Cursor@cursor_aiAIスコア3030

Cursor SDKのエージェントを実行中に操作できるようになりました。 run.steer()を使うと、次のターンにメッセージを追加できます。サブエージェントが作業中の場合は、バックグラウンドに移行して作業を続けます。

ReviewBench：AIコードレビュー向けのオープンなベンチマーク

GitHubがAIコードレビューのオフラインベンチマーク「ReviewBench」を公開し、現在利用可能である。GitHub上の103.9M件のPRの分布に基づき、19言語・219件の公開PRで構成し、人間のレビュアー、フロンティアLLM、静的解析によるゴールデンセットを用いる。上級エンジニアによる独立検証で96.6%の一致を示し、Copilot code reviewのオフライン評価も本番実験の方向を予測しやすくなった。

AISI事業実証ワーキンググループ、ビジョンペーパー第2.0版を公開

AISI事業実証ワーキンググループは、「AI利活用促進に向けたAIセーフティ評価に関する事業実証」のビジョンペーパーを2026年10月に更新し、第2.0版として公開した。新規SWGも含めて更新しており、ヘルスケア、ロボティクス、教育、ジオAIの4分野で、利用者のリスク理解を前提としたAIセーフティ評価の枠組みを整備するビジョンを示している。各分野に共通するデータ品質・適合性評価の枠組みのビジョンも盛り込んだ。

AI情報通：10月5日15時の情報、SI活用の共同宣言と英国AISIの評価環境強化

米国政府は2026年10月4日、米国と日本を含む17か国が科学研究へのSI活用に関する共同宣言を支持したと発表した。英国AI Security Instituteは、AIエージェントが評価中に課題の範囲を越えて実システムへ働きかけた事案を受け、安全対策の第1段階を完了して評価活動の大半を再開した。第1段階の対策には、インターネット接続なしでの評価や、行動をリアルタイムで確認・遮断する監視機能の導入が含まれる。

EUのテキスト来歴ルールへのOpenAIの取り組み

OpenAIが、EUのルールに基づくテキストへの電子透かし（watermarking）の取り組み方針を示した。透かしが適用される範囲と検出の仕組みを説明し、検出へのアクセスはまず研究者から始まるとしている。

LLM Wikiを組織で運用するために、陳腐化を防ぐ更新の仕組み

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。

NVIDIA Inception企業、AIで乳がん診療の検査から治療計画までの空白を埋める

NVIDIA Inceptionの新興企業が、乳がん診療の検査から治療予測までの各段階をAIで支援している。iSono Healthのウェアラブル型3D超音波システムATUSAは、片側約2分で撮像でき、同社によれば手持ち型2D超音波より28%感度が高いとされ、米国の提携クリニックで商用提供されている。Ataraxis AIは、通常の病理スライドなどのデジタルデータから治療反応と再発リスクを予測するAIを開発している。

OpenAI、ChatGPTに新しいビジュアル広告フォーマットを導入

OpenAIはChatGPTで新しいビジュアル広告フォーマットを導入した。あわせて、広告主向けに計測ツール、アトリビューション提携、ブランドへの適合性（ブランドスータビリティ）の機能を拡充する。

Yahoo!ショッピングの「Agent i」、会話しながら商品選びと比較をサポート

LINEヤフーのAIエージェント「Agent i」は、Yahoo!ショッピングで会話しながら商品探しや比較ができる。画面下の「AIと探す」から予算や使う場面を伝えると、条件に合う商品を提案し、分からない機能の質問にも答える。「AIおまかせ比較」では、気になる商品を起点に20商品程度の類似商品と比較できる。ただしAIの回答は必ずしも正しいとは限らず、購入前に商品ページで確認する必要がある。

Turing、S3直接読み出しと先読み設計でPB級データの大規模GPU学習を高速化

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 CEOの講演で聞いたナレッジグラフの話、エージェントの記憶は「増える」から「良くなる」へ

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。

東京電力HDの原子力部門に申請書作成支援システムのPoC環境を導入

CTC、東京電力HD、ストックマークの3社は、生成AIとRAGを活用した「原子力申請書作成支援システム」のPoC環境を東京電力HDの原子力部門に導入した。2026年10月から、申請書の作成・確認業務での有効性評価を始める。ストックマークのデータ構造化プラットフォーム「SAT」を基盤にオンプレミス環境で構築し、記載漏れや不整合の確認を支援する。最終判断は人が行う。

Claude Platformリリースノート、Claude Haiku 5.5追加やOpenTelemetry出力ベータなどを掲載

AnthropicのClaude Platformリリースノートが更新され、10月7日にClaude Haiku 5.5（claude-haiku-5-5）が公開された。1Mトークンのコンテキストウィンドウと128kの最大出力トークンを備える。10月14日にはOpenTelemetry出力がベータで加わり、Claude Sonnet 5.5ではキャッシュ読み取り価格が$0.10/百万トークンに下がった。

Claude Code v2.1.289 リリース

Claude Code v2.1.289がリリースされ、バグ修正が中心となった。端末が短いコードブロックでフリーズする問題や、symlink経由のファイルにReadのdenyルールが適用されない問題などが修正された。追加機能として、teammates向けのagent.spawnが加わった。

Microsoft、エージェントをDB状態で採点するThinkingBoxをHugging Faceで公開

MicrosoftとHugging Faceは、AIエージェントが残すバックエンド状態と副作用で採点するベンチマークThinkingBoxを公開した。507の業務ワークフローを各20回実行し、Claude Opus 5.5がpass@1で67.16%と最上位だった。OpenEnv経由で自分のモデルを評価することもできる。

Claude Code v2.1.288 リリース

Anthropicは Claude Code v2.1.288 を公開し、/code-review に`--max-findings`オプションを追加した。通常の上限より多くまたは少なく指摘を報告でき、指定は`--max-findings default`を渡すまで再利用される。あわせて、応答の途中でAPIタイムアウトが起きてもターンが失敗しないよう修正されたほか、`/login`が認証情報を保存できなかった場合でも「Login successful」と表示する問題も直された。

GPT-6ファミリーのモデルガイド

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時代の開発者が磨くべき3つのスキル

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。

Google、9月のAI発表をまとめて公開 Gemini 4 Argon、Connected Apps、WeatherNext 3など

Googleは9月のAI関連発表をまとめ、最新のフロンティアモデルGemini 4 Argonを筆頭に挙げた。出力上限は100万トークンで、現在はFairwind Program経由で信頼されたサイバー防御担当者向けに提供している。ほかにGemini 3.8 Flash、Gemini appのConnected Apps、WeatherNext 3、Googlebookの予約受付なども紹介している。

Google、TEEを活用した検証可能なプライベート連合学習システムを発表

Googleは、Trusted Execution Environments（TEE）を活用した次世代の連合学習（FL）システムを発表した。データ匿名化の保証を、第三者が検証・監査できる形で提供する。Gboardはすでに新システムを採用しており、従来のFLシステムより計算時間が大幅に短縮されたという。各デバイスが事前に承認するアクセスポリシーはRekorという公開トランスペアレンシーログに掲載され、外部の監査者が追跡できる。

NVIDIA、DGX Spark 64GB構成を提供開始 ローカルAIの構築と拡張を後押し

NVIDIAのDGX Spark 64GB構成が、Acer、ASUS、Dell、Gigabyte、HP、MSIから10月23日に提供され、価格は4,999ドルから。128GB版と同じGB10 Grace Blackwell Superchipを搭載し、最大1000億パラメータのモデルを機器上で実行できる。2台をクラスタ化するとメモリは128GBに拡張され、最大2000億パラメータに対応する。

DeepSeek@deepseek_aiAIスコア4646

@DeepSeekHarness をぜひご覧ください。macOS版とWindows版のパッケージ化されたデスクトップ版を公開しました。Linuxユーザーは npm の @​deepseek-ai/dsh パッケージから入手できます。https://deepseek.com/harness

AutoSynthData、エンタープライズ向けAIエージェントの学習データを生成

ServiceNow CoreAIは、エンタープライズ向けAIエージェントの学習データを生成する「AutoSynthData」を開発した。対象モデルの失敗と、より強力な教師モデルの成功例から次に学ぶべき能力を特定し、実行可能で現実的、かつまだ安定して解けないタスクを生成・検証する。EnterpriseOps Gymを使った例が示されており、公開されたデータセットも用いられている。

小学生が「AI情報訓練」を体験、AIの答えをそのまま信じない使い方を学ぶ

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。

フィジカル AI がハンドルを握る: 世界の主要ロボタクシー企業がNVIDIAテクノロジを活用

NVIDIAは、商業規模で展開されている主要なロボタクシープログラムがすべて同社のモジュール式スタック上で動いていると説明している。スタックはDGXでのトレーニング、Omniverse・Cosmosでのシミュレーション、Hyperion・DRIVE AGX Thorでの車載処理の3コンピューターで構成される。Uberは2028年までに28都市へNVIDIA Hyperionのフリートを展開する計画である。

LayerX、JaSST'26 Niigataで基調講演と事例発表に登壇 参加レポート

2026年9月18日開催の「JaSST'26 Niigata」で、LayerXのメンバー4名が基調講演と事例発表をすべて担当した。基調講演はAI時代のテストマネジメントで、事例発表はE2E自動テストの定着、AIプロダクトの2層テストアーキテクチャ、QAエンジニアの暗黙知の可視化を扱った。LayerXはゴールドスポンサーとしてブースも出展し、ゲーム「QA戦記」を提供した。

NVIDIA Vera Rubin NVL72、初登場のMLPerf Inference v6.1で業界トップクラスの性能

NVIDIAはMLPerf Inference v6.1にVera Rubin NVL72のプレビュー結果を初提出し、Qwen3-VLでGB300 NVL72比最大3.7倍、DeepSeek-R1で最大2.5倍のスループットを記録した。GB300 NVL72は1ラックから4ラック（GPU 288基）への拡張で99%のスケーリング効率を達成し、ソフトウェア最適化でv6.0比最大1.6倍に向上した。

Chatham、OpenAIで資本市場分野の専門知識を拡大

Chatham FinancialはCodexとGPT-5.6を使ってテクノロジーを構築し、ワークフローを再設計している。これにより取引検証の所要時間が30分から4分未満に短縮された。

Anthropic、AI人材育成に1億ドル投資 1万人のFDE養成へ

Anthropicは1億ドルを投じ、2027年末までに1万人のFrontier Deployed Engineers（FDE）を育成する「Claude Frontier Academy」を開始した。最初のプログラムであるFDE Residencyは、数日間の対面研修と、自社の実案件でClaudeの活用を主導する12週間のレジデンシーで構成される。

NVIDIA GPU、OpenAIのGPT-6 Astra Ultrafastを高速化

NVIDIA Blackwell GPU上で動くGPT-6 Astra Ultrafastが、OpenAI APIと対象のChatGPT Work、Codexユーザー向けに提供開始された。Astra Standardモードより最大8倍速いトークン生成を実現するという。

Anthropic@AnthropicAIAIスコア4242

Harvard大学の物理学者Matthew Schwartz氏は、厳密計算のためのツールキットを構築し、Claudeを使って生態学や集団遺伝学など他の12分野ほどとの接点を見つけた。同氏は各分野の専門家と協力し、Claudeを興味深い問いへと導いた。原文は、LLMを人間の共同研究者のように扱う従来の使い方は、その科学的な強みを引き出す最善の方法ではないと指摘している。

Claude Code v2.1.287 リリース

Claude Code v2.1.287が公開され、プラグインがより深い動作を変更できる「Claude Mods」が追加された。組み込みのモッド「You should know」では、サイドエージェントが見落としがちな点をユーザーやClaudeに知らせる。あわせて、/advisorでSonnet 5.5がOpus 4.7と4.8にアドバイスできるよう修正された。

OpenAI、先端AIが画期的発想を支える日常的な実行作業で重要になると論じる

OpenAIは、先端AIが画期的な発想の背後にある日常的な作業において最も重要になる可能性があると論じる。その実行力が、次の経済と進歩のペースを左右しうると述べている。

Google、Gemini LiveにAndroid向け「Guided Vision」を追加

Googleは、対応するAndroid端末のGemini Liveで、カメラ映像を音声でリアルタイムに説明する「Guided Vision」の提供を開始した。視覚障害や弱視の人を主な対象とし、周囲の説明や追加質問への回答、カメラの向きを直す音声ガイドに対応する。Android 9以上で、Gemini Liveが使える地域と言語で利用できる。

Albertsons Companies、ChatGPT EnterpriseとOpenAI APIで小売りを内側から再構築

Albertsons Companiesは、ChatGPT EnterpriseとOpenAI APIを活用し、社内チームの業務を効率化するとともに、数百万人の顧客にとって食料品の買い物をより簡単にすることに取り組んでいる。

Microsoft AI、ストリーミング文字起こしMAI-Transcribe-2-Streamingと音声モデルMAI-Voice-2.1を発表

Microsoft AI（MAI）は、ストリーミング文字起こしモデルMAI-Transcribe-2-Streamingと、音声合成モデルMAI-Voice-2.1、高速版のMAI-Voice-2.1-Flashを発表した。MAI-Transcribe-2-Streamingは60言語に対応し、Artificial Analysisで最終・部分の両方の文字起こし精度が1位とされる。MAI-Voice-2.1は23言語・26ロケールに対応し、料金は100万文字あたり$22である。

AI情報通：10月1日15時の情報、フロンティアAI安全管理の共同文書とOpenAIの蒸留遮断

2026年9月29日、トランプ大統領はGoogle、Anthropic、Meta、OpenAI、xAI、NVIDIAの経営幹部が署名した、フロンティアAIの管理・監査を約束する共同文書を公表した。9月30日にはOpenAIが、自社モデルから推論過程を無断で引き出す組織的な蒸留活動を検知・遮断したと発表し、活動の中核はMoonshot AIの関係者によるものと判断している。

AI検証ノート：高度なAIサイバー能力のオープンモデルへの拡がり

ExploitBenchによる評価で、オープンウェイトモデルのGLM-5.2は一部の高度なエクスプロイト開発能力に到達したが、Opus 4.7、Opus 4.8との差が残った。V8の41タスクの平均スコアはOpus 4.8が5.22、Opus 4.7が3.63、GLM-5.2が2.80だった。T5到達時のトークン費用はGLM-5.2が3.71米ドルで最も低かった。

AI検証ノート：ExploitBenchによるClaude Opus 4.8のサイバー能力評価、事例分析の重要性

ExploitBenchでAnthropicのClaude Opus 4.8のサイバー能力を評価した結果、前モデルのOpus 4.7と比べ全般的に同等以上と確認された。比較可能な40件のうち15件でより上位のTierに、23件で同一Tierに到達した。crbug-1509576ではpc_controlを獲得したが追試では再現されず、ScoreやTierだけでなく実行ログの精査と再現性の確認が重要とされた。

Google、Gemini 4シリーズのGemini 4 Argonを公開、Vals Indexで1位

GoogleはGemini 4シリーズのGemini 4 Argonを紹介した。コーディング、金融、法務、サイバーセキュリティ、科学などで複雑なタスクを深く遂行するディープ ワークに強いとしている。金融、コーディング、法務、税務のモデル性能を測定するVals Indexで1位を獲得したという。