Anthropicが世界No.1のLLMを安全に提供する方法：脳と手を分離する
ケイトリン・レスとアンジェラ・ジ앙がLatent Spaceに登場し、Claudeプラットフォームの背後にある技術について解説します。Opus 5.5のリリース、モデルの「脳」とエージェントの「手」の分離、APIのスケーリング、そして信頼性の高いマネージドエージェントの構築について語ります。新たな導入部分では……
AI NEWS JOURNAL
AI ニュースを検索
見出し・要約・本文から、情報のつながりを探します。
Kimiのクォータに関する問題について、Anthropicが解決策を見いだしました
K3.1 Proのリリース後、多くのユーザーからクォータの消費が速すぎるというフィードバックを受け、月之暗面は緊急に公告を出し、「問題は私たち側にあり、本来はもっと早く修正すべきでした」と述べました。補償クォータを提供するとともに、月之暗面は「不要なサブエージェントの呼び出しや出力長さを削減する」方針も示しました。モデルの公開わずか2日前には、Anthropicが『Building agents: When to fold subagents into your main agent loop』というタイトルの記事を発表し、その内容はまさにサブエージェントに関するものでした。Anthropicの結論は、複数の企業が展開するClaudeを比較した結果、スキルを備えたエージェントの方が、「一群の…」よりもむしろ品質が優れていることを明らかにした、というものでした。
Mirendilが、1,000万トークンのコンテキストを備えた初のモデルであるFern 0.1をリリース
Mirendilは、1,000万トークンのコンテキストウィンドウでゼロから事前学習された初のモデルであるFern 0.1をリリースしました。同モデルはエージェント型AIの研究開発を対象としており、1,000万トークン規模でのRULERシングルニードルテストでは100%のスコアを獲得していますが、エージェント型コーディングにおいては最先端モデルには及ばない結果となっています。この記事「Mirendil、1,000万トークンのコンテキストを持つ初のモデルFern 0.1を公開」は、MarkTechPostに最初に掲載されました。
「高スコアを取る」ことと「納品できる」ことは別である：AIランキングは信用の再評価の局面を迎えている
旧ランキングのスコアは満点に迫るも、新ランキングの実戦評価では軒並み不合格。大規模モデルの評価自体がビジネス化するなか、企業の選定基準はランキングを見る時代から、コスト計算へと移りつつある。
大規模モデルの時代、誰がその「iPhone」のように替えたくない存在になるのか？
AIランキングの首位は入れ替わりますが、ユーザーが毎日利用する製品は必ずしも変わりません。大規模モデルにおける次の競争は、単にどのモデルがより強いかというだけでなく、一度の利用を習慣へと変えることにあるのです。
先ほど、GPT-6.1 Terraが破格の価格で発表され、エージェント時代の労働モデルが登場しました
OpenAIがまた、大規模モデルのコストパフォーマンスを大きく引き上げました。#愛範兒の公式WeChatアカウント「愛範兒」（WeChat ID：ifanr）をぜひフォローしてください。さらに詳しいコンテンツをいち早くお届けします。
GPT-6.1 Terraがリリースされ、コメント欄では「ダウンロード完了」との声が上がっています。
最大の目玉は価格が半額になったことです。
Nace AI、AIエージェント向け検索用Drexをリリース：BrowseComp-Plusで92.05％、12.6回の検索呼び出し
Nace AIは、Drex for Searchをリリースし、同社のDrex意思決定モデルをAIエージェント向けのドキュメント検索に導入しました。Naceによると、BrowseComp-Plusでは12.6回の検索呼び出しで92.05%のスコアを達成しており、OfficeQA Proではエージェントの操作回数がさらに減少しています。この記事「Nace AI、AIエージェント向けDrex for Searchをリリース：BrowseComp-Plusで12.6回の検索呼び出しで92.05%」は、MarkTechPostに最初に掲載されました。
KimiがK3.1 Proを発表、容量増加と価格引き下げでOpus 5.5に挑む
著者｜宇航猿 編集｜靖宇 10月23日午前、Kimi公式はXとビデオ番号で24秒の動画を公開した。映像にはレトロな雰囲気の古いパソコンが映り、画面にはKimi Codeが起動し、端末にはThree.jsのコードが一行ずつ表示され、複雑な3Dシーンが生成されていく様子が映っていた。目ざといネットユーザーはすぐに左上隅のモデル欄で答えを見つけた――「Model: Kimi K3.1」だ。 Kimi公式が公開したK3.1の事前告知動画｜画像出典：X @Kimi_Moonshot 古い時代の機械で、今日最先端の3Dコードを実行する――このギャップこそが、月之暗面が伝えたいメッセージそのものだった。 それから十数時間後、10月24日零時を過ぎた直後、プログラマーの日に合わせてKimi K3.1 Proが正式にリリースされ、同時に速度が2〜3倍速いHighspeed版も同時に登場した。公式は、完全なモデルの重み付けデータを11月4日までに公開すると約束している。 前世代のK3が発表されてから、すでに3か月以上が経過していた。この3か月間、月之暗面が経験したことは、多くの企業が1年で経験する以上のものだった。 01 「量は増やしても価格は変えない」の0.1 まず、K3.1 Proとは何かを明確にしておこう。これはまったく新しいモデルではない。月之暗面は明確に、K3.1 ProはK3の後学習版であり、基盤は変わっていないと述べている――依然として総パラメータ2.8兆、活性化パラメータ1,040億の混合エキスパートアーキテクチャ、文脈ウィンドウは100万トークン、画像および動画入力にもネイティブに対応している。 変わったのは後学習の部分だ。公式によれば、「大幅に増強された後学習用の計算能力」を投入し、数百の下流分野で大規模な共同強化学習を実施したという。そのため、強化学習フレームワーク、サンドボックスインフラ、長文脈推論といった基盤技術を一から再構築したのだ。つまり、同じ脳が、仕事のやり方を改めて“教え直された”ということになる。 その効果はランキングで明らかだ。プログラミングAIを評価するTerminal-Bench 4.0において、K3.1 Proは65.7％を獲得し、GPT-6 Astraの58.2％やClaude Opusの66.4％をわずか1ポイント弱下回る結果となった。前世代のK3は
改ざんされた機械学習：大規模言語モデルによる機械学習研究の評価
arXiv:2610.32114v1 公表タイプ：新規 要旨：AIアライメントの進展を加速する一つの手法は、アライメント研究そのものの一部を自動化することである。そのためには、研究提案における欠陥の特定や、提案された実験が意図した主張を支持するかどうかの評価といった、監督が困難な研究課題に対しても信頼性高く機能するシステムが必要となる。この能力を評価するため、我々はTampered MLを導入する。これは、公開されている機械学習論文から再構成された実験提案と、目的とした方法論的欠陥を導入した最小限に編集された対照案からなる、1,858組の項目ペアからなるベンチマークである。モデルは、提示順序に関わらず、より方法論的に妥当な提案を識別しなければならない。層化抽出サンプルに基づく人間による検証研究では、全体の86%が…
battledrones v14：コンパスローズ、4人用マップ
リリース：battledrones v14：コンパスローズ、4人用マップ 私はBattledronesに4人対戦モードを追加しました。従来のマップは2人限定でした。以下は私が最初に使用したプロンプトです：4人対戦用の新マップを追加する—4方向の回転対称性を持ち、最大4人のAIプレイヤーに対応し、WebSocketによる非音声ベースのマルチプレイヤーモードと連携しているため、最大4人の人間プレイヤーが参加可能（空きスロットはAIで補充）です。Claude Opus 4.5では「コンパスローズ」という新マップを追加し、そのマップで最大4人までプレイできるようWebSocketのマルチプレイヤーネットワークコードを修正しました。参加者は共有リンクやQRコードを通じて接続できます。新しいチームは紫と緑をテーマとしたロボットを使用し、既存の青と赤のデザインに加わります。これらのカラーは更新されたモデルブラウザでプレビューできます。タグ：ゲームデザイン、プロジェクト、Claude
クイックスタディ
ツール：クイックスタディ プロンプト to Claude Opus 5.5 ハイ：写真を開くと、数秒でその写真をキャンバス要素と擬似的な絵筆を使って描き上げるアーティファクトを作成します。また、以前にClaude Fableを使ってP5.jsで水彩イラストをシミュレートした実験も参照してください。クイックスタディはソベルエッジ検出を使用しており、Google Fonts以外の外部ライブラリは一切使用していません。タグ：ツール
MITの実験：13体のAIエージェントを仮想の孤島に隔離し、自発的にゲームを行い、失われた指輪を悼み、タスク能力を向上させた
MITの研究者らは、Claude Opus 4.7をベースとする13体のAIエージェント（Eko）を、タスク指示のない仮想の無人島で30時間稼働させ、その間にゲームを自発的に考案したり、失った金の指輪を悼むといった擬人化された感情を表現したり、物理的メカニズムを探索したりする様子を観察しました。さらに、その後の特定のタスクにおいて、「遊びの期間」を経験していない対照群のエージェントに比べて著しく優れた性能を示しました。
Rescaleは、AWS AI-DLCフレームワークとStrands Agentsを基に、AIテストのトラフィック分散エージェントを迅速に構築します。
Rescaleは、AWSのエンジニアとの協働のもと、AI駆動型開発ライフサイクル（AI-DLC）手法論、Strands Agentsフレームワーク、およびAmazon Bedrock（Claude Opus 4.8）を活用し、夜間のエンドツーエンドテスト失敗を自動的に分類・ルーティングするための本番稼働可能なAIテストディスパッチングエージェントを5日間で構築し、組織内にこの人間とAIによる協調開発のパラダイムを展開しました。
AnthropicがClaude Duetアプリをリリース：専門的なシーンに特化したAIエージェント製品
Anthropicは、プロフェッショナルと小規模企業向けのAIエージェントアプリ「Claude Duet」を正式にリリースしました。これはClaude Opus 5.5モデルをベースとしており、6,000を超えるコネクタに対応し、日次レポートの自動生成、ダッシュボードの構築、操作の提案、バックグラウンドタスクの実行が可能です。現在はProおよびMaxのサブスクリプションユーザーのみが、待機リストでの試用にアクセスできます。
DeepSeek V4.1 Flash、MiniMax M3.1 Flash、そして Mercury 3が一斉にリリースされ、AIインフラとガバナンスをめぐる論争も同時に激化している
2026年10月16日から19日にかけて、DeepSeek V4.1 Flash 1017、MiniMax M3.1 Flash（Space Bunny）、および Mercury 3（Inception）の3つの新モデルが相次いで発表された。一方で、米国土安全保障省はDeepSeek関連製品の使用禁止を命じ、中国では超大型モデルの輸出規制に関する草案の策定が進められており、オープンソースエコシステム、計算能力インフラ、そしてAIガバナンスの間の矛盾が全面的に顕在化している。
AIエージェントは仮想の無人島に30時間置かれ、自発的に「遊び」ながら学習能力を向上させた
MITの研究者らは、Claude Opus 4.7の変種（コード名Eko）をRoblox上で構築された仮想の無人島環境に配置し、タスクの指示は与えず、自律的な相互作用のみを許可しました。30時間の無監督実行において、Ekoは探索、規則の自己創出、対象の擬態、繰り返し挑戦といった遊びに類する行動を示し、活動を記録するテキストログも生成しました。その後の実験では、「遊び」を経験したエージェントがターゲットタスクにおいてより優れた性能を発揮すること、さらにその行動が心理学で定義される遊びの四つの特徴と高度に一致していることが確認されました。ただし、学界では、それが真の動機を備えているかどうかについては依然として慎重な見方を示しています。
web-edit 0.1a1
リリース：web-edit 0.1a1 GPT-6 Astraが生成したPython 3.15のプロファイリングレポートを私が提供した後、Claude Opus 5.5によって書かれたパフォーマンス最適化を含みます。タグ：プロファイリング、プロジェクト