エージェントにテストを書かせなくても成功率は落ちず DeepSWEの444回実験で時間とコストは減少
ソフトウェアエンジニアのKun Chen氏は、Claude Sonnet 5.5(high)にテストを書かせない条件でDeepSWEの111タスクを計444回走らせた結果を公開した。成功率はテストあり65.3%に対しなし66.2%で有意差はなく、所要時間は62時間から58時間、費用は304ドルから278ドルへ有意に減った。
$ tail -f /var/log/technews
AI・フロントエンド・バックエンド・キャリア・ガジェット。忙しいエンジニアのために、いま押さえるべきニュースを要約とポイント付きでお届けします。
ソフトウェアエンジニアのKun Chen氏は、Claude Sonnet 5.5(high)にテストを書かせない条件でDeepSWEの111タスクを計444回走らせた結果を公開した。成功率はテストあり65.3%に対しなし66.2%で有意差はなく、所要時間は62時間から58時間、費用は304ドルから278ドルへ有意に減った。
AlibabaのQwenチームは10月9日、7Bの画像生成・編集モデルQwen-Image-2.1の高速版Qwen-Image-2.1-TurboをHugging Faceで公開した。基のモデルの40ステップに対し8ステップで2K画像を生成・編集する。推奨のサンプリングスケジュールがチェックポイントに保存されており、num_inference_stepsを変えても上書きされない。
関数型パッケージマネージャーでLinuxディストリビューションのGNU Guixは10月7日、貢献者マニュアルに「LLMコーディングアシスタントが書いた、またはそれを基にしたコードの貢献は受け付けない」とする方針を加えた。LLM出力の著作権の位置づけが不確かで、GPLと両立しない恐れがあることを理由に挙げている。
中国StepFunのエージェント向け旗艦モデルStep 5 Previewが10月8日、OpenRouterとVercel AI Gatewayで使えるようになった。総6000億・アクティブ270億パラメータのMoEで文脈長は100万トークン、料金は入力100万トークン1ドル、出力2.70ドル。StepFunは10月15日に重みを公開するとしている。
Cloudflareは10月9日、Workers AIでテキスト・画像に加えて音声と動画を入力できる決定モデルClef-omniを公開した。入力100万トークン0.15ドルで出力は無料。あわせてClef-flashを0.09ドルから0.038ドルに値下げし、ホスト版の文脈長を24Kトークンに縮めた。Clefは配信側の最適化で高速化した。
Ryan Dahl氏は10月9日、Denoチーム全員がCloudflareに合流すると発表した。Deno Deployは6か月運用した後に終了し、有料顧客にはCloudflare Workersへの移行支援がある。Denoランタイムは1年間、月次のバグ修正とセキュリティ更新を続けた後に開発を終える。
NVIDIAは10月7日、MicrosoftのイベントでWindows向けRTX Spark搭載ノートの予約を始めた。BlackwellのGPUとGraceのCPUを600GB/sでつなぎ、最大128GBの統一メモリとFP4で1ペタフロップスを載せる。ノートの提供は10月16日、小型デスクトップは11月だ。あわせてLinux専用だったDGX StationのWindows版を予告し、机上で兆パラメータ級を回す選択肢を示した。
Sonatypeは10月8日、TensorLakeのTypeScript SDKであるnpmパッケージtensorlake 0.5.144に、導入時に動く悪意あるコードがあったと報告した。preinstallがBun経由で難読化スクリプトを起動し、GitHubトークンやVault、AIツールの設定を探す。入れた環境は、トークンを失効する前に常駐処理の有無を確認しないと、対応自体が被害を広げ得る。公開や二次感染は、まだ確認されていない。
Chromeは10月6日、バージョン155から画像形式JPEG XL(.jxl)をデコードできると発表した。JPEGより30〜50%高い圧縮、可逆圧縮、HDR、JPEGからの可逆な変換を挙げ、高精細な写真や細かい段階表示で特に有用だとしている。配信形式を選ぶフロントエンドは、AVIFと両方を試し、画質と容量の差を見てから切り替える必要がある。デコーダは攻撃面を減らすためRustで書き直している。
Bootstrapは10月8日、6系の最初のアルファをnpmのbootstrap@6.0.0-alpha.1として公開した。対応ブラウザはChromeとEdge 130、Firefox 132、Safari 18以上に上がり、古い環境向けの代替実装はない。レスポンシブクラスは.md:d-noneのような接頭辞になり、JavaScriptはESM専用でグローバル変数も消える。本番投入は早く、移行の破壊範囲を測るには十分な材料だ。
Googleは10月8日、DartとFlutter向けのオープンソース枠組みGenkit Dart 1.0を安定版として公開した。Gemini、Claude、OpenAIを同じAPIで切り替え、サーバーとアプリでスキーマを共有できる。モバイルやWebにエージェント機能を載せるチームは、鍵をクライアントへ埋め込まず、承認付きツールと計測までDartで揃えられる。状態を持つエージェントと生成UIは、まだ実験的APIである。
OpenAIは10月8日、GPT-6.1 SolのUltrafastをAPI、Codex、ChatGPT Workへ展開すると告知した。標準のSolより最大8倍速く、APIは入力100万トークン12ドル、出力60ドルでAstraの1.2倍だとしている。障害対応や画面を操作するエージェントなど、待ち時間が成果に直結する作業向けの有料階層だ。CodexとWorkは対象プランと管理者の有効化が条件で、費用を先に見積もりたい。
Anthropicは10月8日、オープンソース向けの任意参加スキャナOSS Scannerを始めた。参加プロジェクトは最強モデルによる定期検査を無償で受け、再現手順と修正案が人間の確認なしで届く。悪用コードが数分で作れる現状では、自分で切り分けられる保守者ほど早く受け取る方が有利だ。深刻度の過大評価や重複は残るので、届いた報告は再現してから扱う必要がある。
Googleは10月6日、ガーナ(.gh)、シエラレオネ(.sl)、米領サモア(.as)のccTLDレジストリが乗っ取られ、Googleなど複数組織向けの不正HTTPS証明書が発行された件で、ChromeのCRLSetsにより該当証明書を遮断したと発表した。
Google Cloudは10月8日のGemini at Work 2026で、質問回答からコンテンツ作成・コーディングまで一つのプロンプト窓で扱う「Gemini agent」を発表した。企業向けのプライベートプレビュー段階で、WorkspaceやSlack、Microsoft 365などから呼び出せる。
CrowdStrikeは10月7日、9月末から10月初旬にかけて韓国の金融機関を狙った攻撃で、中国製のオープンソース・エージェント型ペンテストツールARTEXと複数のLLMが使われたと報告した。攻撃者は中国語話者で金銭目的の可能性が高いとしている。
Anthropicは10月8日、米連邦の科学加速イニシアチブ「Genesis Mission」に3年で1.5億ドルを拠出すると発表した。同日には重要インフラとOSSの防衛を支援する「Anthropic Cyber Mission」も開始した。
Anthropicは10月8日、Claude Dashboards(有料プラン向けベータ)とClaude Motion(Team/Enterprise向けベータ)を公開した。同時にDocs・Slides・Designをベータから正式提供し、Freeを含む全プランで使えるようにした。
FBIと米シークレットサービスは10月6日、Fortinet FortiGateの認証情報窃取キャンペーン「FortiBleed」が継続中で、攻撃者が管理者アカウントを改変して正規ユーザーを締め出す事例があると共同勧告した。影響は194か国で8万台超と報告されている。
Microsoftは10月7日、NVIDIA RTX Spark搭載のSurface Laptop UltraとDev Boxの予約を始めた。統合メモリは最大128GBで、1200億パラメータ超のモデルを端末内で動かせるとしている。ノートは2,599ドルからで10月16日に発売し、Dev Boxは5,999ドル、米国のみで11月に出荷する。ノートはWindows on Armで、GPUから見えるメモリは合計より少ない。
Stack Overflowは10月6日、7週間で3万人超が答えた2026年開発者調査を公開した。毎日出社する人は18%で、一人の組織で働く割合は4%から10%へ増えた。一方、フリーランスや受託、自営という答えの割合自体は大きく変わっていない。AIで一人の守備範囲が広がる話と、雇用が細った話が、同じ時期の数字に並んでいる。
GitHubは10月7日、周囲のコードから資格情報を見つける専用モデルを、秘密スキャンの警報に入れ始めた。定型のトークンでないパスワードも対象で、コードや文章は生成しない。既存のAI検出警報はGHSPとGHASの範囲で追加料金なく新モデルへ切り替わる。プッシュ時の検査やCopilotのセキュリティレビューは、今後AIクレジットを消費するオプトインになる。
Liquid AIは10月5日、テキストと画像を一度の推論で確率付きの判定に変える決定モデルd1をAPI公開した。文章の判定は200〜300ミリ秒で、出力トークン課金はない。自社比較では6用途中4つでGPT-6.1 Solに並ぶか上回り、費用は比較対象の19分の1から200分の1だった。分類や選別を言語モデルに任せている経路の置き換え候補になる。
GitHubは10月7日、Copilotのローカルサンドボックスを一般提供した。対象はCopilot CLI、Copilotアプリ、Agent Hostを使うVS Codeで、追加料金はない。エージェントが起動したコマンドのファイル、ネットワーク、資格情報を方針で制限できる。自律的に任せる範囲を広げる前に、組織側で緩和できない強制を入れられるかが実務の分岐になる。
OpenAIは10月7日、週12億人超が使うChatGPTのチャットにGPT-6とIntelligent UIの提供を始めた。有料はGPT-6 Sol、無料とGoは8日からGPT-6 Lunaで、文章に図表やボタンを重ねて回答できる。CodexとWorkのモデルは今回変わらない。チャットで仕様を確かめたり試作したりする速度は上がるが、エージェント開発のモデル選定はそのまま据え置く必要がある。
Googleは10月7日、画像・動画・音声がAIで生成されたかを電子透かしで確認できるSynthID Detectorを、synthid.comで世界中のユーザーに英語で公開した。Googleに加えOpenAI、NVIDIA、Kakaoの透かしにも対応し、Appleも対応予定。
MicrosoftとシンガポールNUSの研究者が、Claude CodeやLovableで作られて公開されているWebアプリ200件を監査し、91.0%に少なくとも1件の脆弱性を確認した。見つかった1186件のうち65.77%が深刻度CriticalまたはHighだった。
WordPressは10月6日、7件のセキュリティ修正と4件のバグ修正を含む7.1.3を公開した。うち3件はAnthropicが報告したもので、修正は4.7までの旧ブランチにもバックポートされる。
IDCフロンティアは10月7日、法人向けクラウド「IDCFクラウド」の東日本リージョン1で発生した障害がランサムウェア攻撃によるものだったと発表した。影響は契約する495の企業や自治体に及び、同リージョンはネットワークから遮断して停止している。
Anthropicは10月7日(米国時間)、小型モデルClaude Haiku 5.5を公開した。Haikuとして初めてeffort設定で思考量を調整でき、10万トークン以下のプロンプトなら入力100万トークンあたり0.10ドル、出力0.50ドルで使える。
続きの記事を読み込めませんでした