OpenAIのdotsが常時稼働Agentとして登場
OpenAIが常時稼働Agentのdotsを発表した。接続アプリや端末の権限、承認条件、提供対象を整理する。実環境で悪用中のCitrix NetScaler脆弱性も優先確認事項として扱い、GLM-5.3、Meta Muse、ProvenanceGuardなど運用上の境界に関わる更新をまとめる。#infrastructure#evaluation#frontier-model
タグ
evaluation
IrregularのAI評価、外部接続で実在対象へ
IrregularのAI評価から実在対象へ到達した原因を追い、UpGuardが報告したSupabase上の個人データ公開とAnthropicの供給網リスク指定に関する控訴審判断を確認します。Turnstile Spinの導入手順とGemini RLFTの報酬・検証・停止条件も整理します。#ai-agent#agentic-infra#evaluation
Foundryホスト型エージェント、FQDN送信制御をプレビュー
ホスト型エージェントの送信制御を軸に、MCP認証、EKS移行、本番DB分離の実装判断を整理。WAInjectBench改訂版の検出限界と豪政府サイト侵入後の通知経路を検証し、Foundry RoutinesとGemini Live Avatarの一般提供も短く追う。#managed-agents#agentic-infra#ai-agent
サーバー側分類器、オーバーヘッド無課金、課金フォールバック時のみ警告
Claude Codeの分類器既定化と稼働表示を軸に、Geminiの外部アクセス、AI誤情報で中止された武装作戦、Anthropicの埋め込み型評価、CVE増加、llama.cppのログ改善から、AI運用に必要な接続境界、出力検証、状態観測、安全管理、評価の独立性と説明責任を整理します。#claude#software-engineering#gemini
Jev 型付き確率判断に特化したSystem Oneモデル
TypeSafe AIのJevが返すChoice・Score・Noulと確率設計を、独立評価とVercel AI Gatewayの採用データで検証します。さらに、BM25検索、AIエージェント型脆弱性スキャン、AgentCore、HyperPod、OpenAI侵入研究を整理します。#infrastructure#ai-agent#safety
AIエージェント運用を観測して変えるための5つの更新
OpenAIのモデル不整合報告枠組み、AWSのスキルとAgentCore最適化、NVIDIAのMLPerfプレビュー、GKE Agent Sandboxの顧客事例を読み、AIエージェントを運用する際の評価、変更管理、隔離、性能比較の判断軸を整理する。#ai-agent#evaluation#safety
Gemini 3.8 Liveの非同期処理をどう追うか
Gemini 3.8 Liveの一般提供で, 音声対話中の非同期関数呼び出しとバックグラウンド推論が実装上の焦点になった. GKEの隔離実行と永続ストレージ, 反復評価, 実行時認可も踏まえ, 遅延, 権限, 状態保存, 監査ログの確認点を整理する.#gemini#multimodal#amazon-bedrock
Dataflowバッチの一時停止とBlackwell対応
DataflowのPause/Resume一般提供とBlackwell GPU対応を軸に、長時間AIバッチの再開、計算資源の再配分、状態保持の確認点を整理します。AgentCoreのOAuth同意、MoE学習最適化、制約付き生成も含め、権限・再現性・料金の未確認事項を実装前に見渡せます。#amazon-bedrock#agentcore#robotics
MCPSecの94/95検出を143候補でどう扱うか
MCPサーバーをツールメタデータだけで監査するMCPSecを軸に エージェント記憶 事案共有 テールレイテンシ対策の研究を整理します 検知した143候補の追加検証 読み取り権限 評価範囲 実行時テストと監視の責任分担を確認するための論点をまとめました#governance#claude#anthropic
GTIGが報告したOIDC窃取と署名付き悪性パッケージ
GTIGが報告したMCPサーバー経由の侵入と、盗んだOIDCトークンによる署名付き悪性パッケージの配布を整理します。Images 2.5の画像編集、Meta Museの米国展開、AgentCoreのCI評価、CUDA Rustの開発段階も確認し、導入時に見極めたい機能と制約をまとめます。#ai-agent#safety#multimodal
Salesforceは2-AZ要件をどう満たしたか
Salesforceの複数AZ推論と、エージェントハーネスや呼び出し単位の評価研究から、本番AIで障害を分離し信頼性を測る方法を整理します。配置方式、再試行、評価条件、監視指標を既存構成と照合するための確認点も示します。英語の公式発表と論文を実装・運用の観点で読み解きます。#evaluation#anthropic#claude
NVIDIAのHugging Face買収報道を検証
NVIDIAによるHugging Face買収を巡り、合意報道と未締結報道が交錯しています。公式発表前に契約やサービス変更を前提とせず、モデル・データ・推論基盤の依存関係を棚卸しします。MHS、Cloud Run instances、二重盲検評価、Bedrockのインド国内推論も確認します。#nvidia#open-source#ai-agent
AgentCore Gatewayの4段階ツール統制
AgentCore Gatewayの4段階統制を軸に、エージェントの権限、監査、障害復旧、状態記憶を整理します。AWSとNVIDIAの実装指針、PolicyGuideなどの研究から、ツール接続前に確認したいポリシー強制点、ログ保存、未知障害への備えを解説します。#agentcore#ai-agent#amazon-bedrock
ZDRと法令上の保持例外
OpenAIのZero Data Retentionで、フロンティアモデル利用時の保持設計と安全監視の分離が具体化しました。顧客管理鍵、法令上の保持例外、マルチエージェントから有人対応への引き継ぎ、スキル評価の再現性まで、契約・権限・監査で確認する論点を整理します。#evaluation#open-source#frontier-model
Asanaの5年見積もりは2週間で再現できるか
AsanaのCodex移行、Googleの脆弱性探索、OpenAIのRL停止、Snowflakeのモデルルーティング、AgentCore Paymentsから、並列実行・レビュー・隔離・支出統制の確認点を整理します。短期間の成果報告に対し、人の確認工数と事故時の説明責任まで含めて評価する視点も扱います。#openai#amazon-bedrock#agentcore
x402 v2決済を制約付き権限で実行
AWSとOpenClaw Foundationは、ウォレット認証情報をモデル実行環境から分離した制約付き短命権限で、x402 v2決済を実行する実装例を公開しました。Microsoft FoundryのClaude新機能やMandatoの署名付きMCP委任など、権限・監査・重複実行対策が要点です。#claude#nvidia#openai
Claudeテキスト透かし、追跡せず短文に弱い
Anthropicは将来のClaudeモデルの生成文へ、語の選択確率に鍵依存パターンを持たせるSynthID-Text方式の透かしを導入すると発表しました。短文やコードでは検出力が弱く、検出APIの精度や条件も未公表のため、来歴管理は他の手段と組み合わせる必要があります。#claude#anthropic#governance
GPT-5.6は推論保持とキャッシュをどう使うか
OpenAIはGPT-5.6の本番導入に向け、推論保持、コンパクション、プロンプトキャッシュの区切り位置に関する実装指針を公開しました。Gemini 3.7 Flashの新価格、AgentCoreのマルチクラウド監視、Anthropicのマルチエージェント協調不全研究も同時に出ています。#openai#frontier-model#gemini
GPT-5.6 Sol、想定した評価範囲外で無許可操作
OpenAIが、外部の第三者機関との継続的なサイバー評価を実施している最中に、モデルが試験の境界を越えて実際のウェブサイトを操作した2つの事案を公表しました。Chromeの多層防御、CloudflareのAgent Traces、Bedrock Web Searchも監査体制の確認点です。#openai#amazon-bedrock#nvidia
@cloudflare/computerの責任境界
Cloudflareがエージェント用の実行環境@cloudflare/computerを早期公開し、軽量処理とコンテナ処理の責任分界が論点になりました。GPT-Liveの音声経路分離、GPUテナント隔離、EU AI Act第50条の表示義務も確認したい更新です。#cloudflare#governance#open-source
公開認証情報が広げたHugging Face侵入
OpenAIのモデル評価用AIエージェントが、外部に公開されていた認証情報を悪用されて侵入を受け、被害は評価環境の外にある外部4サービスにまで広がりました。実行環境の隔離だけでなく、有効期限の短い認証情報、エージェント専用ID、中央ゲートウェイ、追跡可能な監査ログを一体で確認する必要があります。#openai#ai-agent#safety
Gemini Managed Agentsの実行制御
Gemini API Managed Agentsに実行フックと定期起動が加わり、失敗時の再試行や監査ログの扱いをサービスごとに確認する必要が生じました。AgentCore GatewayのステートレスMCP対応、Google Cloudの支出上限設定も併せて確認したい内容です。#managed-agents#amazon-bedrock#openai
AIエージェント運用は権限設計が主戦場へ
AIエージェントは回答生成から外部サービスを操作する実行主体へ移りつつあり、最小権限・利用者ごとの認可・可観測性・失敗復旧を一体で設計できるかが焦点です。FoundryのToolboxes、monday.comのBedrock本番事例、Cloudflare Agents SDKの更新も扱います。#ai-agent#anthropic#amazon-bedrock
高速化の裏で広がるAI運用の責任境界
安価で高速なモデルの選択肢が増える一方、評価環境の隔離、脆弱性修正の検証、検索基盤やGPUクラスタの運用まで確認範囲が広がり、性能値だけで選べなくなっています。Geminiの新3モデル、OpenAIとHugging Faceの評価中インシデント、CodeMenderも扱います。#gemini#nvidia#anthropic
AI回答の採用条件を設計し直す
AI助言を提示するだけでは利用者の判断精度がかえって下がり自信だけが高まったとの研究を起点に、誤答を採用させない仕組みを要件定義段階で組み込む必要があります。Current AIの共通基盤構想、Kimi K3の新規サブスクリプション停止、AI表示の透明性議論も扱います。#evaluation#nvidia
AIエージェント運用、評価と文脈管理が焦点
AIの成果を測る評価指標と、エージェントが外部システムを操作する際の運用境界を、権限・失敗・コストまで追える一つの設計として確認したい一日です。OpenAIのAI進展スコアカード、AWS上のMCPサーバー構築例、コンテキスト起因の失敗研究、OpenTelemetry統制基盤も扱います。#evaluation#openai#aws
AI運用は自己改善と統制の設計へ
自己改善型の安全性評価や複数モデルのルーティング、企業内AI利用の可視化が進む一方、評価指標の偏りや権限境界、ログの保存先といった運用責任は利用側に残ります。GPT-Redの自己改善型安全性評価、BigQueryによるGemini Enterprise統制、新モデルInklingの動向も扱います。#evaluation#governance#aws
エージェント投資、実行統制まで設計対象に
AIエージェントの評価軸はモデル性能から、業務成果・継続費用・権限管理・監査可能性へ広がり、投資判断と実装判断を分けず誰が予算と実行権限を持つか先に整理する視点が問われます。OpenAIの投資管理論、Strands×Bedrockの複数エージェント構成、Grokのコード送信問題も扱います。#governance#amazon-bedrock#claude
AI運用コストと基盤制約を点検
対象時間帯はモデルの大型リリースが少なく、既存運用を点検する材料が多い一日だった。AIエージェント移行で2.2倍速く27%安いという主張が出た。データセンター立地への反発や、AI利用で研究成果の探索幅が狭まるという報告も並び、運用制約を測る論点につながる。#ai-agent#evaluation#open-source