作業の進捗や重要な場面を把握し、複数ロボットの協調やツールの呼び出しを通じて、多段階の作業を調整します。進捗分類の精度は57.4%、重要な場面の特定精度は91.3%で、Gemini APIとGoogle AI Studioから開発者向けに利用できます。
推荐理由：連続動画から進捗や重要な瞬間を捉え、次の動作への切り替えに使う仕組みと、具体的な評価値が示されています。
Sakana AIのプロダクト開発責任者、大村壮太氏は、Sakana Chatなど4製品を続けて投入した背景と、プロダクト開発の方針を語っています。AIを使えば数カ月かかった試作を数週間、時には数日で作れるため、まず製品を出して利用者の反応から学び、素早く軌道修正する考えです。
Sakana AIの防衛・インテリジェンスチーム有志が「Diver OSINT CTF 2026」に参加し、850以上のチームの中で5位となりました。ドメインエキスパートとエンジニアが協働し、Fugu-ultra 1.1を活用したOSINT分析エージェントを構築して競技に臨みました。
Google DeepMindは、ロボットの全身制御や器用な操作、複数ロボットの協調を可能にする「Gemini Robotics 2」を発表しました。モデル群は、動作を担うGemini Robotics 2、複数段階のタスクを計画するGemini Robotics ER 2、ロボット上で動作するGemini Robotics On-Device 2で構成されます。
推荐理由：全身制御、器用な操作、複数ロボットの協調を担うモデル群の役割と提供状況が示され、ロボットへの適用範囲を把握できます。
Google DeepMindは、Gemini 3.6 Flashと3.5 Flash-Liteの提供開始を発表しました。3.5 Flash Cyberは、政府と信頼できるパートナー向けにCodeMender経由の限定試行で提供される予定です。
推荐理由：Gemini 3.6 Flashと3.5 Flash-Liteのトークン効率、速度、価格を数値で比較でき、AIエージェントの運用コストを検討する手がかりになります。
Google DeepMindは、Gemini 3.5 Flashにcomputer useを組み込み、ブラウザー、モバイル、デスクトップ環境で操作するAIエージェントを構築できるようにした。
推荐理由：単体モデルとして提供されていたcomputer useがGemini 3.5 Flashに統合され、利用方法と企業向けの安全策を併せて確認できます。
Google DeepMindは英国政府などと、Geminiを活用して住宅計画申請の審査を支援するAIツールの試作を開始しました。データ整理、関連政策の特定、住民意見の要約、評価報告書の草案作成を担い、計画担当官が全内容を確認して最終判断します。Barnet、Camden、Dorsetで初期試験を行い、政府は2027年から全国の自治体で利用可能にする計画です。