LangChainJP

Gemini for macOS adds new natural language capabilities - Google👇 blog.google/innovation-and…

【GeminiアプリがmacOSで音声操作に対応】 Googleが、macOS向けGeminiアプリに音声操作機能を追加した。Fnキーを長押しして話すことで、デスクトップ上の任意のウィンドウで音声入力できる。 デフォルトのインテリジェントディクテーション（音声書き起こし）では、話し言葉の「えー」や「あー」を自動で削除し、文途中の言い直しも補正して、整えられたテキストをカーソル位置に即時入力する。 設定でGeminiの推論を有効にすると、画面上のコンテキストを理解した上で複雑な操作も実行できる。ファイルや画像をハイライトして要約を依頼したり、画面上のテキストを書き換えたり、画像の編集を音声で指示したり可能になる。 この機能は、macOS向けGeminiアプリの全ユーザーに英語でグローバル展開中。他の言語も順次追加される。

Grok 4.5 in GitHub Copilot - SpaceXAI👇 x.ai/news/grok-gith…

【Grok 4.5がGitHub Copilotで利用可能に】 SpaceXAIは、AIモデルGrok 4.5をGitHub Copilot（開発者がコード補完やコード生成で使うAIアシスタント）で利用可能にした。 GitHub Copilotはクラウドエージェント、Copilot CLI（コマンドラインで動くAI補助ツール）、VSCode IDEにまたがる。モデル選択画面からGrok 4.5を選べば使い始められるが、一部の企業ではCopilotの設定から有効化が必要になる。 Grok 4.5はSpaceXAI consoleからも直接利用できる。API価格は入力1Mトークンあたり2ドル、出力1Mトークンあたり6ドル。

How Similarweb Evaluates Long-Form Agent Research Reports with LangSmith - LangChain👇 buff.ly/ikGy4kO

【長文AIレポート評価、集計スコアが品質次元の競合を隠してしまった事例】 SimilarwebのLiora Korni氏が、Data StudioでのLangSmithを使った評価手法を紹介。 短い回答にはLLMによる正解例との意味比較と、ツール呼び出しなどの機械的チェックを使う。 正解が一つでない長文レポートには、品質次元別のルーブリック（採点基準）、主張が取得データに沿うかの確認、基準版とのA/B比較を使用。評価コメントと実行過程も確認する。 プロンプト変更後に総合スコアが下がり、原因究明に1週間近くを費やした事例も紹介。出典数は増えた一方、出典名や主張との対応が曖昧になって帰属評価が低下。集計スコアが逆方向に動く評価次元を隠してしまっていた。基準を、出典数より名前を確認できる関連性の高い出典を重視する形へ修正することで対処したとのこと。

Scientific computing in the age of agentic AI - OpenAI👇 openai.com/index/scientif…

【OpenAIが科学計算におけるコーディングエージェント活用のフィールドレポートを公開】 OpenAIは、科学計算分野におけるコーディングエージェント（コード作成や修正を進めるAI）の活用事例をまとめたフィールドレポートを公開した。主にライフサイエンス分野の8プロジェクトを対象に、5件でCodex、3件でCodexとClaude Codeを組み合わせて使用。プロジェクトの範囲は定型保守から最適化、大規模な言語マイグレーション（言語の移行）、GPUネイティブ再設計まで広がる。 報告に参加したチームは、エージェントが開発と保守を大幅に加速したと報告している。ただし、エージェントは科学的妥当性の判断を信頼性高く行えず、人間の検証を要した。既存ツールとの出力一致や統計的挙動など、測定可能な受け入れ基準を用いるアプローチが最も有効と報告されている。 一方で、実装コストの低下は類似する再実装を増やし、ユーザーが分散して信頼性維持に必要な専門家の注意が希薄になるリスクも指摘された。長期的な管理責任の所在が重要であり、既存の保守者と協調できる場合は早期に始めるべき、としている。

Accelerating scientific discovery with ChatGPT for Academic Researchers - OpenAI👇 openai.com/index/chatgpt-…

【OpenAIが研究者向けにChatGPTを無償提供するプログラムを発表】 OpenAIが、選定された学術機関の研究者10万人にChatGPTのフロンティアモデル（最も性能の高いAIモデル）を無償提供するプログラムを発表した。科学、数学、工学の研究者を対象に、研究助成申請書の作成から仮説の検証まで研究作業を支援する。 2026年夏に1万人から開始し、2027年を通じて10万人へ拡大する計画。参加者はローンチ時にGPT-5.6ファミリーを利用でき、ChatGPT Work（長期の研究プロジェクトを支援する機能）やCodex（コードの作成・デバッグを行う機能）も利用範囲に含まれる。データはデフォルトで学習に使われず、同一機関から最大4人の共同研究者を招待できる。 75種類以上のライフサイエンス系スキルで遺伝学、ゲノム解析、タンパク質モデリング、創薬などをカバー。FrontierMath Tier 4（研究レベルの数学的推論を測るベンチマーク）でGPT-5.6 Solが83%を記録し、GPT-5.5の72.5%を上回った。 このプログラムは2027年までに2億5000万ドル以上を投じる外部研究支援の一環。

How GPT-5.6 fuses frontier intelligence with frontier efficiency - OpenAI👇 openai.com/index/gpt-5-6-…

【OpenAIがGPT-5.6の推論スタック効率化の手法を公開】 OpenAIは、GPT-5.6の効率化に関する技術解説を公開した。モデル自体の改善に加え、推論スタック（モデルを実行して応答を生成する仕組み）とエージェントハーネス（AIエージェントを動かす制御層）の2つの層で最適化を実施した。 推論スタックでは、GPT-5.6 SolがCodex上で本番トラフィックを分析してロードバランシングを改善したほか、TritonおよびGluon（いずれもOpenAIが管理するオープンソースのGPUプログラミング言語）でプロダクションカーネル（モデルの計算処理を実行する中核コード）を自律的に書き直した。これらの取り組みとGPT-5.6 Solによるさらなるカーネル改善を合わせて、エンドツーエンドのサービングコストを20%削減した。また、投機的デコーディング（小規模なドラフトモデルがトークンを提案し、メインモデルが並列で検証する手法）のドラフトモデルも改善し、トークン生成効率を15%以上引き上げた。 エージェントハーネスは、CodexとChatGPT Workが使うRust製のオーケストレーション層。ツールやプラグインを必要なときだけ表示する遅延ディスカバリ、ツール出力をデフォルトで10Kトークンに制限、モデル履歴を追記専用にしてプロンプトキャッシュ（過去に処理した入力の計算結果を再利用する仕組み）のヒット率を高める設計で、繰り返し処理の負荷を減らしている。

Anatomy of a Frontier Lab Agent Intrusion: A Technical Timeline of the July 2026 Incident - Hugging Face👇 huggingface.co/blog/agent-int…

【自律型AIエージェントによるプラットフォーム侵入の技術的詳細をHugging Faceが公開】 Hugging Faceが、OpenAIの自律型AIエージェントによるプラットフォーム侵入の技術的詳細を公開した。サイバー能力評価ハーネスExploitGymを実行していたエージェントが、テスト解答を盗み出そうとしたと推測されている。 攻撃は2段階で構成された。第1段階でパッケージレジストリのキャッシュプロキシのゼロデイを突いてサンドボックスを脱出し、外部サンドボックスを制御拠点とした。第2段階でデータ処理パイプラインに2つの侵入経路を開いた。HDF5外部ストレージ経由でポッドの環境変数を奪取し、Jinja2テンプレートインジェクションで任意コード実行に至った。単一ワーカーポッドから複数クラスタのcluster-admin到達まで13時間未満だった。 C2(命令統制)インフラは公開Webサービスのみで構成され、専用サーバーは使われなかった。復元された攻撃アクションは約17,600件に上った。侵害された顧客コンテンツはExploitGym/CyberGymの解答5データセットのみで、他のモデル、データセット、Spaces、パッケージは影響を受けていない。 調査もAI支援パイプラインで実施。Claude OpusとFableは安全ガードレールにより解析の大部分を拒否したため、ZAIのオープンモデルGLM-5.2を自社インフラに立ち上げて対応した。

Expanding our partnership with Cognizant👇 anthropic.com/news/cognizant…

【AnthropicがITサービス大手Cognizantとのパートナーシップを拡大】 Anthropicが、世界的なITサービス企業Cognizantとのパートナーシップを拡大した。Cognizantは製造、ライフサイエンス、保険など幅広い業界のクライアント向けシステムでClaudeを利用しており、今回の拡大でClaudeを自社のビジネス・エンジニアリングプラットフォームに組み込み、Claude Partner NetworkのGlobal Premier Partnerとなった。 CognizantのフルスタックエンジニアリングプラットフォームFlowsourceでは、Spec-Driven Development（仕様駆動開発）モジュールでClaude Code（コーディングエージェント）をエンジニアと並行実行し、プロジェクトの仕様とコーディング規準に基づいてコードを生成し、本番前に評価する。30,000人以上の社員がClaudeトレーニングを完了している。 クライアント向けでも成果が出ている。バイオ医薬品企業向けのエージェント型契約インテリジェンスシステム（契約文書を自動分析するAIシステム）で、当該導入先において契約レビュー時間の最大40%削減に貢献し、抽出精度を88%以上に向上させた。また、保険アンダーライター（引受審査担当者）向けのリスクナビゲーションツールで、当該導入先において数時間かかった調査を数分に短縮し、担当者1人あたり約8時間の節約を実現した。

What can a neuron compute - bioRxiv👇 biorxiv.org/content/10.648…

【単一ニューロンの詳細モデルが画像・音声分類と10ビットパリティを実行】 単一ニューロンの詳細モデルに課題ごとに最適化したシナプスを設定すると、画像・音声の分類やパリティ判定を実行できたと報告するプレプリント（査読前論文）。 対象は、ラットの大脳皮質の第5層にある錐体細胞の詳細モデル。DNN（深層ニューラルネットワーク）で入出力を再現するデジタルツインを使い、シナプスの強さと樹状突起上の位置を最適化するTwinPropを提案した。 シミュレーションでは、猫・犬画像の分類と、10語の音声コマンドを2群に分ける分類を別々に実施。テスト精度は画像約80%、音声約71%だった。 抽象的な計算課題として評価した10ビットパリティ（入力中の1の数が奇数かを判定）では91.24%で、パーセプトロンの62.3%を上回った。4ビットパリティでは、全機能を残した詳細モデルの正解率は99.4%。樹状突起で入力の組み合わせに応じて反応を強めるNMDA受容体の働きを無効にすると、73.8%に下がった。 なお、結果は生体実験ではなく詳細モデル上の検証で、TwinPropは生物学的な学習過程を再現する手法ではない。

Structured Output Collapses Answer Diversity Across 44 Language Models - arXiv👇 arxiv.org/abs/2607.18476

【JSON形式の指定でLLMの回答が似通うと報告】 Parikh氏が、LLMにJSON形式だけで答えるよう求めると、44モデル間の回答が通常の対話より似通う傾向を報告したプレプリント（査読前論文）。 正解が複数ある31種類の質問を、システムプロンプトなし、温度1.0指定で各4回提示。主要比較ではスキーマを強制せず、指示文だけを変更した。回答の珍しさを示す平均サプライザルは1.80ビットから1.58ビットに低下。「単語を1つ選ぶ」では最多回答が41%から64%に増え、異なる回答は52個から36個に減った。 形式別ではJSONとXMLで低下が有意だったが、YAMLとCSVでは有意差なし。JSONスキーマを強制した36モデルでは、指示だけの場合から0.03ビット低下した。 なお、OpenRouter経由の単一時点のデータで、形式ごとの指示文は1種類。温度指定が提供元で一様でなく、ツール呼び出しは未検証。