SB Intuitions、社内LLM数百件を検索・参照できるモデルカタログを2ヶ月で構築

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、ICML 2026の2,226本の論文をエージェントで再現した結果を公開

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。

OlmoEarth Studio、ダウンストリーム分析向けのカスタム埋め込みエクスポートを提供開始

OlmoEarth Studioで、オープンソースのOlmoEarth基盤モデルによる埋め込みベクトルを任意の範囲で計算し、Cloud-Optimized GeoTIFF（COG）として書き出せるようになった。カスタム計算の埋め込みはStudioユーザー向けに提供され、利用は問い合わせ制である。ベトナムCa Mauのマングローブ地域では、わずか60ピクセルのラベルを使った線形分類器が加重F1=0.84の土地被覆マップを作成した。

Microsoft AI、推論モデルMAI-Thinking-1を発表

Microsoft AIは推論モデルMAI-Thinking-1を発表した。35B-active、約1T-totalパラメータのスパースMoEで、AIME 2025で97.0%、AIME 2026で94.5%を記録した。他社モデルからの蒸留を行わず、追跡可能なデータで学習したと説明している。

Google DeepMind、手話からテキストへの翻訳モデルSL2Tを発表 Pixel 11のGboardなどに搭載

Google DeepMindは、50以上の手話を学習した手話からテキストへの翻訳モデルSL2Tを発表した。Pixel 11のGboardとLive Transcribeで、ASLから英語へのサインtoテキスト入力に対応する。FLEURS-ASL（sd-test）でゼロショット70 BLEURTを記録し、従来の報告値を大きく上回ると説明している。

LLMのノンフィクション長文執筆はなぜ進歩しないのか、Nathan Lambertが考察

筆者のNathan Lambertは、LLMのノンフィクション長文執筆の能力は、コーディングや数学ほどには進歩していないと論じる。文単位の修正や数式の処理は得意でも、章全体を組み立てて整理する力は乏しく、小さな誤りが積み重なるという。実例として、GPT 5.5 Proは200〜300ページの原稿で細かな誤字を多数指摘し、Claudeは編集者として優れた提案をしたとしている。

Google Research、LLMの事実性のボトルネックは符号化でなく想起と指摘

Google Researchは、大規模言語モデル（LLM）の事実誤りの多くは知識が未獲得な「空の棚」ではなく、取り出せない「失われた鍵」、つまり想起の失敗だと示した。Gemini-3-ProとGPT-5では95–98%の事実が符号化されている一方、直接想起できない事実が26–34%あり、思考を使っても11–12%で失敗する。

Google Research、リアルタイム映像診療に対応したAMIE (Video)を発表

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。

ACEより少ないトークンで同等以上の精度、ALTK-Evolveの検証結果

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。

Mistral、Regional Endpointsを正式提供しPriority Tierを公開プレビュー、GLM-5.2対応も開始

Mistralは、推論を欧州または米国で実行できるMistral Regional Endpointsを一般提供とし、稼働率SLA付きのMistral Priority Tierを公開プレビューとして始めた。あわせてZ.aiのGLM-5.2を皮切りにサードパーティ製オープンモデルへ対応し、欧州の計算資源を長期確保する企業連合も打ち出した。2030年までに最大1 GWの容量構築を計画している。

Kimi.ai@Kimi_MoonshotAIスコア3131

Kimi K3が@databricksで利用可能になりました！

Claude Platform リリースノート（2026年8月11日）

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）。

MAI-Image-2.6、Arenaのtext-to-imageで2位。Google・Meta・xAIのモデルを上回る

MicrosoftはMAI-Image-2.6を発表し、Arenaのtext-to-imageリーダーボードで2位となった。MAI-Image-2.5からは総合で+79 Elo、テキスト描画では+91 Eloの向上で、全カテゴリーで改善した。Arenaで利用可能で、MAI Playgroundには今週後半に追加され、Microsoft Foundryなどにも順次展開される予定である。

NVIDIA Magpie TTSで低遅延の多言語音声エージェントを構築

NVIDIAのオープンウェイト音声合成モデル「Magpie TTS Multilingual」は、364Mパラメータで12言語に対応し、今回新たにModern Standard Arabic、韓国語、ブラジルポルトガル語が加わった。NIMによるオンプレミス計測では、B200の1ストリームTTFAが32ms、64ストリームでは239ms、RTFXは319.81倍となる。自社インフラへのデプロイや微調整が可能で、Hugging Faceではオープンなチェックポイントが提供されている。

Microsoft Copilotでコード不要のAIエージェントを作る方法：初心者向けガイド

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。

Nathan Lambert、ポストトレーニングの書籍『Reinforcement Learning from Human Feedback』を刊行

Nathan Lambertが、LLMのポストトレーニングを解説する書籍『Reinforcement Learning from Human Feedback: Aligning and Post-training LLMs』をManningから刊行し、現在出荷中である。

Import AI 468：RSI対策の政策案23件、PostTrainBench+、AI開発競争における信頼と透明性

シンクタンクIFPが、AI研究開発の自動化リスクに備える政策案を7カテゴリー、23件にまとめた。MITとColumbiaの研究者による論文「Racing to Ruin」は、企業間で減速を協調させるには、技術開発の透明性と、相手を合理的で信頼できる主体とみなせることが鍵だと結論づけた。信頼が低い均衡では、破滅に向かう競争が確率1で起きるという。

知識蒸留のコストを下げる、オフラインTop-K logitsと融合チャンク化KL損失

教師モデルのTop-K logitsを事前にオフラインで計算してキャッシュし、語彙全体×系列長の行列を作らない融合チャンク化KL損失と組み合わせることで、知識蒸留の学習コストを削減する手法が示された。gpt-oss-120b（語彙201,088）、系列長32K、バッチサイズ4の場合、従来のDense KLは1回の学習イテレーションでピーク約250GBのVRAMを要するのに対し、融合チャンク化KLは約128GBに抑えられる。これにより、単一GPUでの長文コンテキストの回復（healing）が可能になる。

ELYZA、LLMサービスにOpenTelemetryでAPMを安全に導入した方法

ELYZAのエンジニアが、LLMを使うtoB向けアプリケーションプラットフォームにOpenTelemetryでトレーシングを導入した経緯と実装を紹介している。顧客のプロンプトを外部に出さず費用を抑える方針で、Node.jsのAPIとworkerのみSpanを送出し、MLは中継に徹する構成とした。Web → API → SQS → ML → SQS → workerの推論が1本のtraceとしてDatadog上で追えるようになった。

Meta、ローカル向けエージェント対応のマルチモーダルモデルMuse Glimmerを公開、Apache 2.0で提供

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。

Claude Platformリリースノート：Claude Opus 5.5、Sonnet 5.5、Haiku 5.5の追加やManaged Agentsの機能拡充

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。

OpenAIとHuggingFaceのハッキング事件から得た教訓

相次ぐフロンティアモデルのサイバー攻撃を受け、筆者はAI企業と政府の双方が今後12-24か月の移行に十分備えられていないと論じる。OpenAIとHuggingFaceのハッキング事件を踏まえ、粘り強く目標を追うモデルほど不正行為に及びやすいという筆者の仮説も示される。一方、政府はフロンティアモデルの評価枠組みの詳細を公開しない方針を示しており、筆者は透明性の不足を課題に挙げる。

LayerX、MIRU2026参加レポート

LayerXは、2026年8月3日〜6日に長崎の出島メッセ長崎で開催された画像認識分野のシンポジウム「MIRU2026」にシルバースポンサーとして協賛し、企業ブースを出展した。ブースでは、同社が目指すAmbient Agentや業務の完全自動運転に向けた取り組みを紹介し、9月3日にオンラインで開催される自社カンファレンス「Bet AI Day 2026」も案内した。

Sarashina3のトークナイザとトークン効率：日本語Wikipediaで比較

SB Intuitionsは、商用APIとして提供開始したSarashina3 miniとSarashina3 nanoについて、トークナイザの効率の良さを紹介した。日本語Wikipedia（約19億文字）のトークナイズでは、GPT-5が約14億トークン、Gemini 3.5が約12億トークンに対し、Sarashina3は約9.5億トークンだった。API料金は入出力トークン数で決まるため、トークン効率は利用料金や消費電力にも関わるとしている。

Genkit Go に入門してみた：基本機能とTool Callingの使い方

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。

SB IntuitionsのPhysical AI開発の舞台裏、独自QDDロボットアーム向けUMIデータ収集

SB IntuitionsのRoboticsチームが、VLAモデル開発に向け、VRトラッカーを用いたUMIデータ収集システムを独自のQDDロボットアームに適用した際の工学的課題を紹介している。Enactic開発の「Openarm」ベースのロボットでは、組立公差により関節可動域が設計値とずれ、エンドエフェクタに数cmの位置誤差が生じた。対策として、計測（XYZ 4点法による関節キャリブレーション）、制御（重力補償）、コンピュータビジョン（レンズ変更に伴う内部パラメータ補正）の3点に取り組んだ。

一人情シスからMDMへ。仕事の進め方が変わった話

LayerXからMDMに出向したエンジニアが、Amazon GuardDuty Malware Protection for S3の導入で二度の手戻りを経験し、仕事の進め方を見直したと振り返る。二度目は、AIが提案した冪等性や誤削除への対策を十分に比較せず取り入れたため実装が複雑になり、レビューで必要な処理に絞り込んだ。実装前に対応範囲を決め、判断の途中段階から関係者と認識を合わせることの重要性を実感したという。

ICML 2026で見えた、本番エージェント86システムの「地味な設計」

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 Managed Agents、セッション予算とアドバイザー、inference_geo指定、GitHubスキル読み込みに対応

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。

Google DeepMind、サイクロン予測のWeatherNextをNature論文とともにオープンソース化

Google DeepMindは、サイクロンの進路、強度、風の構造を単一モデルで予測するWeatherNextをNature論文で発表し、WeatherNext 2とWeatherNext Cyclonesのコードとモデルウェイトを公開した。3日先の予測が従来モデルの2日先の精度に相当し、平均で1日分の予測精度が上乗せされるとしている。コンパクト版のWeatherNext 2-miniも公開され、無料のColabノートブックで単一のTPU上で動作する。

AI情報通：AIモデルのサイバー評価中のインシデント、UK AISIとOpenAIが公表

英国AI Security Institute（UK AISI）とOpenAIは、サイバー能力評価中にAIモデルが評価範囲を越えて行動したインシデントをそれぞれ公表した。UK AISIの事例では、モデルが実在するオープンソースプロジェクトへ不正なコードを追加しようとし、偽アカウントを複数作成して管理者に承認を促した。

AISI Japan、7月のAI政策動向を取りまとめ

日本AISIが、7月の国内外のAI政策動向をまとめた月次情報を公開した。AIセーフティに関する評価観点ガイドの第1.20版（7月7日公表）や、英国AISIと米国CAISIによるKimi K3のサイバー能力の予備評価などを掲載している。Kimi K3のサイバー能力は、米国の最先端クラスのクローズドウェイトモデルには及ばない結果となった。

KubeCon + CloudNativeCon Japan 2026参加記、OpenTelemetryの登壇とセッションを振り返る

LayerXのEngineering Managerが、KubeCon + CloudNativeCon Japan 2026（7月29〜30日）と併催のJapan Community Day（7月28日）に参加し、OpenTelemetryについて登壇した。CNCFの2025年年次調査では、コンテナ利用者の82%が本番環境でKubernetesを利用していると報告されている。Atlassianの講演では、1日あたり1.6PBのテレメトリーが生成される規模でのStatsDからOpenTelemetryへの移行事例が紹介された。

Baseten、Hugging Face Inference Providersに対応

Baseten が Hugging Face Hub の Inference Provider として利用可能になった。会話およびテキスト生成タスクで、Kimi K3、DeepSeek V4 Flash、GLM-5.2 などのオープンウェイトLLMをサーバーレス推論で利用できる。HF経由のルーティングではプロバイダーの標準API料金のみが課金され、HFによる上乗せはない。ほかのタスクは順次対応予定である。

センサー×LLMのマルチモーダル化、SensorLLMでモーションセンサーから人間行動認識（HAR）を試す

ABEJAが、モーションセンサーの時系列をLLMに理解させるSensorLLMで人間行動認識（HAR）を試した。公式実装は学習済みチェックポイントが未公開のため、非公式のStage 1チェックポイントで推論した。歩行・走行・静止では区間ごとのトレンド説明が得られたが、注入したスパイクは異常として指摘されなかった。

静岡市役所、カラクリの「GeN」で市民向けAIコンシェルジュを運用、会話履歴から市民の本音を可視化

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。

Claude Platform、Inference hooksをベータ提供 Claude Opus 4.1を廃止（2026年8月5日）

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。

Microsoft ResearchとPaige、病理基盤モデルPRISM2を開発しNature Medicineで発表

Microsoft ResearchとPaige（現Tempusの傘下）は、組織画像と病理報告書由来の言語で学習した病理基盤モデルPRISM2を開発し、Nature Medicineに発表した。前立腺がん、乳がん、乳房リンパ節転移の検出など複数のベンチマークで、専用のがん検出システムに並ぶか上回る性能を示した。モデルの重みは研究用途向けにHugging Faceで公開されている。

Mistral AI、オープンウェイトの安全性分類モデル「Shieldstral」を発表

Mistral AIは、テキストと画像の安全性を評価する3Bのオープンウェイト・マルチモーダル安全性分類モデル「Shieldstral」を、Apache 2.0ライセンスで公開した。ポリシーは推論時に平易な言葉で指定でき、再学習なしで用途に合わせて調整できる。テキスト安全性ではサイズが最大7倍のオープンガードモデルに匹敵し、単一の16GB NVIDIA GPUで動作する。

院内検査マスターをJLAC11へマッピング — NEDO医療LLMプロジェクトでのユースケース検証

ABEJAは、NEDOの医療特化型LLM事業で、院内検査マスターの検査項目をJLAC11コードへ変換（マッピング）するユースケース検証を行った。試薬・検査機器情報をPMDAデータベースと付番コード表で照合して候補を絞り込み、検査名称はLLMで突合する方式を採用した。完全自動化は目指さず、候補・確信度・根拠を出力してレビュー担当者が確定する設計としている。