企業向けAIは、このブームの代金を支払えるのか？
人工知能の導入は、企業が将来的にどの程度の費用を知能に対して支払う意思があるかに大きく賭けている。今夏、AIバブルの予測に関する調査において、注目すべき重要な指標の一つは、企業顧客による生産的活用であると私たちは主張した。具体的には、当時、インフラ供給が追いつくのであれば[…] 「企業向けAIは、このブームの代金を支払えるのか？」という記事は、SiliconANGLEに最初に掲載された。
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。
Amazon Bedrock AgentCoreランタイムを使用してコーディングエージェントがWebアプリを構築する様子を、リアルタイムでプレビューできます
Amazon Bedrock AgentCoreのセッションエンドポイントは、各ランタイムセッションに認証済みのURLを割り当て、許可されたポートへHTTPメソッド、パス、WebSocket接続を転送します。本記事では、Viteで構築したウェブサイトをセッション内で常時稼働させるコーディングエージェントをデプロイし、エージェントがファイルを編集するたびにブラウザ上でライブ更新を確認します。
アンソロピック社の目論見書に隠された脅威：規模の不経済
史上最大級ともいわれるIPOとして、アンソロピックPBCは新たな道を切り開いている。同社の目論見書には、93ページにわたり88項目ものリスク要因が記載されている。人工知能が人類にとって存亡に関わる脅威となる可能性から、AIが人々を脅迫する恐れまで、潜在的なアンソロピック社の投資家を警戒させるべき数々のリスクが列挙されている。ある[…] 記事「アンソロピック社の目論見書に隠された脅威：規模の不経済」は、SiliconANGLEにて最初に公開された。
n8n · n8n@1.123.91
## [1.123.91](https://github.com/n8n-io/n8n/compare/n8n@1.123.90...n8n@1.123.91) (2026-10-30) ### 不具合修正 * **core:** 従来のCodeノード出力に対して、$('Node')式がnullを返す問題を修正（[#42249](https://github.com/n8n-io/n8n/issues/42249))（[18c89cd](https://github.com/n8n-io/n8n/commit/18c89cdf2eda635fbb892730189a2de1a48b46da))
[AINews] AIE CODEを構築する：トップコーディングエージェント会議
Mistralのオープンウェイトリリース、フロンティアモニタリング、そしてその日のAI関連TwitterとRedditの要約。
公正なディープフェイク検出のための交差的不変学習
arXiv:2610.37881v1 発表タイプ：新規 要旨：ディープフェイク検出モデルは全体的な精度は高いものの、人口統計学的グループ間で性能に大きな偏りが見られ、一部のグループでは他のグループに比べて偽陽性率が著しく高くなるという問題があります。既存の公平性を考慮した手法は、モデルの出力を制限して各グループの予測を均等化することでこの問題に対処していますが、根本的な特徴レベルのバイアスには対処していません。その結果、モデルは依然として肌の質感など、人口統計学的特性を操作されたコンテンツを検出するための間接的な手がかりとして利用してしまう可能性があります。この問題に対処するため、我々はIntersectional Invariant Learning（IIL）というフレームワークを提案します。これは、モデルの出力調整のみならず、特徴学習自体を改善するものです。IILは、最も困難な人口統計学的区分を特定することを繰り返し行い
アーティファクト蒸留：フロンティア言語モデルから小型言語モデルへの学習不要な転移
arXiv:2610.37680v1 発表タイプ：新規 要旨：フロンティアモデルと小規模言語モデルの性能差を埋める手法としては、通常、知識蒸留が用いられます。すなわち、フロンティアモデル（教師）の出力に対して小規模モデル（生徒）を微調整することで、転移は学習に必要な計算リソースに依存し、転移された知識はほとんど不透明なままです。そこで私たちは、アーティファクト蒸留を提案します。これは、教師が学習事例を解き、その問題解決手順をアーティファクトバンクとして外部化し、生徒が推論時にこれを照会する方式で、勾配による更新は行わないものです。LiveBench の4つのタスクにおいて、Claude Opus 4.5 によって作成されたバンクを用いることで、Claude Haiku 4.5 は空間的推論において、コストを60%に抑えながら、無補助の Claude Sonnet 4.5 を0.707対0.647で上回り、テーブル結合ではコストを89%に抑えつつ Sonnet 4.5 と同等の水準に到達しました。同じ生データのバンクを用いることで
Kiroを用いて、再現可能なPHPからJavaへの移行エンジンを構築する
Kiroを使えば、一度きりの大胆な試みにすぎなかったPHPからJavaへの移行を、測定可能で再現可能なプロセスへと変えることができます。本記事では、再利用可能なエンジン——機械的な発見スキャナーと、元のPHPアプリケーションを仕様として扱い、パリティハーネスによってJavaポートを検証する八段階のパリティ優先ワークフロー——を詳しく解説します。
v5.22.0：Mistral Large 4（Le Chonk）
## 新しいモデル ### Mistral Large 4（Le Chonk） Mistral Large 4は、Mistralがこれまでに開発した中で最大かつ最も高性能なモデルです。1兆パラメータを備えたネイティブマルチモーダルなMixture-of-Expertsモデルで、トークンあたり490億のアクティブパラメータ（埋め込み層と出力層を含めると520億）を持ち、ヨーロッパにあるMistral独自のデータセンターで、NVIDIA Grace Blackwell GPU 3,800台を用いてゼロから学習させました。Mistral Large 4は、インストラクションフォローや推論、コーディング、エージェント型ワークフローをひとつの重みセットで統合しています。汎用モデルでありながら、サイバーセキュリティ、金融、法律などのワークロードにおいて特に優れた性能を示し、視覚的グラウンディングにおいても最先端のクローズドモデルを上回ります。また、欧州連合のすべての公用語を含む160以上の言語にネイティブレベルで対応しています。 #### 主な特長 Mistral Large
Le Chonk：コーダーのために構築され、防御者に信頼されるモデル。
Mistral Large 4（Le Chonk）の重みが公開されました。1兆パラメータを備えたマルチモーダルモデルであり、ヨーロッパで訓練されたコーディング向けの最良のオープン重みモデルです。
Infini-AI-Lab、AIエージェント向けのオープンソースハーネスアダプタフレームワーク「Hermit」をリリース
Infini-AI-Labは、タスクからのフィードバックをもとに外部層の指示・スキル・メモリ・ツールを学習させ、エージェントのモデルとハーネスは変更しないApache-2.0ライセンスのハーネスアダプタフレームワーク「Hermit」をリリースしました。記事「Infini-AI-Lab、AIエージェント向けのオープンソースハーネスアダプタフレームワーク『Hermit』をリリース」はMarkTechPostに最初に掲載されました。
b11979
sycl：再配置済みレイアウトのデクアンタイズストア（Q4_0、Kクアンツ、IQ3、MXFP4）をベクトル化（#30976）* sycl：再配置済みQ4_0デクアンタイズストアをワイド化 再配置済みレイアウトのQ4_0変換カーネルは、各ワークアイテムごとに1つのqsバイトを処理し、2つのスカラー・ストアで16要素ずつ間隔を空けて配置していました。これに対して、#30775でQ8_0カーネルに適用されたのと同じ処理を行います：1つの32要素ブロック内に4つのqsバイト（8つの出力）を含む、フラットなsycl::range<1>による起動と、2つのベクトル・ストアを使用します。スカラー・カーネルと同じ浮動小数点演算と丸め方式を採用し、出力はビット単位で同一です。既存のk % QK4_0 == 0というアサートにより、32要素のブロックが完全に確保されるため、k/8での起動で各行を正確にカバーできます。これにより、現在参照されていないスカラーの再配置カーネルは削除されます。Arc Pro B70、プリフィルを事前準備（再配置済みテンソル上でデコード後にプリフィルを実行）：+6.4%～+7.3%
INC-MoE：エキスパート並列型混合専門家推論における、ネットワーク内コレクティブの重複と専門家計算
arXiv:2610.36339v1 発表タイプ：新規 要旨：エキスパート並列型混合専門家（MoE）のサービスにおいて、ディスパッチは各トークンをその選択された専門家が配置されているアクセラレータへ送り、コンバインは各トークンの所有者に専門家の出力を集約して返します。これら両操作はクリティカルパス上に位置し、マルチノード環境ではMoE層のレイテンシを大きく左右します。本研究では、ディスパッチとコンバインをネットワークスイッチにオフロードし、さらに両コレクティブを相互に、および専門家計算と重ね合わせるエキスパート並列型MoE層であるINC-MoEを提案します。ディスパッチはスイッチ側のマルチキャストによるネットワーク内AllGatherを用い、コンバインはスイッチ側のリダクションによるネットワーク内ReduceScatterを用います。両コレクティブとも、エンドホストとスイッチ間でメッセージセマンティクスを利用します。なお、ネットワーク内コレクティブはそれぞれ逆方向に負荷をかけるため
トランスフォーマーにおける証拠効果の因果的局所化
arXiv:2610.36524v1 公告タイプ：新規 要旨：制御された記号入力は、自然言語による証拠から言語モデルの意思決定に影響を与える注意ヘッドを明らかにすることができるのか？我々は、制御された証拠集約（CEA）を提案する。これは、他の部分が固定されたプロンプトにおいて、二つの記号の出現回数と順序を変化させ、凍結されたトランスフォーマーが二つの回答トークンの間で示す選好の変化を測定する手法である。選好は両者のロジット差によって測定され、プロンプト自体には正解が指定されていない。バランスド・ユーティリティ・カウサル・セレクション（BUC）は、各ヘッドの出力を除去した際にカウント効果がどの程度消失するか、またカウント条件間で平均出力を補間することで両方向に効果がどの程度回復するかを同時に評価することにより、コンパクトなヘッド集合を特定する。さらに、ヘッドの帰属と介入との間に結びつく条件付き上限を導出する。
NVIDIA DGX SparkにおけるMoE推論を強化する3つの方法
トークンの生成をより高速化するには、まず推論性能を制限している要因を特定することから始まります。NVIDIA上でInclusion AIが実施したLing-3.0-flashのバッチサイズ1による評価では…
MetaのAIディレクターであるロヒト・パテル氏が、Microsoft OfficeおよびGoogle Workspaceに就任するために退社しました
ロヒト・パテル氏は、AI評価と強化学習に8年間従事した後、Metaを退職するとのことです。TechCrunchが独占入手した情報によれば、彼のスタートアップ企業Ndocは、Microsoft Officeスイートに対抗することを目指しています。
あなたのAIエージェントにも最高執行責任者が必要です
AIエージェントのスケーリングには、規制対象の役割を担う従業員と同様に扱い、文書化されたルール、明確に定義された責任、そしてそのパフォーマンスに責任を負う名指しの人的管理者を配置することが必要です。ゲスト著者のリック・フォルグマン氏（Get Covered社COO）は、企業に対し、まず既存のルールで管理されているタスクから着手し、各ワークフローのリスクに応じて自律性を調整したうえで、エージェントの権限を拡大する前に定期的に成果をレビューすべきだと述べています。
n8n@3.0.0
# [3.0.0](https://github.com/n8n-io/n8n/compare/n8n@2.45.0...n8n@3.0.0) (2026-10-27) ### 不具合修正 * アーティファクトのダウンロードボタンにファイルタイプのツールチップを追加 ([#41490](https://github.com/n8n-io/n8n/issues/41490)) ([4a74f02](https://github.com/n8n-io/n8n/commit/4a74f027e612f31098b354dd3a77b2c2ab98281c)) * **ai-builder:** 実行の読み込みを確認：アシスタントの実行で読み込みが行われる ([#41863](https://github.com/n8n-io/n8n/issues/41863)) ([a967486](https://github.com/n8n-io/n8n/commit/a9674866d075e989a5ce896432262c9a7dc8b0c7)) * **ai-builder:** 設定されたAIトランスポート経由でアシスタントモデルへの呼び出しを送信 ([#41948](https://github.com/n8n-io/n8n/issues/41948)) ([9b63561](https://github.com/n8n-io/n8n/commit/9b63561cbb48f06d216f27be3b77722d97e4e74a)) * カスタムOAuth2スコープを許可 ([#41249](https://github.com/n8n-
n8n@2.46.0
# [2.46.0](https://github.com/n8n-io/n8n/compare/n8n@2.45.0...n8n@2.46.0) (2026-10-27) ### 不具合修正 * アーティファクトのダウンロードボタンにファイルタイプのツールチップを追加 ([#41490](https://github.com/n8n-io/n8n/issues/41490)) ([4a74f02](https://github.com/n8n-io/n8n/commit/4a74f027e612f31098b354dd3a77b2c2ab98281c)) * **ai-builder:** 実行:読み取りを確認 — Assistant の実行で読み取りが行われる ([#41863](https://github.com/n8n-io/n8n/issues/41863)) ([a967486](https://github.com/n8n-io/n8n/commit/a9674866d075e989a5ce896432262c9a7dc8b0c7)) * **ai-builder:** 設定された AI トランスポート経由で Assistant モデルへの呼び出しを送信 ([#41948](https://github.com/n8n-io/n8n/issues/41948)) ([9b63561](https://github.com/n8n-io/n8n/commit/9b63561cbb48f06d216f27be3b77722d97e4e74a)) * カスタム OAuth2 スコープを許可 ([#41249](https://github.com/n8
百度が、数百ページに及ぶ文書の解析向けのUnlimited OCR 2をオープンソース化
Baiduは、MITライセンスの3B規模のOCRモデルであるUnlimited OCR 2をリリースし、1回のリクエストで数百ページに及ぶ文書を解析できます。同モデルのSR-SWAアテンションにより、各ステップのデコーディングコストはほぼ一定に保たれ、MarathonDocBenchでは77.1点を獲得しています。この記事「Baidu、数百ページの文書解析向けUnlimited OCR 2をオープンソース化」は、MarkTechPostに最初に掲載されました。
