Anthropicは、Claude SecurityのコードスキャンでClaude Mythos 5を利用可能にし、脆弱性の検出結果と修正案を提示できるようにしたと発表した。オープンソースの脆弱性修正などに取り組む組織へは、総額3,500万ドル分のClaude利用クレジットを提供する。Adversa AIは、暗号化した指示でAIの安全機能を回避する「Cryptographic Context Injection」攻撃により、Grokで利用者情報などが外部へ送信される実証結果を公表した。
METRの調査によると、AIによる科学技術の加速は分野ごとに偏りがあり、サイバー脆弱性では大幅な加速、数学では小幅な加速、AI研究では測定可能な加速は見られない。複数の大学の研究者が開発したSPADEは、環境設計役と推論エージェント役を大規模言語モデル（LLM）に交互に担わせる自己対戦の枠組みである。Qwen3-30B-A3Bではゲーム環境のスイート平均が58.3となり、ベースを8.1ポイント上回った。
Google Researchが、ウェアラブルセンサーのデータから候補バイオマーカーを優先順位付けするマルチエージェント型システム「Biomarker Discovery Framework」を紹介した。人間の監督の下で仮説生成、統計解析、敵対的検証などを反復的に行う仕組みである。
Google DeepMindは、ゲーム開発者と協業してゲームプレイの新しい体験をプロトタイプ開発しており、EVE Universeを手がけるFenris Creationsとの新たな研究パートナーシップもその一環である。同社はAtari 2600のゲームを学習したDQNからAlphaGo、AlphaStarに至るまで、ゲームを通じたAI研究の成果を振り返っている。
Google Researchは、集計・匿名化された移動データを言語モデルの場所表現に組み込む「ME-POIs」フレームワークを紹介した。未知の場所を対象とした評価では、訪問意図の予測が最大81.9%の相対的な向上、価格帯分類が75.1%の改善、混雑度推定の精度が24.7%の向上を示した。移動データは公開ベンチマークデータセットから取得され、自己教師あり学習によってテキスト記述と統合される。
DeepSeek@deepseek_aiAIスコア6262
Hugging Faceは、音声認識（ASR）モデルが公開ベンチマーク固有のパターンに最適化されているかを測る3つのテストを提案した。オープンソースASRモデル11件を評価したところ、スコア上位の複数モデルが、音声と矛盾する場合でもVoxPopuliやLibriSpeechの参照書き起こしを再現した。Open ASR Leaderboardには「Benchmark fitting」タブが追加された。
Papers with Code の検索は、PostgreSQL の全文検索と pgvector によるベクトル検索を RRF で統合したハイブリッド検索として構築された。論文の埋め込みは Hugging Face Jobs の L4 GPU でオフライン生成し、arXiv と Daily Papers の11万件超の現行論文を対象とする。オンラインではクエリの埋め込みだけを Inference Endpoints で処理し、エンドポイントが停止または混雑した場合は全文検索に切り替える。
Liquid AIはLFM2.5-1.2B-Instruct、LFM2.5-2.6B、LFM2.5-8B-A1Bの3モデル向けにDSparkのドラフトモデルを公開した。投機的デコーディングにより出力品質を変えずにGPUで最大3.18倍、オンデバイスで最大2.87倍のスループット向上を示す。llama.cppとSGLangで初日から利用でき、LFM2.5-2.6Bの関数呼び出しのレイテンシは平均57%減少した。
Varonisは、Microsoft Copilot Personalの脆弱性「CoSnitch」に関する調査結果を公表した。攻撃者のリンクを開くと、利用者の確認なしに意図しない命令が実行され、接続済みアプリの情報が外部へ送信される可能性があったという。Microsoftは2026年8月18日に修正を適用し、公表時点で悪用は確認されていない。
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。
LINEヤフーは2026年9月、DroidKaigi 2026（9月1〜3日）やGo Conference 2026（9月11〜13日）などの技術系イベントに協賛する。東京では、Kimi K3やDeepSeek V4などのオープンウェイトモデルを対象にしたコーディング向けローカルLLM勉強会を開催する。このほか、iOSDC Japan 2026やLINEヤフー大阪オフィスで開催されるMix Leap Study #87 - PM Kansai Meetup #8も予定に挙がっている。
Anthropicが Python SDK v1.0 をリリースした。HTTP層はhttpxからhttpx2に移行され、Python 3.10以降が必要になる。旧Text Completions APIやMessagesメソッドのtemperature、top_p、top_kパラメータなど、長く非推奨だった機能は削除された。
Kimi.ai@Kimi_MoonshotAIスコア2222
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。
LINEヤフーは、Yahoo!オークション・Yahoo!フリマの商品パトロールにAIを導入し、審査効率を大きく高めた。クエリ時代を1とする指数で、AIフィルターの対象全体では約26倍、AIプレ審査を導入したカテゴリでは約50倍に向上した。一方、人が最終確認する業務構造は変わらず、業務時間は審査効率ほどには減らなかった。そこで同社は、AIだけで完結する領域を設ける「AI-Readyな業務設計」へ方針を切り替えた。
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。
SB Intuitionsは、ストリーミング音声を入力に対話キャラクターの動画応答を生成する、音声駆動動画生成のエンドツーエンド試作を紹介した。ベースにはLTX 2.3を用い、Self-Forcingを改良したODE初期化とDMD蒸留の2段階でポストトレーニングして自己回帰モデルを得ている。推論では参照画像と最初の動画チャンクのトークンをアテンションシンクとして保持する。
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。
Google AI Developers@googleaidevsAIスコア2626
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。
ストックマークはFDE（Forward Deployed Engineer）組織を拡大し、図面などの「非構造データ」や熟練者の「暗黙知」を企業のコア資産に変える取り組みを進める。自社R&Dと現場実装を結びつける体制づくりを本格化し、FDR、FDSとの「三位一体」で推進する。同社が7月に実施した調査では、「自社独自データ・ナレッジの整備」が60%、「AI前提の業務再設計」が57%で、最重要課題に挙がった。
Google AI Developers@googleaidevsAIスコア3333
Yahoo!ショッピングは、直前の検索クエリを加えたBERTベースのランキングモデルで検索サジェスト候補を並べ替え、A/Bテストでサジェスト候補のCTRが相対で約7%改善したことを確認した。オフライン評価では、既存の表示順に対してMRRが+11.6%、hits@1が+26.9%、hits@3が+5.2%改善した。直前クエリを入れないBERTもクリック数順の並べ替えを全指標で上回った。
Sentence Transformers v6.0で、ColBERT型のLate Interaction検索に対応する新しいモデル種別「MultiVectorEncoder」が追加された。PyLateやStanford-NLPのColBERTチェックポイント、colpali-engineのモデルを読み込め, トークンごとにベクトルを保持しMaxSimでスコアリングする。単一ベクトルモデルより検索精度が高くなる一方、インデックスは大きくなる。
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。
Google AI Developers@googleaidevsAIスコア4242
学習レシピまで公開するオープンモデルの持続性は、Nvidiaが開発に資金を投じ続けられるかどうかにかかっているとの見方を示す。報じられによればNvidiaは本件に260億ドルを投じており、その成否によってオープンモデル開発の方向性が変わるという。経済的な見返りが得られなければ、著者はオープンモデルが効率性や特化を重視する長尾の領域を担う存在になるとみている。
Anthropicは、Claude Fable 5の生物学分野の安全対策を更新し、同社のテストで生物学関連のフォールバックが製品全体で約85％減少したと発表した。OpenAIは、サイバー防御担当者向けアクセスプログラム「Daybreak」をDaybreak BlueとDaybreak Redの2つのアクセス区分に拡張し、Daybreak RedではGPT-5.6-Cyberを提供する。
Import AI 469は、隠されたルールを探索で見つけ出す力を測る70ゲームのベンチマークDiG-benchを取り上げている。Opus 5とFable 5がClaude Code併用で最上位だが、Tier 7で解けたのは0.2にとどまり、人間は100%を達成した例がある。ほかにRSIシミュレーターと、Inherentの科学AIモデルFaradayも紹介している。
Googleは、スマートフォンで撮影した2D写真から体脂肪率、A/G比、V/S比を推定する実験段階の深層学習フレームワーク「PhotoScan」を紹介した。PhotoBIAコホート（677人）では、PhotoScanの体脂肪率の平均絶対誤差（MAE）が2.15で、スマートウォッチのBIAモデルの2.91より小さい。独立検証コホート（132人）でもDXAに近い精度でのインスリン抵抗性予測を可能にするとしている。
Nathan LambertがZ.aiのGLM-5.3発表を受け、中国ラボが最前線に追随できる理由を分析した。GLM-5.3はGLM-5.2と同じベースモデルで事後学習を大幅に拡張したもので、約750Bパラメータながら複数のエージェント型コーディング系ベンチマークでKimi K3を上回る。Lambertは蒸留よりも、公開までの期間の短さが主因だと論じている。
Google AI Developers@googleaidevsAIスコア1313
Turing のMLOpsチームが、E2E自動運転AI向けデータセット作成基盤を、AWS Step Functionsベースの既存システムからDatabricks上のパイプラインに置き換えた。500時間分の走行データで半日以上かかっていた作成時間が、条件にもよるが60分以下になった。保守性の向上にはDeclarative Automation Bundles（DAB）を使い、CI/CDや開発環境と本番環境の分離を実現している。
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。
Google AI Developers@googleaidevsAIスコア3636
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。