AIセーフティ・インスティテュート、「AIセーフティに関する評価観点ガイド」第1.20版を公開
AIセーフティ・インスティテュートは、評価の観点と評価項目例を更新・拡充した「AIセーフティに関する評価観点ガイド（第1.20版）」を公表した。AIエージェントシステムの普及を踏まえ、既存の評価観点を見直し、一部の評価項目例を追加した。エージェント特有の観点として「観測と制御」を設け、「自律的な挙動」と「外部環境との相互作用」に関する評価項目を加えた。
#エージェント
#エージェント
本日21件AISI Japan: OutputAIスコア4040
Import AIAIスコア5858 Import AI 464：FableのGPUカーネル生成、AIによる業務自動化、アナログ計算
Jack ClarkのニュースレターImport AI 464は、FableがKernelBench-Megaで18.71倍の高速化を達成したと伝えた。Remote Labor IndexではAIの成功率が2.5%から16.1%に上昇し、OSWorld 2.0では最高でも20.6%にとどまった。JDの在庫管理システムOxygen AIICと短編小説も収録している。
LINEヤフー Tech BlogAIスコア4040 LINEヤフー、レガシープロジェクトをAI主導型へ転換するAXの4段階ロードマップを公開
LINEヤフーのTech Blogは、レガシープロジェクトをAI主導型プロジェクトへ転換するAX（AI transformation）の4段階ロードマップを解説している。第1段階のAI-Readyではセキュリティとコンプライアンスの基盤を整備し、第2段階のAI-Assistではガイドラインの標準化とCI/CD連携を進める。第3段階のAI-DevelopmentではSDD（Spec-Driven Development）に基づく機能実装とテスト生成の自動化を目指す。
LINEヤフー Tech BlogAIスコア2222 Hacking Fest 2026 Spring、生成AI利活用事例のLT会を開催
LINEヤフーの社内エンジニアが生成AIの利活用事例を発表するLT会「Hacking Fest 2026 Spring」が2026年5月に開催され、9件のセッションが行われた。AIエージェントの制御手法、Claude Code Hooksで Auto Mode と同等の機能を自作した事例、LLM評価ツールを使ったClaude Skillの評価・改善などが紹介された。AI利用コストの削減を試みた発表では、ローカルLLMやAI専用サーバーの検討を経て、コストを減らすには先に大きな初期投資が必要だという教訓が共有された。
Claude Platform release notesAIスコア3030 Claude Platform リリースノート（2026年7月2日）
Anthropicは、Claude Platformのメモリ一覧取得の挙動を変えるベータヘッダー「agent-memory-2026-07-22」を追加した。このヘッダー付きではメモリ一覧が安定したサーバー定義の順序で返され、order_by と order パラメータは無視される。
Microsoft Source: AIAIスコア3232 Theodore Roosevelt Presidential Library開館、MicrosoftのAIでRooseveltと対話
Theodore Roosevelt Presidential Libraryが7月4日に開館し、Microsoftの技術を使ったAI搭載の「living library」として、来館者がRooseveltのアバターと対話できる。数十万点の史料をAIで整理するナレッジベース「Box 1」が基盤で、検索ツールThe Campfire Reading Roomは世界中から利用できる。Microsoftは技術を解説する論文の公開と、プロジェクトで使ったソフトウェアのオープンソース化を計画している。
Sony AI ブログAIスコア3434 Gran Turismo Sophy™の5年、Nature掲載からオープンな最前線へ
Sony AIが、Gran Turismo™でトップドライバーに勝つAIエージェントを目指した研究の5年間を振り返っている。2020年初めに始まった構想は、数百万人がプレイするゲームの常設機能になった。研究が製品とプラットフォームになった事例であり、強化学習の将来に向けた新たな問いも生んでいるという。
LINEヤフー Tech Blog注目記事AIスコア6060 LINEヤフー、エージェント向けiOS/Android操作CLI「sim-use」をオープンソースで公開
LINEヤフーのチームは、エージェントがiOSとAndroidの画面を見てタップし結果を検証できるクロスプラットフォームCLI「sim-use」をオープンソースとして公開した。画面をoutlineと呼ぶ独自のテキスト形式に変換し、24 KBのJSONが1.2 KBになりトークン消費は1/20に抑えられる。記事ではoutline、quadtreeプローブ、daemon、クロスプラットフォーム設計、マルチタッチの5つの技術判断を解説している。
選定理由：UIツリーをoutlineに圧縮する設計や、quadtreeプローブ、daemon化の判断が実測値つきで示され、エージェント向けCLI設計に応用しやすい。
Claude Platform release notes注目記事AIスコア6767 Claude Platform、Opus 5.5やHaiku 5.5などを追加したリリースノートを更新
Anthropicは公式のClaude Platformリリースノートを更新し、Claude Opus 5.5、Claude Sonnet 5.5、Claude Haiku 5.5などの提供開始と、Claude Managed Agentsの新機能やAPI変更を掲載した。Claude Opus 5.5は1Mトークンのコンテキストウィンドウを備え、料金は$4 / $20 USD per MTokである。旧モデルからの移行で400エラーになり得る変更点も複数記載されている。
選定理由：モデル追加、料金改定、API仕様変更、Managed Agentsの機能追加が日付順に並び、移行時に壊れやすい変更点を一覧で追える。
One Useful Thing (Ethan Mollick)AIスコア6262 Ethan Mollick、チャットボットの時代は終わりに向かうと論じる AIエージェントへの移行が加速
Ethan Mollickは、AIの能力向上が指数的に加速しており、利用の中心がチャットボットとの協働からエージェントへの業務の割り当てに移りつつあると論じている。METRや英国のAI Security Institute、GDPvalなどの評価は、指数を上回る速度での伸びを示すという。Epochは、Opus 4.7が14時間単独で作業し、人間の2〜17週間分に当たるソフトウェアパッケージを作ったと報告している。
Claude Platform release notes注目記事AIスコア7171 Anthropic、Claude Sonnet 5を発表 入力$2・出力$10 per MTokの導入価格
Anthropicは Sonnet ファミリーの次世代モデル Claude Sonnet 5（claude-sonnet-5）を公開した。導入価格は$2 / $10 per MTokで、8月10日に標準価格となる。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に対応するが、Priority Tier は利用できない。あわせて Claude Managed Agents にもイベントデルタやセッション単位の設定上書きなどの更新が入った。
選定理由：料金、コンテキスト長、移行時に必ず確認すべき挙動変更とトークナイザー変更が一つにまとまっており、移行コストの見積もりに使える。
Import AIAIスコア4040 NVIDIA、コーディングエージェントで実ロボットの方策を自己改善するENPIREを開発
NVIDIAの研究者らは、コーディングエージェントが実世界のロボットの方策を自律的に改善する仕組みであるENPIREを開発した。著者らによれば、自動評価と自動リセットを備えたこの仕組みにより、PushTやピンを箱に整理する作業、ジップタイをカッターで切る作業など、器用な操作タスクで99%の成功率を達成したという。ロボットを増やすとMRUが低下し、GPUの稼働率が上がるという課題も示されている。
Claude Platform release notesAIスコア4848 Claude Platform リリースノート（2026年6月29日）
Anthropic の Claude Platform のリリースノートで、Claude API、クライアントSDK、Claude Console への変更を新しい順に掲載している。直近では10月7日に Claude Haiku 5.5（claude-haiku-5-5）が提供開始され、コンテキストウィンドウは1Mトークン、最大出力は128kトークンとされている。10月14日には OpenTelemetry export がベータで提供された。
LINEヤフー Tech BlogAIスコア4040 AI時代の開発は「検証力」で決まる、Flava API Gatewayの高速な動作検証と環境戦略
LINEヤフーは、社内プライベートクラウドFlavaのAPI Gateway開発で、仕様駆動開発、自動検証、高速で再現性のあるローカル環境の3つを実践している。エージェントに失敗を自ら見つけて修正させるため、テストとリンターを検証ループの中核に据えた。テストは合計2,754件あり、開発者マシンでは全体が約15秒で完了するという。
LINEヤフー Tech BlogAIスコア3838 AIエージェントに議論させる：提案者と挑戦者によるマルチエージェント型の開発プロセス再設計
LINEヤフーは、AIによるコーディングの調整層を、提案者（Proposer）と挑戦者（Challenger）という専門ロールの段階的な討論として再設計したと発表した。仕様（Spec）、実装（Build）、デリバリ（Delivery）の3フェーズごとに成果物を作り、オーケストレーターが改訂・エスカレーション・前進を判断する。最終的な承認は引き続きエンジニアが担う。
Claude Platform release notes注目記事AIスコア7878 Claude Platform、リリースノートを更新 Claude Haiku 5.5やOpus 5.5などを掲載
Claude Platformのリリースノートに、Claude Opus 5.5、Claude Sonnet 5.5、Claude Haiku 5.5の提供開始や、Claude Managed AgentsとCompliance APIの機能追加が記載されている。Sonnet 5.5のキャッシュ読み取り料金は$0.20から$0.10（100万トークンあたり）に引き下げられた。Claude Sonnet 4.5は2026年11月30日にClaude APIでの提供終了が予定されている。
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移行時の変更点を一覧で追いやすい。
Google DeepMind Blog注目記事AIスコア6464 Google DeepMind、Gemini 3.5 Flashに computer use を標準ツールとして搭載
Google DeepMindは、computer use を Gemini 3.5 Flash の組み込みツールとして提供開始した。従来は Gemini 2.5 の単独モデルのみだったが、メインの Flash モデルに統合された。Gemini API と Gemini Enterprise Agent Platform から利用でき、プロンプトインジェクション対策として敵対的学習と2種類の企業向けセーフガードも用意される。
選定理由：単独モデルだった computer use が Gemini 3.5 Flash に統合され、対応環境と安全対策が示されており、エージェント構築の判断材料になる。
Mistral AI NewsAIスコア5252 Mistral AI、Connectorsに管理者制御とAPIキースコープ、Connectors Debuggerを追加
Mistral AIはConnectorsに、ワークスペースや組織単位でコネクタとツールを制御する管理機能、スコープ付きAPIキー、複数アカウント対応を追加し、いずれもGAとなった。MCPコネクタの接続障害を調べるConnectors Debugger（Public Preview）や、Workflows（Public Preview）とVibe Code（GA）でのコネクタ利用も加わった。ディレクトリには60以上の連携があり、未掲載の場合はカスタムMCPコネクタで対応できる。
LINEヤフー Tech BlogAIスコア1818 Semantic Context OSのアーキテクチャ、エージェントにおけるトークン詰め込みを超えて
Semantic Context OSは、エージェントアプリケーションと外部の基盤モデルAPIの間に置かれるローカルの傍受プロキシ（localhost:8080）として、コンテキストウィンドウを決定論的なシステム資源として管理するランタイム基盤である。POSIX風の仮想ファイルシステム（VFS）による状態管理、PathAlignステージによるASTのトリミング、sawtoothメモリモデルによるトークン最適化を組み合わせる。
Mistral AI News注目記事AIスコア6262 Mistral、OCRモデル「Mistral OCR 4」を発表 バウンディングボックスと信頼度スコアに対応
Mistral AIはOCRモデルMistral OCR 4を公開した。テキストに加え、バウンディングボックス、ブロック種別の分類、インラインの信頼度スコアを返し、10言語グループにわたる170言語に対応する。APIは1,000ページあたり$4で、Batch APIでは50%割引の$2、Document AIは$5である。単一コンテナでセルフホストもでき、企業向けに提供される。
選定理由：バウンディングボックスや信頼度スコアを返す構造化出力と、ベンチマーク自体の採点上の限界が併記されており、自社文書での検証の考え方をつかみやすい。
LINEヤフー Tech BlogAIスコア3434 PJ One Piece、分析エージェントで分析を「ひとつなぎ」に 生成AI時代の業務改革の試み
「PJ One Piece」は、生成AIを活用して事業の問いからデータ分析、示唆の整理、次のアクション検討までをつなぐ分析エージェントの取り組みである。先行展開では、依頼から結果が返るまで平均で約2週間かかっていた分析が約10分で実行できるようになり、事業部内では月数百回規模の分析が行われるようになった。分析の知識はドメインごとのプラグインやSkillとして蓄積され、別の担当者やドメインでも再利用できる構成にしている。
LINEヤフー Tech BlogAIスコア1616 LINEヤフー、技術カンファレンス「Tech-Verse 2026」を6月29日にオンラインで開催
LINEヤフーは2026年6月29日、技術カンファレンス「Tech-Verse 2026」をオンラインで開催する。基調講演では新ブランド「Agent i」の構想や、開発環境と組織をAI前提へ変革するAX（AI Transformation）の取り組みを紹介し、セッションは「AI」と「Core Technology」の2カテゴリー・15セッションを予定している。参加は無料で、公式サイトからライブ配信を視聴でき、対応言語は日本語、英語、韓国語である。
SB Intuitions ブログAIスコア4242 SB Intuitions、日本語エージェントベンチマーク「J-tau telecom」を公開
SB Intuitionsは、通信事業のカスタマーサポートを題材にしたエージェントベンチマーク「tau-bench telecom」の日本語版「J-tau telecom」を公開した。評価結果では、多くのモデルで英語版より日本語版のスコアが低く、評価言語によってエージェント能力の測定結果が変わることが示された。J-tau telecomの評価では、GLM-5.2が96.5%、gpt-5.6 Solが93.6%を記録し、ライセンスはModified MITで公開されている。
カラクリ ニュースAIスコア2222 三井ダイレクト損保、「KARAKURI voice agent」を導入 AIへの苦情ゼロ、営業時間外の問い合わせ52.7％を解決
カラクリは三井ダイレクト損保のお客さまセンター部に、ボイスエージェント「KARAKURI voice agent」を提供し、2026年4月から本格稼働した。マイページのログイン問い合わせに24時間365日対応し、18時以降の問い合わせ解決率は52.7％、AIへの苦情は0件（2026年5月時点）である。RAGで確認済みの社内情報に回答範囲を限定し、ハルシネーションリスクを抑えている。
Google DeepMind BlogAIスコア5050 Google DeepMind、AIエージェントの安全確保に向けた「AI Control Roadmap」を策定
Google DeepMindは、社内に導入するAIエージェントを管理するための枠組み「AI Control Roadmap」を策定した。モデルのアラインメントに加え、AIエージェントを整合していない可能性があるものとして扱い、システムレベルの安全対策を重ねる多層防御の考え方を取る。コーディングエージェントのタスク100万件を分析し、その知見はGemini Sparkエージェントのライブモニター構築にも活用された。フラグが立ったイベントの大半は敵対的な意図ではなく、エージェントの誤解釈や過剰な積極性に起因するという。
Google DeepMind BlogAIスコア4343 Google DeepMind、マルチエージェントAI安全性研究へ最大1,000万ドルの助成公募
Google DeepMindは、Schmidt Sciences、Cooperative AI Foundation、ARIA、Google.orgと共同で、マルチエージェントAIの安全性研究を対象とした最大1,000万ドルの研究助成公募を発表した。対象分野は、サンドボックスとテストベッド、エージェントネットワークの科学、エージェント基盤の強化、監視と制御の4つである。応募締切は2026年8月8日で、採択結果は2026年秋に発表される予定である。
Claude Platform release notesAIスコア4646 Claude Platform リリースノート、Claude Haiku 5.5を追加
Anthropicが公開したClaude Platformのリリースノートでは、Claude Haiku 5.5の提供開始が挙げられている。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、Claude APIやClaude in Amazon Bedrockなど複数の環境で利用できる。あわせて、Claude Sonnet 5.5のプロンプトキャッシュ読み取り価格が100万トークンあたり0.20ドルから0.10ドルに引き下げられた。
One Useful Thing (Ethan Mollick)AIスコア6161 Ethan Mollick、Mythos級モデルClaude 5 Fableの使用感を報告
Ethan Mollickは、公開される最初のMythos級モデルClaude 5 Fableに早期アクセスし、従来の公開モデルを大きく上回ったと評価した。Claude Codeで等時線マップや研究用ソフトConcordを作らせ、人間の関与が極めて小さいままAIが成果物を完成させたと述べている。一方でトークン消費の多さやガードレールの過剰な作動も指摘している。
Claude Platform release notes注目記事AIスコア7272 Anthropic、Claude Fable 5とClaude Mythos 5を公開 Claude Platformリリースノート
Anthropicは全顧客向けで最も高性能とするClaude Fable 5（claude-fable-5）を公開した。Project Glasswing参加者向けにはClaude Mythos 5（claude-mythos-5）も提供する。両モデルとも1Mトークンのコンテキストウィンドウ、最大128kの出力トークン、常時有効なadaptive thinkingに対応する。Claude Opus 4.7で導入されたトークナイザーを使い、従来モデルより同じテキストで約30%多くのトークンが生成される。
選定理由：新モデルの仕様に加え、トークナイザー変更による約30%のトークン増や拒否時の課金条件など、移行時に確認すべき点が整理されている。
Import AIAIスコア6060 Import AI 460：社会のリワードハッキング、AnthropicのRSI指標、RLドローンレースを論じる
Jack ClarkのニュースレターImport AI 460は、社会制度のリワードハッキングを測るSocioHack、Anthropicでのマージ済みコード量8倍、RL訓練ドローンが人間のチャンピオン級パイロットに勝った研究を取り上げている。さらに国家管理メディアが大規模言語モデル（LLM）の出力に影響するというNature掲載研究も紹介している。
Google Research BlogAIスコア4040 Google、Gemini Enterprise Agent Platform向けAgentic RAGを発表、複数データ源を横断する検索で精度向上
Google が Gemini Enterprise Agent Platform 向けに、Agentic RAG によるクロスコーパス検索（Cross-Corpus Retrieval）の提供を発表した。複数のエージェントが計画、クエリ書き換え、検索を分担し、情報が不足していないかを確認しながら検索を続ける。標準的なRAGと比べて、事実性データセットでの精度が最大34%向上したとされる。
Claude Platform release notes注目記事AIスコア7272 Claude Platform、リリースノートを更新 Claude Opus 5.5・Sonnet 5.5・Haiku 5.5など新モデルとManaged Agents機能を追加
Anthropicは Claude Platform のリリースノートで、Claude Opus 5.5、Claude Sonnet 5.5、Claude Haiku 5.5 の提供開始を掲載した。Claude Managed Agents の動的ワークフローや OpenTelemetry export（beta）、Compliance API の拡張なども記載されている。一方でモデルによっては thinking や tool_choice の指定が 400 エラーになるなど、移行時の注意点も示されている。
選定理由：モデル追加、料金改定、非推奨化、Managed Agents拡張が日付順に並び、API移行時に確認すべき破壊的変更を一覧で追える。
One Useful Thing (Ethan Mollick)AIスコア4040 Ethan Mollick、新著『Co-Existence』を予告 Co-Intelligenceの時代の終わり
Ethan Mollickは、AIとの協働を描いた前著『Co-Intelligence』に続く新著『Co-Existence』を10月20日に刊行する。チャットボット中心の協働から、AIエージェントが人間を上回る場面もある時代への移行を扱う。原文によれば、Anthropicは社内コードの80%をAIが書き、開発者1人あたりの出荷量が8倍になったと報告した。
Microsoft AI (MAI) NewsAIスコア5858 Microsoft AI、MAIモデル7種を公開 Frontier TuningとMayo Clinicとの提携も発表
Microsoft AIは新たなMAIモデル7種を公開し、OpenRouter、Fireworks、Baseten、Foundryで提供する。開発者がモデルのウェイトを自らチューニングできるのは初めてだという。強化学習で自社ワークフローに適応させるMicrosoft Frontier Tuningも発表し、Excel向けのMAIチューニング済みモデルはGPT 5.4に並びつつ最大10×効率的とした。
Microsoft AI (MAI) News注目記事AIスコア6060 Microsoft AI、コーディングモデルMAI-Code-1-Flashを発表
Microsoft AIはコーディングモデルMAI-Code-1-Flashを発表した。GitHub Copilotの本番ハーネスで直接学習し、SWE-Bench Proでは51.2%対35.2%でClaude Haiku 4.5を上回ったとしている。SWE-Bench Verifiedでは最大60%少ないトークンで解いたという。
選定理由：GitHub Copilotの本番ハーネスで学習・評価した点と、同一ハーネスでClaude Haiku 4.5と比べた数値が示されており、比較の前提を把握しやすい。
Claude Platform release notes注目記事AIスコア6767 Claude Platform、リリースノート更新 Claude Opus 5.5・Haiku 5.5など多数のAPI変更
AnthropicのClaude Platformリリースノートは、Claude APIとSDK、Claude Consoleの変更を新しい順に掲載している。Claude Opus 5.5、Claude Sonnet 5.5、Claude Haiku 5.5、Claude Fable 5.1などのモデル追加に加え、料金や互換性に関わる変更も記載されている。
選定理由：モデル追加や料金改定、SDK変更、破壊的変更が日付順にまとまっており、移行時に確認すべき箇所を追いやすい。
Google Research Blog注目記事AIスコア6767 Google Research、I/O 2026で科学・医療・気象・量子など研究成果を総括
Google Researchは、I/O 2026で披露した研究成果を公式ブログで総括した。Gemini for Scienceを発表し、ERAとCo-ScientistはNatureに掲載されたと説明している。医療ではSymptom AIやAMIE、MedGemmaを取り上げ、気象ではWeatherNextやGroundsourceによる洪水予測も紹介している。
選定理由：科学、医療、気象、量子など分野ごとにGoogle Researchの成果と提供状況が整理されており、I/O 2026の研究面の全体像を把握しやすい。
Mistral AI NewsAIスコア4040 Mistral、AI Now Summit 2026で産業エンジニアリング向けAIスタックとVibeを発表
Mistralは AI Now Summit 2026で、Airbus、BMW、ASMLと組む産業エンジニアリング向けAIスタック「Mistral for Industrial Engineering」を発表した。同時に、長時間の複数ステップ作業を担うエージェント「Vibe」を一本化して提供する。フランスのLes Ulis拠点には10 MWの推論向けデータセンターを2026年Q3に開設予定である。
Mistral AI News注目記事AIスコア6565 Mistral、Le ChatをVibeに改称し業務とコーディングを担う統合AIエージェントとして提供
Mistralは、Le Chatを業務とコーディングの両方に対応する統合AIエージェント「Vibe」に刷新した。Work ModeとCode Modeを備え、VS Code拡張とVibe CLIの更新も同時に公開している。プランはFree、Pro（月額$14.99）、Team（1ユーザー月額$24.99）、Enterpriseで、chat.mistral.aiで利用できる。
選定理由：仕事用とコーディング用のエージェントを一つに統合し、Work ModeとCode Modeの機能範囲や料金プランが具体的に整理されている。
Claude Platform release notes注目記事AIスコア6767 Anthropic、Claude Opus 4.8（claude-opus-4-8）を公開、1Mトークンのコンテキストウィンドウを標準対応
Anthropicは最も高性能とするClaude Opus 4.8（claude-opus-4-8）を公開した。Claude API、Amazon Bedrock、Google Cloud、Microsoft Foundryで1Mトークンのコンテキストウィンドウを標準でサポートし、最大出力は128kトークンである。会話途中のシステムメッセージやstop_detailsフィールドの公開ドキュメント化なども同時に発表された。
選定理由：モデル本体に加え、キャッシュ条件やサンプリングパラメータの扱いなど移行時に確認すべき変更点がまとまっており、既存環境の見直しに役立つ。