2026-10-28

Google DeepMind、世界モデル Genie 4 の研究プレビューを公開、シーンをリアルタイムで変更可能に

要闻

Google DeepMind は、テキストでシミュレーションの場面をリアルタイムに変更し、音声も同時生成できる Genie 4 の研究プレビューを、信頼されたテスター向けに公開した。同社によると、連続操作は数分間に限られ、実行が長くなるほど細部や物体にずれが生じやすくなる。

Google DeepMind は現在、世界モデル Genie 4 を研究プレビューとして信頼されたテスターに提供しており、その後、Project Genie の Google AI Ultra 加入者と、Gemini API および Google AI Studio の早期アクセスパートナーにも提供する予定だ。同社の説明によると、Genie 4 は Gemini Omni によって現実世界に近い外観と振る舞いを表現し、ほかの Gemini モデルがシミュレーションの一貫性を維持する。ユーザーはテキストプロンプトで、いつでも天候やカメラを変更したり、人物や物体を追加したりできる。同社は、空気力学や衝突などの物理効果と自然な人物の動きを再現できるほか、同社初の音声をネイティブ生成するリアルタイム世界モデルとして、環境音、音楽、人物の会話を同時生成できるとしている。Gemini 3.8 Flash はシミュレーション内の目標を手順に分解し、画面を確認して進捗を検証する。同社はまた、連続操作は数分間に限られ、実行時間が長くなるほど細部や物体にずれが生じやすくなると説明している。

原文を読む →

Cursor Design Mode に注釈機能 Annotate が登場

开发生态

Cursor は 3.24.18 以降で Annotate を提供し、実行中のアプリ上で変更箇所を指定して Agent にコードを修正させられる。注釈には選択対象の詳細とスクリーンショットが付き、一括送信にも対応する。

Cursor は 3.24.18 以降の Design Mode で Annotate を提供しており、原文には公開日の記載がない。入口は Agents Window 内のブラウザのツールバーにあり、それ以前のバージョンでは Design Mode という名称のペン型アイコンが表示される。公式の説明によると、ユーザーは単一または複数の要素や範囲を選択でき、ページ上の文字の直接編集や、選択した要素の CSS properties の変更も可能となっている。送信される注釈には選択対象の詳細とスクリーンショットが含まれ、Agent がコードを特定して修正するために使われる。Batch edits は初期状態ではオフで、有効にすると複数の注釈をまとめて送信できるが、文字の編集は設定にかかわらず Send を待つ。Agent の作業中にも追加の注釈を送信でき、開発サーバーが hot reload に対応していれば、修正完了後に実行中のアプリへ反映される。一方、Canvas tabs は従来の入口を維持し、注釈はチャットへ直接送られ、Batch edits とその場での文字編集には対応しない。

原文を読む →

Google、Antigravity IDE ユーザー向けに Gemini 4 Argon の提供を開始

开发生态

Google の Gemini デスクトップ版ページには、アプリ内からワンクリックで Antigravity を起動し、アプリ作成やコード記述、試作を行う機能が掲載されている。関連機能は macOS で利用可能で、Windows への追加提供日は示されていない。

Google は Gemini デスクトップ版のページで、Antigravity のワンクリック起動を含む、macOS で利用可能な機能を紹介しているが、提供開始日は明記していない。公式説明によると、Gemini アプリから Antigravity を開き、アプリの作成、コードの記述、アイデアのプロトタイピングを行える。また、画面共有によって表示内容に基づく支援を受けたり、複数のアプリで音声による文章入力や修正を行ったりできる。タスク機能は、ローカルファイルの整理や、その内容を Google ドキュメントやスプレッドシートにまとめるといった複数ステップの作業をバックグラウンドで実行し、各操作はユーザーが承認する。

ページの説明によると、Gemini デスクトップアプリは Gemini アプリが対応するすべての言語と国で利用できるが、機能の提供状況には違いがあり、さらに多くのネイティブ機能が Windows に順次提供される予定となっている。Windows 版は Windows 10 以降が必要で、x64 と ARM64 に対応する。macOS 版は Apple silicon 搭載の MacBook と、macOS Sequoia（15.0）以降が必要となる。同じ Google アカウントでは、チャット履歴とメモリーがデバイス間で同期される。一部の機能は Google AI を契約する 18 歳以上のユーザーのみが利用でき、利用には設定が必要で、提供状況は変更される場合がある。

原文を読む →

蚂蚁百灵、Ling-3.1-flash-1019 とベースモデルをオープンソース化

模型发布

蚂蚁百灵は、公開済みの Ling-3.1-flash-1019 をオープンソース化し、追加学習が可能なベースモデルも公開した。同バージョンの総パラメータ数は5600億で、100万 token のコンテキストに対応し、重みは Hugging Face から入手できる。

蚂蚁百灵は、公開済みの Ling-3.1-flash-1019 をオープンソース化するとともに、追加学習向けのベースモデル Ling-3.1-flash-base を公開した。Ling-3.1-flash-1019 は token ごとに250億パラメータを有効化し、総パラメータ数は5600億で、100万 token のコンテキストに対応する。モデルの重みは Hugging Face から入手できる。公式説明によると、アップグレード版の Artificial Analysis Intelligence Index v4.3.2 のスコアは44で、前世代の Ling-3.1-flash は41だった。AutomationBench-AA のスコアは62%から68%に上昇した。

原文を読む →

微软、画像編集モデル MAI-Image-2.7-Preview を公開

模型发布

Microsoftは画像編集モデルMAI-Image-2.7のプレビュー版を公開した。公式発表によると、Arena Editで3位、Artificial Analysisの画像編集ランキングで2位となり、後者が評価した全10種類のユースケースと全7種類の編集操作で2.6を上回った。

Microsoftは画像編集モデルMAI-Image-2.7のプレビュー版を公開し、Arena、Artificial Analysis、MAI Playgroundで試用できるようにした。まず編集機能を提供し、text-to-image generationは後から追加する予定で、原文には具体的な日付の記載はない。モデルは、シーン全体のスタイルや照明の調整、画像内の文字や記号の変更、既存素材の修復と補正に対応し、物体、照明、環境の関係を理解する必要がある編集も扱う。

公式発表によると、MAI-Image-2.7はArtificial Analysisが評価した全10種類のユースケースと全7種類の編集操作で2.6を上回り、補正と修復、推論に基づく編集、シーンとスタイル、文字または記号の編集の各カテゴリーでトップ水準に達した。このうちシーンとスタイルのスコアは、次点のモデルを24 Elo上回った。また、同社によると、Arena Editではモデルが3位、Microsoft AIが研究組織として2位となり、Artificial Analysisの画像編集ランキングではモデルが2位となった。

原文を読む →

Microsoft、MDASH を通じてセキュリティモデル MAI Cyber 1.1 Flash を公開

模型发布

Microsoft は MDASH を通じ、認証済み顧客にセキュリティモデル MAI Cyber 1.1 Flash を提供している。同社によると、内部評価では MAI Cyber 1 Flash と同等の性能で、スキャン当たりのコストが 18% 低下した。

Microsoft は MDASH を通じ、認証済み顧客向けに MAI Cyber 1.1 Flash の提供を開始しており、利用上の保護措置として明確な利用ポリシーと継続的な監視を設けている。同社の説明によると、新モデルは脆弱性発見の工程でより多くの処理を自ら担い、性能を維持しながらシステム全体の運用コストを下げることを目指している。同じ MDASH 内部脆弱性スキャン評価では、MAI Cyber 1 Flash と同等の性能を示し、スキャン当たりのコストは 18% 低かった。また同社によると、顧客が MAI Cyber 1 Flash の構成で初回のスキャンを実施した後、後続のスキャンの約9割では、OpenAI モデルのみの構成ではなく MAI の構成が選ばれている。現在、MAI Cyber は MDASH の全スキャンの約 50% を占め、数百の顧客によって数千回を超えるスキャンが実施されている。

原文を読む →

商汤、動画モデル SenseNova 6.8 Code2Video をオープンソース化

模型发布

商湯は、実行可能なコードを生成して動画を制作し、同じプロジェクト内でフィードバックに応じて修正する SenseNova 6.8 Code2Video をオープンソース公開した。公式説明では、512K のコンテキストに対応し、10 時間超、2,000 ターン超の継続実行が可能だ。

商湯は動画モデル SenseNova 6.8 Code2Video をオープンソース公開し、Hugging Face でウェイトを提供している。原文に公開日の記載はない。Qwen3.8-27B をベースとし、コードの記述と実行によって動画を構築・レンダリングするモデルで、現在は全体をコードで実装する短編動画に焦点を当てている。制作工程には仕様の記述、フレームごとのレンダリング、画面の確認、コードの修正が含まれ、ユーザーは同じセッション内でフィードバックを伝えることも、後から元のプロジェクトを再開することもできる。公式によると、512K のコンテキストに対応し、10 時間超、2,000 ターン超の継続実行が可能で、変更を指定していない部分を維持しながらコードを修正できる。リポジトリには、画面の確認、納品ファイルの検証、8 分野の制作ガイドを扱う code-video skill も含まれる。実行環境には Claude Code、Node.js 18+、Python 3、ffmpeg/ffprobe、および動画の言語に対応するフォントが必要となる。公式は今後、モデルの規模を拡大し、編集、合成、アニメーション、3D コンテンツ制作へと機能を広げる計画を示している。

原文を読む →

百度、長文書の解析に対応した Unlimited OCR 2 をオープンソース化

模型发布

百度は GitHub で Unlimited OCR 2 を公開し、文書全体の複数ページ画像を1回のリクエストで解析できるようにした。Transformers と SGLang の実行経路を用意し、プロジェクトの説明では、複数ページ解析でページをまたぐ文脈を利用できる。

百度は、長文書の解析に対応する Unlimited OCR 2 を GitHub で公開した。プロジェクトは簡易テスト向けにネイティブの Transformers による実行経路を提供し、サービスのデプロイには SGLang を推奨している。プロジェクトの説明によると、infer_multi はページ順に渡された文書画像を1回のリクエストで処理し、モデルがページをまたぐ文脈を利用できるようにする。各ページは1つの global view としてエンコードされ、出力には入力順で各ページに1つの <PAGE> マーカーが付く。単一ページ用の infer は、デフォルトで dynamic tiling を使用する。デプロイにはカスタムの SGLang wheel を使い、PyMuPDF で PDF を画像に変換する。サービスは OpenAI-compatible API を提供する。バッチクライアント infer.py は MPDocBench / MarathonDocBench 向けに使われ、文書ごとに1回のリクエストを送って生の出力を保存し、utils/process_unlimitedOCR2.py が評価用 Markdown に変換する。プロジェクトは、1回のリクエストで本1冊を解析するリプレイも公開している。

原文を読む →

OpenBMB、1.3B の解析モデルと 2B の評価モデルを含む MiniCPM-OCR をオープンソース化

模型发布

OpenBMB は MiniCPM-OCR シリーズをオープンソースで公開した。中国語・英語の文書解析向けの 1.3B モデルと OCR 結果の品質採点向けの 2B モデルを含み、コード、ドキュメント、モデルの重みにはすべて Apache 2.0 ライセンスを適用している。

OpenBMB は、文書解析と OCR の品質採点を担う2つのモデルからなる MiniCPM-OCR シリーズをオープンソースで公開したが、原文には公開日の記載がない。解析モデル MiniCPM-OCR 1.0 のパラメータ数は 1.3B で、中国語・英語の文書と PDF の解析に対応する。OpenBMB の説明によると、Real5-OmniDocBench と OCRBench v2 でのスコアはそれぞれ 93.68 と 54.7。採点モデル MiniCPM-OCR Jev のパラメータ数は 2B で、画像とその OCR 結果に基づき、0 から 1 の品質スコアを付けることができる。GLM-OCR、PaddleOCR-VL-1.6 など、他の解析器の出力評価にも対応する。同シリーズは vLLM、SGLang、llama.cpp、Ollama に対応し、コード、ドキュメント、モデルの重みはすべて Apache 2.0 ライセンスで公開されている。

原文を読む →

Liquid AI、2B クラスのオープンウェイト・マルチモーダルモデル6種からなる LFM3 を公開

模型发布

Liquid AI は LFM3 を公開した。初回は共通の backbone を持つ約 2B パラメータのオープンウェイトモデル6種で、テキスト、視覚、音声、omni、意思決定を対象とし、基盤モデルと後学習済みモデルを Hugging Face、Playground、Liquid AI API で提供する。

Liquid AI は LFM3 シリーズを公開し、基盤モデルと後学習済みモデルのウェイトも同時に公開した。初回の6モデルはいずれも LFM3-1.7B-Base から派生し、パラメータ数はそれぞれ約 2B となる。4モデルがテキスト、視覚、音声、omni の入力をそれぞれ扱い、残る2モデルは視覚モデルと omni モデルから特化させた意思決定モデルである。Hugging Face、Playground、Liquid AI API を通じて利用できる。公式説明によると、同シリーズは専門タスク向けで、ローカルでの実行と fine-tune に対応する。テキストモデル LFM3-1.7B は 256K tokens の context window を備え、Hermes Agent、Pi、OpenClaw などの Agent フレームワーク向けに後学習されている。

学習とアーキテクチャについては、LFM3-1.7B-Base は 22T tokens で学習され、そのうち最後の 3.5T tokens は選別データを用いた mid-training 段階に当たり、context window も 256K tokens に拡張された。全24層は、gated short convolutions 13層、256 tokens のウィンドウを持つ sliding-window attention 5層、global attention 6層で構成される。公式によると、llama.cpp、Q4_0、32K tokens context の条件で測定したところ、LFM3-1.7B の decoding 速度はテスト対象の3機種すべてで次に速いモデルの 1.8～2.8 倍となり、メモリ使用量も最小だった。完全な 128K tokens context に必要な KV cache は 1.6 GB で、比較対象の Qwen3.5-4B は 4.3 GB、MiniCPM5-2B は 5.6 GB だった。

原文を読む →

SparkLLM、事後学習でコーディングとエージェント能力を強化した Spark-X2.6-1.7B をオープンソース化

模型发布

SparkLLM は、従来のアーキテクチャを維持し、後学習を改良した Spark-X2.6-1.7B をオープンソースで公開した。チームの評価では、high 設定で SWE Verified が 59.8、τ²-bench が 85.3 だった。

SparkLLM チームは、Apache 2.0 ライセンスを採用した Spark-X2.6-1.7B を公開した。モデルは Hugging Face と ModelScope から入手でき、Ollama での実行にも対応する。Spark-X2.6 シリーズでは Spark-X2.6-4B に続く2つ目のモデルで、Spark-X2.5-1.7B のアーキテクチャを引き継ぎ、thinking は none、low、high の3段階から設定できる。チームの説明によると、後学習の改良は coding、agent、長いコンテキスト、多言語、推論の能力を対象としている。同チームの評価では、SWE Verified のスコアは 28.3 から 59.8 に、τ²-bench は 65.3 から 85.3 に上昇し、X2.6 には high 設定を使用した。

原文を読む →

Mirendil、初のモデル Fern を公開、最大 10M トークンのコンテキストに対応

模型发布

Mirendil は初のモデル Fern を公開した。最大 10M tokens のコンテキストに対応し、初版は Fern 0.1。公式には、対象を絞った大量の Agent タスク向けと位置づけられ、今後も頻繁に新バージョンを公開するとしている。

Mirendil は 2026 年 10 月 26 日午前 8:00（PT）に初のモデル Fern を公開し、初版のバージョン番号を Fern 0.1 とした。公式の説明によると、同モデルはゼロから事前学習され、最大 10M tokens のコンテキストウィンドウに対応し、初版には短期間の事後学習が施された。同社は Fern を自社で最も効率的なモデルとし、対象を絞った大量の Agent タスク向けに位置づけ、新バージョンを頻繁に公開するとしている。

原文を読む →

ChatGPT、iCloud Mail と Calendar のプラグインを提供開始

产品应用

ChatGPT は、独立した2つのプラグイン、iCloud Mail と iCloud Calendar の提供を発表した。全サブスクリプションプランが対象で、メールとカレンダーの操作に対応し、接続には Apple app-specific password が必要となる。

ChatGPT は、独立した2つのプラグイン、iCloud Mail と iCloud Calendar の提供開始を発表した。Web、デスクトップ、iOS に対応し、すべての ChatGPT サブスクリプションプランが対象となるが、実際に利用できるかどうかはワークスペースのアプリ管理設定によって決まる。公式の説明によると、ユーザーはプラグインを通じて ChatGPT にメールの検索、受信トレイの整理、次の予定の確認、カレンダーのイベント更新を依頼できる。両プラグインには、読み取り専用の連絡先検索機能も含まれる。接続時には Apple app-specific password が必要となる。

原文を読む →

Arena の Agent Mode に Connectors が登場、GitHub などのアプリと連携可能に

产品应用

Arena は、ログインユーザー向けに Agent Mode の Connectors を無料で公開した。GitHub、Google Drive など、記載された8つのアプリとの接続に対応し、agent がチャット内でサービスの内容を読み取り、操作を実行できる。

Arena は Agent Mode に Connectors を導入し、ログインユーザーは現在、arena.ai/agent で無料で利用できる。原文には具体的な公開日は記載されていない。ユーザーが既存のアプリを接続すると、agent はチャット内で対象サービスの内容を直接読み取り、操作を実行できる。接続可能なアプリとして、GitHub、Google Drive、Notion、Linear、Gmail、Supabase、Vercel、Dropbox などが挙げられている。公式説明では、この機能により、ユーザーはより複雑なタスクを最初から最後まで agent に任せられるとしている。

原文を読む →

Nous Research、Hermes Agent のサブスクリプションプランを改定

产品应用

Nous Research は Hermes Agent のサブスクリプションプランを変更し、新プランには標準でクラウド Agent を付け、利用枠を日次・週次の上限に切り替えた。契約者はいつでも移行でき、ノートPCを常時起動せずにメッセージアプリから Agent に接続できる。

Nous Research は Hermes Agent のサブスクリプションプランの変更を発表し、月単位でまとめて付与する利用枠を日次・週次の上限に置き換えた。契約者は現在、いつでも新プランに切り替えられる。同社の説明によると、各新プランには、すぐに使えるクラウド Agent が標準で含まれる。Nous Research の Teknium によると、Nous Portal の有料サブスクリプションには現在、Hermes Agent のインスタンスとその稼働用コンピューターが付属する。ユーザーはノートPCを常時起動させることなく、各種メッセージアプリから Agent に接続でき、デスクトップアプリではワンクリックでログインできる。

原文を読む →

千问、問題の検索・解答・演習に対応する学習機能を提供開始

产品应用

千問は、試験問題の検索、写真による質問対応、宿題の採点を含む学習機能を公開した。同サービスの説明によると、試験問題は無料でダウンロード・印刷でき、日々の誤答は学習記録に自動保存され、苦手分野の分析では繰り返し間違える学習項目が示される。

千問は、試験問題の検索、解説、誤答の記録を対話型の学習フローに組み込んだ学習機能を公開したが、原文には具体的な公開日の記載がない。同サービスの説明によると、対話欄に地域、学年、教科、試験問題のキーワードを入力すると、試験問題を検索し、無料でダウンロード・印刷できる。問題を解く際には「拍题答疑」で問題の写真を送信でき、システムが採点基準に沿った解答手順を提示する。理解できない手順が残る場合は「小讲堂」に移り、AI 教師による細分化した説明を受けられる。「作业批改」で検出された日々の誤答は、更新された「学习档案」に自動保存される。その中の「薄弱点分析」には、繰り返し間違える学習項目が表示され、項目を絞った練習に利用できる。

原文を読む →

即梦 AI、制作とリメイク機能を統合したショートドラマスタジオを提供開始

产品应用

即梦 AI は短編ドラマ制作スタジオを公開し、脚本、美術、絵コンテ、ポストプロダクション、リメイク・再描画を一つのツールに統合した。期間限定の無料枠として、脚本作成と解析を各 1 回、インテリジェントなプレビューとリメイク・再描画の白模を各 15 秒提供する。

即梦 AI は、脚本作成からポストプロダクションの調整、リメイク・再描画までの機能を統合した短編ドラマ制作スタジオを正式に公開した。原文では具体的な公開日は明らかにされていない。同社の説明によると、自社開発の脚本モデル DreamScript、画像モデル Anycook、絵コンテモデル DreamShot を搭載し、長文の解析、キャラクターやシーンの生成、絵コンテの連動調整に対応する。ポストプロダクションでは、クリップの再撮影、音声の再構成、インテリジェントなカット切り替えを提供する。リメイク・再描画では、選択したスタイル、アスペクト比、対象地域に合わせて映像を再生成する。現在の期間限定無料枠には、脚本作成と解析が各 1 回、インテリジェントなプレビューが 15 秒、リメイク・再描画の白模が 15 秒含まれる。

原文を読む →

微信输入法 4.0.0 をリリース、AI ボイスレコーダーを追加

产品应用

微信入力法は 4.0.0 をリリースし、AI ボイスレコーダーを追加した。iOS、Android では App 内で利用でき、Windows 版でも利用可能で、録音中の文字起こし、AI による要約、共有・インタラクションに対応したウェブページの生成を行える。

微信入力法はバージョン 4.0.0 をリリースし、AI ボイスレコーダー機能を追加した。現在、iOS、Android、Windows に対応している。iOS と Android のユーザーは App 内で同機能を直接利用でき、Windows 版でも利用可能となっている。公式の説明によると、AI ボイスレコーダーは録音と同時に音声を文字起こしし、AI で録音内容を要約する。生成されたウェブページは共有でき、インタラクションにも対応する。同機能の出力には、録音の文字起こしに加え、内容の要約とウェブページが含まれる。

原文を読む →

蚂蚁集团、バックグラウンドでタスクを継続フォローできる 灵光 2.0 を公開

产品应用

蚂蚁集团は灵光 2.0をリリースし、全面公開した。ユーザーの許可を得たタスクは会話終了後も実行でき、会話をまたぐ記憶、長期タスクのスケジューリング、ツール接続を更新するとともに、Agentの実行に必要な権限の確認・変更・撤回に対応する。

2026年10月28日時点で、蚂蚁集团は灵光 2.0をリリースし、全面公開している。今回の更新対象は、会話をまたぐ記憶、長期タスクのスケジューリング、ツール接続である。同社の説明によると、灵光は独立したクラウドホストを基盤とし、ユーザーの許可を得てニーズを把握する。ユーザーが会話を終了してもタスクを実行し続け、新しい情報に応じて予定を調整できるという。サービス接続では、支付宝、钉钉、飞书などとの接続や、MCP、CLIなどのツールの呼び出しに対応する。また、灵光 2.0は蚂蚁 APASSを導入し、本人認証、意図の安全性、プライバシー保護をAgentの実行プロセスに組み込んでいる。ユーザーは権限を確認、変更、撤回できる。

原文を読む →

OpenAI の反証公開を受け、Claude も ETH に挑戦

技术与洞察

Anthropic の formal-math リポジトリは、内部研究用 Claude モデルが発見した 3-SAT アルゴリズムと Lean 4 の形式化資料を公開し、準指数時間で ETH を反証すると主張している。結果は漸近的計算量に限られ、実際の求解性能を示すものではない。

Anthropic は formal-math リポジトリで、Exponential Time Hypothesis（ETH）を反証するとする研究結果を公開した。ページには公開日が記載されていない。公式の説明によると、内部研究用 Claude モデルが発見した決定性アルゴリズムは、n 個の変数を持つ 3-SAT を 2^{o(n)} 時間で解き、さらに難しい #3-SAT、すなわち充足する変数割り当ての個数の計算も 2^{O(n log log n / √log n)} 時間で行える。公式は、この結果が漸近的計算量のみを扱い、実際の求解性能を示すものではないとしている。

リポジトリには論文と AI モデルが作成した Lean 4 の形式化資料があり、Lean v4.33.1 と Mathlib v4.33.1 にバージョンが固定されている。公式の説明によると、CI は定理の記述を比較するほか、独立に実装された第2の kernel である nanoda で証明を再検査する。ただし、形式化された記述が論文の内容と一致するかは機械で検査されず、その対応関係は読者が確認する対象となる。公式はまた、Claude Opus 5.5 が high effort で圧縮された説明から、任意の δ > 0 について 3-SAT を O(2^{δn}) 時間で判定できるという結論を再導出できるとしているが、上述のより精密な計算量の上界は再現できないとしている。このリポジトリは研究資料として公開され、保守も外部からの貢献の受け付けも行わない。

原文を読む →

Anthropic の採用マネージャー「チームは従来型のコーディング面接をもう行っていない」

技术与洞察

Anthropic のある採用マネージャーが、自身の採用で従来型のコーディング面接を廃止したと明かした。Claude により評価手段としての意味が失われたとし、経験の浅いエンジニアには事業目標と動くプロトタイプを軸に五つの行動を示した。

Anthropic のある採用マネージャーは記事で、執筆した月から候補者に従来型のコーディング面接を求めるのをやめたと述べたが、原文には具体的な年月の記載がない。これは自身の採用実務についての説明であり、Anthropic 全社の方針発表ではない。同氏の説明では、小規模なコーディング課題は以前、候補者がチームで成果を出せるかを判断する限られた手がかりになっていた。しかし現在は、React の小課題や assembly の質疑では Claude のほうが優れており、チームで最も大きな影響を生む builder は、こうした試験の成績に依存せず成功しているという。同氏は、AI によってエンジニアの影響力が framework や library の知識を蓄積した年数に縛られにくくなったと考え、助言の対象を社会関係資本、地位、権限の乏しいエンジニアと位置付けている。示した行動は五つで、backlog の処理だけでなく事業目標の理解を優先すること、その目標を前進させる大胆な案を考えること、一週末で動くプロトタイプを作ること、プロトタイプでは一つの核となる案だけを伝えること、新人の視点でユーザー体験やインフラの問題を見つけることだった。同氏は、個人や小規模チームがプロトタイプを通じて、PRD の作成、賛同の取り付け、デザイナーやプロダクトマネージャーとの時間調整という通常の手順を飛び越える事例を見てきたと述べている。

原文を読む →

Cognition、マージに値するコードをモデルが書けるかを評価する FrontierCode 2.0 を公開

技术与洞察

Cognition は、不完全な指示の下での開発能力をコードのマージ可否で評価する FrontierCode 2.0 を公開した。最高得点の Opus 5.5 は 45% で、必須基準を満たさない解答は零点となる。

Cognition は、不完全な要件からマージ可能なコードを提出できるかに重点を置くコーディングベンチマーク FrontierCode 2.0 を公開した。同社によると、明示された要件だけでなく、既存の抽象化の再利用、リポジトリの慣例の順守、bug を検出できるテストの作成など、コードベースから制約を推測する能力も調べる。得点は各評価基準の加重集計で、必須基準を満たさない解答は零点となる。公表結果では Opus 5.5 が 45% で首位だった。コストは rollout 当たりの平均米ドル支出で、API の定価に公開割引を適用して計算する。

同社の説明では、20 人を超えるオープンソース開発者が、自ら保守するリポジトリを基に評価を構築し、各人が各タスクに 40 時間超を費やした。FrontierCode 1.0 と比べ、新版はタスクの多様性、評価基準、タスクの範囲を拡張し、タスクの指示、参照解答、評価基準の審査も強化した。参照解答が上流の PR と異なるタスクの割合は 60% から 80% に増えた。暗黙の正しさの要件を推測できるかを調べる thoroughness 基準は、必須基準に含まれる数が FrontierCode 1.1 の 3 倍となった。同社はまた、reasoning effort を高めても、コード量や変更ファイル数が増えて必要な範囲を逸脱する場合があるため、得点が上がるとは限らないとしている。

原文を読む →

Qwen チーム、23の自然言語でエージェントの性能を測る BabelArena をオープンソース化

技术与洞察

Qwen チームは BabelArena を公開した。4 つのベンチマーク群の標準タスク 702 件を 23 の自然言語に展開し、計 16,146 件のタスクインスタンスで Agent の多言語性能を評価する。

Qwen チームは、13 分野を対象とする多言語 Agent ベンチマーク BabelArena をオープンソースで公開した。原文には公開日の記載がない。τ³-Bench、VitaBench、DeepPlanning、ClawEval の 4 つのベンチマーク群に含まれる標準タスク 702 件を基に、23 の自然言語版を作成し、計 16,146 件のタスクインスタンスを収録している。ローカライズの対象はプロンプト、タスク、ツールの説明、環境の内容で、言語には英語、中国語、アラビア語などが含まれる。

研究では 5 つのフロンティアモデルを評価した。Qwen チームによると、4 つのベンチマーク群すべてで首位となるモデルはなく、低リソース言語の Pass^1、Pass^3、言語の一貫性はいずれも高リソース言語を下回った。また論文によると、低リソース言語における Agent の入力 token 数は、最大で英語の約 2 倍となる。

原文を読む →

Axiom、AI が24日間で有限単純群分類定理の Lean による形式化を完了したと発表

技术与洞察

Axiom の有限単純群分類定理の形式化プロジェクトは、群論の成果を報告した。既刊の Unbalanced Group Theorem の証明経路で使われる閉包の主張に反例を見つけ、35 ページの論文で単純群の場合の代替論証を示した。

Axiom のウェブサイトは、有限単純群分類定理の形式化プロジェクトから生まれた群論の論文を紹介し、既存の証明経路における反例と単純群の場合の代替論証を報告している。提供された資料には公開日の記載がない。論文の識別子は Hexagon 2610.00575 で、全 35 ページ。サイトの説明によると、チームは第一世代の証明を形式化する過程で、既刊の Unbalanced Group Theorem の証明経路で使われる閉包の主張に反例を発見した。論文はこの障害を説明しており、代替論証は Solomon が 1976 年に提示した maximal 2-components の理論に基づく。その鍵となる段階は、simple tops の保存に関する Theorem 2.3 である。

原文を読む →

Cloudflare、GLM-5.3 のデータ露出事案を公表、155件の応答に影響

技术与洞察

原文を読む →

Anthropic、製薬企業6社と提携し Mithril Medicine を買収

行业动态

原文を読む →

Anthropic、米国一般調達局と OneGov 契約を締結

行业动态

原文を読む →

Anthropic、Broadcom の機器をリースへ、4機関が資金提供

行业动态

原文を読む →

Oracle のクラウドで Google TPU を提供へ、2027年から利用可能になる予定

行业动态

原文を読む →

NVIDIA と Meta、Muse での提携を拡大、30億ドルを投資へ

行业动态

原文を読む →

梁文锋、胡润百富榜に初登場で7位に

行业动态

原文を読む →