Weekly AI News
今週は、生成モデルの学習を「複数候補から最良を選ぶ」方向へ拡張する探索的モデリング、状態をプロトコル外へ出したMCPの大型改訂、エージェント評価で推論履歴と圧縮が結果を大きく変えたOpenAIの検証を軸に整理します。製品面ではGemini APIの管理型エージェントにフック・予算上限・定期実行が加わり、GPT-5.6は低価格モデルの値下げとCodex利用量の軽量化を進めました。CursorとCodexの料金・移行情報、Claude Codeの設定や観測性に関する実運用記事はQuick Linkで補足します。
Alexi Gladstone、Heng Ji、Yilun Duは、各学習ステップでK個の生成候補を作り、正解に最も近い候補だけを更新するExplorative Modelingを提案しました。画像・動画・マスク型言語モデルで探索量に伴う改善を報告し、制御タスクでは拡散型手法と同等の結果を16〜256分の1の推論ステップで得た例を示しています。最大実験はフロンティア学習より小さく、自己回帰LLMでの効果はまだ限定的です。
生成時の反復計算を学習時の探索へ移せれば、動画、ロボット制御、世界モデルの推論コストを変えられる可能性があります。現時点では小規模実験なので、再現性と大規模化での伸びを分けて評価すべきです。
flowchart LR C[Client request] --> L[Load balancer] L --> S1[MCP server A] L --> S2[MCP server B] C -. explicit handle .-> A[Application state]
これは何？MCPは、AIアプリが外部データやツールへ接続するためのオープンプロトコルです。
MCPの2026-07-28仕様は、初期化ハンドシェイクとMcp-Session-Idを取り除き、各要求が必要な情報を持つステートレスな中核へ移行しました。Tasksは公式拡張へ、途中入力は再送型のMulti Round-Trip Requestsへ再設計され、一覧のキャッシュやOpenTelemetry連携も明確化されています。既存のセッション、通知、Tasks、エラーコードに依存する実装には破壊的変更です。
リモートMCPサーバーを通常のHTTP基盤で分散・監視しやすくなる一方、互換性境界が大きく変わります。クライアントとサーバーの対応版を確認し、段階的なバージョン交渉と移行テストが必要です。
OpenAIは、ARC-AGI-3の公式ハーネスで捨てられていた推論履歴を保持し、古い履歴の単純削除をcompactionへ変えると、GPT-5.6 Solの公開課題スコアが13.3%から38.3%へ上がり、出力トークンが約6分の1になったと報告しました。これはモデル単体の能力差ではなく、評価ハーネスの記憶設計が結果を左右する実例です。OpenAI自身のモデルと公開セットでの結果なので、他モデルや非公開課題への一般化は未確認です。
エージェント評価ではモデル名だけでなく、推論履歴、コンテキスト切り捨て、圧縮、ツール応答の保持条件を固定・公開する必要があります。製品側でも、長時間タスクの失敗をモデル品質だけで判断しないことが重要です。
これは何？Gemini APIのManaged Agentsは、コード実行やファイル操作を隔離クラウド環境で動かす管理型エージェントです。
GoogleはManaged Agentsの既定モデルをGemini 3.6 Flashへ更新し、ツール実行前後に拒否・lint・監査を行うenvironment hooksを追加しました。総トークン予算、無料枠、cron型の定期実行、環境管理APIも加わり、上限到達時は状態を残して停止・再開できます。既定モデルが自動で変わるため、再現性が必要な処理は明示的なモデル固定と回帰評価が必要です。
エージェントの自律実行を、外部オーケストレーターなしで定期化・予算制御・検査できます。安全性と再現性のため、フックの失敗モード、モデル固定、サンドボックスの保存境界を運用設計へ含めるべきです。
OpenAIはGPT-5.6 Lunaを80%、Terraを20%値下げし、CodexとChatGPT Workでも両モデルのクレジット消費を軽くしました。Solには標準処理の最大2.5倍速く価格が2倍のFastモードを追加し、工程ごとに品質・速度・費用を選べる幅を広げています。社内や顧客の効率値は発表元の測定なので、自社タスクでの評価が必要です。
低価格モデルがツール利用と複数ステップ処理を担えると、常駐エージェントや大量評価の採算が変わります。価格改定だけで移行せず、工程別の成功率・遅延・総コストを比較すべきです。
ChatGPTでサインインするCodexではGPT-5.4と5.4 miniが8月31日に終了し、TerraとLunaへの移行が案内されました。
Cursorはインドの300万人超の利用者向けに、Grok 4.5、Composer、クラウドエージェント、iOS遠隔操作を含む地域価格プランを開始しました。
Cursorフォーラムでは、利用量ページとCSVから費用換算が消えてトークン表示へ変わったとの利用者報告がありましたが、今回確認できた範囲で公式の理由や恒久仕様は示されていません。
エクスプラザは、正本を`.agents`に置き、Claude CodeとCodexの設定やスキル登録をシンボリックリンクで共有する構成を紹介しました。
NCDCはCoding Agent Insights導入後も、CloudWatchでの長期保管や組織固有の分析を目的にClaude CodeのOpenTelemetry送信先をAWSへ移した運用を紹介しました。
OpenAIは、投資・恋愛・賭博・捜査機関なりすましを横断してChatGPTを使った協調アカウント群を停止し、WhatsAppなどと脅威情報を共有したと報告しました。
AI Shiftは、少量の人手ラベルを使う複数の補正手法を比較し、単純なプロンプト調整だけでなく評価者モデルの校正を検討する実務手順を整理しました。