Simon Willisonは、ChatGPTデスクトップアプリのCodex音声モードを使い、料理中の約30分の会話だけでブログのNewsletters（ニュースレター）ページの大部分を構築した。使用モデルはGPT-6 Astra Highで、新しいモデルとマイグレーション、四系統のインポート処理などを実装した。ただし、プルリクエストの修正はキーボード入力で行い、本人は音声中心の開発が日常の主要手段になるとは見ていない。
Sophosは、OpenAI Daybreakで構築したAIエージェントにより、ケースの平均対応時間を約38分から89秒に短縮した。OpenAIモデルの利用で調査時間は96%削減され、MDRケースの52%がAIによりエンドツーエンドで解決されている。解決の範囲はSophosのアナリストが調整した境界内に限られ、破壊的な対応には人間による監督が残される。
Asanaは、Codex上のGPT-6 Astraを使ってブラウザエージェントのワークフローを最適化し、テストでGPT-6.1 Solの本番構成より76x安く、5x速く実行できるようにした。144回の検証で、最適化後のワークフローの推定モデルコストは1回平均0.47ドル、実行時間は約4分だった。GPT-6 Astraは、エージェントが増え続ける履歴を未キャッシュのまま毎回全額で再送信していたことを特定した。
Sakana AI@SakanaAILabsAIスコア3838
ストックマークは、製造業の研究者・技術開発者らを対象とした無料のオンラインカンファレンス「FUTURE TECH 2026」を、10月21日(水)から23日(金)の3日間、各日9:30〜16:00に開催する。全日同じ内容を配信し、事前登録制である。AIエージェントを軸とした研究開発プロセスの再設計「AI BPR」のほか、次世代半導体、核融合、中国モビリティ、宇宙産業など6セッションを予定している。
Simon Willisonが ttok 1.0 を公開し、デフォルトのトークナイザーをGPT-4からGPT-5/GPT-6系に切り替えた。OpenAIはGPT-6が GPT-5系と同じトークナイザーを使うかを未確認だが、William Liuの実験では、GPT-5.5、GPT-5.6、GPT-6の計7モデルが31件のフィクスチャ全てで44,794トークンと一致した。このコーパスでは、GPT-6による入力トークン数の変化は見られなかった。
Claude Managed Agentsのエージェントが動的ワークフローを使えるようになった。managed-agents-2026-04-01 betaヘッダーでベータ提供されており、数百件の文書レビューのように作業が多い場面で、エージェントがワークフローを書いて実行できる。
選定理由：大量の文書レビューのような多数の作業を、エージェントが書いたワークフローで段階的に並列実行する仕組みと有効化の設定が具体的に示されている。
OpenMobile-2は、モバイルエージェントの環境、データ、ベンチマーク、モデルをすべてオープンソースで公開した。MobileGym++は人間とコーディングエージェントの協働で構築した35の商用スタイルアプリを含み、エミュレーター型アプリと合わせて110以上のアプリを提供する。GUI操作とアプリネイティブツールの呼び出しを組み合わせる設定を提案し、実機のモバイルタスクでほぼ2倍の性能を達成した。
Periodic Labsのリアム・フェドゥス（Liam Fedus）とEkin Dogus Cubukが、Latent Spaceのポッドキャストに出演し、物理実験に根ざした強化学習による「synthesis superintelligence」構想を語った。両氏は、知能だけでは科学的発見には不十分であり、フロンティアモデルでも物理的な実験が引き続き必要だと主張する。失敗した実験も重要な学習データになるとし、室温超伝導体や新しい磁石、電池などの材料探索を議論している。
Pollo AIは、GPT‑5.6、GPT‑6 Astra、GPT‑Image‑2.5を使ったAIエージェント「Pollo Agent」で、ユーザーの創作アイデアを画像や動画に仕上げている。同社によると、ユーザーはモデルの選択や切り替えに費やす時間が50%以上減った。静止画とプロンプトから約15秒の動画広告を作れる「Photo to Video Ads」も提供している。
ELYZAは、コンタクトセンターの電話応対業務を評価する日本語エージェントベンチマーク「ELYZA Agent Tasks: Customer Service」を公開した。通信、EC・フリマ、ホテル、宅配の4ドメイン96シナリオで、音声とテキストの両方を評価でき、Apache-2.0ライセンスでGitHubに置かれている。評価ではテキストのタスク遂行の最高スコアがgemini-3.6-flashの0.781で、音声入出力の3モデルはタスク遂行とツールがいずれも0.3を下回った。
AVEVAのchief technologistであるArti Gargは、基盤モデル、フィジカルAI、エージェント型AIの進展で産業AIが新たな段階に入ったと述べている。物理システムに直接作用するため、人の判断を置き換えず補強し、自動化の範囲をガードレールで定めるべきだとする。IEEEの作業部会では、AIの環境負荷を測定する標準的な手法の策定にも関わっている。
AnthropicがClaude Haiku 5.5を公開した。約1年ぶりのHaiku級更新で、価格はOpenAIのGPT-6 Lunaと同じ水準である。Artificial AnalysisのIntelligence Indexでは最大effortで43となり、GPT-6 Luna（38）を上回った一方、出力トークン量は約3倍と多い。同日にSonnet 5.5のキャッシュ読み取り料金の引き下げも発表された。
Amazon Bedrock Guardrailsの自動推論チェックは、数理論理学に基づく形式的検証でAIの出力を定義済みのルールに照らして検証し、正しさを証明でき監査も可能な結果を返す。LLM-as-a-judgeのような確率的な検証では、規制業界が求める保証が得られないという。Amazon Logisticsではエンジニアリングレビューが約8時間から数分に、Lucid Motorsでは予測の生成が数週間から1分未満に短縮された。
BlockのBradley Axenが、Claude Fable 5を統括役にして数百から数千のプルリクエストに及ぶコード移行を進める手法を語った。Fableが設計を担い、OpusやSonnetなどの小型モデルが個別作業を実行する構成で、品質を落とさずトークン配分を改善できたという初期結果も示している。
選定理由：数千PR規模の移行でFableが設計を担い小型モデルが実装を担う分担と、マージやデプロイを人間の二重承認に残す運用が具体的に語られている。
Hugging Faceの著者がHuggingChatのML Internを使い、数日で6つのモデルを作成して公開した。0.8Bのプロンプトリライターは計算費用16ドルで、有効出力率は99.7%、教師モデルの約4分の1のトークンで動作する。6件の計算費用は合計で約103ドルである。
Anthropicは、防御側を支援する長期的な取り組みAnthropic Cyber Missionを開始した。第一弾として、重要インフラ向けのCritical Infrastructure Defense Program（CIDP）と、オープンソース向けの無償スキャンサービスOSS Scannerを発表した。CIDPはAccenture、CrowdStrike、Deloitte、Palo Alto Networksなど11社を創設パートナーとし、フロンティアモデル、現地エンジニア、脅威リサーチを提供する。
選定理由：重要インフラとオープンソースという二つの領域で、具体的な参加企業と無償スキャンの仕組みが示されており、防御側支援の全体像をつかみやすい。
Claudeが、データを常に最新に保つダッシュボードを作るClaude Dashboardsと、説明用アニメーションを作るClaude Motionをベータで提供開始した。Dashboardsは有料プラン、MotionはTeamとEnterpriseが対象である。Claude Docs、Slides、Designはベータを終え、Freeを含む全プランで利用できる。
選定理由：データ基盤につなぐダッシュボードとコード生成のアニメーションが並び、各グラフのクエリを確認できる点から、使い所を具体的に想像しやすい。
Anthropicは年次の利用ポリシー（Usage Policy）の改定版を公開し、11月12日に施行する。変更の多くは既存ルールの明確化で、欺瞞的活動の新セクション追加、武器・監視に関する記述の具体化、高リスク用途の要件整理、モデルへの虐待行為の禁止などが含まれる。
NVIDIAとMicrosoftは、サンフランシスコで開かれたイベントで、WindowsでAIエージェントを動かすためのハードウェアとソフトウェアの共同開発を発表した。RTX Sparkを搭載したノートPCは予約受付を開始し、10月16日（金）に発売される。小型デスクトップは11月に発売予定である。
GitHubはMicrosoft Applied Sciencesと開発したファインチューニング済みのModernBERT分類器を、シークレット保護に導入する。候補シークレット群を2ミリ秒未満で評価し、プッシュ保護で防げるシークレット数を2倍超にできるとしている。現在はプライベートプレビューで、今月後半にEnterprise CloudとGitHub Teamsの GitHub Secret Protection 利用組織へ提供される予定である。
AIセーフティ・インスティテュート（AISI）は2026年10月7日、2026年度「AIセーフティ評価環境 検討タスクフォース」総会を開催した。一般のオンライン参加を含め総勢120名が出席し、検討TFの今年度の活動とOSSの「AIセーフティ評価環境」の概要を共有した。NTTデータグループ、Citadel AI、Preferred Networksの各社がパネルディスカッションに登壇した。
Stacklokは、エージェントの実行基盤をデスクトップからクラウドへ移すためのオープンソースのクラウドネイティブ・ハーネス「Mecatl」を開発している。Mecatlはエージェントループを、クライアント、モデルプロバイダー、状態ストア、実行環境から独立させ、ツール呼び出しやbashなどの機密性の高い操作と分離する。セッション管理やメモリも、ディスク上のJSONLファイルではなく管理可能なシステムに置く設計である。
Mistral AI@MistralAIAIスコア3333Mistral Large 4は、複雑なワークフローにわたって情報を収集し、完成した成果物を生成する汎用エージェントを動かす。
OpenAIは、ChatGPT for Teensに大学出願の管理を支援する「College Planner」を提供する予定である。あわせて、新たにフラッシュカードとクイズの機能、ティーン向けのAI council（AIカウンシル）も提供される。
NVIDIAはROSConで、ROSベースのGPUアクセラレーテッドパッケージ集であるIsaac ROS 5.0を発表した。ROS LyricalとUbuntu 24.04に対応し、AIエージェント向けのIsaacスキルやエージェント対応ドキュメントを加えた。FoundationPoseの推論ライブラリは物体の認識と追跡が最大5.5倍高速になり、Isaac ROS 5.0は無料のオープンソースで利用できる。
LINEヤフーのエンジニアが、ニュース記事やSNSポストのブリーフィング自動生成を題材に、DeepEvalを使った評価ロボットと評価プロセスを紹介した。熟練編集者がGold DataとRubricを作り、自然言語で観点を定義できるG-Evalで評価と改善を繰り返す。G-Evalの元論文での人間評価とのSpearman相関は0.514で、評価ロボットは「一定の品質×量」を担う役割とされる。
Anthropicは、Claude Platformのリリースノートで、高ボリューム・低遅延向けモデルのClaude Haiku 5.5（claude-haiku-5-5）を公開した。1Mトークンのコンテキストウィンドウと128kトークンの最大出力に対応し、Claude APIなどで利用できる。同時に、Claude Sonnet 5.5のプロンプトキャッシュ読み取り価格を100万トークンあたり0.20ドルから0.10ドルに引き下げた。
Cursor@cursor_aiAIスコア5454Cursorは、PC上で動くエージェントをスマートフォンから操作できるようにした。Cursor iOSアプリから、状況の確認、返信、新規タスクの開始ができる。
LiveMACEBenchは、ライブの金融市場で永続型LLMエージェントを評価する、決定トレースを用いたプロセス重視のベンチマークである。5つのフロンティアLLMを30日間評価した結果、実現リターンが能力別の測定値と乖離する「成果と能力のギャップ」が見られた。決定トレースに基づく診断では、能力ごとに異なるボトルネックが示された。
Anthropic@AnthropicAIAIスコア4646Claude Code v2.1.292 では、`claude plugin install` に `--marketplace` オプション、Agent ツールに `effort` パラメータ、環境変数 `CLAUDE_CODE_OVERLOADED_RETRY_BASE_DELAY_MS` が追加された。
AtlassianとOpenAIが提携を拡大し、フロンティアモデルと企業の知識を接続して、チームの計画、構築、提供を支援する。原文は提携拡大の目的を示すのみで、具体的な機能、提供時期、料金などの詳細は記載されていない。
通信事業者は、コスト削減にとどまらず、信頼性、制御性、カスタマイズ性を理由に、オープンモデルを中心にAI戦略を組み立てつつある。NVIDIAの「State of AI in Telecommunications」レポートでは、回答者の89%が、オープンソースのモデルやソフトウェアが自社のAI戦略にとって重要だと答えた。
Mistralは、総パラメータ1兆、アクティブ520億のネイティブマルチモーダルモデルMistral Large 4（ML4）のパブリックプレビューを開始した。プレビューAPIはMistral Studioで試用でき、ウェイトは今月末に公開予定である。コーディング、エージェント型ワークフロー、マルチモーダル理解で高い性能を示すとしており、Artificial Analysis Cyber Indexでは世界上位5モデルに入るとしている。
選定理由：サイバーセキュリティや金融、法務での評価結果に加え、学習基盤とRLの運用規模まで示されており、オープンウェイト大型モデルの位置づけを比較しやすい。
Jump Tradingは、ChatGPTを活用して定量（クオンツ）研究の規模を拡大している。記事では、長時間実行されるAIワークフローが、複数のデータソースと人によるレビューを組み合わせる形で紹介されている。
OpenAIとIroncladは、複雑な契約ワークフローでAIエージェントを訓練・評価し、専門業務におけるコンピュータ利用の高度化を進めている。原文は契約業務の文脈におけるこの取り組みを紹介する内容である。
Googleは、Gemini アプリの Gemini Live に、カメラや画面の共有でリアルタイムに音声支援を行う新機能「シンプルガイド」の順次提供を開始した。Android 9 以降の端末で利用でき、あわせて介護職員向けの「介護の現場を支える Gemini 活用ガイド」も公開した。
Reflectionは、コーディング、エージェント、科学用途向けのテキスト専用MoEモデルBeam（総パラメータ501B、アクティブ23B）を発表した。ゼロから学習したモデルで、Apache 2.0の重みは今月公開予定である。Latent Spaceは、GLM 5.3やDeepSeek V4.1 Flashなどが総じて先行すると指摘している。
LINEのAndroid開発者Moriが、MCPサーバーmobile-mcpを使い、AIエージェントにAndroid端末を操作させて実装直後の動作確認やバグ調査、ストア用スクリーンショット作成を任せる方法を紹介した。リリース前の最終判定や反復的な回帰テストなど、エージェントだけでは完結させにくい4つの用途も挙げている。Android CLIやsim-useとの比較、View Tree優先や画面ごとの操作リファレンス整備といったTipsも解説する。