Microsoft「CodeAct」：エージェントがツールをまとめて呼ぶ新しいアプローチ
Microsoftが発表した新機能「CodeAct」は、AIエージェントがツールを呼び出す際の手順を根本から見直すものだ。従来のエージェントは「JSONでツール呼び出しを1つ出す → 実行 → 結果を受け取って再考する」というサイクルを繰り返しており、天気を2都市比較するだけでもget_weatherを2回呼び出し、そのたびにモデルの推論が1往復走る非効率な構造だった。
CodeActでは、こうした1ステップごとの往復を減らし、モデルがコードを通じて複数のツール呼び出しを一度に記述・実行できるようにする。これにより、エージェントの動作がより自然な「プログラミング的」な振る舞いに近づき、少ないステップ数で複雑なタスクをこなせる可能性がある。エージェント設計における基本的なパラダイムシフトとして、今後の影響が注目される。
AI画像かカメラ撮影かを見分けるオープンソースツール「C2PAVerify」
開発者のWavesonicsがGitHubで公開した「C2PAVerify」は、写真がAI生成によるものか実際のカメラで撮影されたものかを判定するオープンソースアプリケーションだ。C2PA（Content Provenance and Authenticity）規格に基づくメタデータ検証を活用し、画像の出処を技術的に確認できる。
AI生成画像の普及に伴い、コンテンツの真偽判定はメディアリテラシーの重要課題となっている。本ツールはその実用的なアプローチを提供するもので、オープンソースである点も透明性の観点から意義深い。現時点ではC2PA対応のプラットフォームが限定的であるため、万能ではないものの、検証インフラの先行事例として注目に値する。
Intel Arc B70でローカルLLMを動かす：llama.cpp SYCLベンチマーク
RedditのLocalLLaMAコミュニティで、Intel Arc B70 GPU上でのllama.cpp SYCLバックエンドのベンチマーク結果が共有された。Gemma4 12B Q8_0、Gemma4 26B.A4B Q8_0、Gemma4 E2B Q8_0、Qwen3.5 27B Q8_0など、複数のモデルで処理速度（tokens/sec）が計測されている。
注目すべき点として、Gemma4 E2B（4.65Bパラメータ）では生成速度が109 t/sに達しており、軽量モデルであれば実用的な速度で動作することが確認された。一方、Qwen3.5 27Bでは15.4 t/sにとどまり、大きなモデルではGPUメモリと処理能力の制約が顕在化している。投稿者は「動くが、改善の余地がある」と評価しており、Intel GPUでのローカルLLM環境は発展途上と言えそうだ。
AIコーディングツールの自動化が加速：KiroとDevin
AIコーディングアシスタントの自動化が一段と進んでいる。
Kiroでは、steeringファイル（.kiro/steering/配下の設定ファイル）を活用することで、質問なしで作業を進め、承認なしでファイル編集を行い、エラーも自動修正する「完全オート」運用が可能になるという設定例がQiitaで共有された。コピペで使える設定ファイル集として提供されており、実用性が高い。
一方、Devin for Terminalでは、対話形式の利用だけでなくdevin -p（非対話モード）を使うことで、スクリプトに組み込んでバッチ処理的にタスクを実行できることが紹介された。CI/CDパイプラインへの組み込みや、定型タスクの自動化に向けたアプローチとして有用だ。
これらはいずれも「人間がその場で対話する」前提から「自律的に完遂する」方向への移行を示しており、AIコーディングツールがインフラの一部として組み込まれつつあることがわかる。
AI駆動開発の構造的限界：LLMの「推論膠着」とハルシネーション連鎖
同時期に、AI駆動開発におけるLLMの構造的限界を分析した連載記事も注目を集めている。第3章では「推論膠着」と「ハルシネーション連鎖」という概念が提示され、LLMが手詰まりを起こすメカニズムが解説されている。
記事では、AI生成コードの品質が人間の認知能力の限界に依存する構造や、レビュー体制（3名体制の推奨など）なしでは品質が崩壊し得るという指摘がなされている。AIコーディングツールの自動化が進む一方で、こうした限界認識を持っておくことは健全なバランスと言えるだろう。