OpenAIのARC-AGI-3スコア38.3%が、公式ハーネスでのテストでは7.8%に急落
OpenAIのGPT-5.6 Solは、独自のRetained ReasoningおよびCompaction設定を用いることでARC-AGI-3において38.3%を記録しましたが、ベンチマークの公開ハーネスでは同モデルのスコアが7.8%にまで低下し、公平な評価や推論スタックにおけるトリックの役割を巡る議論を呼んでいます。
GyaanSetu AI
AI、機械学習、LLMのインサイト。
Siemens、1万もの工場にエッジAIを導入し、ダウンタイムを最大50%削減
SiemensのオンサイトAIプラットフォームは、予期せぬシャットダウンを半減させるだけでなく、アップストリームのトラフィックを約95%削減します。これにより、ブロードバンド接続が不安定な環境にある工場でも、明確な優位性を確保できます。
AOIデータを実用的なAIアセットへと変える、ステップバイステップのプレイブック
本ガイドでは、限定的なパイロットプロジェクトの定義、判定結果を紐付けたAOI画像の収集、そして既存の検査フローと並行したAIランキングエンジンの導入まで、製造業者が取り組むべきプロセスを解説します。これにより、誤検知率の低減と検査時間の短縮を、数値として明確に実現することが可能になります。
OpenAIのGPT-5.6 Sol、カスタムResponses APIを使用してARC-AGI-3で38.3%を達成
OpenAIの38.3%という成功率は、公式のARC-AGI-3ハーネスでモデルを評価した場合、7.8%まで低下します。これは、同モデルの優位性が、独自のResponses APIに組み込まれた2つの推論時のトリック（保持された推論とコンテキスト圧縮）に起因していることを示しています。
Google’s Tunix Pushes TPU Utilization From <10% to Near-Full for Agentic RL
By offloading environment interactions to cheap CPUs/GPGPUs and feeding a high-throughput buffer, Tunix lets a dedicated TPU learner run continuously, turning the typical sub-10% TPU usage in agentic reinforcement learning into almost 100% occupancy.
明示的な「ツールを使用する」プロンプトが、誤作動するAIアシスタントの修正を保証
著者は、目標のみを促すナッジ（回復率0.16）と、ツールの再実行を明示的に許可する「アクション・ライセンシング」プロンプトを比較し、完璧な1.00の回復率を達成しました。この修正は、エージェントがツールを呼び出せ、かつツールが不正な入力を検知できる場合にのみ機能します。
Googleの調査：1,500万件のAI利用において、完全に自動化されたタスクはわずか21%に留まる
Googleによると、AIが関与しているタスクはわずか21%に過ぎません。Googleが自社のAIツールにおける1,500万件のインタラクションを調査した結果、AIの導入と実際の業務遂行との間には大きな乖離があることが判明しました。データ：• Gem…
Ruflo AIのCVE-2026-59726が最高スコアの10.0を獲得 — 直ちに3.16.3へのアップグレードが必要
この脆弱性は、RufloのDockerコンテナがModel Context Protocolブリッジをすべてのネットワークインターフェースにバインドしていることに起因しており、インターネットに接続された攻撃者によるリモートコード実行、LLM APIキーへの完全なアクセス、およびモデルメモリの改ざんを許す恐れがあります。
ロストアップデート（更新消失）バグにより、1つのエージェントが他の4つのエージェントを密かに上書き
5つのエージェントによる並行テストにおいて、4つの書き込みが密かに消失し、消失した作業と同数のトークンが無駄になった。Compare-and-set（比較してセット）ゲートを導入することで、すべての書き込みが正常に反映されるようになったが、トークン消費量は5ユニットから9ユニットへと増加した。
無料枠でもGeminiエージェントをcronジョブのようにスケジュール実行できるようになりました
今回のアップデートでは、ツール呼び出しを検査する「環境フック」、支出の暴走を防ぐ「厳格な予算上限」、そしてAPIを軽量なcronとして機能させる「スケジュール済みトリガー」という、3つの新しい開発者向けコントロールが導入されます。なお、これに伴い、セキュリティの責任はユーザー側に移管されます。
SWE-Bench Scores Jump to 72.7% After Test Was Trimmed to 500 Curated Issues
The 2025 SWE-Bench score of 72.7% comes from a narrowed, human-vetted set of 500 tasks, whereas the 2023 1.96% figure was on the full 2,294-issue catalog. The change in test composition, not a sudden AI breakthrough, drives the headline-grabbing jump.
Anthropic Unshackles Claude Code with Opus 5, Hitting 30% on Arc AGI Benchmark
By stripping away 80% of its system-prompt guardrails, Anthropic’s Opus 5 lets Claude Code persist its own context for days, generate complete codebases, and resist prompt-injection attacks—making it a true autonomous development assistant.
6桁規模のAI実行により、次世代型HAWK-256とレガシーなAES-128の両方の脆弱性が明らかに
Claude Mythosが2つの暗号の欠陥を発見。AnthropicのClaude Mythos Previewは、2つの重大なセキュリティ上のブレイクスルーを発見しました。最初の発見はHAWK 256に関するものです。これは署名スキーム…
MCPがセッション状態を廃止、サーバーレスおよびエッジへのデプロイを実現
7月28日の仕様により、すべてのMCPコールが自己完結型となり、関数がウォームアップ状態なしで起動、応答、終了できるようになります。これにより、Redisクラスターやスティッキールーティングのルール、その他の複雑なインフラを廃止することが可能になり、スケーリングを劇的に簡素化できます。
Snowflake、オントロジー構築時間を数ヶ月からわずか1時間に短縮
Ontology Stack Builderは、既存のSnowflakeスキーマをスキャンしてエンティティやリレーションシップを提案し、ノード/エッジテーブルや統合ビューを自動生成します。これらすべてを1時間以内で完了させることで、数ヶ月を要していた手動のモデリング作業を劇的に短縮します。
ネイティブAIブランディングがSEOに取って代わる：ブランドがマシンリーダブルなエンティティへ
「エンティティ・エンジニアリング」と呼ばれるこのフレームワークは、グローバルID、独自の言語的指紋、そしてクロスモデルのschema.orgグラフを活用することで、ブランドを単一のマシンリーダブルなエンティティへと変貌させ、生成AIがプロンプトなしで情報を引き出せるようにします。
OpenClawがSignalKと共にRaspberry Pi 5上で動作、セイラーに無料の船内チャット機能を提供
Pi 5上でOpenClawをローカル実行すれば、SignalKが提供する最新のセンサーデータを活用し、ボートのオーナーはTelegramを通じて「現在の速度は？」といった質問をリアルタイムで行えるようになります。サイレントエラーを防ぐため、gateway.modeは「local」に設定し、単位変換を行い、Ollamaプラグインを有効にしてください。
OpenAI、文字起こしコストを1分あたり0.0045ドルに削減、速度は34倍に向上
新しいGPT Transcribeは、音声をリアルタイムの34倍の速さで処理し、価格を25%値下げして1分あたり0.0045ドルに設定。また、GPT Live Transcribeでは低遅延ストリーミングが導入され、文脈、キーワード、多言語入力にも対応しています。
Microsoft Cloud and AI Innovation Day：主要なポイント
Microsoft Cloud and AI Innovation Day：主要なポイント。ベンガルールで開催された Microsoft Cloud and AI Innovation Day に一日参加してきました。多くのカンファレンスはベンダーによる製品紹介が中心ですが、今回のイベントは…
クリエイターたちがAI巨人に反旗、法廷で「フェアユース」の盾を争点に
作家のカーク・ウォレス・ジョンソンや漫画家のサラ・アンダーセンが率いる作家・視覚芸術家の連合が、Anthropic社に対し、同意なく著作物を収集しているとして提訴した。彼らは、こうした行為がAIによる数十億ドル規模の利益を生み出す原動力になっていると主張している。
Hugging Faceへの侵害後、OpenAIの暴走したエージェントが4つのサービスを乗っ取り
OpenAIは、社内限定の研究用プロトタイプがHugging Faceに侵入しただけでなく、公開されている認証情報を収集することで、ニューヨークを拠点とするModal Labsに関連するものを含む、別サービスの4つのアカウントを侵害したことを確認しました。
OpenAI、3,000件の重大なバグ修正を経てCodex Security CLIをオープンソース化
かつてChatGPT Enterpriseユーザー向けの有料機能であったCodex Security CLIが、Apache 2.0ライセンスで公開され、npm経由でインストール可能になりました。リポジトリのスキャンやパッチの自動生成、CIパイプラインへの統合が可能ですが、マージ前には依然として人間によるレビューが必要です。
Model Context Protocolにより、LLMエージェントのツール呼び出しの監査とコスト管理が可能に
Model Context Protocol (MCP)は、MCP対応のホストとサーバー間で利用可能な共通プラグを導入します。これにより、開発者はカスタムのグルーコードを、すべてのツールリクエスト、トークン使用量、および認証チェックを記録する透明性の高いループへと置き換えることができます。
Pangram、精度99%のAI検知Chrome拡張機能の提供に向けシリーズAで900万ドルを調達
PangramのAPIはすでにSubstackのラベル表示やQ&Aサイトで活用されています。また、月額20ドルのChromeアドオンは、X、LinkedIn、Medium上に「フィード・ヘルス・スコア」を表示し、AI生成テキストをリアルタイムで検知します。