Unsiloed AI、PDF解析ベンチマーク olmOCR-Bench で1位――GPT-5.5やClaude Opus 4.7を上回る

ドキュメント解析スタートアップのUnsiloed AIが、PDF OCRの標準ベンチマーク「olmOCR-Bench」で1位を獲得した。同社のパーサー v3.1は、1,403のPDFと8,413のユニットテストで構成される評価において88.0%の厳格合格率を記録。GPT-5.5、Claude Opus 4.7、LlamaParse、Reducto、Azure Document Intelligence、AWS Textractなど18のOCRサービスを上回った。

注目すべきは、二次評価でLLMをジャッジとして用いた結果、実質的なスコアが94.8%にまで上昇した点だ。LaTeX表記の違いや空白の差異など「意味的には等価だが文字列としては不一致」なケースを補正した結果で、実運用での精度はさらに高い可能性がある。

複雑な表、手書き文書、数式、多段組レイアウトなど、実際の文書で頻出する難易度の高いケースに特化して開発されており、評価コードもGitHubで公開されている。

Anthropicが初の黒字四半期を達成――AI企業の収益化が本格化

Claudeを開発するAnthropicが、創業以来初となる黒字四半期を達成見通しとなった。AI業界では巨額のインフラ投資が続く中、主要AI企業の収益化フェーズが本格化してきたことを示す象徴的な出来事だ。

売上規模は約109億ドルに達すると報じられているが、四半期ベースか年間ARR（Annual Recurring Revenue）かは現時点で明確ではない。いずれにしても、Anthropicが企業向けAPI事業とコンシューマー向けサブスクリプションの両面で急成長していることは間違いなく、AI基盤モデル企業のビジネスモデルが成立しつつあることを示唆している。

OpenAI「Codex Thursday」――Codexエージェントに6機能を一斉リリース

OpenAIがコーディングエージェント「Codex」の大型アップデート「Codex Thursday」を発表した。6つの新機能が一斉にリリースされ、エージェントの自律運転モードが強化された。具体的な機能内容の詳細はQiitaのデイリーダイジェストで紹介されているが、Agentic Workflowの実用性が一段と向上したとみられる。

あわせてClaude Codeの公式プラグインシステムや、DellのプロダクションレベルAgentic AI導入事例も話題になっている。AIコーディングツールの競争が激しさを増す中、エージェント型開発支援が主流になりつつある。

青森県庁、公式サイトのチャットボットを生成AI化――運用コスト7割超削減

青森県庁が公式Webサイトに生成AIベースのチャットボット「AIデジタルスタッフ」を導入した。従来のシナリオ型チャットボットでは、想定外の質問に対応できず運用負荷が増大。Webサイトの二重管理に限界を感じていたという。

生成AI化により、県民からの多様な問い合わせに柔軟に対応できるようになり、運用コストを7割以上削減した。地方自治体による生成AIの実用導入事例として注目される。

中小企業のAI導入率は約12%――「何から始めればよいか分からない」が最大の壁

Leachの調査によると、日本の中小企業におけるAI導入率は約12%にとどまっている。最大の課題として挙がったのは「何から始めればよいか分からない」（62%）。活用領域は書類処理やデータ入力など定型業務の効率化が中心で、本格的なビジネス変革には至っていないケースが多い。

AI技術の普及が進む一方で、特に中小企業層での導入ガイドラインや支援体制の整備が引き続き課題となっている。

教皇レオ14世、AI規制を求める声明――「人類を歪める危険性」

教皇レオ14世が、AIが人類に与える影響について警告する声明を発表した。雇用への影響や「人類を歪める（warp）」危険性に言及し、AIに対する堅牢な規制を求めている。AP通信とAxiosの両方が報じたこの声明は、AI技術の社会的影響に関する宗教界からの最も明確なメッセージの一つとなった。

同時に、Springerの学術誌「AI & Society」に掲載された論文では、AIによるスキル喪失（deskilling）が個人の問題ではなく構造的な問題であると指摘されている。AIツールへの依存が進む中、人間の専門性がどう変化していくかは引き続き重要な議論だ。

ローカルAIの実践：弁護士がV100×12台のMoEクラスタで法務書類作成

RedditのLocalLLaMAコミュニティで、弁護士が自宅構築したV100-SXM2 32GB×12台のクラスタで法務書類作成AIを運用する詳細な報告が話題を呼んでいる。

注目すべきは、V100世代ではDenseモデルよりもMoE（Mixture of Experts）モデルが圧倒的に有利だという発見。Qwen3.5-122B-A10B（MoE）が4台のV100で約50 tok/sを達成し、Dense 32Bモデルの性能を上回った。同氏は複数モデルをオーケストレーションし、起草・推論・審査・ゲート判定を役割分担させるパイプラインを構築している。

「ローカルモデルは自信満々に架空の引用を作る」というハルシネーション問題に対し、すべての引用・日付・証拠番号をソース資料と照合する検証器を自前で構築した点は、RAG/エージェントパイプラインを運用する全員にとって教訓的だ。

Claude Codeの自動化スクリプト設計における落とし穴

Qiitaで、Claude Codeの自動化スクリプト（Skills）が「1個なら動くが30個になると壊れる」理由についての分析記事が公開された。description、hook、permissions、system promptの相互作用による構造的な問題を指摘しており、Skillsを本格的に活用する開発者にとって参考になる内容だ。