15 件 — 🔴 2 重大 , 🟡 12 重要 , 🟢 1 注目
Anthropic は 2026 年 4 月 29 日に BioMysteryBench を発表しました。これは実験データの客観的なグラウンドトゥルースを用いた、99 問の専門的なバイオインフォマティクス課題からなる評価フレームワークです。Claude Opus 4.6 は人間が解ける 76 問で約 77.4% の精度を、23 問の超人間的な課題で 23.5% を達成しています。一方、Mythos Preview は人間の専門家パネルでも解けなかった問題を解決しており、研究者たちはこれを生命科学における AI の転換点と表現しています。
NVIDIA は 2026 年 4 月 28 日に Nemotron 3 Nano Omni を発表しました。これはオープンソースの 30B-A3B ハイブリッド Mixture-of-Experts モデルで、256K コンテキストの単一アーキテクチャにビジョン、オーディオ、言語、ビデオ、ドキュメント、GUI スクリーンショットの処理を統合しています。同等のインタラクティビティを維持しながら、他のオープンな全モード対応モデルと比べてスループットが 9 倍高く、ドキュメント・ビデオ・オーディオ理解の 6 つのリーダーボードでトップを占めています。Hugging Face、OpenRouter、build.nvidia.com、25 以上のパートナープラットフォームで利用可能で、早期採用者には Palantir、Foxconn、Eka Care が含まれます。
Kraus、Sarrof、Yao、Koller、Hahnによる新しいArXivプレプリントは、長さ汎化学習のより厳しい要件下では、思考の連鎖（CoT）推論を持つ標準的なトランスフォーマーはTC^0複雑性を超えた問題を解けないことを示しています。CoTの実証的な成功は、実際には理論的なチューリング完全性を意味しません。提案された解決策 — 動的な語彙拡張とシグナルポストトークン — は、線形CoTオーバーヘッドで長さ汎化可能なチューリング機械のシミュレーションを可能にします。
PyTorchは2026年4月29日にAutoSPを発表しました。これはDeepSpeed/DeepCompile内のコンパイラベースのツールで、標準的な単一GPUトランスフォーマートレーニングコードをシーケンス並列形式に自動変換します。100k+トークンのコンテキストでLLMをトレーニングする際に必要な手動のトークンパーティショニングと通信コレクティブ操作の実装を不要にします。UIUC SSAIL Lab、Anyscale、Snowflakeが共同開発しました。
CMUの研究者Lawrence Keunho Jang、Jing Yu Koh、Daniel Fried、Ruslan Salakhutdinovは2026年4月27日、ArXivプレプリント「Odysseys」を発表しました。これはライブインターネット上の本物のブラウジングセッションから得た200の長程ウェブタスクのベンチマークです。ルーブリックベースの評価（タスクあたり平均6.1のルーブリック）により、最強のフロンティアモデルでもわずか44.5%の成功率と1.15%の軌跡効率しか達成できないことが示され、現在のウェブエージェントの巨大な欠点が明らかになりました。
AWS は 2026 年 4 月 29 日、Amazon Bedrock AgentCore Runtime 上でカスタム MCP プロキシをサーバーレスワークロードとしてデプロイするためのリファレンスアーキテクチャを公開しました。プロキシは AI エージェントと上流 MCP サーバーの間に配置され、既存のシステムを変更することなくガバナンス制御——入力検証、PII の削除、監査ログ、レート制限——を注入できます。このアーキテクチャはツールの動的検出に FastMCP フレームワークを使用し、IAM/SigV4 および OAuth 2.0 JWT 認証をサポートし、CloudWatch と OpenTelemetry と統合されています。
AWSは2026年4月29日、Bedrock AgentCore Memoryサービス内のエージェント長期記憶組織化のための参照アーキテクチャパターンを公開しました。3つの主要な名前空間パターンが異なるユースケースをカバーします：設定と事実のためのActor-Scoped、会話要約のためのSession-Scoped、セッション間の経験一般化のためのEpisodic with Reflection Hierarchy。IAM条件キーにより名前空間レベルの厳格なアクセス制御が可能になります。
LangChain は 2026 年 4 月 29 日に Deep Agents 向けの harness プロファイルシステムを発表しました。これにより同じコードが変更なしに Anthropic、OpenAI、Google のモデルと連携できます。プロファイルはモデル固有のシステムプロンプト、ツール、ミドルウェアを自動的に適用します。tau2 ベンチマークでは GPT-5.3 Codex が 33% から 53% へ、Claude Opus 4.7 が 43% から 53% へ精度が向上し、研究者たちは単一の harness がすべてのモデルに対して最適にはなれないと結論づけています。
Mistral AIは、256kコンテキストウィンドウを持ち、SWE-Bench Verifiedで77.6%を達成した1280億パラメータの密なモデル「Mistral Medium 3.5」を発表しました。改変MITライセンスのもとウェイトを公開しています。同時に、CLIまたはLe Chatから起動できる非同期クラウドコーディングエージェントプラットフォーム「Vibe」と、エンタープライズワークフロー向けのLe Chat Work modeプレビューも提供されます。料金は入力$1.5/100万トークン、出力$7.5/100万トークンです。
Anthropic は 2026 年 4 月 28 日、Blender、Autodesk Fusion、Adobe（50 以上の Creative Cloud ツール）、Ableton、Splice、Affinity と Canva、Resolume Arena、SketchUp との連携によるプロフェッショナルなクリエイティブソフトウェア向けの Claude コネクターを発表しました。Claude は Blender 向けに Python スクリプトを作成し、VJ 向けに Resolume をリアルタイムで制御し、Affinity でアセットのバッチ処理を自動化し、Splice のサンプルカタログを検索できます。Anthropic は Blender Development Fund にパトロンとして参加し、RISD、Ringling College、Goldsmiths の 3 つの学術機関が学生に Claude との協働を学ぶ授業を開始します。
Google Researchは2026年4月29日、ERA（経験的研究支援システム）を発表しました。これはLLMを計算ツールと組み合わせて科学研究を加速する社内AIシステムです。異なる分野にわたる4つの具体的な成果：COVID/インフルエンザ/RSV入院予測でCDCランキング首位、宇宙弦の重力波に関する6つの新解、10分ごとに大気CO2を観測するニューラルネットワーク、ゼブラフィッシュの解釈可能な神経回路。
EvalEval Coalition（Avijit Ghosh、Yifan Mai、Georgia Channing、Leshem Choshen）は2026年4月29日、HuggingFaceブログにAIモデルの評価コストが爆発的に増加していることを示す分析を公開しました。単一のGAIAラン$2,829、HALリーダーボード$40,000（k=8信頼性$320,000）、PaperBenchはエージェントあたり約$9,500。静的ベンチマークは100-200倍圧縮可能ですが、エージェントベンチマークはわずか2-3.5倍。独立した監査人にとっての説明責任の障壁となっています。
