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

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

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 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）

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

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

Google の Harness² を Mac で動かしてみた

Google Cloud AI Researchなどが公開したHarness²は、AIエージェントの指示文やスキルなどの道具立て（ハーネス）を、正解のない仕事でもAI自身が試して比べて直し、直し方を次の仕事に持ち越す仕組みです。仕組みと論文の結果を解説し、MacとLM Studioのローカルモデルだけで JobBench を回した結果とつまずきどころをまとめました。

2026.10.23

AIエージェントAI最新情報ローカルLLM

Claude CodeやCodexの「会話の圧縮」は何を取りこぼすのか？要約文に学習した記憶を足すREMORYの仕組み

Claude Code や Codex は、会話が長くなると履歴を要約文に置き換えて圧縮します。その仕組みと、ツールの結果や細部が消えて同じ作業を繰り返してしまう問題を整理し、2026年10月8日に公開された論文 REMORY が「要約文＋学習した記憶トークン」でどう補うのかを解説します。全文の5.2%の長さで全文並みの成績、ツール出力の繰り返し18〜30%減などの結果と、動かすのに必要な環境もまとめます。

2026.10.12

AIエージェントAI最新情報Claude CodeCodexLLM

AI エージェントに見せるツールは何個まで？ Postman が 170 個から 15 個に絞った本番設計

Postman と AWS が公開した Agent Mode の本番設計では、AI エージェントに見せるツールが約 40 個を超えると選び間違いが増えたため、170 個以上のツールから依頼ごとに約 15 個だけを検索で選んで見せています。従来の設計の課題、本番アーキテクチャで改善した点（動的ツール選択・スキーマ＋クエリ・コンテキスト・キャッシュ）を整理し、架空のツール 120 個で「全部見せる」と「絞る」を手元で比べた結果と、自分の環境での作り方をまとめます。

2026.10.12

AIエージェントAI最新情報LLMMCP（Model Context Protocol）

Cloudflare Clef-omni は音声と動画をどこまで判定できるか ── 通話の用件は得意、異常音と感情は苦手

2026年10月9日に公開された Cloudflare の判定モデル Clef-omni は、音声と動画をそのまま入力できます。音声508件・動画206本のテストデータを自作し、通話の用件・環境音・声の感情・機械の異常音・動画の動き・画面録画・映像と音の照合を実測しました。文字起こし経由との比較、Liquid AI の d1-omni-600M との比較、速度と費用、使い分けのコツをまとめます。

2026.10.10

AIエージェントAI最新情報LLM企業 × 生成AI活用

OpenAI の Decisions API は何に使える？速い「選ぶだけ」API の向き・不向き

OpenAI が2026年10月6日（米国時間）にパブリックベータで公開した Decisions API を、日本語のデータで約320回呼んで検証しました。応答は中央値0.20秒で、既定設定の Responses API の約11倍速い一方、料金はほぼ同じ。choice 形式は先に書いた選択肢に寄る偏りがあり、確率がほしいなら predicate が正確でした。振り分け・エージェントの操作選択・安全チェック・画像確認など、向いている用途と落とし穴をまとめます。

2026.10.08

AIエージェントAI入門AI最新情報ChatGPTLLM