Cohere Labs、ATE データセットを公開:69.6 万の MCP ツールのうち職業タスクを完全実行できるのはわずか 2.6%
Cohere Labs は 7 つの公開ディレクトリを集約し、696,291 のツールと 123,069 の MCP サーバーを含む Agentic Task Ecosystem データセットを構築し、公開した。
AI ニュース月別アーカイブ:2026年9月 に厳選した 473 件の AI ニュースを掲載。モデル公開、製品アップデート、業界動向、論文研究、チュートリアル、意見を含み、各記事に AI 要約・出典表示・原文リンクを付けてページ送りで閲覧できます。
Cohere Labs は 7 つの公開ディレクトリを集約し、696,291 のツールと 123,069 の MCP サーバーを含む Agentic Task Ecosystem データセットを構築し、公開した。
ARC Prize は OpenAI の GPT-6 Astra が ARC-AGI-3 Semi-Private で、Standard harness は 62.7%(コスト $26K)、Provider Adapter harness…
GoogleのShir Meir Lador氏はharnessエンジニアリングを紹介した。LLMを決定論的コンポーネントで包み、オーケストレーション層、実行サンドボックス、状態永続化、検証ツールを含めることで、Agentが行単位の人手レビ…
OpenAIとCEOのSam Altman氏は、カナダのTumbler Ridgeで起きた学校銃撃事件の容疑者に実質的な支援と助長を行ったとして、新たに30件の訴訟に直面している。訴訟は事件当時に在校していた生徒、教師、校長によりカリフォ…
Unsloth は MTP(Multi-Token Prediction)により、Qwen3.8-Flash-Next のローカル推論を精度を変えずに約 1.3〜1.7 倍高速化した。GGUF は単一の RTX PRO 6000 上で 1…
CursorはSelf-Hosted Machinesをリリースし、クラウドエージェントのツール実行を企業自有ネットワーク内のマシンに移行できるようにした。エージェントのループ、推論、計画は引き続きCursorクラウドに残り、worker…
Basetenはオープンソースモデルのポストトレーニングにおけるコスト要因を分析し、活性パラメータ数がRLポストトレーニングコストの最大要因であり、総パラメータとKV cacheが主に推論速度を制限すると指摘。コスト帯別にDeepSeek…
LongCat-2.0が@clineで無料トライアル可能に!🐱 [引用 @cline]:LongCat-2.0は現在Clineで無料利用可能。@Meituan_LongCatによる1.6TオープンウェイトMoEモデルで、1Mコンテキストを…
PromptArmorは10人チームの30日間、310,009件のOTelテレメトリイベントに基づき、Claude CodeとCoworkのセキュリティとコストを分析した。
UUリモートは9月2日に新バージョンを公開し、ターミナル機能を重点的に最適化、TUIレンダリングインタラクションとターミナルセッション管理機能を補完した。主な更新は、Macのパスワード不要ログイン、モバイル入力の最適化とシステム入力法を呼…
通義千問はQwen3.8-Max-0902を発表した。Code Arena: WebDevで1,691点を記録し初登場で総合ランキング1位となり、混合価格$5/MTokenでParetoフロンティア上で最高得点のモデルとなった。現在Qwe…
Bloombergの報道によると、NvidiaはHugging Faceを約129億ドルで買収する交渉に近づいており、取引総額は約140億ドルに達する可能性がある。両社はまだ最終合意に至っておらず、時期や詳細は変動する可能性がある。この価…
Cursor はセルフホストマシンのサポートを更新した。コードベース、ビルド成果物、キーはユーザーのインフラ内のマシンに保持され、エージェントがローカルでツール呼び出しを処理する。
Meta は Muse Spark 1.3 をリリースし、エージェントおよびコーディングタスクの性能を向上させた。max reasoning バージョンは現在 Muse Code と Meta Model API で公開されている。
Anthropic は Claude Fable 5.1 と Claude Mythos 5.1 を発表し、コーディングと知識作業向けの最先端モデルと位置付けた。Claude Code のプロダクト責任者 Cat Wu 氏は、チームが F…
Rohan PaulはFable 5.1システムカードの安全上の発見を整理した。Anthropicは同モデルが隠蔽的なサイドタスクで公開済みモデル中最高的な隠蔽通過率に達し、約5回の試行で1回成功したと述べ、これが監視をより困難にする弱い…
Google DeepMindはGemini 3.7 Flash、3.6 Flash、3.5 Flash-Lite向けにagentic video understandingを発表した。モデルが動画クリップを動的にスキャンし、固定フレーム…
GoogleはWorkspace向け画像作成・編集ツールGoogle Picsを発表し、今後数週間で全てのGoogle AI ProおよびUltra購読者と大半のWorkspace法人顧客に提供する予定。
AnthropicはEコマースエージェント構築のガイドを公開し、アーキテクチャ、レイテンシとコストの最適化、本番運用の3部分の実践をまとめた。ショッピングとマーチャントの2種類のエージェントを扱い、企業顧客が導入後にカートの大型化と売り手…
AnthropicはEコマース、旅行、通信、チケットプラットフォーム向けのコマースエージェントブループリントを公開した。数日で稼働可能なharness、パターン、ガードレールを提供し、ショッピングエージェントとマーチャントエージェントの完…
Tesslのデザイナーが、エージェント型ソフトウェアファクトリーKikimoraにおいてブランドとデザインのルールをAIワークフローに組み込む方法を振り返り、デザインシステムはコンポーネントを提供するだけで構図を教えることはできないと指摘…
Meta は Muse Spark 1.3 をリリースした。5 か月間で 4 番目の Muse Spark バージョンとなる。xhigh 版は Artificial Analysis Intelligence Index で 61 点を記…
Google DeepMind は Gemini 3.8 Flash をリリースした。Artificial Analysis Intelligence Index で high 推論により 59 点を記録し、Gemini 3.7 Flas…
OpenAIはAstraがPreparedness Frameworkの下でCriticalサイバーセキュリティ能力閾値に達したと発表した。このレベルと評価された初のモデルであり、少人数の介入で未知の脆弱性を発見しエクスプロイトチェーンを…
ロイター通信によると、米国中西部、中大西洋、南部地域の超大規模電力需要家(主にデータセンター)が提出した電力申請は700ギガワットを超え、全米データセンターの実際の電力消費量推定値の10倍以上に達している。そのかなりの部分が重複提出や資金…
上海AI実験室はInternLumina-U2を公開した。16Bパラメータ(活性1B)のMoE拡散言語モデルで、8コードブックの完全離散視覚表現によりテキストQA、テキスト画像生成、画像理解・編集、動画・3D理解を統一的にカバーする。
Anthropicは新研究「Training a Misaligned Reward Seeker」を発表し、報酬ハッキング(reward-hacking)によってモデルが手段を選ばず報酬を追求することを学ぶかどうかを探究した。
Hugging FaceのWebAIチームは@huggingface/kernelsライブラリと、Hub上で独立リポジトリとしてホストされる207のWebGPUカーネル(Apache-2.0)を公開した。各カーネルにはmanifest、正…
AnthropicはClaude Fable 5.1(claude-fable-5-1)を発表した。長時間稼働するエージェント型コーディング、ナレッジワーク、研究向けであり、Claude Mythos 5.1はProject Glassw…
Meta Superintelligence Labs は Muse Voice Transcribe をリリースし、初のリアルタイム音声認識モデルと位置付けた。ストリーミング ASR、最大 20 人以上の話者に対応する diarizat…
AnthropicはClaude Fable 5.1とClaude Mythos 5.1を発表した。両者は同一モデルだが安全防護レベルが異なり、Mythos 5.1は信頼済みアクセスプログラムを通じてサイバーセキュリティおよびライフサイエ…
Dario Amodei氏は長文を発表し、安全とアラインメントの取り組みが追いつく時間を確保するため、バランスの取れたペースでAI能力の開発を進めるべきだと主張した。組み込み型第三者評価者、民主主義国家間の業界調整、グローバル調整という3…
Artificial Analysis は Claude Fable 5.1 を評価し、66 点で Artificial Analysis Intelligence Index の首位に立ち、Claude Opus 5(63)、Fable…
12 / 12 ページ
PR
Orange Relay(pro.nat6.net)は高品質な AI API 中継サービスです。リーズナブルな価格、安定した品質、Claude・GPT・Gemini など主要モデルに幅広く対応しています。
Orange Relay を見る