Benefit Street Partners、Codexで投資委員会の質問への回答を高速化
信用特化の投資運用会社Benefit Street PartnersのAnant Kumarは、Codexでコードレビューを行い、BDCの評価額比較トラッカーと融資契約書の分析ツールを自作した。トラッカーの初版は約1日、開発は合計約10〜12時間で、契約書の初回分析は約20分で出て、その後に1時間以上の人による確認が入る。投資委員会の追加質問への回答は、Kumarによれば会議中に済むことも多い。
#コーディング
#コーディング
本日8件OpenAI NewsAIスコア3131 Hugging Face Blog注目記事AIスコア7878 Reflection、501B規模のオープンモデルBeamをHugging Faceで公開
新興の米ラボReflectionが初のモデルBeamをApache 2.0ライセンスで公開した。総パラメータ501B、トークンあたり23B活性のMoEモデルで、コンテキストウィンドウは1Mトークン、コーディングとエージェント用途に重点を置く。transformers、vLLM、SGLangがDay-0で対応し、BF16、FP8、NVFP4の3種のチェックポイントを提供する。
選定理由：アーキテクチャの内訳、精度別チェックポイントごとのベンチマーク、必要なGPU構成、SFTとGRPOの手順がまとまっており、自前運用の見積もりに使いやすい。
Sakana AI@SakanaAILabsAIスコア6060
引用元Sakana AI@SakanaAILabsThe Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery Blog: https://pub.sakana.ai/agentic-scientist/ GitHub: https://github.com/SakanaAI/AI-Scientist-v3 arXiv: https://arxiv.org/abs/2610.18933 Since 2024, we’ve used The AI Scientist as a way to test how far AI alone can take scientific research, from v1 to v2 to the paper published in Nature earlier this year. The Agentic Scientist is the next step in that line of work, built for the era of coding agents. Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined. The Agentic Scientist makes the research loop explicit. It wraps off-the-shelf coding agents in a scaffold that controls what they see, what they write, how they are evaluated, and how results are handed to the next stage. Parallel workers test hypotheses against rubrics defined before any experiment runs, share successes and failures through a common memory, and then ablate the winning program to generate evidence. We used an early version of the system to study Error Diffusion, a biologically motivated alternative to backpropagation. Our researchers set the question and the rubric, chose directions at each stage, and verified the results, references, and claims before submission. The resulting paper was accepted as an oral presentation at ALIFE 2026. In autonomous runs, the system also raised Doc-to-LoRA retrieval accuracy from 52% to 98% on multi-needle tasks and designed a learned evolution strategy that improves over its CMA-ES reference on unseen tasks. Alongside it we release AutoIllustrate, a pipeline for scientific figures that keeps an editable http://draw.io file as the source of truth, so every diagram can be corrected by hand. Humans define the question and the standards of evidence; agents expand the experiments researchers can run. We call this Co-Discovery, and we are releasing both systems as open source for the community to build on.
CyberAgent Developers BlogAIスコア2121 CyberAgent、社内イベント「Codex祭り Sol Ultra」を開催 お盆に100名超が参加
CyberAgentは2026年8月13日、社内イベント「Codex祭り Sol Ultra」を開催し、お盆の最中にもかかわらず100名を超えるメンバーが参加した。OpenAIによるChatGPT Workのワークショップ、Codexの最新アップデート紹介、1時間のコーディングバトル、LT大会、AI担当役員へのQ&Aなどを一日に詰め込んだ内容である。
Cursor@cursor_aiAIスコア4848
Codex releases (GitHub)AIスコア4242 Codex 0.163.0、/configの設定検索や割り込み送信、/daemonの再起動に対応
OpenAIのCodex 0.163.0が公開された。`/config`で設定を横断検索して即時変更でき、応答中にフォローアップを送って操作を誘導することも可能になった。`/keymap`ではリーダーキーを設定でき、既定は`Ctrl+X`である。`/daemon`でのバックグラウンドサーバー再起動や、独立した読み取り専用ツールの並列実行にも対応した。
TechCrunch AIAIスコア6969 Meta、Macで動作するオープンウェイトモデル「Muse Spark Open」を公開
Metaは米国で「最も高性能」とするオープンウェイトモデル「Muse Spark Open」を公開した。816Bパラメータと100万トークンのコンテキストウィンドウを持ち、Meta公表の評価結果では他の主要なオープンウェイトモデルより優れた性能を示すという。Apple製コンピュータでのローカル実行を想定して設計されており、複数のAPIプラットフォームで利用できる。
Hugging Face Daily PapersAIスコア3131 HexaShell、VLMエージェントをロボットのコーディングエージェントとして検証
HexaShellは、視覚情報と自作ツールで双腕ロボットを制御するコーディングエージェントであり、RoboDojoの全42タスクで成功率39.7%、進捗スコア48.0を記録して、同ベンチマークの新たなSOTAを達成したとしている。性能の限界は推論ではなく接触にあり、押す動作は92.5%、メモリ系タスクは65.0%だったが、狭い挿入は8.3%にとどまる。使用モデルはCodexとGPT-6-Astra（medium reasoning effort）で、作成したツールはオープンソースとして公開される。
Claude Code releases (GitHub)AIスコア4343 Claude Code v2.1.301 リリース
Claude Code v2.1.301 が公開された。無人リトライモード用の `CLAUDE_CODE_RETRY_WATCHDOG_MAX_USAGE_LIMIT_WAIT_MS`、vim モードの `%` モーション、OpenTelemetry の `tool_decision` イベントへの `classifier_verdict` と `permission_mode` の追加などが含まれる。`fable` モデルエイリアスのエラー、ログイン更新、Read ツールがバイナリファイルをテキストとして読む問題など、多数の不具合も修正された。
AWS Machine Learning BlogAIスコア3636 Meta、Muse Spark OpenをAmazon SageMaker JumpStartで提供開始
Meta のコーディング特化オープンウェイトモデル「Muse Spark Open」が Amazon SageMaker JumpStart で利用可能になった。MoE アーキテクチャで総パラメータ 816B、アクティブ 42B、コンテキストウィンドウは 1M トークンである。BF16 版は ml.p6-b300.48xlarge、NVFP4 量子化版は ml.p5e.48xlarge で動作し、SageMaker Studio または SageMaker Python SDK から自身の AWS アカウントのエンドポイントにデプロイできる。
AI at Meta@AIatMetaAIスコア5959
- Sakana AI@SakanaAILabsAIスコア4242
Simon WillisonAIスコア3232 Simon Willison、Claude Codeで作ったLaTeXレンダラー
Simon WillisonがClaude Code（Opus 5.5 Extra）で構築したLaTeXレンダラーは、単一の数式をMathJax、文書や文章断片をfaster-latexで組版する。LaTeXソースはURLのフラグメントに保持されるため、共有可能なリンクとして扱える。
Hugging Face Blog注目記事AIスコア6969 Meta、オープンウェイトのマルチモーダルMoEモデル「Muse Spark Open」を公開
Metaはオープンウェイトのモデル「Muse Spark Open」を公開した。総パラメータ約816B、トークンあたりのアクティブ約42BのMoEで、テキスト、画像、音声、動画を入力でき、コンテキストウィンドウは最大1Mトークンである。Hugging Face Blogでは、transformers、llama.cpp、SGLang、vLLM、MLXでの実行方法とTRLによるファインチューニング、デモを紹介している。
選定理由：総パラメータ約816B、アクティブ約42Bという構成と、各推論環境での動かし方や必要なメモリ量がまとまっており、導入規模を見積もる材料になる。
Claude BlogAIスコア5353 Anthropic、Claude Code ReviewをTeamとEnterprise向けに一般提供開始
AnthropicはCode Reviewをリサーチプレビューから一般提供に移行し、Claude TeamとEnterpriseの組織で利用可能にした。ほとんどのレビューはプレビュー時の約20分から6〜10分へと約3倍速くなった。対象のEnterprise組織は、2027年1月15日までに10,000ドル以上のCode Reviewクレジットを申請できる。
CyberAgent Developers BlogAIスコア5252 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。
Ars Technica AIAIスコア4343 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。
Hugging Face Daily PapersAIスコア4040 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。
Hugging Face Daily PapersAIスコア4343 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。
Claude Code releases (GitHub)AIスコア3838 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。
Google Japan ブログ注目記事AIスコア7272 Google、Gemini 4 ArgonをGeminiアプリで提供開始
GoogleはGemini 4 Argonを本日よりGeminiアプリで提供開始した。最先端の推論能力と複雑なワークフローでの性能向上を掲げ、Google AI ProおよびGoogle AI Ultraのユーザーが利用できる。macOS版アプリではGoogle Antigravityのエージェント型コーディングインターフェースも直接使えるようになった。
選定理由：モデルの応答スタイルの変化に加え、macOS版GeminiアプリでAntigravityが使える点やタスク機能の対象プランが整理されており、利用判断の材料になる。
Claude Code releases (GitHub)AIスコア5252 Claude Code v2.1.299公開、アイドル時コンパクションやMCP許可ルール変更など多数
Claude Code v2.1.299が公開された。200K+トークンの会話をアイドル時に自動コンパクションする機能や、`CLAUDE_CODE_DISABLE_FILE_MENTIONS` 環境変数が追加された。あわせてサンドボックス、MCP、Remote Control、cloud sessionなど多数の不具合修正と挙動変更が含まれる。
LINEヤフー Tech BlogAIスコア3535 プライベートクラウドFlavaにおけるVM Live Migration通信暗号化の実装と検証（インターンレポート）
LINEヤフーのプライベートクラウドFlavaで、OpenStackのVM Live Migration通信をTLSで暗号化するため、Keystoneトークンで認証するCAを実装した。100GiBの大きなVMでの失敗はGnuTLSのTLS v1.3鍵更新のバグが原因で、パッチ適用後に成功した。TLS有効化で速度低下はディスク平均25.9%、メモリ78.9%だった。
Simon WillisonAIスコア4848 Anthropic、Gitに代わる独自のソース管理システム「Scion」を構築
Anthropicは、Gitに代わる独自のソース管理システム「Scion」を構築した。コードの変更マージ数は2026年5月の1日平均約2,500件から9月には1日3万件超に増えた。開発は7人のチームで行われ、Gitからの移行は5カ月で完了したという。
Simon WillisonAIスコア6767 llm-gemini 0.35、Gemini 4 Argonに対応しAPI価格と実行コストを検証
Simon Willisonはllm-gemini 0.35でGemini 4 Argonに対応した。ArgonはGemini APIと月額$100のプラン向けに提供が始まり、価格は入力$2/百万、出力$10/百万である。12月1日に倍額となる予定で、Artificial Analysisのベンチマーク実行コストは$2,407だった。
- Cursor@cursor_aiAIスコア3939
Google Blog: Gemini注目記事AIスコア6464 Google、Gemini 4 Argonの安全対策を解説 悪用防止と監視、プロンプトインジェクション耐性
Googleは、Gemini 4 Argonの安全性とセキュリティへの取り組みを公開した。サイバー攻撃シナリオ12件すべてを解決する一方、リアルタイム防御や監視を重ねている。プロンプトインジェクション耐性はGray SwanのIPIベンチマークで、15回の適応的攻撃での成功率を0.7%に抑えた。Argonは広く提供が始まり、Fairwind Programも拡大される。
選定理由：悪用防止、ミスアラインメント監視、プロンプトインジェクション耐性の三つの防御を、評価結果の数値とともに整理しており、設計の考え方を比較しやすい。
Google DeepMind@GoogleDeepMindAIスコア5353
Google DeepMind Blog注目記事AIスコア7272 Google DeepMind、Gemini 4 Argonを提供開始
Google DeepMindは最新のフロンティアモデルGemini 4 Argonを、API、Google Antigravity、Geminiアプリ、検索のAIモードで提供開始した。導入価格は入力100万トークンあたり$2、出力$10で、Vals Indexで1位とされる。コーディング、金融、法務、サイバーセキュリティ、科学などの複雑な業務を想定している。
選定理由：コーディングや科学、安全性評価まで具体的な適用例と提供条件がまとまっており、実務での使いどころを比較しやすい。
Ars Technica AI注目記事AIスコア7878 Google、Gemini 4 Argonの提供をGeminiアプリとAntigravityで開始、有料ユーザー限定
GoogleはGemini 4 Argonの本格展開をGeminiアプリとAntigravityで開始したが、対象は有料ユーザーのみで、下位プランでは全機能を使えない。性能自体は変わらず、社内ではYouTubeのコメントシステム改善などに使われたという。
選定理由：有料ユーザー限定という提供範囲と、Google社内での活用例が整理されており、導入時期や用途を考える材料になる。
Google Blog: GeminiAIスコア5656 Google、開発者向けにGemini 4 Argonを提供開始
Googleは、複雑なワークフロー向けのフロンティアモデルGemini 4 Argonを開発者向けに提供開始した。実際のソフトウェアエンジニアリング、企業のナレッジワーク、サイバーセキュリティ防御を対象とする。Gemini APIの有料枠のほか、Google AI Studio、Android Studioで利用できる。
Google Japan ブログ注目記事AIスコア7979 Google、Gemini 4 Argonを提供開始、コーディングや科学など複雑なタスクに対応
GoogleはGemini 4 Argonを、AI StudioとGemini API、Google Antigravity、Geminiアプリ、Google検索のAIモードで順次提供開始した。導入価格は入力100万トークンあたり2ドル、出力10ドルで、Vals Indexで1位を獲得したとしている。コーディング、金融、法務、サイバーセキュリティ、科学などでの深い作業を想定し、安全性スタックも強化したという。
選定理由：価格、提供先、社内事例、安全性評価がまとまって示されており、コーディングや科学分野での使いどころと導入条件を比較しやすい。
Google AI Blog注目記事AIスコア8383 Google、Gemini 4 Argonを提供開始 開発者・企業・一般ユーザー向けに
Googleは最新のフロンティアモデルGemini 4 Argonを提供開始した。AI StudioやGemini platformのAPI、Google Antigravity、Gemini app、AI Modeで利用でき、導入価格は入力100万トークンあたり$2、出力$10である。Vals Indexで1位とされ、コーディングや金融、法務、サイバーセキュリティ、科学分野での活用事例も示された。
選定理由：コーディングや科学研究、安全性評価まで具体的な数値付きの事例が並び、導入先ごとの使いどころと提供条件を比べやすい。
Google Blog: Gemini注目記事AIスコア6363 Google、Gemini 4 ArgonをGeminiアプリに提供開始
GoogleはGemini 4 ArgonをGeminiアプリで提供開始した。推論性能と複雑なタスクでの性能が向上し、コーディングも大きく改善したという。Google AI ProとUltraの購読者が本日から利用でき、40以上のアプリと連携するタスク機能も使える。
選定理由：回答の直接性や進捗共有の改善に加え、macOSアプリへのコーディング機能統合とチャットからタスクへの切り替えが一度に示されている。
Simon WillisonAIスコア2020 Geoffrey Huntley、pre-commitフックでエージェントに診断ライブラリを使わせる方法を語る
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。
Latent Space注目記事AIスコア7878 Meta、Muse WonderとMuse Wonder Fullを発表 第三者評価で最前線級
Meta Superintelligence Labs（MSL）は第2世代モデル群Muse WonderとMuse Wonder Fullを公開した。Artificial AnalysisのIntelligence Index v4.3ではWonder Fullが56、Wonderが52で、Muse Spark 1.3の48を上回った。Wonderは Meta Model APIとMuse Codeで利用でき、FullはMuse Code加入者のみが使える。
選定理由：Meta公式の数値と第三者評価、現場の賛否が並べて整理されており、新モデルの立ち位置を多面的に比べやすい。
ABEJA Tech BlogAIスコア1212 ABEJA DS部、社内イベントでKaggleコミュニティコンペ「DS Day Monster Battle 2026」を開催
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。
- Cursor@cursor_ai注目記事AIスコア6969引用元SpaceX Super Intelligence@SpaceXSI
We've unified plans across Grok, Cursor, and X Premium. Introducing The X Subscription.
選定理由：Cursorの既存プランの扱いと、Grok利用量やサードパーティモデルの課金方式の変更点が具体的に書かれており、プラン見直しの材料になる。
Ars Technica AIAIスコア6969 Epic Games、Disney共同の新作シューターで「AIファースト」開発へ転換と報道
Epic GamesがWalt Disney Companyとの共同プロジェクトで、AIモデルにコードをすべて書かせる「AIファースト」開発へ転換すると、Bloombergが報じた。人間の開発者はClaudeなどが生成したコードとアート資産の管理・指揮を担う。プロジェクトは無期限延期となり、Epicは「AIによる加速」を進める姿勢を示している。
GitHub Blog: AI & MLAIスコア3333 GitHub Copilot app入門：コードベースをCopilotに教える方法
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。