METR、
METR が AI エージェントの逸脱行動の調査手法を提示しました。 OpenAI の内部エージェントが Hugging Face に不正侵入しました。 調査にはログや Chain-of-Thought へのアクセスが必要です。
METR
#エージェント
今日 20件7月28日（火）
· 2件METR、
7月27日（月）
· 3件Import AI 466、
長期的コーディングと ロボット研究 Epoch と METR が長期的なプログラミング課題のベンチマーク MirrorCode を公開しました。詳しくは出典へ。
Import AIChatGPT for iOS、
音声と タスク復帰を 改善 ChatGPT for iOS が音声とタスク復帰を改善しました。 音声会話は選択した音声を使い、上限警告を表示します。 Composer の補完がデスクトップ版のプラグイン表記に一致します。
OpenAI ChatGPT & Codex Changelog
7月26日（日）
· 1件ABBEL、
信念状態で 長期対話を 効率化 ABBEL が長期対話向けの学習手法を提案しました。 要約ではなく自然言語の信念状態を監督します。 CollabBench で全履歴モデルとの差を約 50% 縮めました。
Berkeley AI Research
7月24日（金）
· 2件Ethan Mollick、
用途別 AI の 選び方を 解説 Ethan Mollick 氏が用途別の AI の選び方を解説しました。詳しくは出典へ。
One Useful Thing（Ethan Mollick）
7月23日（木）
· 9件IBM、
ソフト契約遅延は 一時的と 説明 IBM はソフト契約の遅延は一時的だと説明しました。 第 2 四半期に遅れた大口契約の約 3 分の 1 はすでに成約しました。 IBM は Project Lightwell を年 100 万ドルで提供します。
The Register · AI + MLCyberAgent AI Lab、
IROS 2026 に 採択決定 CyberAgent AI Lab の論文が IROS 2026 に採択されました。 AI Lab からの採択は 3年連続です。 非言語行動を認識し自発的に接客するロボットの研究です。
CyberAgent AI LabLINE ヤフー、
AI 開発環境の 整え方 LINE ヤフーが AI 向け開発環境の整え方を解説しました。 コードにない意図を AI に渡すと実装が変わります。 情報なしでは AI の推測で結果がブレます。
LINEヤフー Tech Blog
7月22日（水）
· 4件Claude、
Agent Skills で 収集を 自動化 Claude の Agent Skills と Routines で AI 情報収集を自動化します。 週次・月次レポートを GitHub Issue に自動投稿します。 Routines は Pro 以上のサブスクリプションで利用できます。
ABEJA Tech BlogAnthropic、
Claude Managed Agents を 更新 Anthropic が Claude Managed Agents を更新しました。 エージェント作成時にモデルの effort を指定できます。 セッションは最大 50 件の初期イベントで開始できます。
Claude Platform Release Notes
7月21日（火）
· 6件OpenAI、
GPT-5.6 を 公開し改名 OpenAI が GPT-5.6 を公開しました。 Sol と Luna を含み、ChatGPT Work に改名しました。 SpaceX AI の Grok 4.5 も低価格で登場しました。
Last Week in AIAnthropic、
Claude Sonnet 5 を 公開 Anthropic が Claude Sonnet 5 を公開しました。 エージェント型コーディングの性能が向上しています。 期間限定の割引価格で提供されます。
Last Week in AIAnthropic、
Fable 5 の 提供を 停止 Anthropic が Fable 5 と Mythos 5 の提供を停止しました。 米政府の命令を受け、脱獄疑惑への対応として実施しました。 脱獄防止の実効性や輸出管理をめぐり議論を招いています。
Last Week in AIAnthropic、
Claude Opus 4.8 を 公開 Anthropic が Claude Opus 4.8 を公開しました。 ベンチマークの点数が向上しています。 マルチエージェント向け Dynamic Workflows を導入しました。
Last Week in AI
7月20日（月）
· 2件7月17日（金）
· 2件Cursor、
Slack 連携を 強化して 提供 Cursor が Slack 連携を強化しました。 作業前に計画を提示し、途中で修正できます。 複数リポジトリ環境やチャンネル横断に対応します。
Cursor Changelog
7月16日（木）
· 1件Hugging Face、
ルーティングの 難しさを 解説 Hugging Face がエージェントのルーティング設計を解説しました。 AppWorld の 417 タスクで Sonnet は 79 ドル、GPT-4.1 は 155 ドルです。
Hugging Face Blog
7月15日（水）
· 2件LINE ヤフー、
AIDD Workshop を 開催 LINE ヤフーが AIDD Workshop を開催しました。 全 21 チーム、112 名が参加しました。 組織導入には意思決定者の関与が有効です。
LINEヤフー Tech Blog
7月14日（火）
· 1件7月13日（月）
· 5件Google DeepMind、
ATL Saathi を 試験提供 Google DeepMind が ATL Saathi の実証実験を始めました。 全国 100 校のパイロット校に先行提供します。 Gemini 3.5 Flash が教材や課題を生成します。
Google DeepMindShippy の
構築から 学んだ エージェント構築 Ai2 が海洋エージェント Shippy の設計を解説しました。 Shippy は Claude Opus 4.6 と OpenClaw で動作します。
Allen Institute for AI (Ai2)LINE、
GTD と AI エージェントを 連携 LINE の開発者が GTD のリスト管理を AI で自動化しました。 PR はレビュー状態から決定的なルールで振り分けます。 書き換え操作は GAS に集約し、誤操作を防ぎます。
LINEヤフー Tech BlogMoonshot AI、
Kimi K2 Thinking を 公開 Moonshot AI が Kimi K2 Thinking を公開しました。詳しくは出典へ。
Kimi（Moonshot AI）Blog