マイクロソフト、事後学習不要の推論フレームワーク「CLIO」発表
Microsoftは追加の強化学習を行わずに実行時の自己反省ループで推論を最適化する「CLIO」を発表した。高難度ベンチマークHLEの生物・医学分野において、GPT-4.1の正答率を8.55%から22.37%に引き上げ、OpenAIのo3を上回った。研究者が不確実性の閾値を設定し、途中で介入・修正できるのが強みだ。
AIエージェント
新しいニュースを見る
Google、無料の「Gemini CLI GitHub Actions」公開：Issue分類やPRレビューを自動化
Googleは「Gemini CLI GitHub Actions」のベータ版を世界向けに無料公開した。リポジトリの全コード文脈を理解し、Issueの自動分類やPRレビューを実行するほか、メンションするだけでテストコードの作成やバグ修正を任せられる。
KaggleのAIチェス大会初日：Grok 4らが4-0完封で準決勝へ
Google傘下のKaggleとDeepMindが開催したAIチェス大会で、Grok 4、Gemini 2.5 Pro、o4-mini、o3がそれぞれ4-0で勝利し準決勝に進出しました。Grok 4が最も優れた指し手を見せ、イーロン・マスク氏はチェスに特別な労力を割いていないと投稿。定石を外れたLLMの非合法手や空間認識の限界が浮き彫りになっています。
マイクロソフトが「Project Ire」発表：AIが自律的にマルウェアを逆コンパイルして解析
マイクロソフトは未知のソフトウェアを自律的に逆コンパイルして解析するAIプロトタイプ「Project Ire」を発表した。LLMと各種解析ツールを連携させ、人間の介入なしにAPT脅威を特定してDefenderで遮断した。誤検知率を極めて低く抑えており、Defenderへの統合が予定されている。
OpenAI、オープン推論モデル「gpt-oss」公開 16GBで動く20Bも
OpenAIはApache 2.0ライセンスのオープン推論モデル「gpt-oss-120b」と「gpt-oss-20b」を公開した。思考連鎖やツール実行に対応し、20b版は16GBメモリの端末でローカル稼働する。自前の環境で高度な推論AIを低コストに動かせる点が大きい。
Anthropicが「Claude Opus 4.1」公開：SWE-benchで74.5％、価格据え置き
Anthropicはコーディングと自律型エージェント処理を強化した「Claude Opus 4.1」を発表した。SWE-bench Verifiedで74.5％を記録し、複数ファイルのリファクタリング精度が大幅に向上。価格はOpus 4と同額で、有料会員向けおよび主要クラウド経由ですでに提供を開始している。
KaggleがAIチェス大会を開催へ：o3やGeminiなど8大モデルが推論対決
Google傘下のKaggleはゲーム対戦型ベンチマーク基盤「Game Arena」を発表し、8月5日から7日にかけて初のAIチェス大会を開催する。OpenAIのo3やGemini 2.5 Pro、DeepSeek-R1など8モデルが参戦。外部エンジンなしのテキスト入力のみで対局し、モデル単体の論理的推論力を検証する。
Anthropic、安全で信頼できるAIエージェント開発フレームワークを公開
Anthropicは安全で信頼性の高いAIエージェントを開発するための初期フレームワークを公開した。人間の統制と自律性の両立、プロセスの透明性、価値観の整合、プライバシー保護、セキュリティの5原則を提示。Claude Codeの実装例を交え、業界の安全基準確立を目指す。
Brilliant Labsが299ドルのスマートグラス「Halo」発表、会った人の名前を記憶
Brilliant Labsは299ドルのスマートグラス「Halo」を発表した。0.2インチのmicroOLED画面と骨伝導スピーカーを搭載し、重さは約40g。マルチモーダルAI「Noa」と記憶機能「Narrative」により、過去に会った人の名前や会話内容を自動で呼び出せる。現在公式サイトで限定予約を受付中。
Z.aiがフラグシップ「GLM-4.5」公開、推論・コーディング・自律エージェント性能を強化
Z.aiはフラグシップモデル「GLM-4.5」および軽量版「GLM-4.5-Air」を発表した。355Bパラメータ（アクティブ32B）のMoE構成を採用し、層の深さを優先した設計で論理推論や自律エージェント性能を向上させた。推論エンジンSGLangに初日から対応し、ツール呼び出し成功率は90.6％に達する。
Manus、新機能「Wide Research」発表：汎用エージェントの並列処理で大規模調査を高速化
7月31日、Manusは大規模タスクを並列処理する新機能「Wide Research」を発表した。固定的な役割分担を行わず、複数の完全なManusインスタンスが連携して数百件規模の調査をこなす。現在はProユーザー向けに先行提供され、順次下位プランにも拡大予定だ。
スタンフォード大が「AI仮想研究室」を構築：数日で新型コロナ抗体を設計
スタンフォード大などのチームがネイチャー誌に「仮想研究室」の成果を発表した。人間の指示を受けたAI主任研究者が専門エージェントを編成し議論を重ねる仕組みで、わずか数日で新型コロナのナノボディ抗体を設計。実世界の実験でも高い結合力が確認された。
ChatGPT Agentが「私はロボットではありません」を難なく突破
OpenAIのChatGPT Agentがタスク処理中にCloudflareの「人間であることを確認」チェックボックスをクリックして突破したことがRedditで話題になった。エージェントは「ロボットではないと証明する」と実況しながら認証を通過しており、従来の簡易なBot対策の形骸化を浮き彫りにした。
Microsoft、Edgeに「Copilot Mode」試験導入：全タブ横断で比較や予約代行
MicrosoftはEdgeブラウザで実験的な「Copilot Mode」のテストを開始した。開いている全タブを横断検索してホテルや商品の比較ができるほか、音声操作やレストラン予約代行も視野に入れる。設定から無効化も可能で、現在は期間限定で無料提供されている。
OpenAI、「ChatGPT Agent」をPlus・Pro・Team全ユーザーに提供開始
OpenAIは「ChatGPT Agent」をPlus、Pro、Teamの全有料ユーザー向けに一般公開した。仮想環境でWebブラウザやターミナルを自律操作する機能とDeep Researchを統合しており、動作をリアルタイムで確認できる。Plusの利用上限は月40回、Proは月400回となる。
米Google、自然言語でAIミニアプリを作れる「Opal」公開
米GoogleのGoogle Labsは自然言語とビジュアル操作でAIミニアプリを作成・共有できる新ツール「Opal」を発表した。コードを書かずにプロンプトやモデル、ツールを連携させたワークフローを構築できる。現在は米国限定の公開ベータ版として提供されている。
CursorがコードレビューAI「Bugbot」を正式公開、PRの論理バグを自動検出
Cursorはコードレビュー用エージェント「Bugbot」のベータ版提供を終了し、正式リリースした。PRの変更意図を汲み取ってロジックバグや脆弱性を自動検出するほか、BUGBOT.mdで独自ルールの追加も可能。テスト期間中に100万件以上のPRを検査した。
GitHub「Spark」をパブリックプレビュー公開、自然言語でアプリを即座に作成・デプロイ
GitHubはCopilot Pro+加入者向けに「GitHub Spark」のパブリックプレビューを開始しました。Claude Sonnet 4を基盤とし、自然言語の指示だけでフロントエンドからバックエンド、ホスティングまで自動構築して即座にデプロイできます。アイデアを数分で動くWebアプリに仕上げられるのが魅力です。
Replit、自律型コーディングAI向けに「Queue」機能を公開 タスクの事前登録が可能に
ReplitはReplit Agent向けの新機能「Queue」を公開した。Agentのコード生成を待たずに次のタスクを順次追加でき、並べ替えや個別タスクごとのモデル変更、拡張思考の切り替えに対応する。AIの完了待ちによる集中の中断を解消し、流れるような開発を支える。
Alibaba、ハイブリッド思考を廃止し「Qwen3-235B」新モデル公開
AlibabaのQwenチームはハイブリッド思考モードの採用を止め、Instructモデルと思考モデルを個別に訓練する方針を発表した。あわせて「Qwen3-235B-A22B-Instruct-2507」とFP8版を公開し、エージェントタスク性能などを向上させた。