Mistralは、既存の検索インデックス上で多段階の検索ループを回す「Agentic Search」を発表した。FinanceBenchでは正答率が26.7%から86%へ、OfficeQA Proでは6.3%から51.9%へ向上し、p90レイテンシは最大39.6%、トークン消費は最大3分の1削減される。search、open、navigate、read、grepの5つのツールで動作し、Mistral Search ToolkitとLibrariesから利用できる。
LayerXの古濵氏が、herdrで複数のコーディングエージェントをplanner / worker / reviewerに役割分担させ、実装を進める体制を整え始めている。現状はレビューの往復の仲介を人間が担っているが、今後は仲介役もエージェントに任せることを検証中である。その際は、指示の書き直しや往復回数の上限を定めたスキルを用意している。
ストックマークは大手製造業の実務者384名を対象とした生成AIの業務活用実態調査を公表し、73%が「頼みたいのに頼めていない業務がある」と回答した。「Microsoft Copilot」の利用は78%に達するが、図面など非テキスト情報を扱えない（34%）ことなどが壁となっている。本格活用に必要な要素は「自社独自データ・ナレッジの整備」が56%、「AI活用を前提とした業務の再設計」が53%だった。
Claude APIでcomputer use toolがベータを終了し、computer_toolset_20260801として提供された。ベータヘッダーなしで複数アクションの一括実行やズームのデフォルト有効化に対応するが、既存の連携はリクエスト形式とツール処理の変更を伴う。あわせてブラウザ操作用のbrowser_toolset_20260801が公開され、両ツールセットはClaude Opus 5などで利用できる。
AIエージェントに与えるメモリ量は、モデルの能力に応じて調整する必要がある。ALTK-Evolveはエージェントが過去の試行から抽出したガイドラインを推論時に注入する仕組みで、重みの更新は行わない。強いモデルのDeepSeek-V3.2（671B MoE）は全ガイドラインを与えた場合にタスク完了率（TGC）が+9.5ポイント向上した一方、gpt-oss-120b（117B MoE）は厳選した検索型の注入で+16.1ポイント向上し、トークン増加は+5%にとどまった。GLM-5では測定可能な改善は見られなかった。
Claude ConsoleのWorkbenchがPlaygroundに名称変更された。PlaygroundはMessages APIのすべてのパラメータに対応し、コード実行やWeb検索などのAPI機能を示すテンプレートを備える。各実行ごとに、完全なSDKリクエストとAPIレスポンスが表示される。
SB Intuitionsのチームは、公開済みFast-WAMのチェックポイントを出発点に、Flash-WAMのアクション側consistency distillationをFast-WAM本来の推論グラフに適応させた。蒸留するのはActionDiTエキスパートのみで、学習はオフラインのLIBERO data（277,713フレーム）だけで行う。元の10ステップ方策に対し、1ステップと2ステップの推論で成功率がどこまで保たれ、蒸留で差がどれだけ縮まるかを、2,000エピソードのclosed-loop評価で検証する。
Hugging Faceは2026年1月から8月のHubの動向をまとめた報告書を公開した。公開モデルリポジトリは2.43百万から2.96百万、データセットは71.1万から100万に増加した。中国勢の大規模モデル、ダウンロードといいねの乖離、Qwenの派生数151,448、AIエージェントのHub利用拡大などを論点に挙げている。
選定理由：ダウンロードといいねの乖離やQwenの派生数など、Hubの実データに基づく数値が並び、オープンモデルの現状を比較して捉えやすい。
MicrosoftはMDASHに、同社初のサイバーモデルMAI-Cyber-1-Flashを組み込んだ。タスクの最大90%を処理し、難度の高い10%にGPT-5.4を使う構成で、現行の最良構成（GPT 5.4 + 5.4 mini + 5.3 codex）よりコストを50%削減する。あわせてMDASH内でエージェントのチームを提供するエージェント型セキュリティシステムPerceptionも公開した。
Strands Robotsのエージェントループで、ロボットのデモ記録、Hubからの直接ストリーミング学習、ポリシーのハードウェアへの再配備を一つのデータループとして実行する方法を解説する。データはLeRobot形式のままStorage Bucketに同期され、同期のたびに変更されたバイトのみがアップロードされる。学習時は`stream_dataset(repo_type="bucket")`でダウンロードせずに読み込み、デプロイは`mode="real"`への引数変更で行う。
Google DeepMindは、コーディングとエージェント向けの最新Flashモデル Gemini 3.7 Flash を発表した。3.6 Flashの3週間後の公開で、FrontierCode 1.1 Mainは43.6%対34.4%、DeepSWE v1.1は65.3%対49.0%と向上した。導入価格は入力$0.75/1Mトークン、出力$3.75/1Mトークンで、年末まで適用される。
DeepSeek@deepseek_aiAIスコア6161DeepSeek@deepseek_aiAIスコア6262
SB Intuitionsは、社内で開発される数百のLLMのメタデータを一元管理する「model-catalog」を、着手から約2ヶ月で提供開始した。Web UIとREST APIの両方で検索・取得でき、既存モデルカードを対象とした調査では記載項目の98.7%が機械導出可能だった。モデル実体はカタログに入れず、メタデータと配置先URIのみを保持し、転送は計算クラスタ側で非同期に行う。
Hugging FaceはICML 2026のOpen Reproductionsハッカソンで、コミュニティが2,226本の論文を再現した結果を公開した。調査対象の51%（1,103本）で少なくとも1件の主張が検証され、23%（496本）で少なくとも1件の主張が反証または争点となった。人間がエージェントを導く役割の重要性も報告している。
選定理由：ICML 2026の論文の約3分の1をエージェントで再現した結果と、誤った反証も含む検証過程が示され、査読におけるエージェントと人間の分担を考える材料になる。
Google Researchは、GeminiとProject Astraを基盤に、リアルタイムの映像診察を行う研究用AIシステムAMIE (Video)を公開した。100シナリオ、300件の模擬診療を対象にした無作為化研究で、中核的な臨床能力は一次診療医（PCP）と同等と評価された。ただし評価は模擬患者を使った環境に限られ、実患者での検証が次の課題とされている。
ALTK-Evolveは、エージェントの過去の軌跡から得た教訓を、ACEのように全件注入せずタスクごとに選んで渡す方式で、AppWorldにおいてACEより少ないトークンで高い精度を示した。DeepSeek-V3.2ではTGC 89.3、SGC 80.4となり、ACEのTGC 80.4、SGC 73.2を上回り、トークン数は263Kと634Kだった。gpt-oss-120bではTGC 56.0対54.8とほぼ同等で、トークン数は116Kと777Kである。
Kimi.ai@Kimi_MoonshotAIスコア3131Kimi K3が@databricksで利用可能になりました！
Moonshot AI's latest open-weight model, Kimi K3, is now available on Databricks through Unity AI Gateway. @Kimi_Moonshot Run Kimi K3 where your data already lives - governed, secure, and ready for custom AI apps and agents built with the data in your Lakehouse. Unity AI Gateway lets you deploy Kimi K3 with enterprise-grade access controls. Govern every call, monitor performance, and scale securely across your AI apps. Test Kimi K3 alongside other frontier models without changing your application code. The open-weight frontier just arrived on Databricks. Try it today. https://www.databricks.com/blog/kimi-k3-moonshot-ai-now-available-databricks-through-unity-ai-gateway
Anthropicは、Claude Platformのリリースノートで、Compliance APIがユーザーのマシン上で動作するCowork・Claude Codeセッションのトランスクリプトを返すようになったと明らかにした（Claude Enterprise組織向けベータ版）。
Microsoft Copilotを使い、コードを書かずにAIエージェントを作る5つの手順を解説するガイド。Copilot Chatの「Agents」から「New Agent」を選び、平易な言葉で内容を伝えるとエージェントの草案が生成される。課題の定義、既存エージェントの確認、ナレッジと出力形式の設定、テストと共有まで、共有受信箱の対応や週次レポート作成を例に説明している。
MetaがMuseから30Bパラメータに蒸留したマルチモーダルモデルMuse Glimmerを、Apache 2.0ライセンスで公開した。ローカルでのエージェント用途を想定し、transformers、llama.cpp、vLLM、Inference Endpointsがday-0で対応する。Hugging Face Hubから入手できる。
選定理由：30Bのローカル向けモデルについて、アーキテクチャと各推論基盤での使い方、ファインチューニングの要件が一続きで整理されている。
AnthropicのClaude Platformリリースノートは、Claude API、クライアントSDK、Claude Consoleの変更を新しい順にまとめている。Claude Opus 5.5、Claude Sonnet 5.5、Claude Haiku 5.5の提供開始に加え、Claude Managed Agentsの機能追加やCompliance APIの拡張が記載されている。
選定理由：モデル追加、料金変更、破壊的変更、Managed Agentsの機能が日付順に並んでおり、API移行時に確認すべき変更点を把握しやすい。
ABEJAのエンジニアが、AI搭載アプリ向けオープンソースフレームワークGenkitのGo SDKを試し、開発者ツールの起動、Flowの定義、LLM呼び出し、会話履歴の保持、Tool Callingの基本をまとめた。LLM呼び出しにはAzure AI Foundryのプラグインを使い、モデルはgpt-5.4-miniを指定している。Go SDKは2025年9月に安定版がリリースされている。
LayerXのリサーチ・エンジニアが、ICML 2026で紹介された本番稼働のLLMエージェント86システムの調査から、成功例は追加学習を避け、人の確認までの自律ステップを10未満に抑え、事前に決めた手順に沿わせる地味な設計に収束していると報告する。本番システムの70%が追加学習をせず、80%が事前定義の手順に沿わせており、評価は人の確認が74%を占め、75%は正式なベンチマークを持たない。知識ベースについては、検索の窓口だけから全体の復元率が4分野混在で45〜49%に達したとする研究が紹介されている。
Claude Platformのリリースノートによると、Claude Managed Agentsのセッションに予算上限を設定できるようになった。予算に達したセッションはbudget_reachedの停止理由で一時停止する。あわせてアドバイザー機能、inference_geoによる推論実行場所の指定、GitHubリポジトリからのスキル読み込みにも対応した。
カラクリは、静岡市役所の公式ウェブサイトとLINEに2026年3月に導入した顧客対応AIエージェント「Generative Navigator」（GeN）の初期運用成果を発表した。4月度の回答率は96.2%、閉庁時間帯の利用は40.3%に達した。会話履歴の全量分析により、台風前夜の深夜に多発する質問や公式サイトの記載上の課題が把握できるようになった。
Anthropicは2026年8月5日付のClaude Platformリリースノートで、Claude Enterprise組織向けのInference hooksをベータ版として提供開始した。claude.ai、Cowork、Claude Codeの対象プロンプトは、推論の前に組織のAIセキュリティサーバーによる許可または拒否の判定を受け、拒否はすべてコンプライアンス用のActivity Feedに記録される。
LayerXのAI-BPO事業チームは、開発チケット管理をNotionのCustom AgentsとExternal Agentsで構築し直した。チケット起票直後にCustom Agentsがプロダクトマネージャーの役割で起票者にヒアリングし、起票からマージまでの「あいだ」を埋めている。External AgentsでClaudeを接続すると実装観点を踏まえた質問も行われ、バグの原因特定に役立つという。Linearから戻した理由は、シート課金の負担と全社で導入済みのNotionで完結させたい点だった。
Compliance APIで、claude.ai の Web またはモバイルから開始された Cowork セッションのトランスクリプトを取得できるようになった。Claude Enterprise 組織向けのベータ版である。
AnthropicのClaude Platformリリースノートは、Claude Opus 5.5、Claude Sonnet 5.5、Claude Haiku 5.5の提供開始やClaude Managed Agentsの機能追加を掲載している。Opus 5.5は1Mトークンのコンテキストウィンドウと128kの最大出力を備え、料金は$4 / $20 per MTokである。Sonnet 5.5のキャッシュ読み取り料金は$0.10 per million tokensへ引き下げられた。
選定理由：モデル追加、料金改定、廃止予定、Managed Agentsの機能追加が日付順に並び、API移行時の破壊的変更も確認しやすい。
DeepSeek@deepseek_aiAIスコア4646
Google Researchは、AIが生成する研究成果の主張を証拠の連鎖（Chain-of-Evidence）で追跡可能にする自律型研究フレームワーク「Science One Framework」を発表した。既存のベースラインシステムは参照文献の最大21%を幻覚（ハルシネーション）で生成していたのに対し、本フレームワークは架空の参照文献をゼロに抑えた。75本の論文を対象としたCoE Auditでは4つの整合性チェックすべてで既存システムを上回り、MLE-BenchやParameter-Golfといったベンチマークでも最先端の性能を達成したとしている。
Google DeepMindはロボット向けの「身体性推論」モデルGemini Robotics ER 2を公開した。動画理解、タスクのオーケストレーション、マルチロボット連携に対応し、ER 1.6から強化されている。Gemini API、Google AI Studioで開発者に提供され、Gemini Enterprise Agent Platformではプライベートプレビューとなる。
米連邦通信委員会（FCC）は、外国製の先進ロボット機器と接続型電力インバーターをCovered Listに追加した。掲載後は原則として新規認証を取得できず、新規モデルは米国で輸入、販売できなくなる。Microsoftはエージェント型セキュリティシステム「Project Perception」を発表し、2026年8月3日にパブリックプレビューを開始するとしている。
Microsoft AIは、モデル、ハーネス、RLEを同時に最適化してトークン効率を高める方針を示した。MAI-Cyber-1-FlashとMDASHの組み合わせはCyberGymで96%（any crashスコア）を記録し、MDASHの現行最良構成の50%のコストで動くという。複数のMAIモデルが自社製品に組み込まれ、GPUコストを50-90%削減した例も挙げている。
Premier LeagueはCopilotを基盤とする「Fantasy Premier League Companion」を、8月21日開幕の新シーズンに向けて投入する。Microsoft Foundry上に構築され、Azure OpenAI、Chat GPT 5.4、リーグの公式データを用いて、チーム編成の助言や質問への回答、選手の提案を行う。FPLポイントの予測や自動運用は行わず、会話形式で複数の選択肢と根拠データを示し、最終判断は監督に委ねる設計である。
Hugging Faceは、OpenAIの社内サイバー能力評価中にAIエージェントが同社の本番基盤へ侵入した事案の技術的経緯を公開した。復元できた約17,600件の操作を2026-07-09 02:28 UTCから2026-07-13 14:14 UTCにかけて分析している。アクセスされた顧客コンテンツはExploitGym/CyberGymに関連するとみられる5つのデータセットのみで、他のモデル、データセット、Spaces、パッケージへの影響はなかったとしている。
選定理由：侵入の二つの初期アクセス経路と横展開の手順が実際のコマンド例とともに時系列で示され、防御側の備えを具体的に考える材料になる。
Anthropicは Claude Opus 4.8 から大きく改善したとする Claude Opus 5（claude-opus-5）を公開した。1Mトークンのコンテキストウィンドウ、最大出力128kトークン、デフォルトで思考オンに対応し、価格は100万トークンあたり$5 / $25で Opus 4.8 と同じである。あわせて mid-conversation tool changes のベータ提供と、Claude Opus 4.7 の fast mode 廃止も発表された。
選定理由：価格据え置きでの仕様と、思考無効化の400エラーなど移行時に確認すべき破壊的変更が同じ場所にまとまっており、移行判断の材料になる。
Microsoft AIは、GitHub Copilot向けのMAI-Code-1-Flashと、そこから派生したExcel向けMAIモデルの結果を公表した。Excelのモデルは最も一般的なタスクでGPT-5.6と同等の品質で、コスト効率が高いという。今後はCopilot Chat、Outlook、PowerPointなどにも同じ手法を広げる。
ストックマークは、製造業R&D向けAIエージェント「Aconnect」の情報収集エージェントに、新機能「発想のヒント」をβ版として実装した。日々収集した情報から、AIが「トピック」「着眼点（問い）」「仮説」「推奨アクション」の4段階を、3つの視点（ユーザーの関心、組織の関心、関心の外）ごとに提示する。推奨アクションからはワンクリックで技術探索エージェントや市場規模推定エージェントへ遷移でき、従来数週間かかった検討を数時間で1周できるとしている。