OpenAI並列エージェント加速ほか9件
目次
1. GPT-6 Astraの3Dモデル強化
深掘り: OpenAI研究現場はcoding agents並列運用で加速
- OpenAIは人間の監督下でdeep learningとalignmentを進めるautomated AI researcherの安全な構築を目指しています。
- 昨年秋に掲げた今年9月までのautomated research intern実現という目標に、測定結果から到達したと述べています。
- research internとは人間の指示で明確に定義された研究タスクを遂行できるシステムで、熟練した研究者が数日かける作業も含むと定義しています。
- 2028年3月までのautomated AI researcher実現に向けて強い進展があるとしています。
- 研究者はcoding agentsを1日を通して利用し、しばしばconcurrent sessionsで並列運用しています。総利用量は急速に増加し、他のOpenAIチームの伸びを上回っています。
- agentsが扱うタスクはより複雑化し、成功率も上がる方向に変化しています。研究者はcodeをより速くcontributeし、より多くのexperimentsを実行しています。
- AI研究は複雑で多くのbottlenecksがあるため全体の進展がこれらの指標通りに進むわけではないとしつつ、agentic toolsが研究を有意義に加速させているという内部の実感と一致すると結論づけています。
- 原典：https://openai.com/index/research-acceleration-view-inside-openai
3. 推論モデル拡張と再帰的自己改善見解
- 2023年半ばのRLSlow研究で、pretrained modelsが自らのchains of thoughtを形成できるよう推論モデルの学習をscaleできる確信を得たと述べています。
- 3年後の現在、推論言語モデルは経済で急成長し科学の境界を押し上げ、コンピューターやGUI操作、人や他のモデルとの協働、研究遂行が可能としています。
- computer securityの様相を変え、明確な危険を示しているとしています。
- 内部結果に基づき進展速度がrecursive self-improvementへ持続し得るとし、今後数年で同等以上のcapability jumpsが起き自ら開発を駆動すると見込んでいます。
- 原典：https://openai.com/index/an-alien-mind/
4. skillsは自作マクロに絞り肥大化回避
- 「How do you manage skills files?」という問いかけから始まり、skillsの探し方・整理・動作確認・継続改善の管理術が議論されています。
- ネットから拾うcelebrity由来のskillsはsnake oilとの指摘があり、good reposとgood promptsがあればagentsは必要なものを見つけられると述べられています。
- 有用なのはteamと共有するrepo内のdeveloper macrosに絞る使い方で、管理が必要なほど数が増えるのはcode smellとされています。
- Anthropicの示唆としてhowをcontextから外してskillsに置きcontext bloatを避ける運用や、failed caseを書いてtestする作り方が挙げられています。
- 原典：https://news.ycombinator.com/item?id=49589914
5. AnubisのAIスクレイパー対策
- AnubisはAI企業によるaggressiveなscrapingからサーバーを守るために導入されています。scrapingはwebsitesのdowntimeを引き起こし、全員がリソースにアクセスできなくなります。
- AnubisはHashcashの流れをくむProof-of-Work方式を使い、個別規模では無視できる負荷をmass scraper規模では積み上げてscrapingを高コスト化します。
- これはplaceholderの解決策で、fingerprintingやheadless browsersの識別に時間を割くためのものと説明されています。識別が進めばlegitimateな可能性が高いユーザーにchallengeページを出さずに済みます。
- Anubisはmodern JavaScript featuresを必要とし、JShelterのようなpluginsが無効化する機能を使うため、このdomainでは無効化が必要です。
- 原典：https://anubis.techaro.lol/blog/2026/anubis-wasm/
6. 文章からBlenderカードとThree.js生成
- descriptionやuploaded referenceからfinishedでeditableなBlender cardとinteractiveなThree.js pageを生成するskillです。
- requested subject、style、typography、destinationをpreserveします。
- skill自体はcodeとtextのみを含み、generated artworkはuser’s output projectに置きます。
- 原典：https://github.com/EverettFish/holo-card-studio
7. System Dataを項目別に見るメニューバーOSS
8. LLM生成文は癖で見抜かれる
- 元は2025年11月11日のLinkedIn投稿として公開された記事です。
- LinkedInが「rewrite it with AI」を促す中で、LLMでcontentを生成する利用が多すぎると指摘しています。
- LLM生成文はemojisやsingle-sentence paragraphs、「it’s not just… but also」構文、em-dashesにまみれ、stylistically gratingだと述べています。
- 少しでもLLM生成文を見たことがある人にはtellsは無視できず、intellectual fly is openとして多くの人が気づきつつ指摘しない状態だと述べています。
- 原典：https://bcantrill.dtrace.org/2025/12/05/your-intellectual-fly-is-open/
9. DeepMindがAPAC環境AI16件を支援
10. 全面書き換えは二重運用を生む失敗則