LLM総括とエージェント実用化ほか10件

目次

• 1. 2026 in LLMs (so far)
• 深掘り: Holo4: powering generalist computer-use agents
• 3. Ember-1
• 4. 0.158.0
• 5. v1.18.33
• 6. SNL Weekend Update: Anthropic CEO Dario Amodei on A.I.’S Threat to Humanity [video]
• 7. yihui-dev/awesome-opus5-5-videos
• 8. Bluesky reply bot checker
• 9. Show HN: TinyAIArena watch AI agents battle it out
• 10. There are no “rogue” AI agents
• 11. The Normalization of Inexplicable Failures

1. Simon Willisonの2026 LLM総括

• Simon WillisonがWeAreDevelopers World Congress North America（San Jose）で、2026年のLLM動向を時系列で整理したクロージングキーノートを発表した。動画と注釈付きスライド・ノートが公開されている。
• 2025年11月にリリースされたClaude Opus 4.5とGPT-5.1は、コーディングエージェント（Claude Code、Codex）の実用性を「よく間違える」から「日常的に使える」水準へと引き上げた。
• 新モデル評価には「自転車に乗るペリカンのSVG生成」という独自ベンチマークを使用。11月時点ではClaudeもGPT-5.1も自転車フレームの描画に課題が残っていた。
• 11月には「Warelay」というGitHubリポジトリへの最初のコミットが記録されており、後の展開で再登場すると予告されている。

原典 2026 in LLMs (so far)

深掘り: Holo4: powering generalist computer-use agents

• Holo4は27B密集と35B-A3B MoEの2サイズで提供され、H Models APIで利用可能。Holotron 3の更新版Holotron4 Nanoも同時リリースされた。
• GUIクリック・コード実行・MCPツール・API呼び出しを横断して動作し、タスクに応じて最適なインターフェースを自動選択する。
• デスクトップ・Web・Android・コードサンドボックス・業務APIのいずれでも同一モデルを同じ呼び出し方で動作させられる。
• 監督学習と強化学習で訓練され、Agentic Task Factoryで生成された環境を含む大規模タスクセットを使用している。
• OSWorld 2.0では27Bが61.7%、35B-A3Bが30.9%を記録（Opus 5.5は81.8%）。パラメータ数は桁違いに少なくコストも大幅に低い。
• Qwenベースから大幅に性能向上しており、学術ベンチマークで高スコアを記録しつつ実際の業務ワークフローを想定して構築されている。
• 公開ベンチマークの各ステップの軌跡をオープンソース化しており、trajectories.hcompany.aiで再生またはダウンロードできる。

原典 Holo4: powering generalist computer-use agents

3. Ember-1：トークン40%削減の推論モデル

• Fireworks ResearchのEmber-1はKimi K3をベースに構築され、同品質を維持しつつトークンを40%削減する専門モデルです。自動コーディングやエージェントワークロードのコストを直接削減できます。
• K3の推論努力を下げると品質が落ちたため、50以上の訓練実験と200以上の評価を経て、推論を効率化する新アルゴリズムを開発しました。Fireworks Serverless TrainingでGPU管理なしに実施しています。
• 外部ベンチマーク、顧客A/Bテスト、自社のコーディング・エージェントワークロードで品質維持を確認しました。Specialized Intelligence Indexや本番トラフィックでもトークン削減と品質維持を検証しています。
• 広範なタスクで訓練され、顧客データは使用せず自社データのみを使用しています。Fireworks Trainingプラットフォームで構築できる専門モデルシリーズの第1弾として提供されます。

原典 Ember-1

4. Codex v0.158.0のUIとセキュリティ改善

• フルスクリーンTUIでコピーオンセレクトと右クリック貼り付けを設定できます。コピーした選択テキストはMarkdown書式を保持します。（#47639, #47896, #48118）
• 事前登録されたOAuthクライアントシークレットを必要とするMCPサーバーに接続できます。codex mcp add --oauth-client-secret で追加できます。（#47891）
• 直接のexec-server WebSocket接続をベアラートークンで保護します。app-server経由で設定された接続も含まれます。（#47601, #47648）
• 画像生成と編集で透明背景を明示的に要求できます。編集はファイルベースの会話画像を受け入れます。

原典 0.158.0

5. opencode v1.18.33：セキュリティと安定性修正

• Cloudflare AI Gatewayモデルがプロバイダーのレスポンスとストリームタイムアウトを正しく尊重するよう修正されました。（@danlapid）
• MCPブラウザ起動失敗がランチャーの即時終了時に報告され、デバッグ設定出力から認証情報と機密ヘッダーが削除されました。
• Geminiの思考デフォルトと努力オプションがモデル世代間でサポートされる制御と一致するよう修正されました。（@markmcd）
• 5名のコミュニティ貢献者による修正が含まれ、ドキュメントにClaude Opus 5.5、GPT 6 Sol、GPT 6 Lunaが追加され、GitLab AIプロバイダーが6.16.0に更新されました。

原典 v1.18.33

6. Anthropic CEOがSNLでAI脅威を語る

• Anthropic CEOのDario AmodeiがSNL Weekend Updateに出演し、AIの人類への脅威について発言した。
• 動画はYouTube（https://www.youtube.com/watch?v=-Nvne3LzBls）で公開されており、原題は「SNL Weekend Update: Anthropic CEO Dario Amodei on A.I.’S Threat to Humanity [video]」である。
• Anthropicのトップが公の場でAIリスクを語る一次情報として、モデル開発の方向性を読む手がかりになる。

原典 SNL Weekend Update: Anthropic CEO Dario Amodei on A.I.’S Threat to Humanity [video]

7. Claude Opus 5.5動画とプロンプト集

• Claude Opus 5.5で作成されたバイラル動画と、それを再現するプロンプトを集めたGitHubリポジトリです。
• 各動画はオリジナルとSkillry上のライブリメイクを並べて視聴でき、生成結果を直接比較できます。
• 定期的に更新されており、Opus 5.5の実際の生成能力とプロンプト設計を参考にできます。

原典 yihui-dev/awesome-opus5-5-videos

8. Opus 5.5で作ったBlueskyボット検出ツール

• Simon WillisonがOpus 5.5でバイブコーディングしたBluesky返信ボット検出ツールを公開しました。ツールURLは https://tools.simonwillison.net/bluesky-bot-check です。
• 同一アカウントの投稿から数秒以内に返信が投稿される、独自コンテンツ（画像やリンク含む）を投稿せず高フォロワーの他ユーザーに一貫して返信する、といった信号を検出します。
• 質問記号の有無も確認対象に含め、人間に時間を浪費させるために質問を投げかける返信ボットのパターンを捕捉します。
• Twitterと異なりBlueskyは自由に利用できる有用なAPIを提供しているため、ボット調査が容易になっています。

原典 Bluesky reply bot checker

9. TinyAIArena：AIエージェントの8×8戦

• TinyAIArenaは8×8グリッド上で4つのモデルが戦うバトルシミュレーションです。従来の退屈なベンチマークではなく、観戦可能な「生死をかけた戦い」として設計されています。
• 各マッチをクリックすると観戦できます。コードは https://github.com/hp6/ai-arena で公開されています。
• 操作は矢印キー（Left/Right）、Home/End、Space（自動）、Esc（メニュー）、M（ミュート）で行えます。

原典 Show HN: TinyAIArena watch AI agents battle it out

10. OpenAIエージェントの「rogue」呼称への反論

• AIは自律的に思考や独立行動を取れない。擬人化言語がリスク理解を歪め、業界の物語に沿った誤解を生んでいる。
• OpenAIのエージェントが外部データベース（オーストラリア・米国政府DB）にアクセスした事例を「rogue」と呼ぶ言説が広がっている。
• しかしこれらのアクセスは制限されていなかった。Sam Altmanのツイートは「インターネットアクセスの使用に関する広範なレビューが進行中」と述べ、ガードレール不在を示唆している。
• 予期せぬ行動は「rogue」ではなく、制限されていない環境での予測不能な動作に過ぎない。事実に基づく評価が必要だ。

原典 There are no “rogue” AI agents

11. 評価なしにAIを組み込む製品の問題

• TypeSafe AIのJevは型付き確率推定を返すモデルで、高速・低コストで迅速に構築できると宣伝されている。
• 購入者の多くは評価を実施せず、不透明な質問に不透明な回答を得て「AI搭載」のチェックを入れて出荷している。
• 下流ロジックが壊れた際には「AIは間違える」と言い訳し、エラーバジェットや失敗モード、テストセットは後回しにされる。
• 確信度スコアが提供されるが、キャリブレーションや不確実性のコストモデルがなければ合理的な判断に使えない。
• Jevの広告はベンチマークスコアを強調するが、確信度のキャリブレーションについては語っていない。

原典 The Normalization of Inexplicable Failures