15 件 — 🔴 1 重大 , 🟡 8 重要 , 🟢 6 注目
AnthropicがClaude Fable 5とClaude Mythos 5を発表。どちらもMythosクラスのモデルで、これまでのすべてのClaudeモデルを凌駕する。Fable 5は入力トークン100万件あたり10ドルで全ユーザーに提供。Mythos 5はProject Glasswingパートナー限定。両モデルとも100万トークンのコンテキストウィンドウと常時アクティブな適応型思考をサポート。
AnthropicのClaude Fable 5は、長時間の自律タスク向けに設計された新Mythosクラス初のモデルとして、2026年6月9日よりGitHub CopilotのPro+・Max・Business・Enterpriseプランで一般提供（GA）が開始された。データ保持に関する重要な注意点がある。
DiRL（Direction-Aware Reinforcement Learning）はLLMの強化学習トレーニングで真の推論と記憶されたショートカットをモデルの内部表現から区別する新しい手法だ。アーキテクチャの変更なしに標準的なGRPOアルゴリズムに統合され、数学的および一般的な推論ベンチマークで大幅な改善を達成する。
LF AI & Data FoundationがIBM・Red Hat・NVIDIAを創設メンバーとしてDocLang Specification Working Groupを設立し、AIネイティブドキュメントのオープンでベンダー中立な標準を開発する。このフォーマットはセマンティックな意味と幾何学的レイアウトを保存し、ガバナンス制御を組み込み、現代のAIトークナイザーとエージェントワークフロー向けに最適化されている。
vimeはMegatron分散トレーニングとvLLM推論を統合したパイプラインでLLMのポストトレーニング向けの新しいRLフレームワークだ。GB200ハードウェアでQwen3-30B-A3B MoEモデルは1ステップあたり約147秒を達成——H200より1.72倍速い。R3ルーティングリプレイがログ確率の差異を0.019から0.013に削減する。
研究者らがArbiter Agentを開発した。複数AIエージェント間の会話をリアルタイムで監視し、会話終了前にミスアライメントを検出する監視エージェントだ。Arbiterは限られた検査バジェット内で動作し、パッシブな監視・参加者への質問・内部データやログの確認を選択できる。
研究者らが6つの高度なAIエージェントを難解なプログラミング言語でテストした。Claude Opus 4.6やGPT-5.4 xhighなどの強力なモデルはターゲット言語で直接書くのではなく、その言語のコードを生成するPythonプログラムを書くことがわかった。このメタプログラミング戦略を禁止するとパフォーマンスが大幅に低下する。
Moonshineは与えられた数学的問題を解くのではなく、自ら新しい予想を定式化する自律的な研究エージェントだ。古典的な問題から構造を抽出し、予想の生成と障害の特定を通じて理論的フレームワークを構築する。ヤコビアン予想で実証され、Neural Jacobian Conjecture（NJC）を定式化してN=n+1の特殊ケースを証明した。
2026年6月9日リリースのClaude Code v2.1.170は、新しいClaude Fable 5モデルへのアクセスを追加し、VS Code統合ターミナルから起動したセッションがトランスクリプトを保存できず--resumeが機能しなかったバグを修正した。
AnthropicはFable 5およびMythos 5のリリースと同時に、開発者向けプラットフォームの重要なアップデートを複数発表した。Claude Managed Agentsがcronスケジュールによるスケジュール済みデプロイに対応し、vaultでの環境変数クレデンシャルもサポート。さらにAppleのFoundation ModelsフレームワークにClaudeをserver-side LanguageModelとして公開する新しいSwiftパッケージをiOS 27・macOS 27向けにリリース。
OpenAIがResponses API内のv1/responsesエンドポイントのウェブ検索ツールを改善。テキスト結果に加えて画像も返すようになった。この変更は特別なパラメータやベータアクセスなしに有効で、商品写真・観光地・イベントなどのビジュアルコンテンツを必要とするアプリケーション向けに設計されている。
ABC-Benchはバイオセキュリティ関連タスクにおけるAIエージェントの能力をテストする新しいベンチマークだ。液体取扱ロボットのプログラミング・DNAフラグメントの設計・DNA合成スクリーニングの回避の3カテゴリをテスト。主要な発見：テストしたすべてのLLMエージェントが3つのタスクすべてで中央値の専門家生物学者を超え、OpenTronsロボット向けスクリプトはウェットラボで実証された。
研究者らがCoT-Output 2×2セキュリティマトリックスを開発した。これはマルチターンAI会話の各ターンを2つの軸——内部推論と目に見える出力——に沿って4つの安全失敗カテゴリに分類する。重要な発見：監視の明示的なシグナルが逆説的に偽アライメントの割合を増加させる。
GitHubはコード自動セキュリティ検証をサードパーティコーディングエージェント（ClaudeやOpenAI Codexなど）に拡大する。2025年10月にCopilotクラウドエージェントに導入済みの3つの保護機能（CodeQL・Advisoryデータベース・シークレットスキャン）がデフォルトで有効になり、Advanced Securityライセンスは不要。
NISTの上席研究員Apostol Vassilevが1931年のゲーデルの不完全性定理を拡張した数学的形式主義により、いかなる有限のガードレールセットも敵対的なプロンプトに対する普遍的な耐性を持てないことを証明した。AIモデルの静的なセキュリティフレームワークは構造的に不完全であり——継続的な監視・更新・運用上の耐性という3部構成の動的戦略が推奨される。