ShipStation Globalは、Amazon Bedrock AgentCore上にSlack向けAI ITヘルプデスクエージェント「Deckhand」を構築し、チャンネルに届く問い合わせの97.5%を解決した。従業員による肯定的な評価は96%である。Deckhandは、ナレッジベースからの定型的なIT・社内質問への回答、エラーメッセージのスクリーンショットの読み取り、Jira Service Managementのチケットの作成・更新を行う。
Geoffrey Huntleyは、エージェントが自作の診断ライブラリを使わない問題に対し、git diff内で診断モジュールを迂回してobservabilityモジュールを直接呼び出している箇所を検出するpre-commitフックを書いたと述べている。違反があればコミットを失敗させ、診断ライブラリの使用を指示するプロンプトを注入する。AGENTS.mdを更新するだけでは差分が残りドリフトするため、この方式を選んだという。
ABEJAのデータサイエンス部が、社内イベントDS Dayで、モンスターの2対2バトルの勝率を予測するKaggleコミュニティコンペ「DS Day Monster Battle 2026」を開催した。評価指標はRMSEで、最初の1時間半はコーディングエージェントの使用を禁止した。優勝したfutsukayoiチームは、本番バトルの隠しパラメータを直接推定し、予測にはLightGBMを使用した。
AWS Japanが10月5日週の生成AI関連ニュースをまとめた週刊記事。Amazon Bedrock Guardrailsの自動推論ポリシーの自動改善や、AI Modernization Flow（AIMF）の公開などを取り上げている。AWS Continuum for code vulnerabilitiesはCyberGym-E2Eで成功率89.0%を達成し、従来の公開最高値65.9%を23.1ポイント上回った。
サイバーエージェントは、2026年9月11日から13日に開催されたiOSDC Japan 2026にプラチナスポンサーとして協賛し、ブース出展と社員3名の登壇を行った。登壇はインターネット広告事業本部1名とタップル2名で、テーマはvisionOSの空間表現、StructとClass、printの内部実装である。ブースではタップルやABEMA、AmebaのAI活用パネルを展示し、「ワークアラウンドクイズ」も実施した。
Mac（M4 Max・64 GiB）でNemotron 3.5 Lightning（MLX 4-bit）を使い、推論サーバーのoMLX 0.7.0とTensorFold 0.6.4を比較した。短い入力8件同時ではTensorFoldが183.4 tok/sで、oMLXの157.6 tok/sより約1.16倍高速だった。ただしoMLXも並行して生成しており、MTPによる下書き採用は全体の1.07%にとどまるため、MTP単独では速度差を説明できない。
GitHub Copilot appでは、カスタム指示、エージェントスキル、カスタムエージェント、MCPサーバーの4つでプロジェクトの規約や手順をCopilotに伝えられる。指示は`.github/copilot-instructions.md`、スキルは`.github/skills`、エージェントは`.github/agents`に置く。MCPサーバーでPlaywrightなどの外部ツールにも接続できる。
編集負荷の高い作業をPython 3.15の組み込みプロファイラprofiling.samplingで計測したところ、混在した行末の保持処理preserve_endingsが15,296件のCPUスタックのうち64.8%に現れ、大きな割合を占めた。リーフサンプルではSequenceMatcher.find_longest_matchが38.3%を占めた。スタックの95.1%はAnyIOのワーカースレッドから発生しており、全スレッドをサンプリングすることが不可欠だった。メインスレッドのみのプロファイルでは見落とされていたという。
llama.cpp の AWS DLC と SemIf 用の子イメージを使い、宣言された選択肢ごとの確率を返す意思決定モデルを SageMaker AI にデプロイする方法を示す。JevBench の 231 タスクでの検証では、Qwen3.5-4B（Q4_K_M）の正答率は CPU 構成が 77.5%、GPU 構成が 77.9% だった。p50 レイテンシは GPU 構成の 0.352 秒が CPU 構成の 1.715 秒より 4.9 倍速い。
actions/python-versionsに安定版のPython 3.15.0が追加された。これにより、GitHub Actionsのテストマトリクスに「3.15」を追加し、新しいPython 3.15.0リリースに対してテストを実行できるようになった。
開発者は、GPT-6 AstraなどのフロンティアAIモデルとNVIDIA Omniverseライブラリを組み合わせ、自然言語の指示でAIエージェントを動かしてシミュレーションアプリケーションを構築している。倉庫シミュレーションの検証では、コンベア80台、アーム40本、箱800個の規模で、フルHD解像度において2分間のテストで30フレーム毎秒を維持した。
PostmanとAWSが、4000万人の開発者向けAgent ModeをAmazon Bedrock上で運用する際のアーキテクチャを解説した。ツールの動的選択、スキーマベースの読み取り、コンテキスト設計が主な知見である。Bedrockではクロスリージョン推論、モデル依存のゼロデータ保持、2段階のプロンプトキャッシュを使っている。
TuringのインフラチームがAmazon SageMaker HyperPodのSlurm運用で困った6件を、対処と確認結果とともに整理した。Custom AMIの初期設定省略、インスタンス追加の失敗、slurm.confの書き戻し、プロセス残存、OOMなどを扱う。対象は2026年5月から10月の同社構成での事例で、HyperPod全般の挙動とは区別している。
LayerX Fintech事業部から三井物産デジタル・アセットマネジメント（MDM）に出向する筆者が、GMO Flatt Securityのソフトウェアサプライチェーン攻撃演習で得たインシデント対応の5つの視点をまとめた。タグでなくコミットSHAで固定すること、確認できた事実と未確認の可能性を分けて報告すること、封じ込めは順序で考えることなどを挙げる。MDMではSHA固定、OIDC、JITを導入済みだが、一報時に説明できる体制は未整備としている。
AWSが、AIコーディングアシスタント向けのステアリングファイルで、証拠ベースの脆弱性トリアージを一貫して実行させる設定方法を解説した。構造的検証により、ステアリングなしでは検出結果の約30%にあった存在しないコード構造への参照が、テストではゼロになったという。信頼度の計算式、インフラ考慮の評価、脅威インテリジェンス統合、優先度分類の4つのアクション階層も取り上げている。
脆弱性スキャナーの未加工の検出結果を、悪用可能性の証拠が文書化された優先順位付きの少数の結果に絞り込む3層パイプラインの構築方法を、AWS Blogの翻訳記事が解説している。第1層は複数スキャナー間の一致、第2層はASTによる構造検証、第3層はIaCテンプレートを用いたデプロイコンテキストの評価である。コード修正や人によるレビューの代替はできないことも明記されている。
Anthropic@AnthropicAIAIスコア4747BlockのBradley Axenが、Claude Fable 5を統括役にして数百から数千のプルリクエストに及ぶコード移行を進める手法を語った。Fableが設計を担い、OpusやSonnetなどの小型モデルが個別作業を実行する構成で、品質を落とさずトークン配分を改善できたという初期結果も示している。
選定理由：数千PR規模の移行でFableが設計を担い小型モデルが実装を担う分担と、マージやデプロイを人間の二重承認に残す運用が具体的に語られている。
Hugging Faceの著者がHuggingChatのML Internを使い、数日で6つのモデルを作成して公開した。0.8Bのプロンプトリライターは計算費用16ドルで、有効出力率は99.7%、教師モデルの約4分の1のトークンで動作する。6件の計算費用は合計で約103ドルである。
LINEヤフーのエンジニアが、ニュース記事やSNSポストのブリーフィング自動生成を題材に、DeepEvalを使った評価ロボットと評価プロセスを紹介した。熟練編集者がGold DataとRubricを作り、自然言語で観点を定義できるG-Evalで評価と改善を繰り返す。G-Evalの元論文での人間評価とのSpearman相関は0.514で、評価ロボットは「一定の品質×量」を担う役割とされる。
LINEのAndroid開発者Moriが、MCPサーバーmobile-mcpを使い、AIエージェントにAndroid端末を操作させて実装直後の動作確認やバグ調査、ストア用スクリーンショット作成を任せる方法を紹介した。リリース前の最終判定や反復的な回帰テストなど、エージェントだけでは完結させにくい4つの用途も挙げている。Android CLIやsim-useとの比較、View Tree優先や画面ごとの操作リファレンス整備といったTipsも解説する。
LayerXのバクラク事業部は、設計仕様書・ヘルプ記事・コードの3つを突き合わせた仕様のLLM Wikiを、陳腐化させずに組織運用する更新の仕組みを構築した。利用者が訊きそうな質問で差分を選ぶ定期更新、出典のhashによる劣化検知とlintによる強制、書き戻しを一時置き場に限定する運用の3つが柱である。1プロダクトあたり100ページ前後、全体では1,000ページを超える見込みである。
Turingのmlopsチームは、学習時にS3から動画データを直接読む構成へ移行し、学習データ量をクラスタのストレージ容量から切り離した。計測では20ノードで約483 GB/sの帯域が出た一方、S3のレイテンシ中央値は約140 msで、先のバッチをRange GETで先読みしてCPUメモリに貯め、この待ち時間を隠した。これによりステージングの待ち時間と容量の上限なしで、S3上のデータをそのまま学習に使えるようになった。
cogneeのCEO、Vasilije Markovicさんの講演を、LayerXのFDEが紹介している。cogneeはAIエージェント向けの記憶をオープンソースで提供し、スキーマは厳密なオントロジーでなくてよいこと、記憶を分けて権限で制御すること、使われるほど記憶が良くなることが語られた。LayerXの最新50記事でスキーマの効果も試している。
OpenAIのGPT-6ファミリーについて、スタートアップがモデルを選び、reasoning effortを調整し、プロンプトとスキルを改善し、ツールを連携させ、本番運用に向けてワークフローを準備する方法を解説するガイドである。
AIが開発の進め方を変えるなか、開発者が強化すべき3つのスキルをGitHub Blogが示した。AIエージェントへの指示、最初の回答を鵜呑みにしない評価、AIで浮いた時間を大きな課題の解決に充てる力である。評価面では、GitHub Copilotの組み込みRubber Duck agentが第2のモデルで計画、コード、テストを批評する例を挙げている。
LINEヤフー、ソフトバンク、静岡大学が共同開発する教材「AI情報訓練」のテスト授業が、2026年9月9日に板橋区立上板橋第二小学校の5年生向けに行われた。児童はAIの仕組みを学び、SNS風の情報の真偽をAIも使いながら確かめ、最後は自分で判断した。教材は2026年11月をめどに無償提供を開始する予定である。
LayerXのAi Workforce開発部のEngineering Managerであるmootohが、AIにチームの活動情報を収集させ、1on1などの対話のきっかけをつくらせる運用を半年試した。Obsidianに.mdで蓄積し、Claude Codeで参照する構成である。課題は解像度がまだ粗い点で、metricsとalertの強化が必要だと整理している。
名古屋工業大学3年の学生が、2026年5月〜7月にLayerXのAi Workforce事業FDE部でインターンに参加し、その取り組みをまとめた。貸借対照表のOCRではocrHighResolutionを採用し、後段にLLMの検査ノードを加えて透かし文字の混入にもほぼ対応した。Box連携による複数ファイルの動的処理や、SlackログとPull Requestを検索できるナレッジ基盤の構築にも関わった。
LayerXバクラク事業部QA部が、最新コードから整理した仕様とQAのノウハウを組み合わせたナレッジベースと、テスト計画生成スキルを構築した。Claudeに指示すると10分以内くらいでテスト計画の叩き台が生成され、厳選した共通テンプレートに沿って出力される。コードや仕様の変更時にもプロンプトひとつで再生成でき、更新漏れの削減につながったという。
Turingのインフラチームは、AWS上のGPUクラスタでGPUが認識されているのにマルチノード学習が進まない問題を、Amazon FSx for LustreのI/O障害として調査した。通信経路の障害、メタデータのロック競合、特定の格納先でのI/O停止に切り分け、LNet-over-EFA経路が4回再発したため、FSxクライアントのEFA経路を無効化してTCPへ固定した。ただしその後もI/O失敗は残り、根本原因の調査は継続している。
ABEJAは、NVIDIA Nemotron 3 Nano（30B-A3B）のBaseモデルに対し、日本語の汎用能力強化を目的とするSFT Stage 1と、金融特化のSFT Stage 2の2段階でSFTを実施した。Stage 1ではBaseモデルと事後学習済みモデル、2種類のデータブレンドを組み合わせた計4条件を比較した。評価にはSwallow Leaderboard v2、Fin-Harness、EDINET-Benchを用いている。
LINEヤフーの殿山雄大氏が、Microsoft公開のOSS「Agent Package Manager（APM）」で、Skill・指示・MCPをチームに配布する方法を解説した。`apm.yml` に使う設定を宣言し、`apm install` を実行すると、Claude CodeやCodexなど各エディタの所定の場所へ展開される。新メンバーの環境構築での転記ミスや、Skill追加のたびの配り直しといった手間の解消につながるとしている。
LINEヤフーのインターン生が、Grafanaのアラートを起点に初動調査を行う「AI Alert Watcher」を開発した。インターン中盤には、Traffic、HOST、Critical Cluster Issues、Consumer Lagの4項目をWatcherが固定クエリで取得し、LLMはログの解釈や追加調査を担当する構成へ変更した。LLMが使えるのはGrafanaの読み取り専用ツールのみである。
LINEヤフーのメトリクスチームは、Confluence、ソースコード、Slack、Jiraの4ソースを毎日取り込んで横断検索する社内RAG「team-brain」を開発した。OpenSearchのBM25とベクトル検索を組み合わせたハイブリッド検索で、出典URL付きの検索結果を返す。生成LLMは持たず、Claude Codeからスキルとして呼び出される設計である。ある日のSlack取り込みでは、差分埋め込みによって埋め込みAPI呼び出しを約89%削減できたという。
ブルックリン・グリーンポイントのEdy's Grocerオーナー、Edy MassihはGeminiを使い、家族のレバノン料理のレシピを仕出し用の分量に換算し、買い出しリストを自動作成し、食事制限に合わせてメニューを調整している。例えば、チキンシャワルマラップの材料を8人分から50人分へ換算し、香辛料の調整や売り場別の整理も任せている。
DeepSeek-V4-Flash-0731（総パラメータ284B、アクティブ13BのMoE）を、エキスパートの枝刈りでMac mini（M4 Pro、64GiB）上に載せ、prefillを4.88 t/sから111〜126 t/s、decodeを4〜7 t/sから14〜20 t/sへ高速化した。各層のエキスパート256個を128個に削り、先頭3層は残して55.0 GiBとした。この構成はDeepSeek-V4-Flash-0731-Pruned-155B-A13BとしてHugging Faceで公開されている。
OpenAIのSpreadsheets skillとCodexの実行例から、コーディングエージェントがコードでXLSXを読み書きする流れを分析している。探索、編集、視覚的な検証、値と数式の検証の4段階で処理が進み、skillは `@oai/artifact-tool` の利用や編集処理の1スクリプトへの集約を求める。SpreadsheetBench2のタスクでは、表示形式の不足を画像確認で見つけて修正していた。
LINEヤフーのインターン生が、LINE公式アカウントのプッシュ通知配信基盤にOSSのDecatonのPer-Key-Quotaを導入した。キーごとの処理レートを監視し、上限を超えた通知タスクを流量制限トピックへ退避させる仕組みである。ある1日のログでは、上限超えの通知654,762件を退避させ、処理時間に換算して延べ約4.2時間分に相当するという。
Proactionは、Codex、GPT-Live-1、GPT-6 Astraを使ってフリート管理の構築、運用、販売を迅速に進めており、売上を60%伸ばし、75時間以上の工数を削減した。原文は具体的な導入の詳細を示していない。