AIエージェント

Agent Skills は本当に効くのか？ SkillsBench が示した「効く Skill」の条件

Claude Code や Codex に入れる Skill（スキル）は、本当に役に立っているのか。同じ課題を「Skill なし」と「Skill あり」で解かせて比べたベンチマーク論文 SkillsBench を、最新版の数字で解説します。人が選んで磨いた Skill は合格率を平均 33.9% から 50.5% に上げ、AI に書かせた Skill は逆効果、数が多い・長い Skill は伸びが小さい、という結果と、自分の Skill づくりへの活かし方をまとめました。
2026.11.12
AIエージェントAI最新情報Claude CodeCodex
AIエージェント

AGENTS.md・CLAUDE.md は本当に効く？ 成功率は変わらず、費用だけ2割増えた理由

AI のコーディングエージェントに渡す指示ファイル（AGENTS.md・CLAUDE.md）は、本当に仕事の出来を上げているのか。ETH Zurich と LogicStar.ai の論文「Evaluating AGENTS.md」は、成功率はほとんど変わらず、費用だけが約2割増えると報告しています。何をどう測ったのか、なぜそうなるのか、公開データと手元の実行で確かめたこと、そして自分の指示ファイルの直し方までを解説します。
2026.11.12
AIエージェントAI最新情報Claude CodeCodex
AI最新情報

Claude Fable 5.2 は 5.1 から何が変わった？ 性能・料金・effort・API の違い

2026年11月9日に公開された Claude Fable 5.2 を、前の Fable 5.1 と比べて整理しました。主要ベンチマークの伸びと伸びなかった項目、2割下がった単価と新しい fast mode、effort ごとに見た「1タスクあたりの費用」、プロンプトへの反応の変化、そして API で 400 エラーになりうる4つの変更と直し方までを、公式発表・システムカード・第三者の測定をもとに解説します。
2026.11.10
AI最新情報ClaudeLLM
AIエージェント

AIエージェントの高度なメモリは、素のRAGに負ける？ 要約と整理が払う「メモリ税」とは

会話を要約・整理して覚える AI エージェントのメモリ11種類が、原文をそのまま検索するだけの素の RAG に、99通り中90通りで負けていました。イリノイ大学・清華大学などの論文「Memory Tax」をもとに、整理で解ける問題（メモリ利益）と解けなくなる問題（メモリ税）を1問ずつ数える考え方、税が生まれる3つの場所、原文も残して検索する対策までを解説します。公開された問題ごとの正誤データから、論文の主要な数字を手元で再計算した結果もあわせて載せています。
2026.10.29
AIエージェントAI最新情報LLM
AIエージェント

ダウンロードフォルダで Claude Code や Codex を起動してはいけないのはなぜ？

ダウンロードフォルダで Claude Code や Codex を起動すると、Webページが確認なしで保存した指示ファイルを、AI が「あなたのルール」として読んでしまいます。Forever Security が2026年10月22日に報告した攻撃をもとに、やってはいけない6つのこと、その理由、安全な使い方と自分の PC の点検方法をまとめました。手元の Mac では、無害な目印だけのファイルで Codex が2回中2回従い、Claude Code も上のフォルダのファイルまで読み込むことを確かめました。
2026.10.28
AIエージェントClaude CodeCodex
AI最新情報

GPT-6.1 Terra は前の Terra からどれだけ伸びた？ Sol の半額モデルを Codex で比べた

OpenAI が2026年10月26日に公開した GPT-6.1 Terra を、前の Terra（GPT-5.6 Terra）や GPT-6.1 Sol などと比べました。単価は100万トークンあたり入力1ドル・出力5ドルで、6.1 Sol のちょうど半額です。公式の数字では OSWorld 2.1 が27.4%から66.7%に、事実の誤り率が51.5%から10.1%に改善しました。手元の Codex 比較では、実装の7題を Terra も Sol も21回すべて満点で解き、1回の費用は0.035ドル対0.101ドル。一方、推論の難問の正解は Sol 21問・Terra 16問でした。
2026.10.28
AI最新情報CodexLLM
AIエージェント

1,024体のAIが指揮役なしで協調する「Agensh」を Mac で動かしてみた

Microsoft Research が2026年10月24日に公開した、指揮役なしで最大1,024体の AI エージェントが協調する「Agensh」を解説し、公式の共有ボードを Mac で動かして Codex（GPT-6.1 Sol）を1・2・4・8体で比べました。難しいテスト218問の通過率は1体65.8%・2体64.7%・4体79.6%・8体85.6%、API 換算の費用は約0.93ドルから約9.06ドル。最初に起動した1体が分担を決めたことや、自作テストを全部通したまま採点用のテストを40問以上落とした回のことまでまとめました。
2026.10.27
AIエージェントAI最新情報Codex
AI最新情報

Softmax と Cross-Entropy に潜む 2 つの数値バグを Mac で再現してみた

Google DeepMind が2026年10月22日に公開した論文「A Fix for Softmax and Cross-Entropy」を解説し、Mac で再現しました。確信が強すぎると正解の勾配だけが0に丸まる Softmax Collapse と、蒸留で勾配が0にならない Softmax Cancellation の仕組みと直し方、PyTorch への移植、グロッキング・蒸留・LLM の LoRA での手元の結果（損失の跳ね21回→0回、ただし fp32 では成績の差なし）までまとめました。
2026.10.26
AI最新情報LLM
AIエージェント

AI エージェント用の検索エンジン「XERJ」を Mac で動かしてみた

2026年10月25日に v1.0.0-rc.99 が出たローカル検索エンジン「XERJ」を解説し、Mac で実際に動かしました。コードを関数ごとに索引して AI エージェントに必要な数行だけを渡す仕組み、公式の「出力トークン約2.7分の1」がどんな条件の数字か、XERJ 自身のリポジトリで測った検索の当たり方と、Codex に72回解かせたトークンの比較（XERJ ありは約1.5倍）、利用報告の自動送信など導入前の注意点までまとめました。
2026.10.26
AIエージェントAI最新情報Claude CodeCodexMCP（Model Context Protocol）
AIエージェント

頭の中では言葉を使わないAIエージェント「HybridAgent」を Mac で動かしてみた

Stanford大学・Together AI・UIUC・Meta が2026年10月に公開した論文「Hybrid Reasoning Agents」を解説します。頭の中の考えごとは言葉にせず内部の数字のまま進め、検索や Python を使うときだけ言葉に戻す HybridAgent の仕組み、論文の数字（生成ステップ35.5〜54.7%減・1.8〜2.6倍速）が何と比べた値か、公開モデルを Mac で動かした30問の比較（正解25対20）までまとめました。
2026.10.25
AIエージェントAI最新情報LLMローカルLLM
AIエージェント

AIエージェントは「忘れる」と伸びる？ 履歴を捨てて最良の成果物から再開する手法

UC Berkeley などの研究チームが2026年10月に公開した論文「Scaling Discovery Requires Forgetting」を初心者向けに解説します。AIエージェントが過去の試行に引きずられて伸びなくなる理由、履歴を捨てて最良の成果物から再開する手法と結果（同じ予算で最大39%改善）、Claude Code・Codex で試すアクションプランとスクリプトをまとめました。
2026.10.25
AIエージェントAI最新情報Claude CodeCodex
AIエージェント

Kimi K3.1 Pro は Claude Opus 5.5 や GPT-6 Astra にどこまで迫ったのか

中国の Moonshot AI が公開した Kimi K3.1 Pro を、Claude Opus 5.5・GPT-6 Astra などと比べました。開発元の表と第三者（Artificial Analysis）の測定を分けて読み、総合指数・得意と苦手・料金と速さ・Kimi Code／Claude Code／Codex からの使い方と、自分のリポジトリで比べる手順をまとめています。
2026.10.24
AIエージェントAI最新情報LLM
次のページ