#AI

CLI-AnythingであらゆるソフトウェアをAIエージェント対応にする

香港大学のHKUDSが公開したCLI-Anythingは、GUIソフトウェアのソースコードからCLIハーネスを自動生成し、AIエージェントが直接操作できるようにするツール。GIMP、Blender、LibreOfficeなど16アプリで1,720テスト全通過。

PC操作AIが1.7倍速くなったHolotron-12Bと、コード不要でAIを自分好みに調整できるUnsloth Studio

H CompanyのHolotron-12Bはメモリ効率の良い新設計で、PC操作AIの処理速度を毎秒8,900トークンに引き上げた。UnslothはAIモデルの追加学習をコード不要でできるブラウザツール「Studio」をベータ公開。

NVIDIAがエージェント型AI向けCPU「Vera」を発表

GTC 2026でNVIDIAが発表したVera CPU。88コアのカスタム設計で従来比2倍の効率・50%高速化を実現し、2026年下半期から提供予定。

メリアム・ウェブスターとブリタニカがOpenAIを著作権侵害で提訴

辞書と百科事典の両老舗がOpenAIを提訴。約10万件の記事を無断でLLM学習に使用したとして著作権侵害を主張している。

GLM-OCR（0.9B）が文書解析SOTAを更新したので段組・縦書き・数式対応を調べた

智谱AIが公開したGLM-OCRは0.9Bパラメータながら文書解析ベンチマークOmniDocBench v1.5で94.62%を記録。レイアウト解析、縦書き、数式認識の実力を調査した。

LuxTTS - 1GB VRAMで動くZipVoiceベースの軽量ボイスクローニング

ZipVoiceアーキテクチャを4ステップに蒸留し、1GB VRAM・150倍リアルタイムの速度でボイスクローンを実現するオープンソースTTS。過去に取り上げたTTSモデルとの比較も含めて整理した。

Chrome DevTools MCPが既存ブラウザセッションへの接続に対応

Chrome DevTools MCPサーバーに--autoConnectオプションが追加され、コーディングエージェントが既存のブラウザセッションに直接接続できるようになった。MCP vs CLI論争の背景、OpenClawでのブラウザ操作、認証済みセッション委譲のリスクを深掘りする。

NVIDIA NeMo RetrieverのアジェンティックRAGがViDoRe v3で首位

ReACTループと検索器を組み合わせたアジェンティックパイプラインがViDoRe v3 1位・BRIGHT 2位を達成。同一パイプラインで複数ドメインの汎用性を確立した。

Claude 1Mコンテキストウィンドウが正式GA、追加料金なしで標準APIに統合

Anthropicが1MトークンのコンテキストウィンドウをGA化。長コンテキストへの追加料金なし、画像・PDF上限も100から600に拡大。MRCR v2でフロンティアモデル最高スコアを達成。

GitHubのエージェント実行基盤とOpenAI IH-Challengeによるプロンプトインジェクション対策

GitHubがエージェント実行基盤の多層防御設計を公開し、OpenAIはinstruction hierarchy訓練データIH-Challengeとモデルを発表。インフラ設計と訓練の両軸からプロンプトインジェクションへの応答が出揃った。

Claude Codeマルチエージェントレビューから見る、サブエージェントとオーケストレーションの違い

AnthropicがClaude Codeに追加したマルチエージェントコードレビュー機能の詳細と、その背景にあるサブエージェントとオーケストレーションの設計思想の違いを整理。主要フレームワークの比較やCodex連携の可能性も扱う。

16のオープンソースRLライブラリで見えたLLM非同期訓練の設計パターン

HuggingFaceが16のオープンソースRL訓練ライブラリを7つの設計軸で比較分析。同期型では生成ボトルネックでGPU利用率が60%程度に留まるが、非同期分離設計で95%以上に改善できる。