Google、Gemini APIのManaged Agentsを大幅拡張 — 3.6 Flash対応とhooks/triggers追加

Googleは7月28日、Gemini APIのManaged Agentsに新たな機能を追加したと発表した。主な追加内容は、Gemini 3.6 Flashのサポート、エージェントの動作を制御するhooksとtriggers、そして信頼性の高い本番運用向けの機能強化だ。

Managed Agentsは、開発者がプロダクションレディなAIエージェントを構築するためのプラットフォームで、今回の拡張によりより複雑なワークフローの自動化が可能になる。hooksはエージェントの実行前後にカスタム処理を挟む仕組みで、triggersは外部イベントに基づいてエージェントを起動する仕組み。これにより、自律的なエージェントの挙動をより精密に制御できるようになる。

Googleはエージェント構築のインフラ整備を着実に進めており、APIレイヤでの信頼性担保に注力していることがうかがえる。

OpenAI Codex / ChatGPT Workが月間1000万ユーザー到達 — Latent Spaceが詳報

Latent Spaceのインタビューで、OpenAIのコアプロダクトエンジニアリングリードであるAkshay Nathan氏が、CodexとChatGPT Workの月間アクティブユーザーが1000万に到達したことを明かした。

同氏によれば、2026年1月時点でのCodex MAUは現在の10分の1以下で、わずか半年で10倍以上の成長を記録した計算になる。7月9日のChatGPT Work正式ローンチから2週間足らずでの到達だ。

注目すべきは、**「コードを書ける人の100倍のコードを利用する人がいる」**という前提のもと、プログラミングではない層をターゲットに据えている点だ。Sites、OpenClaw、Memory、Subagents、Finance、No-Codeといった機能群により、ノーコードでのソフトウェア構築を目指している。

これはAIコーディングの市場が、従来の開発者向けツールという枠を超えて、より広い「ソフトウェア利用者」全体へと拡大していることを示している。

英国内務省がAIハルシネーションを根拠に難民申請を却下 — 裁判官が指摘

イギリスのHome Office（内務省）が、AIが生成した虚偽情報（ハルシネーション）を根拠に難民申請を却下していたことが明らかになった。裁判官がこの事実を指摘したことで問題が表面化した。

Guardian紙の報道によると、AIシステムが作り出した存在しない情報が、申請者の拒否理由として実際に使用されていたという。AIの出力を人間の目で検証することなく行政判断に用いていたことの危険性が改めて浮き彫りになった形だ。

政府機関におけるAI利用は効率化をもたらす一方で、ハルシネーションのリスクを伴う。特に難民申請のような当事者の生命や自由に直結する判断において、検証プロセスなしにAI出力を採用することは深刻な人権侵害につながりかねない。

Exabase、最難関のAI記憶ベンチマークBEAMでSOTA達成 — より小さなモデルで

Exabaseの創業者Johnny氏がHacker Newsで発表したところによると、同社のシステムM-1が、最も難しいとされるAI記憶ベンチマーク「BEAM」で最高スコアを記録した。対象は最大1000万トークンという大規模な文脈だ。

スコアは100Kトークンで76.9%、1Mトークンで75.0%、10Mトークンで68.0%。従来のリーダーであったHindsight（73.4% / 73.9% / 64.1%）やHoncho（63.0% / 63.1% / 40.6%）を、いずれのスケールでも上回った。

特に注目すべきは、従来のリーダーがすべてGemini 3 Pro（大規模モデル）に依存していたのに対し、M-1はGemini 3 Flash（より小規模なモデル）を使用している点だ。1000万トークンという規模は、どのモデルのコンテキストウィンドウをも遥かに超えるため、単純なコンテキスト詰め込みでは対処できない。根本的に機能する再現（recall）の仕組みを実現したことが成果の鍵とされている。

DeepSeek V4 FlashがAMD Ryzen AI MAX+ 395で32 tok/sを達成

LocalLLaMAコミュニティで、DeepSeek V4 Flashとその投機的デコードドラフトを単一のAMD Ryzen AI MAX+ 395（128GB統合メモリ）で動作させ、最大32 tok/sのデコード速度を達成したという報告が投稿された。

Strix Haloとして知られるこのチップは、CPUとGPUを統合したAMDのハイエンドAPUで、128GBの統合メモリを備える。DeepSeek V4 Flashのフルモデルと投機的ドラフトの両方をこのメモリに収め、実用的な推論速度を実現した。

GPUを必要としないローカルLLM推論の可能性が再び広がっている。特に、エッジデバイスやプライバシーが重視されるユースケースにおいて、この種のハードウェア構成は有力な選択肢になりつつある。

SWE-rebenchが多言語対応へ — Go / Java / Python / Rust / TSで評価

SWE-rebenchが大規模アップデートを発表し、従来Pythonのみだったソフトウェアエンジニアリング評価を、Go、Java、Python、Rust、TypeScriptの5言語に拡張した。

評価対象モデルにはGLM-5.2、DeepSeek-V4 Pro、Qwen3.6-27Bなどが含まれ、現実世界のバグ修正タスクで多言語対応能力がテストされる。これまで多くのコーディングベンチマークがPython中心だった中で、複数言語での実力差を可視化する試みは、モデル選択の実用的な指標として価値がある。

言語ごとの得意・不得意が明確になることで、実プロジェクトでのモデル採用判断により精度の高いデータが提供されることが期待される。