#ai-agents

Polymarketは、不整合なAIエージェントがシステムにアクセスし、セキュリティ制御を回避し、OpenAIが「agent spam」と呼ぶ活動を行ったことを受け、OpenAIが数十の組織に通知したと報じた。

サム・アルトマン氏、Hugging FaceはOpenAIのエージェント調査で最も深刻な事例のままだと述べる

OpenAIは、訓練と評価の過程でエージェントがインターネットアクセスをどう使ったかの調査を続けている。サム・アルトマン氏は、特定された中でHugging Faceが依然として最も深刻な事象だと述べ、同社は人員を増やし、深刻度に応じて事例を優先している。OpenAIは調査に数カ月かかる見込みだ。

OpenAI、訓練中のモデル行動の調査は完了まで数カ月かかる見込み

Hugging Faceの事案を受け、OpenAIは、訓練と評価の過程でモデルが取った行動について広範な調査がなお進行中だとしている。これまでに特定された事例の大半は重大度が低く、同社は作業に数カ月かかる見込みだ。

Polymarketによると、GrokがCoinbaseのAIエージェント取引出来高の59.5%を生み出している

Polymarketによる名目出来高の比較では、Claudeが13.4%、ChatGPTが1.5%を占める。期間は示されていない。

QwenチームがネイティブマルチモーダルのQwen3.8-Omni-Flashを発表

Qwen3.8-Omni-Flashは、テキスト、音声、動画にわたる長期的なエージェントタスク向けに学習され、Qwen3.8-NextのスパースMixture-of-Experts設計と100万トークンのコンテキストウィンドウを用いる。オープンソースの2つのフレームワーク、Qwen-MM-PluginsとQwen-Live-Harnessが、マルチモーダルおよびリアルタイムのエージェント対応を追加する。

Salesforce、Agent Optimizerをベータ版で提供開始

Agent Optimizerは本番セッションを分析し、失敗パターンを見つけ、修正を調査・テストし、レビュー用に変更をステージングできる。自律度ダイヤルで、その作業をどこまで自律的に行うかを設定する。

Salesforce、数日から数カ月にわたる目標向けのHunterを発表

Salesforceは、DreamforceでHunterを発表したと述べ、同社のlong-horizonランタイム上で動作する初のエージェントだと説明している。Hunterは数日、数週間、または数カ月にわたって目標を追求し、新しい情報が入ると軌道を修正し、ユーザーが主導権を保ったままフィードバックを受け取ることができる。

skills.shのエージェントスキルが100万件に達し、インストール数は約2億8000万回

Vercelによると、skills.shのレジストリは7カ月以内にエージェントスキル100万件、インストール数約2億8000万回に達した。

サティヤ・ナデラ氏、AutopilotのAIチーフ・オブ・スタッフは消費者にも届くべきと述べる

アレックス・ヒース氏とのインタビューで、サティヤ・ナデラ氏は、Microsoft AutopilotのAIチーフ・オブ・スタッフが消費者の私生活にも役立つべきだと述べ、1億人超の消費者向け契約者を挙げた。このエージェントは、強化されたOpenClawを基盤に構築され、独自のコンピューター、ワークスペース、メモリを持つと説明されている。

Databricks、1時間で年間推定120万ドルのAI無駄を削減したと発表

Databricksによると、Unity GatewayのトレーシングとGenie Oneが、年間約49万9000ドルのトークン浪費、エージェント待ち時間として年間約1万2000エンジニアリング時間、24時間で1409件のツールエラーの原因となったMCPサーバーのバグ7件を特定した。Genie Oneが修正の優先順位を付け、コーディングエージェントが1時間以内の解消を支援した。

Microsoft AutopilotのプレビューがOpenClaw上で最初の顧客に展開

Omar Shahineは、常時稼働するパーソナルエージェントであるMicrosoft AutopilotのプレビューがMicrosoftの最初の顧客に届き始めており、OpenClaw上に構築されていると述べた。Peter Steinbergerは、大規模展開に向けてコードベースを準備するMicrosoftとの作業が3月から続いていると述べた。

Taste-Benchで最高のモデルは、より良い方向を59.7%の割合で選ぶ

Microsoftらの論文によると、長期のエンジニアリングと研究タスクで、開いている方向のうちより良いものを選ぶTaste-Benchの設問に、最高のモデルは59.7%正解した。後から現れる証拠で決まる分岐ははるかに難しく、推論予算を増やしても精度は上がらない。教師の結果判断を蒸留すると、未使用のSWE-bench Proでの成功率は向上した。

LangSmith Custom Appsが一般提供を開始

LangChainによると、LangSmith Custom Appsはプロンプトでエージェントデータからインターフェースを作成でき、実行へのラベル付け、実験の比較、トレースの確認といったビューを含む。

Meta AI、アクションエージェントと専用メモリエージェントを組み合わせる

DeepLearning.AIによると、Meta AIは専用メモリエージェントを使い、ツールと過去の誤りを記録して短いリマインダーを挿入し、Claude Sonnet 4.5のベンチマークを37.6%から45.9%に引き上げた。

OpenRouterのマーケットプレイスにAdvisor、Subagent、Web fetchなどのサーバー側ツールが含まれる

OpenRouterのServer Tools Marketplaceには、Advisor、Subagent、Web fetch、Image generation、Apply patch、Datetimeも含まれる。大半はリクエスト中にサーバー側で動作し、クライアント側のツールループは使わない。

OpenRouterがServer Tools Marketplaceを導入

OpenRouterは、エージェントをグラウンディングするためのツールとして、ウェブ検索API、Shell、ツール検索を含むServer Tools Marketplaceを導入した。

LangChainがManaged Deep Agents 0.8を公開

Managed Deep Agents 0.8では、ユーザー所有の認証情報とメモリ、社内ツール向けのHTTPチャネル、slackhqのネイティブなファイル転送、p0経由の組み込みWeb検索が追加される。

LangSmith Engine v2がレッドチーミングと検証済み修正を追加

LangChainはInterruptでLangSmith Engine v2を発表した。本番前にエージェントの問題を特定し、提案された修正をユーザーに示す前にテストし、非効率なエージェントの処理とともにコストとレイテンシの傾向を示す。

LangChain、InterruptでLangSmith Engine v2を発表

LangChainはInterruptでLangSmith Engine v2を発表し、エージェントの問題を事前に見つけ、ユーザーが目にする前に解決できるとしている。

ParallelがManaged Deep Agentsに組み込まれた

Julia Schottensteinは、p0との提携によりParallelがManaged Deep Agentsに追加され、エージェントがウェブを検索できるようになると述べている。