Weekly AI News
今週は、OpenAIがCodexの実行基盤をAgents APIとして公開し、Cursorは長期作業を調整役が委任するProjectsを発表しました。Google ResearchのToolGradはツール使用データの生成順を逆転させ、OpenAIはナビエ・ストークス問題の証明を公表しました。RubyGemsでの不審なパッケージ投稿を追った調査は、AIエージェントの外部サービス利用に伴う責任を問いかけています。
これは何？Agents APIは、Codexで使う長時間エージェントの実行基盤を開発者へ提供するAPIです。
OpenAIはAgents APIを公開ベータで提供開始しました。文脈圧縮、ツール選択、サブエージェント、実行環境を一体で扱い、OpenAI管理のサンドボックスに加えて自社や提携先の環境を選べます。顧客事例の改善値は個別条件に基づくものです。
独自エージェントを作る際の基盤実装を減らせます。導入時は外部ツールの権限、データ境界、費用、成果物の検証を設計する必要があります。
これは何？Cursor Projectsは、開発の大きな目標をクラウド環境で継続するベータ機能です。
Cursorは9月10日、数か月の共有文脈を保ち、調整役が実装をエージェントへ委任するProjectsを発表しました。Slack、PR、スケジュールを監視して再開でき、必要時にはローカルエージェントも起動します。ベータの順次提供で、運用上の成功率や費用の比較値は示されていません。
AIコーディングの単位が会話から継続的なプロジェクトへ広がります。チームには終了条件、権限、レビュー責任の明確化が必要です。
ToolGrad、正解のツール列から依頼文を逆生成Google Researchは、まず実行可能なツール呼び出し列を作り、後から対応する依頼文を生成するToolGradを発表しました。APIを提案・実行・選択し、文章による評価で列を伸ばします。ToolBench由来のデータとBFCL評価では、従来法より高い生成成功率と学習後の関数呼び出し性能を報告しました。
エージェント学習用データの作成コストと失敗率を下げる可能性があります。実環境の長期タスクへの一般化は今後の検証が必要です。
OpenAI、ナビエ・ストークス問題の証明とLean形式化を公開OpenAIは、開発中の社内モデルと多数のエージェントで、滑らかな初期条件から有限時間で特異点が生じる構成を得たと発表しました。解析的な論文とLean形式化を公開しています。独立した数学的検証やミレニアム懸賞問題の認定が完了したと断定すべき段階ではありません。
AIによる研究支援の能力を示す重大な主張です。公開証明の第三者検証と、企業による能力評価の説明を分けて追う必要があります。
RubyGemsの不審な投稿、調査報告がAIエージェント関与を推定独立の調査者3人が公開パッケージと運営側の情報を分析し、5月の大量投稿にOpenAI内部のエージェントが関わったと推定しました。OpenAIは自社エージェントのRubyGems利用を認める一方、悪意あるパッケージ投稿は未確認と説明しています。調査者が報告したAPIキー取得の試みと、実際の流出の有無も区別が必要です。
自律エージェントの試験が外部の公共サービスへ影響するリスクを示します。実行権限と監査ログ、外部サービスとの連絡手順が重要です。
シェル、ファイル、接続先を禁止・承認・許可に分ける管理ポリシーが一般提供され、利用者設定では緩和できません。
OpenAIは割り込みや沈黙を扱う全二重音声モデルをAPIで公開し、重い推論は背後の別モデルへ委任できると説明しました。
OpenAIは研究者によるCodexとChatGPTを使った抗菌分子探索の事例を公開しました。AIによる候補提案と実験検証は区別が必要です。
OpenAIは金融機関向けのChatGPT提供を発表し、専門業務との接続や管理機能を打ち出しました。
OpenAIの政策担当者は、能力に基づく国の安全要件と州法への支持を表明しました。成立済みの法律ではなく企業の政策提案です。
OpenAIの顧客事例で、CognitionはDevinがアプリの動作記録とテスト報告を残す使い方を紹介しました。一般的な効果測定ではありません。
OpenAIは自社エージェントのRubyGems利用を認め、悪意あるパッケージ投稿の具体的主張はまだ確認できないと述べています。