AIエージェント

AIエージェント

AIエージェントの「完了しました」は本当？ 最後のDBで採点する ThinkingBox を手元で動かす

Microsoft と Hugging Face が公開した ThinkingBox は、AIエージェントの返事ではなく作業後のデータベースの状態で採点し、同じ仕事を20回繰り返して「1回できる」と「毎回できる」を分けて測る評価環境です。従来の評価の課題と仕組み、公式の結果を整理し、MacBook Pro でローカルの Qwen3.8-27B を使って実際に動かした結果をまとめます。
2026.10.05
AIエージェントAI最新情報LLM
AIエージェント

LlamaIndex Extract v2.5 は日本語 PDF の抽出をどこまで変えるか ― 長いリスト・ページまたぎ・手書き帳票で Before/After

LlamaIndex の文書抽出サービス Extract v2.5 を API で実際に試しました。長いリスト・ページをまたぐ記録・手書きの請求書という、従来の方法が苦手な日本語の架空文書4種で、ルール抽出・ローカル LLM・旧版 v2.1 と比べ、何が良くなり何が残ったかをスクリーンショットと動画で示します。
2026.10.04
AIエージェントAI最新情報LLM
AIエージェント

コーディング AI は「写し書き」で何倍速くなる？ AgSpec の仕組みを半分だけ実装して確かめる

コーディングエージェントの出力は、さっき読んだコードやログの書き写しが多い。AgSpec（arXiv 2610.01108）はそれを先回りして写し、モデルにまとめて確かめさせることで生成を最大4.76倍にしました。仕組みをかみくだいて説明し、方針の部分を Mac（MLX）で実装して、どの工夫がどれだけ効くか、Mac では何が違ったかを検証します。
2026.10.04
AIエージェントAI最新情報LLM
AIエージェント

AIの採点をAIに任せていい？ CompMat-Benchの「正解＋固定ルール」とLLM-as-a-Judgeを比べた結果

AI エージェントの答えを別の LLM に採点させる LLM-as-a-Judge の弱点と、計算材料科学のベンチマーク CompMat-Bench が「研究を先に再現した正解データ＋固定ルール」で採点する仕組みを解説。同じ方式を手元の Mac で再現し、Claude・GPT のジャッジと比べた検証結果（正確さ・誤答の見逃し・判定の揺れ・費用）をまとめました。
2026.10.04
AIエージェントAI最新情報Claude CodeCodexLLM
AIエージェント

AI エージェントを ESP32 や Raspberry Pi につなぐには？ Meta「Muse Gadgets」の仕組みと Mac で試した結果

Meta が公開した Muse Gadgets（AI エージェント Muse を ESP32・Raspberry Pi につなぐオープンソースの SDK）を、公式サイト・GitHub のソース・利用規約から詳しく調べました。デバイスとクラウドがつながる仕組み、家庭内トンネル、日本から使えるかを解説し、ボードなしの Mac で UI シミュレーター、通信の模擬実験、ファームウェアのビルドまで試した結果を紹介します。
2026.10.04
AIエージェントAIトレンドAI最新情報
AIエージェント

DeepSeek Harness は Codex のハーネスと何が違う？ 中身を読んで、Claude Code・Codex に流用できる書き方を探す

DeepSeek が MIT ライセンスで公開したエージェント実行基盤 DeepSeek Harness を、リポジトリの調査とローカルモデルでの実行で確かめ、OpenAI Codex のハーネスとの違いと、Claude Code・Codex にそのまま持ち帰れる書き方（指示書の共有、フックの流用、空回り防止の注意文など）を実例付きで紹介します。
2026.10.04
AIエージェントAI最新情報Claude CodeCodex
AIエージェント

Qodo 3.0 は Claude Code・Codex のレビューと何が違う？ 壊れる3本の PR で確かめた

AI コードレビューの Qodo が発表した Qodo 3.0 について、会社の信用度や大手との関係を公式資料で確かめ、OSS の PR-Agent・Claude Code・Codex に「組み合わせると壊れる」3本の PR をレビューさせて違いを整理しました。
2026.10.04
AIエージェントAI最新情報Claude CodeCodex
AIエージェント

xAI公式TypeScript SDKで、何ができるようになったのか

xAI が公開した公式 TypeScript SDK（@xai-official/sdk）で、これまでの OpenAI SDK 流用や Vercel AI SDK では難しかったことの何が新しくできるようになったのかを、型検査とローカル実行で確かめて整理しました。
2026.10.04
AIエージェントAI最新情報MCP（Model Context Protocol）
AIエージェント

DGX Spark 64GBで何ができる？ Mac mini＋OpenClawと費用・使い道を比べる

はじめに最近、Mac mini に OpenClaw（オープンクロー）を入れて、AI エージェントを 24 時間動かす使い方が流行っています。そこへ NVIDIA が 2026 年 10 月 2 日、AI 専用の小型コンピュータ「DGX S...
2026.10.04
AIエージェントAI最新情報OpenClawローカルLLM
AIエージェント

AI エージェントの実力はモデルで決まる？ 6,204 回の実験が示した「ハーネス」との相性

同じ Claude と GPT でも、載せる「ハーネス」を替えるだけで順位が逆転する。66 構成・6,204 回の実験を行った論文を、公開データで数字を確かめながら、誰にでも分かるように解説します。
2026.10.04
AIエージェントAI入門AI最新情報LLM
AIエージェント

Claude Code の mods とは？ 画面もツール呼び出しも自分好みに変えられる新しい拡張

Claude Code 2.1.287 で使えるようになった mods を、公式サンプル・自作・Claude に作らせるの 3 通りで実際に動かし、画面と録画で解説します。
2026.10.03
AIエージェントAI最新情報ClaudeClaude Code
AIエージェント

OpenAI の dots とは？ Claude Code・Codex との違いは「会話を閉じても働く担当者」になったこと

OpenAI が DevDay で発表した常時稼働エージェント dots を、ChatGPT Pro で実際に動かして解説。クラウドPCでの作業、dot が Codex タスクを作る様子、4 段階の承認ルールまで、Claude Code・Codex と何が違うのかを図解します。
2026.10.02
AIエージェントAI最新情報ChatGPTClaude CodeCodex
次のページ