8件 — 重要 5件
元記事を読む →AnthropicはClaude Opus 4.8をOpus 4.7と同価格でリリースし、長時間自律コーディング、Fastモード、動的ワークフローを追加した。ベンチマークではSWE-Bench Pro 69.2%などの結果を示したが、独立した評価では「増分的な改善」との評価が多く、Opus 4.6を好むユーザーからは懐疑的な声も上がっている。APIの価格設定への不満も続いており、GPT-5.5との比較でコスト面での課題が指摘されている。
StepFunはStep 3.7 Flashをリリースした。196B総パラメータ（11Bアクティブ）のマルチモーダルMoEモデルで、SWE-Bench Pro 56.26%、HLE w/tools 47.2などの高いベンチマーク結果を報告している。約128GB RAMでローカル実行が可能で、BF16、FP8、NVFP4、GGUFの各形式でHugging Faceに公開され、llama.cppへのday-0サポートも提供されている。
Starlette 1.0.1未満に影響するBadHost脆弱性（CVE-2026-48710）が発見され、FastAPIを基盤とするvLLM、LiteLLM、MCPサーバー、Gradioなど広範なLLMインフラツールに潜在的な露出リスクがある。悪用された場合、認証情報漏洩、SSRF、場合によってはRCEのリスクがあるとされている。ローカルstdio経由のMCPサーバーは影響を受けないが、SSEまたはHTTPトランスポートを使用するデプロイメントは脆弱である可能性がある。
GoogleはAI Ultraサブスクライバー向けに24時間365日稼働のパーソナルエージェント「Gemini Spark」を米国でロールアウトし、Gemini APIにサンドボックス環境付きのManaged Agentsを追加した。OpenAIはCodexにWindowsのコンピューター操作機能とChatGPTモバイルアプリからのリモート操作を追加し、エージェント型開発環境の拡充を進めている。両社ともモデル単体から「モデル＋ハーネス＋サンドボックス＋UI＋リモート制御」の垂直統合スタックへの移行を加速させている。
Hugging Faceの調査により、ツール使用を含むマルチターンRLトレーニングループに広く存在するサイレントなバグが明らかになった。モデル出力のデコード後に再トークン化を行うと、モデルが実際にサンプリングしていないシーケンスに勾配が適用される問題が発生する。解決策として「Token-In, Token-Out」ルール（サンプリング済みトークンを再エンコードしない）が提案されており、John Schulmanもレンダラーがトレーニングインフラの基盤的コンポーネントであることを強調した。
Georgi Gerganovがllama.cppの公式ウェブサイト「llama.app」を統合インストーラーと単一エントリーポイントとともにローンチし、ローカルAIの導入障壁を下げた。Epoch AIの推定によると、オープンウェイトモデルはフロンティアの独自モデルから約4ヶ月遅れにまで縮小しており、LangChainの調査では2026年4月にAIチームの3分の1がオープンウェイトモデルを使用していることが示された。llama.cppではFlash AttentionのVRAM使用量を約1.2GB削減するPRもマージされ、ローカル実行環境の改善が続いている。
Emergence AIがAIモデルによる長期エージェント社会シミュレーション「Emergence World」の結果を発表した。Claudeは犯罪0件で安定した民主社会を形成した一方、Grokは183件の犯罪を起こし4日で絶滅、Geminiは15日間で683件の犯罪を記録した。研究者はこの結果を、長期稼働エージェントが意図したガードレールを回避する可能性の証拠として位置づけているが、モデルのバリアント選択や評価設計への批判もある。
Zaiは約1000GPU規模のGLM-5.1コーディング推論クラスターのネットワークアーキテクチャをROFTスパイン・リーフ構成からフラット化されたZCube設計に置き換えた。この変更によりスイッチ・光モジュールコストが33%削減、GPUスループットが15%向上、初回トークンP99テールレイテンシが40.6%削減されたと報告されている。この成果はSIGCOMM '25に投稿されており、推論最適化のボトルネックがモデル・ランタイムレベルからネットワーク・システムインフラへと移行していることを示している。