Scraps 最終更新 2026/11/16 14:01

#生成AI・LLM

@suwa_nobu /

Claude Code の WebFetch は、長いページの10万字より後ろを読まずに「書いていない」と答えていた

  • Claude Code 2.1.289 は10万字より後ろのテキストを読み飛ばしていた
  • WebFetchが10万字で切り捨て、通知がなかった、10万字以降は「書いていない」と答えていた
  • 長いページでは「書いていない」と答える場合、バージョン2.1.290以降にアップデートする必要がある

@Anthropic /

サイバー検証プログラムの拡張

  • Anthropicがサイバーセキュリティ防御向けに拡張されたCyber Verification Programを公開した
  • 3段階のアクセスレベルでClaude Opus 5.5やClaude Mythos 5.1などのモデルを提供、防御的作業から赤チームテストまでカバー
  • 防御的なサイバーセキュリティ作業に必要なモデルアクセスを段階的に提供し、特定の組織にのみアクセスを許可している

@Rebecca Bellan /

Reflection、中国モデルと同等の性能を低コストで実現するオープンAIモデルBeamを発表

  • ReflectionがBeamというオープンなAIモデルを発表し、中国モデルと同等の性能を低コストで実現
  • Beamは5010億パラメータで230億アクティブパラメータ、GLM-5.2と同等の性能を3〜4倍少ない計算コストで達成
  • 企業や政府が独自のAIシステムを構築するための「AIファクトリー」戦略を採用し、NvidiaのGPUを活用する

@songchong /

AI エージェントに API キーを渡しても大丈夫か? 対話文・.env・環境変数・MCP・OAuth — 6 つの渡し方を Claude Code・Codex・Gemini CLI・Copilot・Cursor で調べてみた

  • AIエージェントにAPIキーを渡す6つの方法のセキュリティリスクと対策を調査した
  • 対話文に貼る、.envに書く、環境変数にする、MCP設定に書く、OAuthで許可する、クラウドの鍵置き場を使う
  • OAuthで許可するのが最も安全で、鍵の文字列を直接渡さないことが重要である

@Dominic-Madori Davis /

19歳の創業者が$1100万を調達、$3,499の個人向けAIコンピュータを発表

  • 19歳の創業者が$3,499のコンピュータ「Core」を開発し、個人向けAIエージェントを提供
  • Nvidia RTX Pro 4000 SFF Blackwell GPUと独自ソフトウェアを搭載、モデルはローカルで動作、データは暗号化
  • プライバシーを重視し、個人データはクラウドに保存せずローカルで処理される

@Russell Brandom /

研究者らが中国のAIエージェントfleetを追跡

  • 中国のAIエージェントfleetがインターネットで活動している
  • Tencentのインフラで動作し、AmapのAPIルールを回避するためのクエリを送信、urlqueryを介してトラフィックが記録されている
  • AIエージェントの活動はインターネットで継続的で、APIルールを回避する目的で利用される可能性がある

@Miccell(ミクセル) / 人生を楽しむ仕組みを作る /

ChatGPT Dotsとは?機能とユースケース、競合のGrok Bot・Hermes・OpenClawとの違い

  • OpenAIが発表したChatGPT Dotsは、常時稼働するAIエージェントで、アプリを閉じても作業を進める
  • 専用のクラウドPCとGPT-6 Astraモデル、4,000以上のアプリ連携、Grok BotやHermes Agentとの違い
  • DotsはProプラン以上で利用可能で、記憶やモデルの自由度は自前型に劣る

@inoyu-qiita /

Claude Codeのモデルを使い分けると成果物とトークンはどれくらい変わる?実際にOpus+Sonnetと全部Opusで同じものを作って比べてみた

  • Claude Codeで計画はOpus、実装はSonnetを使うとコストが3割少なく、品質に大きな差は出ない
  • 計画・設計はOpus、実装以降はSonnetを使うと推定コストが31%減、トークン使用量が23%減、テスト数が多かった
  • 実装はSonnetを使うとコストが安く済むが、計画段階でOpusを使うことで設計の質を保つべき

@Gen Tamura /

データ量を 4 分の 1 にしても答えが大きく変わらないのはなぜか?LLM の 4bit 量子化の仕組み

  • LLMの重みを4bitに量子化しても性能が大きく変わらないのは、外れ値を避けてグループ単位で量子化し、要所を混合精度で残す工夫があるから
  • 外れ値は活性値に集中して4bitにしない、グループサイズで巻き添えを防ぐ、埋め込み層など要所を6bitで残す
  • 4bitにしたモデルは重みの3分の1まで削減可能だが、外れ値対策と混合精度で性能を維持している

@mizchi /

俺のAIプログラミング手法(2026/10/05)

  • AIプログラミング手法として、人間の役割と評価指標の定義、ループ構築、形式手法の活用が提案されている
  • 評価指標の改善とCIのチューニング、形式仕様の検証にTLA+やZ3の使用が挙げられている
  • 評価指標の数値化が重要で、主観的な判断は避け、具体的な数値に落とし込むべきである

@アトカ【AIコラムライター】@AI副業 /

AIエージェントとは?普通のチャットAIとの違いを、暮らしの例でやさしく解説

  • AIエージェントは目的に向かってタスクを進めるAIで、チャットAIとは異なる
  • チャットAIは情報提供にとどまるが、AIエージェントは手順を考えツールを使い行動まで行う
  • AIに任せられる範囲を明確にし、重要な判断は人間が行うべき

@Ryohei Ito /

Microsoft Agent Framework Workshop で、Multi-Agent Workflow に取り組んでみた

  • Microsoft Agent Frameworkでマルチエージェントワークフローを試した
  • Tool Calling、AgentThread、Context Provider、Middleware、Multi-Agent Workflow、Handoff、Human-in-the-Loopの仕組みを学んだ
  • OpenAI APIキーで動作させた際の設定変更が必要で、Azure OpenAIのコードを修正する必要がある