AI at Meta@AIatMetaAIスコア4141

Muse WonderとMuse Wonder Fullは、個人向けおよびプロフェッショナル向けのエージェント型タスクでSOTA性能を発揮する。 これらのモデルの詳細は、研究者向けブログで紹介している。https://go.meta.me/musewonder

サイバーエージェント、Claude Codeのコスト最適化を支える5つの習慣を社内勉強会の内容から紹介

サイバーエージェントは、Anthropic Japanの担当者を招いたClaude Codeのコスト最適化の社内勉強会に900名以上が参加したと報告し、講演の軸となった5つの習慣を紹介した。要約、中断前の準備、セッション分割、指示とツールの見直し、モデルと役割の使い分けが柱である。削減率は環境で変わるため、自社の作業で測ることを勧めている。

Google Gemini@GeminiAppAIスコア3838

Gemini 4 Argonについて、開発に携わった人々から詳しく紹介する。 引用されたLogan Kirkpatrickの投稿によると、Sergey Brin、@joshwoodward、@tulseedoshi、@melvinjohnsonpがGemini 4 Argon、ここに至るまでの経緯、今後の道筋について語り合っている。

Google Gemini@GeminiAppAIスコア1717

Gemini 4 Argonで何を作っていますか？作ったものを見せてください 👇

金融エージェントの自律性と安全性、OpenAIとAnthropicはどう向き合うか

AI Engineer New Yorkでは、金融分野のエージェントで自律性と安全性をどう両立させるかが主要テーマとなった。結論は、制限の多さではなく、統制と人間の判断をどこに置くかが安全な自律性を左右するというもの。OpenAIのJoseph Kimは「有用性のしきい値」を論じ、AnthropicはClaude for Financial Advisorsを例に、アイデンティティと権限、承認、検証からなる信頼レイヤーを提示した。Two SigmaとBloombergも、承認疲れへの対策やモデル外での決定論的な制御を紹介した。

NVIDIA@nvidiaAIスコア2020

英国のAIビルダーに乾杯。🇬🇧 今夜ロンドンで、@JensenHuang が @boltz_bio、@ForesightWorks、@hivergeai、@PrimaMente、Riverlane への新たな投資を発表しました。 新薬から量子コンピューティングまで、構築すべきことはまだまだたくさんあります。

Claude が three.js で作った間違い探しゲーム「Tree Appreciator」

Simon Willison が、Claude の iPhone アプリ（チャットモード、Claude Opus 5.5 Max）に依頼して three.js 製の間違い探しゲーム「Tree Appreciator」を作らせた。各ラウンドでは一つの種から生成された2本の3Dの木を比べ、枝の欠落や飛来する鳥などの小さな違いを見つける。ヒントは回数に制限があり、音楽、アニメーション、実績も備える。開発にはClaudeが3時間7分を要した。

Epic、バイブコーディングで作り直した新Epic Games LauncherがSteamより高速と主張

Epic GamesはFortniteの開発元で、AIを使ったバイブコーディングで新しいEpic Games Launcherを一から作り直し、現行版よりはるかに高速で応答性が高いとしてPreviewビルドを公開した。Martin Keelyは、小規模なチームがコードベースを書き直し、WindowsとMacに対応して、Linux版も予定していると説明している。

Latent Space、Leash BioのIan Quigleyと対談 DELデータとラボインザループを語る

Latent SpaceがLeash BioのIan Quigleyとのポッドキャスト回を公開した。DNA Encoded Libraries（DEL）で再現性の高いデータを得る方法や、Kaggleコンペ、モデルHermesなどを扱う。収録後に生まれたエージェント向け科学的推論環境Minosのプレプリント、ブログ、オープンデータセットも同日公開された。

VLA-Δ：物理的状態遷移を学習するVision-Language-Actionモデル

VLA-Δは、現在と未来の観測の間の物理的な状態遷移を明示的な学習目標とすることで、ロボット制御を改善する汎用フレームワークである。LIBEROとRoboTwinのベンチマークで最先端手法に匹敵する性能を示し、実機実験ではπ0.5を上回った。推論時は現在の観測から直接行動を生成し、追加の推論コストは生じないとされる。

OmniVerifier-C1、ルール準拠の生成的世界モデリング向けの分解型段階評価検証器

OmniVerifier-C1は、複雑なマルチモーダルのルールを細かい要素に分解して点数を付ける生成型の視覚検証器である。二値判定より連続的な批評信号を得られ、テキストから画像への生成では二値検証器を大きく上回ったと報告されている。さらに正解画像がある場合はペアワイズ検証の方が点単位の検証より正確な批評を出せるとし、MazeやSudokuなどの構造化された世界モデリングタスクで有効性を示したとしている。

Alibaba MAI-UIチーム、汎用コンピュータ操作エージェントのオープンスタックOpenGCUAを公開

Alibabaのチームは、汎用コンピュータ操作エージェント（GCUA）のフルスタックを公開するプロジェクトOpenGCUAの初回リリースを発表した。OSWorld-v2ではGPT-6 Astra、Claude Opus 5、Gemini 3.8 Flashを含む8モデルが平均+19.6ポイント向上し、ステップ数は53%減ったという。技術レポート、評価軌跡、macOS向けharness、Cross-Device SDK、オンラインのインタラクティブラボも含まれる。

Lexical reference frames、言語モデルの残差ストリームをネイティブな意味空間で解釈

Lexical reference framesは、言語モデルの隠れ状態をモデル自身の残りの層を通して読み取り、帰属、ステアリング、早期終了を可能にする手法である。中間層では、固定方向のlensは一貫性の平方根（SmolLM3-3Bで0.30、OLMo3-7Bで0.35）を超えられないのに対し、LexFrame [1]は0.97（両モデル）に達し、モデル出力との差は0.16 nats以内に収まる。早期終了では、LexFrameが層の0.45と0.42を省略できるのに対し、lensはほぼ省略できない。

MLExpert、自律的な機械学習エンジニアリング向け汎用エージェント型モデルを提案

MLExpertは、階層的なエージェント型SFTとWindowed Interaction RL（WIRL）を組み合わせた事後学習によって、長期にわたる機械学習エンジニアリング（MLE）の最適化を自律的に行うよう訓練された35B Mixture-of-Expertsエージェントモデルである。

GPT-6-Astraの身体性知能到達を検証、実機評価で残る課題

GPT-6-Astraは、12のベンチマークでin-context learning（ICL）を用いて高い性能を示したが、実機展開ではデモ収集コスト、実行時間、実用的な身体性知能の面で課題が残るとする報告である。高レベルの推論を担う「System 2」としてGPT-6-Astraを、低レベルの制御を担う「System 1」としてπ0.5を組み合わせた閉ループ構成は、コストは高いものの効果的だとされる。報告は、身体性能力の閾値はおおむね越えたが、実用的な身体性知能の閾値にはまだ達していないと結論づけている。

SAEの特徴は行動を説明できるか、相互作用の残差を測る研究

研究チームは、Sparse Autoencoder（SAE）の個別特徴と低次の相互作用では説明できない行動上の変動を測るSAE Additivity Residuals（SAR）を提案した。18のモデルと行動の設定で、学習されたSAEの座標はランダムな回転より行動的に加法的だが、重要な相互作用は残ることが示された。ペアワイズの相互作用をモデル化すると、保留データでのcoalition rank fidelityが0.9782から0.9959に向上し、steering実験では0.5874から0.7790に向上した。

OneWM、統合因果学習でワールドモデルと行動モデリングは相互に利益をもたらすか

OneWMは、行動予測と未来フレーム生成を統合的な因果学習で扱うモデルで、実ロボットによるブロック積み、収納、朝食準備のデモを公開している。想像上のロールアウト（Endless Dream）では、行動予測と未来フレーム生成を交互に行い、自身の予測を使って展開を続ける。初期観測以降のフレームはモデル生成で、予測行動はシミュレータで実行されていない。

Waypoint-OPD、RL由来の方策変化を早期と後期の一致でゲートして蒸留

Waypoint-OPDは、同一のRL実行における早期と後期の教師方策の変化の向きが一致するかでエンドポイントの方策変化をゲートし、逆向きの場合は抑制する蒸留手法である。追加コストは凍結した教師による採点パス1回のみで、Qwen3-4B教師からQwen3-8B、Qwen3-14B、Qwen3-30B-A3Bの生徒へ数学とコード推論を転移した6つの設定すべてで、比較した蒸留手法の中で領域平均スコアが最も高かった。Qwen3-8B生徒のアブレーションでは、ゲートを除去またはシャッフルすると数学推論性能が低下した。

ACT3D、強化学習で視覚言語モデルが3D空間を能動的に探索することを学習

ACT3Dは、単一の一人称視点画像から3D環境を能動的に探索するよう強化学習で訓練された視覚言語モデル（VLM）であり、6つの3Dベンチマークの平均精度53.2%を達成して、ベースのQwenモデルを22.0%上回り、プロプライエタリモデルのGemini 3.6 Flashも超えた。既存のオープンソース3D手法より入力フレームを50〜70%少なくしながら上回り、未知のドメインでも教師ありの初期化モデルより平均5.9%改善した。ベースモデルに対する改善幅は、初期視点で答えられる質問の0.6%から、広範な探索を要する質問では16.3%に拡大した。

PhysClosureBench、AIエージェントの物理研究の完結度を評価

AIエージェントは物理研究で局所的な科学的成果を出すものの、研究課題を完全に解決するまでには至らないことを、専門家が検証した50タスクのベンチマーク「PhysClosureBench」が示した。最も高い平均Atomic Scoreを記録したClaude-Opus-5は6.29/10だったが、RC4に到達したのは試行の32.7%にとどまった。Atomic Scoreが8/10以上の試行でも36.2%はRC4に届かず、局所的な成果と研究の完結との間に持続的なギャップがあることが示された。

Data World：データ環境をゼロからスケールさせる手法

Data World は、明示的なメカニズムから環境・タスク・採点基準を合成するマルチエージェントエンジンで、これを用いて Qwen3.6-35B-A3B から DataWorld-35B-A3B を、軌跡蒸留なしのRL-zero学習で作成した。

FDE-Gym：顧客向けAI導入の実務をエージェントに評価させるベンチマーク

FDE-Gymは、要件が曖昧で未提示の制約を発見する必要がある顧客向けの導入タスクでAIエージェントを評価するベンチマークである。18業界・20の顧客シナリオから集めた95件のエンドツーエンドのタスクを含み、7社の13構成を評価した結果、最良の構成でも平均スコアは0.56にとどまり、95件中14件しか解決（スコア0.8以上かつインシデントなし）できなかった。未提示の制約の発見が主なボトルネックであり、必要な情報をすべて得られた23件でも、0.8以上に達したのは10件だけだった。

MJev-Spatial、単一パス分類で空間推論を高速化するマルチモーダル判断モデルを発表

MJev-Spatialは、空間推論タスクを単一パスの分類フレームワークに統合したマルチモーダル判断モデルで、Qwen3.5-4Bを基に学習されている。8つのテストモデルの中で総合スコア65.64%を達成し、12のベンチマークのうち7つで首位となった。未改変の自己回帰ベースモデルは12すべてで下回り、最速の自己回帰ベースラインより2.5倍、ベースモデルより5.6倍高速に動作する。

ツール利用エージェント向けの意味的検証付き軌道レベル投機的デコーディング（SpecAgent）

SpecAgentは、小型のWeakモデルが行動軌跡を下書きし、大型のStrongモデルが1回のprefillパスでその区間を審査して、Strongモデルのデコードの大部分をprefillに置き換えるツール利用エージェント向けの手法である。

Mosaic：マルチセッション・エージェント型強化学習

Mosaicは、複数セッションにまたがるエージェント型強化学習の手法であり、BrowseCompでコンテキスト圧縮とサブエージェント分岐の両方において、ブロードキャストのベースラインを上回る。Qwen3.5-4BをReActスタイルのエージェントループで用い、REDSearcherの1,000件の深層検索タスクで学習した。平均セッション数も少ない。

OpenAI@OpenAIAIスコア5252

OpenAIは、EUの法人顧客のAI利用の半数超がAIエージェント関連になったと公表した。域内の中小企業ユーザー数は8倍に増えており、Economic Researchレポートで欧州のエージェント型AIへの移行を分析している。https://openai.com/index/the-eus-next-chapter-in-ai-is-agentic/

AI at Meta@AIatMetaAIスコア5858

AI at Metaは、Muse Spark 1.3とMuse Wonderを使った人間主導の研究スキャフォールドで、医療研究をAIがどう加速できるかを検証し、10本の研究原稿を公開した。システムは匿名化された500万件の後ろ向き電子カルテと公開データにアクセスでき、医療専門家が研究を行った。詳細は研究ブログ https://go.meta.me/3U06wvD で公開されている。

Claude Code v2.1.300 リリース

Anthropicの Claude Code v2.1.300 が公開された。mod向けに `virtualText` や `prompt.change` フックを追加し、OpenTelemetryの `api_request` イベントには `cache_creation_5m_tokens` と `cache_creation_1h_tokens` を加えた。

AI、数学の次は理論科学へ MIT研究が示す正答率の急上昇

MITのNeil Thompsonらの研究によると、確率論、統計学理論、経済理論、高エネルギー理論、重力・宇宙論、量子物理学などの理論問題について、最良のAIモデルの正答率は2024年半ばの約2%から2026年半ばには約35%に上昇した。研究ではo1、o3、GPT-5からGPT-5.5までのOpenAIモデルを、学習データの締め切り後に発表された論文の問題で検証し、インターネット接続も遮断した。Thompsonは数年以内に多くの理論問題がAIによって大きく変わると見ている。

Google Gemini@GeminiAppAIスコア2222

Gemini 4 Argonなら、繰り返しの事務作業に費やす時間を減らし、本来の仕事にもっと時間を使える。 @GoogleWorkspace のアプリを接続するだけで、バラバラのレシピ、手書きのゲストリスト、席次表の写真から、完成度の高い提案資料、メールの下書き、自動化されたトラッカーを作成できる。

Google DeepMind@GoogleDeepMindAIスコア2626

Gemini 4 Argonは、量子コンピューティング、核融合、タンパク質設計などの分野で、すでに新たな科学的ブレークスルーを切り開いている。🧵

AIで他のタンパク質を切断するタンパク質を設計、研究者が成功

研究者は、AIベースのタンパク質設計ツールを使い、2種類のプロテアーゼの触媒コアだけを残して、それ以外の部分をすべて置き換えた酵素を作成した。この酵素は特定のタンパク質を半分に切断するよう調整でき、神経疾患に関連するタンパク質の切断で有効性が示された。

Perplexity@perplexity_aiAIスコア3838

GPT-6 AstraとSOL 6.1のUltrafast版が、Max登録者向けにPerplexity Computerで利用可能になった。 どちらもトークンの生成が速く、Computerの長いタスクをより早く完了する。 CustomでAstraまたはSOL 6.1を選び、速度をUltrafastに設定する。

OpenAIの機密会議室で録音デバイスを発見、FBIが同社エンジニアを逮捕

FBIは、OpenAIの役員用機密会議室に録音デバイスを仕掛けた疑いで、35歳のエンジニアAbdulrahman Alfozanを逮捕したと火曜日に発表した。デバイスはトイレットペーパーで包まれ、テレビの背面に接続されていた。OpenAIが発見したのは9月30日で、内容は暗号化されていたという。

AIによるゲームの大量デコンパイル、その光と影

インディーゲーム開発者のPopcarは、AIを使った既存ゲームのデコンパイルが広がっていると指摘している。これによりゲーム同士の奇妙な組み合わせや、古いゲームを新しいハードウェアで動かす保存プロジェクトが増えており、多くはWebAssemblyを使ってブラウザ上で動作させている。一方で、他社のソフトウェアが誰にも止められずに利用され、有料のゲームやアプリが本人の意思に反してオープンソース化されるリスクも指摘されている。

Amazon Bedrock AgentCoreで自己改善型のドキュメント処理を構築する方法

Amazon Bedrock AgentCoreとStrands Agentsを使い、帳票の分類、抽出、検証、学習を最小限の人手で行うエージェント型IDPシステムの構築方法を解説している。8つの専門エージェントが識別、学習、自動化の2つのグラフ型ワークフローで連携し、新しい文書形式は抽出指示を生成して再利用する。多くの場合20分未満でデプロイでき、手動のテンプレート設定は不要である。

Google、技術文書を検証するエージェント型AI「Deep Review」を一般公開

Googleは複雑な文書に厳密なフィードバックと技術的検証を行うエージェント型AIシステム「Deep Review」を一般公開した。全ユーザーが週2件の文書レビューを無料で利用でき、Gemini APIキーを接続すればより高い利用上限とAPI連携も使える。当初はコンピュータサイエンスの論文向けだったが、法務や金融など幅広い文書に対応する。

Earth AI、地理空間推論エージェントを強化 技術レポートとパートナー試験、早期アクセスを公開

Googleは、Geminiを基盤とするEarth AIの地理空間推論エージェントについて、技術レポートの公開、パートナー試験の知見、Google EarthとGoogle Cloudでの早期アクセス拡大の3点を発表した。評価ではGeoKToolsとGeoExpertQueriesを含む4つのbenchmarkを用い、新規の2つは研究者向けに公開する。WHOアフリカ地域事務局などが疾病流行調査や災害対策で試験した。

Google Research、Research@ 2026で人間の創意を増幅する10の取り組みを紹介

Google Researchは、Mountain Viewで開催したResearch@ 2026で、科学者や開発者向けのAI関連の10の取り組みを発表した。Google Earth AIは早期アクセスを拡大し、70超の地理空間ツールを基盤に、実験的なエージェント間APIなど3つの新しい利用方法を提供する。Deep Reviewは一般公開され、TimesFMとTabFMはGemini for businessへの統合を予定している。

HiRO-ACEv2、3 km解像度で極端気象を低コストにシミュレーション

Ai2が気候エミュレーターHiRO-ACEの新版HiRO-ACEv2を発表し、全球3 km解像度の気候データをX-SHiELDの約300分の1のコストで生成できるとした。新しいダウンスケーリングモデルHiROv2は複数の高解像度フィールドを同時に予測し、極端な降雨・風・気圧の再現精度が向上した。X-SHiELDの高解像度統計とは、100万データ点に1回しか起きない事象でも3%以内で一致するという。モデルはダウンロード可能で、チュートリアルのノートブックとデモも公開されている。