2026年8月20日のAIニュースまとめ。オープンウェイト陣営に新顔「Ornith-1.5」が登場し、エージェントハーネスを巡る競争が激化する一方、検索インフラやローカルLLM運用といった実務寄りの話題も目立ちました。

Ornith-1.5：自己改善ループを備えたMITライセンスのオープンウェイトモデル

@ornith_がOrnith-1.5を公開しました。9Bのdense、35Bと397BのMoEという3構成で、ライセンスはMIT。FP8・GGUF・MLX・NVFP4といった量子化フォーマットも揃え、公開直後にvLLMとOllamaが対応を完了しています。

注目は「エンドツーエンドの自己改善」を掲げている点です。モデル自身がタスクを提案し、スキャフォールドを生成し、RLロールアウトを作って新たな学習経験を生み出すとうたわれています。開発者側の報告値では、Terminal-Bench 2.1で86.1、SWE-Bench Verifiedで86、DeepSWEで56、HLEで44.6、Tool Decathlonで71.2と、エージェント・コーディング系のワークロードで強気の数字が並びます。あくまで自己申告のベンチマークであり、独立検証はこれからでしょう。

ハーネス競争が本格化：TrueForgeのオープンソース化とAgent Lightning v1.0

エージェントの「ハーネス」（セッション・環境・ツール・メモリを束ねる実行基盤）が、差別化とコスト削減の主戦場になりつつあります。

TrueFoundryは自社ハーネスのTrueForgeをMITライセンスで公開しました。ツールオーケストレーション、コンテキスト管理、サブエージェント、コードサンドボックス、人間の承認、トレースを備え、セルフホストとホステッドの両方で利用できます。技術的に興味深いのは、14タスクのエンタープライズベンチマークで、Opus 4.8上のClaude Managed Agentsと同等の精度を約30%少ないトークンで出したという主張です。GLM-5.2へルーティングすれば精度を保ったままコストを約75%削減できるとしています。

一方、Microsoftの「Agent Lightning v1.0」は、任意のハーネスをエンドポイントプロキシ経由で強化学習に接続するアプローチです。リトークン化やサンプルマージ、アドバンテージ計算、正規化、スケジューラ協調といった煩雑な部分を吸収し、約6,000件の学習例と控えめな計算資源で、Qwen3.5-9BのSWE-Bench Verifiedを41.8%から56.4%まで引き上げたと報告されています。ハーネスの改善だけでなく、ハーネスを通してモデルを鍛える段階まで競争範囲が広がっています。

Gemini 3.7 Flash、分析エージェント評価で首位

GoogleのGemini 3.7 Flashが、Artificial Analysisのエージェント分析ベンチマーク「AA-AnalystAgent」で首位に立ちました。スプレッドシートやドキュメント中心の80タスクで、pass^5が60.0%、pass@1が70.5%、pass@5が77.5%。1タスクあたり1.32秒、平均コスト0.54ドルという効率性も示されています。

製品面でも展開が続いており、AI Modeで検索ベースのインタラクティブなシミュレーションをその場で生成する機能や、AI StudioでのGitHub同期などが紹介されました。

検索インフラの水面下：Qdrantのfilterable HNSWとSentence Transformers v6.0

地味ながら実務に効く更新が相次ぎました。

Qdrantは、フィルタ付きANN検索をクエリ時ではなくインデックス側で解決する「filterable HNSW」を発表しました。ペイロード値を共有する点同士にエッジを張ることで、フィルタ後の部分グラフの連結性を保つ設計です。100万ベクトルに対する1%フィルタのベンチマークでは、99.8%のリコールを1.0msで達成し、ACORNの67.7%（4.7ms）を大きく上回ったとしています。ただし広い値域のフィルタやAND条件ではACORNにも利点が残るとしており、使い分けが必要そうです。

またSentence Transformersはv6.0で、1テキストを1ベクトルに圧縮するdense検索に対して、トークン単位のベクトルを保持しクエリと文書の最良一致を集計するマルチベクトル（late interaction）検索の対応を強化しました。品質を重視する検索システムでは、このトレードオフの選択がさらに一般的になっていきそうです。

ローカルLLMをKubernetesで本番運用する「最小構成」（Zenn）

国内記事から。リベルクラフトがZennで、ローカルLLMをKubernetes上で本番運用するための最小構成を整理しました。Kubernetes（1.27以上）、NVIDIA GPU Operator、vLLM、KEDA（イベント駆動オートスケーラー）を中核に、これまで個別に解説してきた量子化（GGUF・AWQ・GPTQ）やKVキャッシュ最適化、プロンプトキャッシュを組み合わせる構成です。GPUノード運用の経験があるチームには参考になる整理になっています。

NeoBrowser MCPを実測：「ログイン済みChrome操作」は環境次第で死ぬ（Zenn）

同じくZennから。実ChromeをAIエージェントから操作できるMCPサーバー「NeoBrowser」を実際に動かした実測記録です。単一のRustバイナリ（約5.8MB）で配布され、ログイン済みセッションのままChromeを操作できるという触れ込みでしたが、検証者環境（非対話的にターミナルから直接起動する構成）では、目玉機能である「ログイン済みセッションの再利用」が動かなかったといいます。基本機能は正常に動作しており、「動く」と「狙った使い方ができる」のギャップを埋す実測として読み応えがあります。

小ネタ：Claude Code向け「Do-over」——コマンド実行前にスナップショット

Hacker Newsには、コーディングエージェントがファイルを削除してしまう事故への対策ツールDo-overが登場しました。Claude Codeのhooksに差し込み、コマンド実行直前に触れる予定のファイルのスナップショットを取ります。gitが守らないアントラックファイルやリポジトリ外のファイル、さらにエージェントに悪用されうるgit checkout .やgit clean -fd、git reset --hardといった操作からも保護するというものです。エージェント運用の「ラストマイル」の保険として、ニーズの高さがうかがえます。

本日は開発者報告のベンチマークが多く含まれるため、数値は独立検証の進展を追いながら眺めるのが良さそうです。