13 件 — 🟡 9 重要 , 🟢 4 注目
Anthropicは初代Claude Sonnet 4とClaude Opus 4を本番環境から廃止しました。claude-sonnet-4-20250514およびclaude-opus-4-20250514の識別子へのAPIリクエストはすべてエラーを返します。開発チームはClaude Sonnet 4.6とClaude Opus 4.8への移行が必要です。研究者はExternal Researcher Access Programを通じてアクセスを申請できます。
Amazon Bedrockに3つのGoogle Gemma 4モデルが追加されました。256Kコンテキストの31Bデンスモデル、38億のアクティブパラメータを持つ26B-A4B MoEモデル、そして51億パラメータのコンパクトなE2Bモデルです。Gemma 4 31BはIntelligence Index 39を達成し、4Bから40Bクラスのオープンモデルの中央値15を大きく上回ります。モデルはApache 2.0ライセンスのもと、35以上の言語に対応し、ネイティブ関数呼び出しと組み込み推論モードを提供します。
GoogleはGemini APIのchangelogで生成モデルの廃止期限を発表しました。Veo 2.0とVeo 3.0（Fast含む）は2026年6月30日に、Imagen 4ファミリー（generate-001、Ultra、Fast）は2026年8月17日に廃止されます。ユーザーはGemini Enterprise Agent PlatformでVeo 3.1プレビューまたはGAモデルへの移行が必要です。この発表はAnthropicが旧世代Claudeモデルを廃止した同日に行われました。
GitHubは、4000万以上のリポジトリにわたる8000万以上の分類行を含む多言語リポジトリデータセットを、完全なオープンCC0-1.0ライセンスで公開しました。各リポジトリについてREADME、最もコメントの多いissue、最もコメントの多いpull requestの3つのテキストソースを記録し、fastText、gcld3、lingua-pyの3つのツールで言語検出を行います。非英語READMEではポルトガル語がトップで、issueの議論では韓国語が最も目立ちます。
CNCFはOracleの300万ドルのOCIコンピュートクレジット寄付がOpenTelemetry、containerd、Falco、Longhorn、Crossplane、Jaegerを含む12以上のプロジェクトのArm64 CI/CDサポートを可能にしていると報告しています。需要は月5,000ドルの初期ガイドラインをすぐに超えました。この転換は新しいAWSインスタンスの50%以上とAzureインスタンスの33%がArm64アーキテクチャで動作しているというデータと並行しています。
AgentFairBenchは、雇用、信用、医療トリアージの領域でLLMエージェントの回答だけでなく実際の行動における人口統計的不平等を測定する初のベンチマークです。反実仮想フリップ率と行動率格差の2つの指標を使用し、4つのエージェントスキャフォールドをテストします。864回の決定のパイロットでClaude Haikuはノイズレベルを超える人口統計的効果を示さず、6つのグループの単純な比較が不平等を約2.4倍過大評価する可能性があると警告しています。
この論文は、1,000システムの最終リーダーボードスナップショットが複数の非互換な歴史的軌跡に対応し得ることを示すベイズ監査フレームワークを提示しています。収束時間は23〜75ステップです。LiveBench、Open LLM Leaderboard v2、LMArena、GAIA、tau-benchのアーカイブデータに基づき、著者はスコアリング履歴を再構築しフロンティアモデルに関する根拠のない主張を棄却するarchive-and-adjudicationプロトコルを提案しています。
AWSのStrands Evals SDKはAIエージェント向けの2フェーズパイプラインを導入します。まず幻覚、誤ったアクション、オーケストレーションエラー、コンテキストエラー、繰り返しなど9つのカテゴリで障害を検出し、次にPRIMARY、SECONDARY、TERTIARYに分類した根本原因分析を実施します。SYSTEM_PROMPT_FIXやTOOL_DESCRIPTION_FIXなどの具体的な修正を推奨し、診断時間を数時間から数分に短縮します。Amazon BedrockとAmazon CloudWatchログと統合されています。
LangChainは、ファインチューニングされたQwen-3.5-35Bが「トレースジャッジ」——エージェントの本番トレースを評価してユーザーが気づいたエラーを発見するモデル——として機能することを示しました。FireworksインフラでのLoRAファインチューニングと約1,400のサンプルを使用し、chat-langchainセットでClaude Opusの91.6%に対して96.1%の精度を達成し、10〜100倍低コストです。一つのドメインでチューニングされ別のドメインでフロンティアモデルを超え、ドメイン間転移を示しています。
Microsoftの新しい分析によると、平均的なAIクエリのエネルギー消費量は0.16〜0.60 Whで、コンピュータが15〜60秒稼働するのと同程度です。これは従来の研究推定より4〜20倍低い値です。研究者は以前の推定が大規模運用での効率を考慮していなかったと指摘しています。モデル最適化、サービング技術、ハードウェア進化の組み合わせにより、クエリあたりのエネルギーを8〜20倍削減できます。
AnthropicはClaude Code v2.1.178をリリースしました。新しいTool(param:value)パーミッション構文とワイルドカードサポートを追加しています。たとえばAgent(model:opus)はOpusサブエージェントの起動をブロックします。ネストされた.claude/skills/ディレクトリのスキルは名前衝突時にプレフィックス付きで自動ロードされ、autoモードでのサブエージェント起動は分類器を通過します。このリリースはOOMクラッシュとハングしたバックグラウンドセッションの修正も含みます。
