OpenAI、GPT-6 SolとLunaをリリース、コスト削減と誤りの減少を主張
- OpenAIがGPT-6 SolとLunaをリリースし、コスト削減と誤りの減少を主張
- Solはコード作成向け、Lunaは文書要約や情報抽出向けで、API料金が半額に
- コード作成の誤り率が半分に、低コストでAstraレベルの信頼性を提供
#AIエージェント
Anthropic、Opus 5.5をリリース。Fableレベルのパフォーマンスを達成
- AnthropicがOpus 5.5をリリースし、Fableレベルの性能を達成した
- Opus 5.5は出力トークン単価を20ドルに引き下げ、Fableモデルを上回るベンチマーク結果を示した
- 性能向上とコスト削減が同時に実現され、安全性の強化も行われた
AstroForgeは次世代宇宙船にAIを搭載
- AstroForgeがAIを搭載した自律飛行宇宙船を開発している
- Transformerベースの自律制御システムSoloと伝統的制御アルゴリズムの併用、2500センサーのデータで訓練
- 宇宙船の通信不能時に自律的な問題解決が可能になるが、地上との通信機器は搭載しない方針
TechCrunch Disrupt 2026でAIセーフティに関する5つのセッションが紹介される
- TechCrunch Disrupt 2026でAIセーフティに関する5つのセッションが紹介される
- エントープライズAIの本格導入、エージェントセキュリティ、クラウドの複雑化、物理世界でのAIの信頼性、ロボットのデータ課題が取り上げられる
- AI製品を企業に導入する際にはセキュリティと信頼性が不可欠で、これらのセッションで実践的な対応策が学べる
TechCrunch Disrupt 2026: Aaron Edsinger brings Hello Robot’s Stretch 4 to life onstage
- Hello RobotのStretch 4がTechCrunch Disrupt 2026で実演される
- テレスコピングアームとセンサーを備えたコンパクトなロボット、人間の空間での作業を目的とした設計
- ロボットの実用性を重視した設計が特徴で、ユーザーの日常的なタスクを支援する
Strands harnessのcontext管理を実測 — 既定のauto＋cachingでinput換算トークン46%削減
- Strands harnessのcontext管理でinput換算トークンを46%削減できることが実測で確認された
- offloadによるツール結果の退避と切り詰め、cachingによる固定入力トークンの圧縮が効果的だった
- ツール結果が6,000文字を超えるワークロードで効果が顕著で、要約は今回のタスクでは発火しなかった
Kimi K3のPrompt Cacheを実測 — GPT-5.6向けの設定はそのまま使える
- Kimi K3のPrompt CacheはGPT-5.6向け設定をそのまま適用できる
- prompt_cache_options.modeやprompt_cache_key、breakpoint数の受理範囲、TTLの指定方法が実測で確認された
- prompt_cache_options.modeをexplicitにしないとキャッシュが効かない場合があり、breakpointは最大5個まで対応可能
【初心者向け】Amazon BedrockとStrands Agentsを使ってJevのState, Questionsを最適化する
- JevのNoul判定結果を最適化するためのState/QuestionsをLLMに生成させる手法が紹介されている
- StateとQuestionsの構造を変更し、Noul質問にai_writtenを含め、APIリファレンスをプロンプトに組み込む
- Jevに送るStateとQuestionsには目標確率を記載しないこと、文書本文を直接埋め込まないこと、評価基準を中立に保つことが必須条件
4日で最大200ドル節約：TechCrunch Disrupt 2026への参加理由2つ目
- TechCrunch Disrupt 2026の参加費が9月25日までに登録すると最大200ドル節約できる
- 9月25日までに登録すると最大200ドル節約可能、2つ目のチケットは50%オフ、グループ4人以上で最大30%割引
- 9月25日までに登録しないと料金が上がるので注意が必要
TypeSafe AI の jev を Python で一通り試した (使い方と 10 の実験)
- TypeSafe AIのjevモデルをPythonで試した際の使い方と実験結果を公開
- Choice・Score・Noulの3つの質問タイプを用いて、stateの内容を評価する。選択肢の順番や質問の言い回しの違いが結果に与える影響を検証
- 選択肢の順番変更や否定形の質問で結果が変化するため、質問の設計に注意が必要
みんなJevの話してる。やってないの俺だけ
- JevはLLMとは異なるSystem Oneモデルで、型付きの判断と確率出力を提供する
- noul/choice/scoreの3種類の質問形式、出力トークン無料、確率の較正が特徴
- 確率の信頼性は自社データで検証が必要で、画像/音声は非対応
NscaleのIPOがAI関連企業への投資意欲を試す
- NscaleのIPOがAI関連企業への投資意欲を試す
- Nscaleの収益はマイクロソフトとアンソロピックの契約に依存し、その条件は厳格
- 顧客集中が業界全体に与える影響を考慮する必要がある
AI駆動系の◯◯エンジニアリングが多いので、ここらで一旦整理しましょう。プロンプト、コンテキスト、ハーネス、ループ、グラフエンジニアリングについて。
- プロンプト、コンテキスト、ハーネス、ループ、グラフエンジニアリングの違いが説明されている
- プロンプトエンジニアリングは指示文の工夫、コンテキストエンジニアリングは情報の選別、ハーネスエンジニアリングは作業環境の整備、ループエンジニアリングは作業の再実行、グラフエンジニアリングはワークフローの設計
- コンテキストエンジニアリングでは無関係な資料を避け、必要な情報のみを渡すことが重要で、ハーネスエンジニアリングでは作業環境と制限を設定する
JevをStrands Agentsの権限管理に組み込んでみる
- JevをStrands Agentsの権限管理に組み込む方法を紹介
- ツール実行フックでJevを呼び出し、パスの確認とAPIリクエストの内容の確認を行う。BedrockとJevの実行時間を比較
- Jevの実行時間は0.6秒前後、Bedrockは1秒程度で、Jevのほうが速いがBedrockも代替案として使える可能性がある
AI Builderの「プロンプト」で出力する結果をMarkdown形式にする方法
- AI BuilderのプロンプトでMarkdown形式のファイルを生成する方法が紹介された
- OneDriveコネクタのファイル名に.mdを付けることでMarkdown出力が可能、テキスト形式から変更した
- Markdown形式で出力するにはファイル拡張子を変更するだけで実現できる
分離できていない？並列開発で感じた VS Code と Cursor の違い
- VS Code ではエージェントと人間の作業が干渉しやすく、Cursor は並列開発に適している
- コンテキストの分離不足とイベントの干渉、チャットの参照処理の違い
- VS Code ではエージェントの作業中に別のファイルを編集するのが怖く、Cursor は安心して任せられる
Cloudflare AI Gateway 予算ベースAIモデルルーティング
- Cloudflare AI Gatewayで予算に応じてモデルを自動切り替えるルーティングを構築できる
- Spend Limitsでコスト上限を設定し、Dynamic Routeのfallbackで安価なモデルに自動切り替える。AnthropicとWorkers AIのプロバイダ対応が異なる
- 予算超過時の切り替えはログで確認が必要で、キャッシュヒットはコスト0円として扱われる。ルール数上限20件に注意
生成しないAI「Jev」とは？ IBM BobでJavaアプリの検索リランキングに組み込んでみた
- Jevはアプリケーションに組み込む判断特化型AIで、従来コードでは難しい意味的な判断を補完する
- Choice・Score・Noulの3タイプの質問形式と、Stateに変動情報を含む構成要素で動作し、処理速度が高速
- JevはAIにすべてを任せるのではなく、コードとハイブリッドで運用し、特定の判断処理に適用する
プロンプトエンジニアリング、人間がやらなくてよくない？LLMに自分のプロンプトを直させてみた
- LLMにプロンプトの最適化を任せることで、プロンプトエンジニアリングの手間を減らす仕組みを構築した
- タスクLLMとオプティマイザLLMを組み合わせ、誤答分析と指示文の書き直し、few-shot例の入れ替えを繰り返す
- 評価指標の設計が重要で、正解の定義や誤りの重み付けは人間が行う必要がある
akitaonrails/ai-memory
- AIメモリ管理ツールがエージェント間・マシン間・チーム間でメモリを共有可能に
- エージェント間のハンドオフをプロトコルとして実装、マシン間でのメモリ同期、チームでの共有機能を備える
- メモリはMarkdown形式で保存され、LLM呼び出しを最小限に抑え、オフラインでも動作可能