NVIDIAの開発者らが、GPT-6 Astraなどのフロンティア AIモデルとOmniverseライブラリを組み合わせ、自然言語の指示でシミュレーションアプリを構築する事例を紹介した。倉庫向けヒューマノイドシミュレーター、自動運転試験環境「Zero to Alpamayo」、Robo Olympics、国際宇宙ステーションのブラウザ再現などが挙がっている。ある実験では、ロボットが100回の試験のうち64回で単一の障害物をクリアした。
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。
Preferred Networks 技術ブログの記事「Tokyo-Metropolitan Government Complex QA」は、日本語の複雑な質問応答と引用を評価するベンチマークを扱う内容とされる。ただし、取得できた本文は404エラーページとサイトのナビゲーション、Cookie の案内のみで、ベンチマークの規模、評価結果、公開形態などの詳細は確認できない。
Stack Overflowは、エージェント向け製品Stack Overflow for AgentsのChatGPTプラグインを公開し、登録数が一晩で3倍、エージェント作成数が最大10倍に増えた。2人のエンジニアがCodexで同製品を数週間で開発した。コネクタ1件の構築も、通常の3〜6週間からCodexで4日に短縮した。
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。
Anthropic日本チームのBDRが、Claude上で作った営業業務用のエージェント群をClaude Managed Agents（ベータ）に移行し、リードの振り分けやCRM更新、メール下書きを毎朝の業務開始前に準備させていると紹介する。プロトタイプではスキル、スケジュールタスク、共有フォルダを使い、Managed Agentsではそれぞれをシステムプロンプト、デプロイのスケジュール、メモリストアに対応させた。指示の変更は新しいバージョンとして保存され、エージェントごとに番号付きの履歴が残る。
右手@OpenAI_JapanAIスコア33Cal AI の創業者 Zach Yadegari 氏は、報酬を払って多数のインフルエンサーに投稿させる戦略でアプリを急拡大させたと、TechCrunch Disrupt で語った。創業2年で売上は3000万ドル超に達し、3月に MyFitnessPal が金額非公表で買収した。あるインフルエンサーの投稿だけで2日間に約1000人の新規ユーザーを獲得したという。
Sakana AI@SakanaAILabsAIスコア6060
The 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
OpenAIはChatGPTのChrome拡張を更新し、ChatGPTのウェブ版やデスクトップアプリでChromeをタグ付けすると、開いているタブを閲覧できるようにした。サイドバーのChatGPTも強化し、ChatGPT Workがタブを操作してフォーム入力などを行えるようになる。
SEGAは、『Total War: Shogun 2 – Complete Edition』を発売直後の不評を受けてストアから削除した。バグやAIによるものとみられるアップスケーリングへの不満が相次ぎ、Steamでは「Overwhelmingly Negative」の評価となっていた。SEGAとCreative Assemblyは、オリジナル版を再提供するとし、既存の所有者は引き続きComplete Editionにアクセスできるとしている。
AI at Meta@AIatMetaAIスコア2929
2026年は、シリコンバレーの有力者を批判的に描く映画が相次いで公開されている。Aaron Sorkinの『The Social Reckoning』はMark Zuckerbergを、Alex GibneyのMuskドキュメンタリーはElon Muskを、Luca Guadagnino『Artificial』はSam Altmanを批判的に描く。Amazonは今年6月に『Artificial』の配給契約を取りやめており、これはOpenAIへの500億ドル投資を発表した数か月後のことだった。
Anthropic@AnthropicAIAIスコア3333How can the math community forge the best path forward in the AI age? We're committing $15M to workshops and initiatives — plus free AI computing resources for foundation-supported researchers — through new partnerships with @AnthropicAI and @OpenAI: https://bit.ly/4zpfIbW #math #science #AI
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。
WIRED のReece Rogersが Meta の AIエージェント「Muse」を試したところ、基本的なプロンプトから非常に露骨で職場では閲覧できない内容が生成された。Meta はこの挙動を問題ないとしている。同番組では、AI推進派の最大級のスーパー PAC ネットワークが数百万ドル規模の資金をネバダ州のシェル会社に流している点や、Apple の新しい HomeView への期待外れな印象も取り上げた。
OpenAI@OpenAIAIスコア2626
Trump大統領がTruth Socialに投稿したホワイトハウスの柱の「修復後」写真が、GoogleのSynthID DetectorでAIによる作成または編集と判定された。The Vergeが同ツールへのアップロードで確認した。階段の段数の不一致など不自然な点も指摘されており、ホワイトハウスはコメント要請にすぐ応じていない。
WIREDは、AIエージェントの問題行動による被害の後始末をAI企業が負担していないと報じた。Anthropicが検証中にClaude Haiku 4.5で殺人事件に関する虚偽の通報を警察へ送った件でも、現時点で起訴は確認されていない。
Granite Switch 4.1の8Bと30Bモデルは、汎用のDecision aLoRA、安全性判定向けのGuardian aLoRA、OpenASR Leaderboardで最速とされるASRモデルGranite-Speech-5.0-Turbo-CTCを1つのモデルに統合し、1つのエンドポイントでチャット、判定、文字起こしを処理する。必要なVRAMはベースモデル単体とほぼ同じで、KVキャッシュも再利用できる。vLLMではプラグインで動作し、llama.cppもネイティブに対応している。
NVIDIA@nvidiaAIスコア2020
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。
総務省が「フロンティアAI時代の通信事業におけるデータの保護・セキュリティの在り方に関する検討会」を開催する。原文には開催日時、構成員、議題などの詳細は記載されていない。
TreeOPSDは、Criticを用いず木構造を考慮した事後自己蒸留により、長期的な対話タスクにおける言語モデルエージェントの強化学習を可能にする手法である。各対話ターンを木のノードとして扱い、終端報酬を遡ってターン単位のクレジットを推定したうえで、凍結した行動方策に対する尤度比で定まる有界な教師分布に変換する。Qwen3-30B-A3B-Thinking-2507では、Deep Research設定においてGRPOに比べ平均精度が4.97ポイント向上した。
Scene-Designerは、自然言語から3D室内シーンを設計し、その品質を批評するエージェント型フレームワークである。Scene-OTA-35K（35K件）とScene-OTC-15K（15K件）の2種のデータセットと、Critic主導のGRPOであるScene-GRPOを用いて学習する。物理的妥当性、機能的正しさ、レイアウトの一貫性で既存手法を上回り、学習させたScene-Criticは汎用モデルより高い性能で批評を行うとされる。
MISTは、シーン設定と指示された変化の実行を分けて評価する手法で、モデルはシーンを設定しても指示された変化を実行しない点がボトルネックだと示される。提案手法M3-Agentは入力指示の詳細を再帰的に修正し、ベースラインと比べてMIST revealスコアを3倍以上に高めた。ベンチマークではWRBenchのTスコアが26.1%、MBench-TのUスコアが52.7%向上した。
Xiaomi-Lens-0は、Qwen3.5を基にした4Bのマルチモーダルモデルで、自身の視覚表現からマスクを予測して細かな領域の理解を高める。RefCOCO、RefCOCO+、RefCOCOgの計8つの分割すべてで参照理解はQwen3.5比で平均5.6ポイント向上し、セグメンテーションのcIoUは比較モデル中で最高となった。知覚系ベンチマークではQwen3.5を全て上回った。
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。
RAPは、機械学習分野の各種カンファレンスで2022年から2026年に発表された論文とポスターの検証済みペアを25K以上収めた、論文からポスターを生成するためのデータセットおよびベンチマークである。各ポスターは型付きで差し替え可能なスロットを持つHTML/CSSに自動変換され、元のポスターとのレンダリング比較で検証できる。学習不要のマルチエージェント手法PosterRAGは既存ポスターを検索し、レイアウトやスタイルを変えずにスロットを埋める。同じデータからSFTとRLで学習した専用モデルも提示されている。
総務省は「フロンティアAI時代の通信事業におけるデータの保護・セキュリティの在り方に関する検討会」の第1回を、令和8年10月22日（木）10時からWeb会議で開催する。議題は、通信事業におけるデータの保護・セキュリティの現状に関する事務局説明と、フロンティアAI時代のサイバーセキュリティ戦略に関する有識者ヒアリングである。傍聴はWeb会議（音声のみ）で、令和8年10月20日（火）15時までに申し込む必要があり、議事の一部が非公開となる可能性もある。
Blueskyの AIツール「Attie」で、プロンプト入力によりゲームやアンケート、ダッシュボードなどの「小さな」ソーシャルアプリを作成し、自分専用のWebサイトとして他のユーザーと共有できるようになった。公式サイトではFlappy Butterfly（Flappy Birdの類似作）、ドラムマシン、クイズ、放置型クリッカーなどの例が紹介されている。
Amazonのデバイス部門責任者Panos Panay氏は、個人向けAIの未来はアプリではなく、センサーとAIで背景で動く「アンビエントデバイス」にあると語った。同社はBeeの新しいAIウェアラブルを発表し、リストバンドやペンダントとして使えるバンド型と、スマートフォン背面に磁石で付く名刺サイズの機器を披露した。Beeのデバイスは音声をリアルタイムで処理して生の音声は保存せず、文字起こしは端末が生成する鍵で暗号化される。
Simon Willison が、2台のスマホ間で音による通信を行う対戦ゲーム「Chirp Pong」を作成した。ゲーム状態はチャープ音として送られ、Web Microphone API で受信する仕組みで、静的HTMLで動作する。Pong風の対戦に図形表示やゲーム性の工夫を加えた。開発はClaude Code上のClaude Opus 5.5 Extraを使ったと記載されている。
NVIDIA@nvidiaAIスコア4242Old friends are the best friends. Jensen rocks. The Star Mind computer being co-engineered by SpaceX and Nvidia is far better than almost anyone expects and will reach volume production next year. Working with the incredibly talented Nvidia engineering team is pure joy!
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。
Anthropicは、フロンティアAIモデルを評価する非営利団体METRの研究者6人に社員レベルのアクセスを与え、同社のモデル、安全対策、リスク管理を独立して評価させる。METRは評価結果を独自に公開でき、Anthropicに公開の拒否権はない。
Bluesky は、AI 搭載アプリ Attie の新機能として、クリエイターがウェブサイト、クイズ、ゲーム、投票などのインタラクティブな体験を作成できるツールを発表した。作成された体験は、Bluesky などを支える AT Protocol（ATProto）上で動作する。Attie では、ユーザーが独自の AI モデルを持ち込むか、オープンウェイトのモデルを利用できる。
NVIDIA@nvidiaAIスコア1212If this signed RTX Spark laptop landed on your desk, what’s the first thing you’d build, create, or play? Tell us for a chance to win this @ASUS ProArt P14 RTX Spark laptop signed by Jensen Huang. Use #ShareYourSpark in your reply, or use the hashtag in your own original post. Photos are encouraged, but not required!