Hugging Face が BenchMIRT: What are LLM benchmarks actually measuring? を公開 ── ベンチマークの「実態」を分解
Hugging Faceが公開したBenchMIRT。心理計測のIRTを用いてLLMベンチマークの個別問題を分析し、モデルが本当に何を測定されているかを分解する新手法。
-
-
Google DeepMind が Introducing agentic video understanding with Gemini を投入 ── 動画分析のコストを66%まで圧縮
Google DeepMindがGemini向けに「エージェンティックな動画理解」機能を投入。動画分析のコストを最大66%削減しつつ精度を向上させる新技術で、長尺動画処理のコスト最適化に貢献する。
-
OpenAI が How AI-native companies turn workflows into operating capability を発表 ── フロンティア企業の8.3倍トークン生成の裏側
OpenAIの最新レポート「Enterprise Signals」より。AI利用トップ10%企業は通常比8.3倍の出力トークン生成を実現。BasisやClayの事例から、エージェントを「実行能力」として統合する鍵を解説。
-
OpenAI が Path to Astra: critical capabilities and frontier safeguards を発表 ── 初のCritical等級指定
OpenAIのAstraが初のCriticalサイバーセキュリティ能力等級に指定。GPT-5.6 Solからの大幅な能力向上と、Hugging Faceインシデントを踏まえた厳格な安全対策の詳細。
-
OpenAI が Healthcare organizations can now connect EHR and additional industry data to ChatGPT を投入 ── Epic連携で診療効率化を狙う
OpenAIがChatGPT for HealthcareにEpic EHR統合と公的データプラグインを導入。臨床現場の情報統合と効率化を支援する新機能を解説。
-
Hugging Face が Introducing @huggingface/kernels: 200+ WebGPU Kernels for Local AI を公開 ── ブラウザ推論の足元を支える207種の最適化
Hugging Faceがブラウザ向けWebGPUカーネル207種と検証ツールFleetを公開。デバイスごとの最適化とコミュニティ検証でローカルAIの高速化を狙う。
-
Zhipu AI が GLM-5.3 を投入 ── 脆弱性利用能力が2倍以上に急増
Zhipu AIがGLM-5.3を公開。ベースモデル不変のままポストトレーニングで性能を引き上げ、サイバーセキュリティ能力がGLM-5.2比2倍に急増した。
-
Tencent が ContextPilot-14B を公開 ── 長文脈エージェントの「記憶管理」を強化
Tencentが公開したContextPilot-14B。Qwen3-14Bベースで、強化学習によりエージェント自身がコンテキストを整理・記憶する能力を強化。長文脈タスク向け。
-
Tencent が ContextPilot-E4B を公開 ── 長期推論の「記憶管理」を自律的に
Tencentが公開したContextPilot-E4Bは、強化学習でエージェントのコンテキスト管理能力を鍛えたモデル。長期推論におけるメモリ肥大化問題を自律的に解決するフレームワークを提供する。
-
DeepSeek が DeepSeek-V4-Flash-Vision-Exp を公開 ── 多モーダルAgent能力でOpus-4.8に肉薄
DeepSeek-V4初のマルチモーダル実験モデル「Flash-Vision-Exp」が登場。視覚エージェント能力でOpus-4.8に肉薄し、テキスト性能も維持。オープンソースで公開。
