AI最新情報

GPT-6.2 Astra は旧 Astra から何が変わった?ベンチマークと「4 つの作例」で見るビフォーアフター

OpenAI が 2026 年 11 月 17 日に公開した GPT-6.2 Astra を、9 月の GPT-6 Astra と比べました。料金は入力・出力が 2 割、キャッシュされた入力が 6 割安くなり、公式のベンチマークでは同じ点数を約 3 分の 1 の費用で取れます。僕の Mac の Codex で同じ依頼文から Web サイト・3D ゲーム・Excel・スライドを作らせると、見た目の作り込みは 6.2 が上、中身は互角で、費用は約 3 分の 2 でした。乗り換えの注意点と使い分けもまとめています。
AI最新情報

話すアバター動画AI「LongCat-Video-Avatar 1.6」を Mac で動かしてみた(1.5 と比較)

美団(Meituan)の LongCat チームが公開した、写真1枚と声の録音から話す動画を作る AI「LongCat-Video-Avatar 1.6」を、前の版 1.5 と同じ写真・同じ声・同じ乱数で Mac(M5 Max)で動かして比べました。26秒の動画で唇の赤みのずれは約4分の1、口の大きな開きは24%小さくなり、口と声の合い方はほぼ同じでした。実際の比較動画、計測の数字、NVIDIA の GPU なしで Mac で動かす手順と注意点をまとめています。
AIエージェント

AIが覚えた画面操作をコードにする「CUA Agent Kit」を Mac で動かしてみた

CVS Health がオープンソースで公開した「CUA Agent Kit」を Mac で動かしました。AI(computer use)が画面操作を見つけ、Codex がその記録を Playwright のコードに書き直し、2回目からは LLM なしで繰り返します。自作の業務画面で AI 1回約17秒・約0.047ドル → コード10回中10回成功・0.78秒になった実測、画面が変わったときの直し方、Mac のプルダウンの落とし穴とセットアップ手順をまとめています。
AI最新情報

表や数式が崩れないOCR「Surya」v0.24.0 を Mac で動かしてみた

Datalab が公開した文書解析 OSS「Surya」v0.24.0 を Mac で動かし、正解つきの34ページで PyMuPDF・pymupdf4llm・macOS Vision と比べました。結合セルの表・数式・段組や縦書きの読み順・スキャンで何が強くなったのか、速さ「3.2倍」はどんなページで効くのか、インストールから RAG 用のチャンク化までの使い方とライセンスの注意をまとめています。
AIエージェント

AG2 v1.3.2 で複数の判定を1回の API 呼び出しにまとめてみた

AI エージェントのフレームワーク AG2 v1.3.2 で、OpenAI Decisions API や TypeSafe Jev といった判定モデルに、いくつもの質問を1回のリクエストでまとめて聞けるようになりました。求人票×候補者72件を3回ずつ判定し、リクエスト数・入力トークン・時間・正答率を v1.3.1 の聞き方や LLM の JSON 生成と比べた手順書です。
AIエージェント

Orca を Mac で使ってみた:AI エージェントを並べて動かす方法とできること

Claude Code や Codex を何体も同時に動かすと、変更がぶつかる・どれが終わったか分からない――そんな悩みを解決する無料のデスクトップアプリ Orca を、公式ドキュメント全60ページと Mac での実際の操作で解説します。インストールから3体の並行実行、変更点へのメモの送り返し、AI によるコミット、orca.yaml まで、画面と操作動画つきの手順書です。
AI最新情報

拒否率が高いAIは安全なのか? 従来の安全性評価が見落としていたもの

Anthropic が公開した安全性評価の作り方のガイド「Building strong safety evaluations」を、「従来の評価で見落とされていたこと → 新しい作り方で測れるようになること」の 9 組のビフォーアフターで解説します。拒否率ではなく適切応答率、危険と正当の依頼の対、複数ターンの会話、採点 AI の検証、信頼区間、設定の記録まで。架空の業務エージェントでの模擬実験と、社内エージェントへの当てはめ方も紹介します。
AIエージェント

Google の A2UI 1.0 を Mac で動かしてみた

Google が正式版を出した A2UI 1.0(AI エージェントが「画面の設計図」を JSON で返し、アプリが許可した部品だけで描く仕組み)を、公式サンプルと自作の求人推薦エージェントで Mac 上で動かしました。両方向の関数呼び出し、書き方による速さの違い(出力 1,927→392 トークン)、危ない出力がどこで止まるか、公開版パッケージで使える範囲までまとめています。
AIエージェント

AI エージェントだけで作られた「AWS Emulator」を Mac で動かしてみた

Amazon が公開した AWS Emulator(AWS のサービスを手元で再現する無料・CC0 のプログラム。コードは数千の AI エージェントが書いた)を解説し、Mac で実際に動かしました。起動は約 0.3 秒、自作の 15 項目のテストは 14 項目が本物と同じ動き。一方で Lambda の Python は RustPython で C 拡張が使えない、権限の確認はまだら、S3 の容量に上限があることも分かりました。できること・費用・向いている人までまとめています。
AIエージェント

プロンプトインジェクション対策「LLMON」を Mac で試してみた

IBM が公開したプロンプトインジェクション対策「LLMON」と、専用に学習した Granite 4.1 の 3B・8B モデルを解説し、Mac で通常版と比べました。指示と文書を分けて渡すと、文書に仕込んだ命令に従った割合は 77%→16%(3B)、97%→10%(8B)に下がる一方、まとめて渡すと約半分が通り、日本語のツール結果ではまだ通りやすい場面もありました。仕組み・手順・守りの重ね方をまとめています。
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。
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。