Polymarket、OpenAI による AI トレーニングの完全停止確率を 9% と予測
Polymarket によると、OpenAI が AI トレーニングを完全に停止する確率は 9% です。この数値は https://poly.market/hnawuGv の市場に基づいています。
AIニュース
Arena.ai、Code・Work・Chat分野のAgent Arenaランキングを公開
Anthropicのモデルが3分野すべてで首位を獲得し、Claude Fable 5.1 (Max) がCodeとWorkで1位、Claude Sonnet 5.5 (Max) がChatで1位となった。OpenAIのGPT 6 Astra (Max) は全分野で上位4位以内に入った。
Command Codeがオープン意思決定モデル「Agr」と「Agr-flash」をリリース
Command Codeは、コーディングエージェントのツール呼び出しおよびルーティング向けに設計されたオープン意思決定モデル「Agr」（31B）と「Agr-flash」（360M）を発表した。両モデルはDecision Index 0.2.1で58.15を記録し、TypeSafe SDKに対応しており、Hugging Faceで公開されている。
Suno、プラットフォーム上でアルバム機能を提供開始
Suno はプラットフォーム上でアルバム機能を提供開始し、アーティストが同サービスで制作した初期のアルバム作品をいくつか紹介した。
OpenAI、EU内のChatGPTおよびCodexのテキスト出力に不可視透かしを追加へ
OpenAIは今後数週間にわたり、欧州連合（EU）内でChatGPTおよびCodexが生成したテキストへの不可視透かしの適用を開始すると発表した。
Polymarket、ユタ州で医師の直接確認なしにAIが一部薬剤を処方可能になったと発表
Polymarketによると、ユタ州では医師が処方せんを直接確認することなくAIが一部の薬剤を処方できるようになり、同社はこの変更を全米初としている。
ChatGPT、カスタムMCPサーバーの接続における開発者モードの要件を撤廃
ChatGPTでカスタムMCPサーバーを接続する際に開発者モードを有効化する必要がなくなり、プラグインメニューから全ユーザーが利用できるようになりました。
LiveKit、Microsoft AIの音声モデルとGemma 4を活用したサポート通話エージェントを公開
LiveKitは、LiveKit Agentsで構築した自動サポート通話を実演し、Microsoft AIのMAI-Transcribe-2-StreamingおよびMAI-Voice-2.1-Flashと、LiveKit Inference上のGemma 4を組み合わせました。
AssemblyAIの音声モデル「Universal 3.6 Pro」がVapiで提供開始
VapiはAssemblyAIのUniversal 3.6 Proモデルをプラットフォームで提供開始し、音声エージェント向けに14言語での文中コードスイッチング機能と文字起こしエラーの削減を実現した。
Hugging Face Hub、強化学習環境のホスティングに対応
強化学習環境をHugging Face Hub上で直接ホストできるようになり、既存のデータセット基盤を活用して、フレームワークをまたいだ保存、バージョン管理、アクセス制限、プレビューが可能になった。
CoreWeaveがNVIDIA Vera Rubin NVL72を提供開始、Cognitionは本番環境でDevinを実行
CoreWeaveはプラットフォーム上でNVIDIA Vera Rubin NVL72の提供を開始したと発表した。Cognitionはこのハードウェア上の本番環境でDevinを実行しており、総トークンスループットはGB200 NVL72の最大4.8倍に達している。
Cohere、North 2におけるマルチエージェントオーケストレーションとセッション間コンテキスト対応の詳細を発表
Cohereは、North 2が再利用可能なエージェント、自動化、マルチエージェントオーケストレーションの作成に対応し、セッションをまたいでコンテキストを保持できる機能を備えたと発表した。
CohereがNorth 2を発表、エンタープライズ向けエージェント型AIに15以上の新機能を追加
CohereはNorth 2を発表し、スケーラビリティ、モデル主権、エンタープライズグレードのセキュリティ制御に対応する15以上の新機能を備えた、過去最大のアップグレードであると説明した。
Command Code、月額10ドルのGOATプランで60ドル分クレジットの対象となるモデルを発表
Command Codeによると、月額10ドルのGOATサブスクリプションには、DeepSeek V4.1 Flash、DeepSeek V4.1 Flash Fast、GLM 5.3 Flash、Kimi K3で利用できる60ドル分の利用クレジットが含まれます。
UT Austin の研究、トークンを削るコンテキスト圧縮がコーディングエージェントを遅くする可能性
UT Austin の研究は SWE-bench Verified と Terminal-Bench で約 35,000 回のコーディングエージェント実行を行い、コンテキストの圧縮方法、圧縮をいつ発動するか、どれだけ削除するかを変えた。Qwen を使う Terminal-Bench では、約 3 分の 1 のトークンを使うポリシーは、完全なコンテキストを保持する場合より 20% から 80% 長くかかることがある。
EverMind AI、モデルハーネスを進化させるオープンソースシステム Raven を公開
DAIR.AIは、EverMind AIのオープンソースのマルチエージェントシステム「Raven」について説明している。Ravenはモデルとドメインごとに別個のハーネスを構築し、失敗からそれを進化させる。DeepSeek-V4-Flashでは、その研究用ハーネスがBrowseCompで69.3%、Humanity's Last Examで60.0%を記録した。
Cline、異常に多い悪用を理由に無料のDeepSeek-V4.1-Flashプロモーションを一時停止
Clineは異常に多い悪用を理由に、無料のDeepSeek-V4.1-Flashプロモーションを一時停止しており、問題を緩和する方法を調査していると述べている。
CloudflareのAgents SDKがPi Durable harnessを追加
CloudflareのAgents SDKが、クラッシュやネットワーク問題があっても稼働を続けられる長時間エージェント向けのPi Durable harness（PiHarness）をサポートしている。
CloudflareのWeb Search APIがベータ版に
CloudflareのWeb Search APIはベータ版だ。リアルタイムのウェブデータに基づいてAIの応答を根拠づけ、AI Gatewayを通じてデータを保持しない。
VeriHarness、ベースモデルを長期的なエージェントタスク向け検証器に変える
Google の論文 VeriHarness は、同じベースモデルを使って、争いのある主張と全会一致のエージェント主張の両方を検証する。証拠に基づく修正により、単一 rollout と比べて Gemini 3.5 Flash で 6.2 ポイント、Claude Opus 4.8 で 6.4 ポイントの改善を報告している。