CONTACT →
Daily AI Briefing
毎日のようにAI関連のニュースが届きますが、その多くは一次情報ではなく、ノイズも少なくありません。研究機関・開発企業・第一線の専門家による発信の中から、本当に押さえておきたい情報だけを厳選してお届けします。
Claude Codeで、Auto modeがPro・Max・Teamプランのデフォルト権限モードとして本日からロールアウト。すでにデフォルトモードを設定済みの場合は、変更前にClaudeが確認する。モードはShift+Tabでいつでも切り替えられ、settingsの「defaultMode」で固定することもできる。
権限確認の煩わしさとエージェントの自律性のバランスをどこに置くかは、コーディングエージェント各社の設計思想が出るところ。日常的に使うツールのデフォルト挙動の変更なので、設定を確認しておきたい。
DeepSeek flashとGLM-5.3のアップデートでは、同じベースモデルのままフロンティア級まで性能が大きく伸びており、logit蒸留などでは説明がつかないとEmad Mostaque氏が指摘。いずれも難関ベンチマークでの結果で、GLM 5.3はcyberdefenseとGDPvalでトップに立ったという。
ベースモデルを変えずにpost-trainingだけでフロンティア級に届くなら、モデル改善の主戦場が事前学習から後工程に移りつつあるサイン。手法の解明が待たれる。
Ai2のNathan Lambert氏がGLM 5.3についてのノートを公開。非常に強力な中国発モデルの登場にそのつど驚くべきではない、と論じている。本人いわく「自分の中の否認と折り合いをつける作業でもある」としつつ、これらのモデルは本物だと評価した。
オープンモデル研究の第一線にいる研究者が「本物」と認めた点が重い。モデル選定の際、中国発オープンモデルを例外扱いせず候補に入れる前提が標準になりそう。
AIの活用が企業のパフォーマンスを押し上げるなら、もともと好調だった早期導入企業が他社を引き離し始める、という初期兆候があるとEthan Mollick氏が紹介。OpenAIのデータによれば、AIの利用量には企業間で大きな差があり、多く使っているのは最も生産性の高い従業員を抱える企業に偏っているという。
「AIが差を縮める」のではなく「強い組織がさらに強くなる」方向を示すデータ。利用量の格差が成果の格差に先行するなら、使い込む文化そのものが競争力になる。
価格・普及度・能力のいずれも非常に不安定な現在のAIシステムをもとに、企業への影響や正しい使い方を自信満々に外挿する人が多すぎる、とEthan Mollick氏。いまは将来に向けて柔軟性を確保しておくのに良い時期だと述べている。
モデルの価格も能力も数か月で塗り替わる中、特定のモデルやワークフローへの過剰な作り込みは負債になり得る。乗り換え可能な設計にしておくのが実務的な防御策。
Google AIが週次のまとめを公開。今年のMade by GoogleのラインアップとしてPixel 11シリーズ・Pixel Watch 5・Pixel Tagが発表され、デバイス横断で新しいAI統合が入るという。主要な発表のひとつとして、動画と写真を同時にキャプチャできる「Magic Capture」が挙げられている。
AI機能がクラウドのチャットからデバイス側の標準機能へ降りてくる流れの一例。オンデバイスAIの前提が変わると、モバイルアプリ側の機能設計にも影響してくる。
Andrew Ng氏が、AI Engineeringにおいて最も重要なスキルを整理したマップを新たに公開したと発表した。
AIエンジニアリングという職能はまだ輪郭が曖昧で、何を学ぶべきかの共通地図がない。教育分野で影響力のあるNg氏による体系化は、学習計画や採用要件の参照点になり得る。
LLMで分類タスクを行うなら、Shreya Shankar氏のトークに注目すべきだとHamel Husain氏が紹介。モデルカスケードは、大きいモデルの性能を維持しながらコストを削減する賢い手法だという。大きいモデルで約500件のレコードにラベルを付けて検証するところから始まる仕組みだと説明している。
分類はLLM実務で最も頻出するタスクのひとつで、全件を大きいモデルに投げるとコストがすぐ膨らむ。小さいモデルに任せられる範囲を計測ベースで決めるアプローチは応用しやすい。
優れたRAGシステムは、文書を検索する前にまず質問を理解することから始まる、とTowards Data Scienceが紹介。Kezhan Shi氏が、検索を始める前に質問の質を高める軽量なパースループについて解説している。
RAGの改善というと埋め込みやリランカーに目が行きがちだが、入力側の質問を整える前処理は実装コストが低い割に効きやすいポイント。
LLMにコードを実行する能力を与えると、アシスタントから能動的な問題解決者へと変わる、とTowards Data Scienceが紹介。Shuai Guo氏が、DockerとOpenAI Agents SDKを使ったハンズオン実装を解説している。
コード実行はエージェントの能力を一段引き上げる反面、サンドボックス設計が必須になる。Dockerでの隔離を含めた具体的な実装例は、自前で組む際の参考になる。
こうした動きを、自社の業務にどう活かせばいいか ―
迷ったときに相談できる窓口があります。