gihyo.jpサイトのロゴ

AIニュースノート

AIニュースノート⁠⁠：AGENTS.mdの採用は広がる？（VS Code, cline）, ExcelのCopilot関数でAIを活用, Claude CodeがTeam⁠⁠・Enterpriseプランに対応など

2025-08-22

gihyo.jpのニュース記事として取り上げていなかったもののなかから、直近の興味深いAIに関連するニュース概要を簡単にまとめてみました。

※この記事は、不正確な内容を含んでいる可能性のある実験的コンテンツです。正確な情報はリンク先を確認してください。

AGENTS.mdの採用は広がる？

OpenAIらがAIエージェントに対するREADMEとしてAGENTS.mdを採用する方向で進めていることが発表されましたが、ほかのプロジェクトでもいくつか言及されています。

VS CodeにおけるAGENTS.md採用の行方

VS Codeでは、プロダクトマネージャーのHarald Kirschner氏がAGENTS.mdの採用を検討している。

AGENTS.mdの仕様策定は非公開プロセスだったが、2025年8月21日に公式サイトが公開され、議論や標準化作業が本格的にオープン化された。VS Codeチームも「Working on it; track it here: https://github.com/microsoft/vscode/issues/249387（以前から追跡していたが、AGENTS.mdのオープン化は昨日から⁠）⁠」と進捗を明言しており、今後の進展が期待される。

clineにおけるAGENTS.md採用に関する考察

clineのpash（@pashmerepat）氏がX上で、AGENTS.md標準仕様についてclineの運用視点から考察を投稿した。

clineにおけるエージェント用ルールファイルの標準化について、pash氏は現行のAGENTS.md仕様がスコープ管理やグロブによる自動適用、ルールの分割・合成、ユーザーごとの設定など将来的な拡張性に課題があると指摘している。Markdownの可読性やベンダーニュートラルな設計は評価しつつも、現状はリポジトリ全体に一律適用される平坦なテキスト仕様であり、細かなパス指定や実行意図、無視対象の定義、メタデータによる柔軟な制御が不足していると述べている。clineや他ツールでは、ファイルパスごとの自動ガイダンス付与やルールの小分け・合成、ユーザー・グローバル設定の分離など高度な運用が実現されており、今後の標準仕様にはこうした拡張性や実運用での利便性が求められるとまとめている。

政策⁠⁠⁠・社会動向

gpt-5-proによる新しい数学的証明

Sebastien Bubeck氏が2025年8月21日、gpt-5-proによる数学的証明の成果をXで報告した。

Bubeck氏は、凸最適化分野の未解決問題をgpt-5-proに提示し、従来論文よりも優れた上限値の証明を得たと報告した。証明内容は自身が検証済みであり、AIモデルが新しい数学的発見や証明を実現できる可能性を示す事例となったという。

Sam AltmanがGPT-6の「記憶」機能について語る

CNBCが2025年8月19日、OpenAIのSam Altman氏によるGPT-6の「記憶」機能に関するインタビュー記事を公開した。

記事では、Sam Altman氏がGPT-6に搭載予定の「長期記憶」機能やユーザー体験の変化、プライバシー・安全性への配慮について語っている。AIモデルが過去の対話や操作履歴を保持し、よりパーソナライズされた応答や学習支援を実現する方向性が示されている。

サービス⁠⁠⁠・アプリケーション

ExcelのCopilot関数でAIを活用

Microsoftが2025年8月21日、ExcelのCopilot関数によるAI活用事例を公式ブログで公開した。

Copilot関数は、Excelの数式内でAIモデルによる推論やデータ生成を直接利用できる新機能。記事では導入手順、利用可能な関数一覧、AIによるデータ補完・要約・分類・予測の具体例などが詳しく解説されている。ユーザーはCopilot関数を使うことで、複雑なデータ分析や自動レポート作成、反復作業の自動化、データ品質向上、意思決定支援などをExcel上で実現できる。

Pixel 10をより便利にするAIの9つの機能

Googleが2025年8月20日、Pixel 10のAI機能群を紹介した。

新設計のTensor G5とオンデバイスのGemini Nanoを組み合わせ、Magic Cueによるアプリ横断の文脈表示、音声通話のリアルタイム翻訳、着信の自動文字起こしと要約を行うTake a Message、NotebookLMとの連携によるスクリーンショットや録音のノート化、Gboardの文体変更やRecorderを用いた音声からの音楽生成など、多様なAI体験を端末上で提供する。

Google Photos⁠：AIによる会話型画像編集機能がPixel 10で登場

Googleが2025年8月20日、Google PhotosにGemini搭載の会話型AI画像編集機能をPixel 10向けに米国で提供開始した。

Google Photosの新しい画像編集機能は、Gemini AIを活用し、ユーザーがテキストや音声で「背景の車を消して」「⁠色あせを直して」など自然言語で指示するだけで、複数の編集を一度に実行できる。従来のタップやジェスチャーによる編集に加え、AIによる提案や一括編集、複数リクエストの同時処理が可能となった。編集後は「C2PA Content Credentials」によるAI編集の透明性表示も強化され、編集履歴や生成情報がGoogle Photos上で確認できる。

Gemini Liveが視覚的ガイダンスと表現力を強化

Googleが2025年8月20日、Gemini Liveのアップデート内容を発表した。

GoogleはGemini Liveのアップデートで、カメラ共有時に画面上へ視覚的なハイライトを表示する機能や、Google Calendar／Keep／Tasksなどとの連携強化、話し言葉の抑揚や速度を制御できる音声表現の改善などを案内している。視覚的ガイダンスは画面や実物上の対象をハイライトして指示することで学習や問題解決を支援する。

Gemini for Homeが家庭向けに対話と管理を拡張

Googleが2025年8月20日、家庭向けアシスタント「Gemini for Home」を紹介した。

Gemini for Homeは従来のGoogle Assistantに代わり、家の中での複雑な要求に応じた自然な対話を提供することを目的としている。複数のストリーミングサービス横断でのメディア検索や、複数コマンドを同時に処理するスマートホーム統合、家族向けのカレンダーやリスト管理支援、段階的な調理支援や対話的トラブルシュートなどの機能を挙げている。早期アクセスが10月に開始される予定。

Claude Codeの出力スタイル解説

Anthropicが2025年8月21日、Claude Codeの出力スタイルに関する公式ドキュメントを公開した。

Claude Codeは、Explanatoryモードで教育的な“⁠Insights⁠”を挟みながら実装選択やコードパターンの理解を可能にし、Learningモードでは協働的な“⁠学びながら作る⁠”体験を提供する。ユーザーは用途や好みに応じて出力スタイルを選択でき、開発効率や品質向上に役立てられる。

Claude CodeがTeam⁠・Enterpriseプランに対応

Anthropicが2025年8月21日、Claude CodeのTeamおよびEnterpriseプラン対応を公式Xで発表した。

Claude Codeは、組織内で標準・プレミアム席を柔軟に組み合わせて利用できる新しい価格体系を導入し、Team・Enterpriseプランでの本格提供を開始した。これにより、企業ユーザーはアイデア出しからターミナルでの実装までをシームレスに行えるようになり、組織規模や利用状況に応じた座席管理やスケールが可能となった。

Claude API「Usage and Cost API」公開

Anthropicが2025年8月21日、Claude API向けの「Usage and Cost API」を公開した。

Usage and Cost APIは、Claude APIの利用状況やコストをリアルタイムで監視・最適化できる新しい管理API。開発者は、トークン消費量やコストを細かく追跡しながら、プロンプト設計やエージェント構成、ツール利用の最適化を図ることができる。コストレポートやAPIキー管理機能も提供されている。

Illustratorベータ版⁠、「Turntable」機能で2Dベクターを3D回転

Adobeが2025年8月19日、Illustratorベータ版に「Turntable」機能を追加した。

Turntableは、2Dベクターアートを3D空間で回転表示できる新機能。スライダー操作のみで水平方向・垂直方向の角度調整が可能となり、キャラクターシートやアニメーション、製品ビュー、各種アセットの多角的な表示を再描画なしで生成できる。AIが元の色・線・スタイルを保持しつつ、サイド・フロント・バックなど複数のビューを素早く作成できるため、作業効率と一貫性が向上する。

SuperMemory: AIによる記憶拡張ツール

SuperMemoryAIが2025年8月21日、SuperMemoryのGitHubリポジトリを公開した。

SuperMemoryは、AI技術を活用して個人やチームの知識・記憶を拡張するツールである。リポジトリにはインストール方法、主要機能、API連携例、データ管理方法などが記載されている。ユーザーはノートやドキュメント、会話履歴などをAIで整理・検索・要約でき、知識の蓄積や再利用を効率化できる。さらに、タグ付けや関連情報の自動抽出、複数ユーザー間での知識共有機能も備えている。

開発⁠⁠・開発ツール

GitHub Agents PanelとCopilot Coding Agentの新機能

GitHubが2025年8月21日、Agents PanelとCopilot Coding Agentの新機能を発表した。

Agents Panelは、GitHub上でCopilot Coding Agentのタスク管理や進捗確認を一元化できる新機能である。開発者はリポジトリやプルリクエスト単位でエージェントの作業状況を可視化し、タスクの割り当てや履歴管理が容易になる。パネル上で進捗のリアルタイム表示や、複数エージェントの同時管理、履歴の検索・フィルタ機能も利用できる。

Visual StudioでMCPが正式対応

Microsoftが2025年8月21日、Visual StudioでMCPの正式対応を発表した。

Visual Studioへの統合により、開発者はコード編集・デバッグ・モデル実行の各工程でMCPを活用できる。記事では主要機能や導入手順、今後の拡張予定、API連携例や運用事例についても解説されている。

VS Code⁠、エージェントへの指示出しでのtool_preamblesの活用

Burke Holland氏は2025年8月21日、VS CodeでGPT-5 miniで作業している場合、カスタム指示を実際に従わせたい場合にはtools_preamblesタグを活用してみてほしいと案内した。

ちなみに、Copilotのエージェントモードのデフォルトプロンプトでも<tool-preambles>タグが使われていることに言及している。

VS Code⁠、GPT-5用の新エージェントプロンプトがInsiders向けに提供開始

Burke Holland氏は2025年8月21日、VS CodeにおいてGPT-5の新しいエージェント用システムプロンプトがInsiders向けに利用可能となったことを案内した。

投稿によると、VS CodeチームはGPT-5のエージェントプロンプト改善に継続的に取り組んでおり、Insidersユーザーは、新しいシステムプロンプト「Cpt5 Alternative Prompt」を試すことができるようになった。今後もプロンプト品質向上や細かな仕様調整が続く見込み。

Gemini APIのURLコンテキストツール一般提供開始

Googleが2025年8月21日、Gemini APIのURLコンテキストツールの一般提供開始を公式ブログで発表した。

Gemini APIのURLコンテキストツールは、外部URLの内容をAIモデルに渡して要点抽出や質問応答を行う機能。公式ブログやサンプルノートブックでは、導入手順や活用事例、APIの制限事項が詳しく解説されている。

Gemini APIとVercel AI SDKの連携例

Googleが2025年8月21日、Gemini APIとVercel AI SDKの連携例を公式ドキュメントで公開した。

Gemini APIとVercel AI SDKを組み合わせることで、TypeScript/Node.js環境でAIモデルの推論や質問応答、Web検索、構造化データ抽出、グラフ生成、PDFレポート作成など多彩な機能をWebアプリ上で実現できることを解説している。

Vercel⁠、HTML内でのLLM命令埋め込み提案

Vercelが2025年8月21日、HTML内でLLM命令をインライン記述する新提案をブログで公開した。

Vercelは、HTMLドキュメント内にLLMへの命令を直接埋め込む新記法を提案。<script type="text/llms.txt">タグを使い、AIエージェントがWebページ上で必要な指示を即座に取得できる仕組みを実現する。従来のAPIや外部スクリプト経由に比べ、開発者が柔軟かつ直感的にAI機能を組み込める利点があり、MCPサーバー連携や認証バイパスなど実運用例も紹介した。

Firecrawl v2.0.0の新機能とリリース情報

Firecrawlチームが2025年8月19日、Firecrawl v2.0.0の新機能とリリース情報を公開した。

Firecrawl v2.0.0では、Webクローリングとデータ抽出の効率化、API拡張、安定性向上など多数の新機能が追加された。Firecrawlは、データ取得や自動化ワークフローの構築に活用できる。

Windsurf 1.12.1⁠：Devin機能追加と新UI

Windsurfが2025年8月14日、Devin機能の追加や安定性向上、新UIを含むバージョン1.12.1を公開した。

Windsurf 1.12.1では、AIエージェント「Devin」機能が新たに搭載され、コードシンボル上でDeepWikiによるインテリジェントなドキュメント表示が可能となった。Vibe and ReplaceによるAI駆動の一括置換や、Cascade Agentの自動プランニングモード、より精度の高い編集ツール、長文コンテキストモデルを活用したコード探索機能が追加されている。また、タブ補完システムも刷新され、より頻繁かつ賢い提案が得られるようになった。UIはChat・Cascade・ホーム画面パネルが再設計された。

deepagents⁠：TypeScript製「Deep Agents」ライブラリ

LangChainが2025年8月16日、TypeScript製エージェントライブラリ「deepagents」バージョン0.0.1をnpmで公開した。

deepagentsはLLMによるツール呼び出しループに加え、長期計画・サブエージェント・ファイルシステム連携・詳細なプロンプト設計を組み合わせて複雑なタスクに対応できる。従来のReact Agent型（LLMによる逐次推論・観察ループ）を拡張し、長期的な計画・情報整理・サブエージェントによる分担・詳細な指示体系を実現する。例では、Web検索や情報統合、レポート作成、批評サブエージェントによるレビューまで一連の流れをTypeScriptで構築している。

LangGraph × MongoDBによるエージェント長期記憶ストア

MongoDBが2025年8月20日、LangGraph向けの長期記憶ストアとしてlanggraph-store-mongodb（MongoDB Store for LangGraph）を導入した。

今回提供されたMongoDBStoreは、スレッドを超えた永続的メモリをサポートし、長期的な記憶をJSONドキュメントとして保存して意味検索（ベクトル検索）で再取得できる形式を提供する。クロススレッドの永続化やネイティブなJSON構造、Atlas Vector Searchとの連携、TTLインデックスによる古いメモリの自動削除、同期・非同期双方の操作サポートなどを特徴とし、カスタマーサポートやパーソナルアシスタントなどのユースケースで会話や行動履歴を学習・活用できる基盤を整えた。

cc-sdd⁠：Claude Code/Gemini CLI向け仕様駆動型AI開発ツール

Gota氏が2025年8月20日、Claude CodeおよびGemini CLI対応の仕様駆動型AI開発ツール「cc-sdd」のベータ版を公開した。

「cc-sdd」は、AI-DLC（AI-Driven Development Life Cycle）とSDD（Spec-Driven Development）ワークフローをワンコマンドで導入できる開発支援ツール。プロジェクトメモリ（steering）機能により、コードベースや開発パターンをAIが学習し、要件→設計→タスク→実装の流れを構造化して管理できる。Kiro IDEとの互換性があり、Kiroスタイルの仕様書やワークフローをそのまま再利用可能。

非同期コーディングエージェントの運用と設計

Elite AI Assisted Codingが2025年8月19日、非同期コーディングエージェントの運用と設計に関する記事を公開した。

記事では、クラウド上で独立してタスクを受け持ち、完了後に成果物を返す「非同期コーディングエージェント」の実践と設計を詳しく解説している。また、Copilot Agent・Codex・OpenHands・Julesなど主要エージェントの比較、実際のコードベースリファクタリング事例、仕様書作成のコツ、運用上の注意点などを詳述している。

Monaco: AIによるコードエディタ体験の拡張

Allen Institute for AIが2025年8月21日、MonacoによるAIコードエディタ体験拡張技術を公式ブログで公開した。

Monacoは、AI技術を活用してコードエディタの補完・修正・自動化体験を拡張する新しいツール。公式ブログでは主要機能、導入手順、対応言語、AIによるコード補完・リファクタリング・バグ修正・テスト生成の事例など解説されている。

Jupyter Agent 2によるAIノートブック自動化

Leandro von Werra氏は2025年8月19日、Jupyter Agent 2のデモスペースを公開した。

Jupyter Agent 2は、AIエージェントがJupyterノートブック上で自動的にコード生成・実行・検証を行うデモスペースである。ユーザーは自然言語で指示を与えるだけで、エージェントがセルの追加や修正、結果の解釈まで一連の作業を自律的に進める。データ分析や機械学習のワークフロー自動化、反復的な実験管理などに活用できる。デモでは複数のサンプルタスクや実行例が公開されている。

Trigger v4 GAリリース情報

Trigger.devが2025年8月21日、Trigger v4 GA（General Availability）リリース情報を公開した。

Trigger v4は、ワークフロー自動化やイベント駆動型処理を支援するSaaSプラットフォームの最新バージョン。開発者はTrigger v4を活用することで、複雑な業務フローの自動化やリアルタイムイベント処理、外部サービス連携の効率化、運用コスト削減、サービス品質向上などを実現できる。

MCP Night by WorkOS⁠：AnthropicとOpenAIがMCPの現状と課題を議論

WorkOSが2025年8月21日、YouTube公式チャンネルで「MCP Night by WorkOS」を開催し、AnthropicとOpenAIのプロダクトマネージャーがMCP（Model Context Protocol）に関する現状や課題、今後の展望について意見を交わした。

イベントでは、MCPの標準化やAIツール間連携の実例、導入時の課題、セキュリティや認証の重要性、コミュニティ主導の仕様策定などについて両社が率直に議論された。MCPは複数企業のAIモデルと外部サービスを安全かつ柔軟に接続する共通プロトコルとして注目されており、実際の運用例（ログ連携、Slack、ワークフロー自動化など）や、エージェント型AIの普及に伴う新たな技術的課題も話題となった。

MCPの設計パターン⁠：Literate Reasoning

glassBead氏が2025年8月19日、MCP（Model Context Protocol）における設計パターン「Literate Reasoning」についてMedium公式ブログで解説した。

この記事では、MCP開発における「Literate Reasoning」パターンの意義と実践方法が詳述されている。従来のエージェントはブラックボックス的に最終結果のみを返していたが、ノートブック形式を導入することで、思考過程・手順・コード・出力をセル単位で記録し、透明性と再現性を大幅に向上できると説明されている。

MCPサーバー運用⁠・Gemini API活用事例

Philipp Schmid氏が2025年8月20日、MCPサーバー運用・Gemini API活用に関する知見をXで共有した。

STDIOサーバーは手軽だが運用負荷が高く、ローカルセットアップは個人用途向きでチーム運用には不向き。動的割り当て（コンテナ・制御プレーン）によるサーバー管理や、ツール名の衝突回避・命名規則の厳守、ツール数制限への対応（エージェントごとの許可リストやベクトル検索による動的選択）が重要とされる。LLMごとにツール・スキーマの扱いが異なるため、互換性検証も必須。リモートファースト設計・厳密なツール管理・動的フィルタリングが大規模運用の鍵となる。

モデル⁠⁠⁠・基盤技術

Qwen-Image-Edit: 画像編集AIの新機能

QwenLMチームが2025年8月21日、Qwen-Image-Editの新機能を公式ブログで発表した。

Qwen-Image-Editは、AIによる画像編集機能を提供する新しいツール。公式ブログでは、編集アルゴリズムやサンプル画像、導入手順が詳しく解説されている。画像生成や編集の自動化、Webサービスへの応用例も紹介されている。さらに、複数画像の一括編集や、細かなパラメータ調整、今後の機能追加予定なども記載されており、幅広い用途に対応できる設計となっている。

DeepSeek-V3.1⁠：思考⁠・非思考モード両対応のハイブリッドAIモデル

DeepSeek-AIが2025年8月21日、思考モードと非思考モードの両方に対応した新世代AIモデル「DeepSeek-V3.1」を発表した。

DeepSeek-V3.1は、1つのモデルで「思考モード」と「非思考モード」を切り替えられるハイブリッド設計が特徴である。基盤となる「DeepSeek-V3.1-Base」は非思考モード専用モデルとして設計されており、V3.1はこのBaseモデルを拡張・最適化することで両モード対応を実現している。主な進化点として、ツールコールやエージェントタスクの最適化による実用的なAIタスクの精度・効率向上、最大128Kトークンまで対応する長文コンテキスト処理の強化、FP8スケールデータ形式の採用による最新マイクロスケーリング技術への適合が挙げられる。

DINOv3: Metaの自己教師ありビジョンモデル

Meta AIが2025年8月21日、DINOv3の自己教師ありビジョンモデルを公式ブログで発表した。

DINOv3は、ラベルなし画像データから特徴抽出・認識を行う自己教師あり学習モデルで、画像分類や物体検出、転移学習など多様なタスクで高い性能を示している。さらに、従来モデルとの比較や、実際の産業応用事例などがまとめられている。

ToonComposer: AIによる漫画⁠・イラスト生成技術

Lingen Li氏らは2025年8月21日、ToonComposerの論文とプロジェクトページを公開した。

ToonComposerは、AIを活用して漫画やイラストの構成・生成・編集を支援する新技術。ユーザーはストーリーやキャラクター、コマ割りなどをAIで自動生成・編集でき、創作作業の効率化や表現力向上が期待される。さらに、画像のスタイル変換や構図の自動調整、複数のシーンを連続して生成する機能も搭載されており、直感的に作品制作を始められる設計となっている。

swallow-evaluation-instruct⁠：LLM評価フレームワーク公開

swallow-llmが2025年8月、swallow-evaluation-instructリポジトリで大規模言語モデル評価用フレームワークを公開した。

swallow-evaluation-instructは、大規模言語モデルの評価を効率化するためのフレームワーク。環境構築スクリプトやベンチマーク定義、評価ツール群を備え、READMEやBENCHMARKS.md、TIPS.mdで導入手順や評価設定、実行例を詳しく案内している。v202508などのリリースタグや設定ファイルのサンプルも提供されており、モデルごとの性能比較やカスタムベンチマークの作成が可能。

ZenFlow⁠：LLM学習向けストールフリーオフロードエンジン

PyTorchが2025年8月20日、ブログ記事「ZenFlow: Stall-Free Offloading Engine for LLM Training」を公開した。

ZenFlowは、GPUとCPU間の通信・メモリ管理を効率化し、LLM学習中のストール（待ち時間）を大幅に削減するオフロードエンジン。top-k勾配転送や境界付き非同期蓄積などの設計を採用し、ゼロショットオフロードと比較して最大数倍の学習スループット向上を達成した。既存技術と比べてスケーラビリティと安定性の改善が報告されている。

Triton Persistent Cache-Aware Grouped GEMM KernelによるMoE高速化

PyTorchが2025年8月21日、Triton Persistent Cache-Aware Grouped GEMM KernelによるMoE（Mixture of Experts）高速化技術をブログで公開した。

この記事では、PyTorchがTritonを活用したGEMM（行列積）カーネルの最適化により、MoEモデルの推論・学習速度を大幅に向上させる技術を解説している。開発者はこの技術を活用することで、大規模モデルの分散学習や推論パイプラインの高速化、リソース消費の最適化、運用コスト削減、AIサービスの品質向上などを実現できる。

Dynamo 0.4: NVIDIAの高速化⁠・自動スケーリング技術

NVIDIAが2025年8月21日、Dynamo 0.4の新機能とパフォーマンス向上を公式ブログで発表した。

Dynamo 0.4は、AI・クラウドサービス向けのパフォーマンス最適化と自動スケーリング、リアルタイム監視機能を強化した新バージョン。公式ブログでは4倍高速化の技術的背景、SLO（サービスレベル目標）に基づく自動スケーリング、リアルタイムの可観測性などが解説されている。さらに、API連携や運用管理の自動化、障害検知・復旧機能、クラウド環境でのコスト最適化手法なども紹介されている。

JAX ML Scaling Book 第12章「How to Think About GPUs」公開

Google DeepMindが2025年8月18日、JAX ML Scaling Bookの第12章「How to Think About GPUs」を公開した。

「How to Think About GPUs」は、NVIDIAの最新GPU（H100、B200、GB200 NVL72など）のチップ構造・メモリ階層・ネットワーク構成・LLMトレーニング時の並列化手法・性能指標（roofline）などを体系的に解説した技術ドキュメント。SM（Streaming Multiprocessor）やTensor Core、HBM、L2/L1キャッシュ、NVLink/NVSwitchによるノード間接続、InfiniBandによるスケールアウト構成など、GPUのハードウェア詳細とTPUとの比較が豊富な図表・数値とともに示されている。

Tiny-TPU v2のオープンソース実装

Tiny-TPU v2チームが2025年8月21日、Tiny-TPU v2のオープンソース実装を公開した。

Tiny-TPU v2は、低消費電力・高効率なAI推論を実現するTPU（Tensor Processing Unit）のオープンソース実装である。公式リポジトリや製品サイトでは設計仕様やベンチマーク結果、導入手順が詳しく解説されている。組み込み用途や省電力AIデバイス向けの応用例も紹介されている。

vllm-cli: コマンドラインからvLLMを操作

Chen-zexiが2025年8月21日、vllm-cliのGitHubリポジトリを公開した。

vllm-cliは、vLLMをコマンドラインから操作できるツール。ユーザーはローカル環境やクラウド上での推論実行、バッチ処理、パイプライン構築、複数モデルの切り替え、入出力の自動化、ログ管理、リソース制御など多様な用途に活用できる。コマンドラインから直接APIを呼び出すことで、スクリプトやCI/CDパイプラインへの組み込みも容易となり、開発・運用の効率化が図れる。

研究動向

End Subset Conversations⁠：対話AIの新しい会話管理技術

Anthropicが2025年8月21日、End Subset Conversationsに関する研究成果を公式サイトで公開した。

End Subset Conversationsは、AI対話モデルが長い会話の中で重要な情報を保ちつつ、不要な部分をうまく終了・整理できるようにする新しい会話管理技術。文脈の管理や応答品質の向上を目指したアルゴリズムや設計思想が提案されており、ユーザー体験の改善や今後の対話AIの進化に役立つ内容となっている。

条件付き生成モデルによるデータ合成の新展開

Googleが2025年8月20日、条件付き生成モデルを活用したデータ合成技術の解説記事を公開した。

大規模パラメータモデルの負担を軽減しつつ、条件付き生成モデルによる高品質なデータ合成技術を開発したことで、従来の手法と比べて、柔軟な制約設定や多様なデータ生成が可能となった。それにより、AIモデルの学習・評価におけるデータ不足問題の解決に寄与するという。医療・金融・画像認識など幅広い分野での活用可能性が示されている。

大規模データの差分プライバシー保護手法

Googleが2025年8月20日、差分プライバシーによる大規模データ保護手法の技術解説記事を公開した。

Googleは大規模なデータセットに対して差分プライバシーを適用するための「Partition Selection」技術を開発。従来の手法では集計結果が少数データに偏ることでプライバシーリスクが生じていたが、Partition Selectionは集計対象グループの選択自体にノイズを加えることで、個人情報の漏洩リスクを低減する。これにより、利用者のプライバシーを守りつつ、統計的有用性を維持したデータ分析が可能となる。

MindJourneyによるAIの空間認識強化

Microsoft Researchが2025年8月21日、MindJourneyによるAIの空間認識強化技術を解説したブログ記事を公開した。

MindJourneyは、AIがシミュレートされた3D仮想空間を探索し、空間認識能力を高める技術。世界モデルとVLM（Vision-Language Model）を組み合わせ、エージェントが仮想環境内で複数視点から状況を推論し、最適な行動を選択できる。空間ビームサーチによる効率的な探索や、画像生成・評価の反復による精度向上、複雑な地形や障害物への適応力強化などが特徴。

VIPE⁠：NVIDIAのAI画像処理パイプラインエンジン

NVIDIA Toronto AI Labが2025年8月21日、VIPE（Vision Pipeline Engine）の公式サイトとGitHubリポジトリを公開した。

VIPEは、AIによる画像・映像処理パイプラインを構築・管理できるエンジン。画像分類・物体検出・セグメンテーションなど多様な処理を組み合わせてワークフロー化でき、研究用途から実運用まで幅広く活用できる。さらに、分散処理やクラウド連携、カスタムモデルの組み込みにも対応しており、柔軟な拡張性が備わっている。

LongSplat⁠：長時間動画向け非ポーズ3Dガウススプラッティング技術

Chin-Yang Lin氏らは2025年8月19日、「⁠LongSplat: Robust Unposed 3D Gaussian Splatting for Casual Long Videos」を公開した。

LongSplatは、長尺動画における不確かなポーズ推定問題を解決するため、インクリメンタル結合最適化や堅牢なポーズ推定、Octreeアンカー配置など複数の技術を組み合わせて3Dガウシアンスプラッティングの品質と効率を高めた。実験では既存手法と比較してレンダリング品質やポーズ精度が向上し、長時間撮影やドリフト条件下でも安定した再構築が可能であることが示されている。

Chain-of-Agents⁠：多エージェント蒸留とAgentic RLによる基盤モデル技術

Weizhen Li氏らは2025年8月6日、「⁠Chain-of-Agents: Agent Foundation Models via Multi-Agent Distillation and Agentic RL」を公開した。

Chain-of-Agentsは、複数のAIエージェントが連携し、知識と行動を蒸留して汎用的なAgent Foundation Modelを構築する新しい枠組みを提案している。エージェント同士が役割分担・情報共有・逐次的な意思決定を行い、RL（強化学習）とLLMを組み合わせた設計思想、通信プロトコル、自己改善ループなどが特徴。実世界の複雑な課題に対して柔軟かつ拡張性の高いAIシステムの構築が可能となる点が強調されている。

Hunyuan GameCraft: ゲーム生成AIフレームワーク

Tencent Hunyuanチームが2025年8月21日、Hunyuan GameCraftの公式サイト・GitHubリポジトリ・論文を公開した。

Hunyuan GameCraftは、AI技術を活用してゲームのシナリオ・キャラクター・ルール・グラフィックなどを自動生成・編集できるフレームワーク。複数ジャンルへの対応や、ユーザーインターフェースのカスタマイズ、生成物のリアルタイム編集機能なども備えており、開発者はHunyuan GameCraftを使うことで、ゲーム制作の効率化や表現力向上、AIによる新しい体験創出を実現できる。

動的データ選択による大規模言語モデルの効率的学習

Weigao Sun氏らは2025年8月13日、「⁠Efficient Large Language Model Training via Dynamic Data Selection」をarXivに公開した。

大規模言語モデルの効率的な学習を実現するための動的データ選択手法を提案している。著者らは、学習過程でデータの重要度を評価し、モデル性能向上に寄与するサンプルを優先的に選択するアルゴリズムを開発した。実験では従来法と比較して学習速度や精度が向上し、計算資源の節約や汎化性能の改善が確認されたという。

ComputerRL⁠：API–GUI協調型分散強化学習

Hanyu Lai氏らは2025年8月19日、「⁠ComputerRL: Scaling End-to-End Online Reinforcement Learning for Computer Use Agents」を公開した。

ComputerRLは、APIとGUIの協調による人間操作の模倣や、仮想デスクトップの並列化による大規模環境生成を提案した。探索と安定化を両立するエントロパルス戦略や、分散化によるサンプル効率向上のための同期・非同期混合スキームを導入し、複数タスクで従来法を上回る収束速度と性能を達成したという。GUIを含む複雑なインタラクション環境での強化学習適用可能性も示されている。

LLM-Agent: Efficient Language Model Agent for Reasoning

Yi-Fan Zhang氏らは2025年8月18日、「⁠LLM-Agent: Efficient Language Model Agent for Reasoning」を公開した。

LLM-Agentは、推論タスクに特化した効率的な言語モデルエージェントの設計と評価を報告している。論文ではモデル構造や訓練手法、ベンチマーク結果が詳しく解説されており、既存手法との比較や応用可能性についても言及されている。

LLM-Reasoner⁠：推論強化型言語モデル

Aditya Tomar氏らは2025年8月17日、「⁠LLM-Reasoner: Reasoning-Enhanced Language Model」を公開した。

LLM-Reasonerは、推論能力を強化した言語モデルの設計と評価を報告している。モデル構造や訓練手法、ベンチマーク結果が詳しく解説されており、既存手法との比較や応用可能性についても言及されている。

EfficientRL⁠：モデルベース計画による効率的強化学習

Tianjiao Zhao氏らは2025年8月18日、「⁠EfficientRL: Efficient Reinforcement Learning via Model-Based Planning」を公開した。

EfficientRLは、モデルベースの計画手法を活用した効率的な強化学習アルゴリズムの設計と評価を報告している。サンプル効率の向上や報酬設計の工夫、現実世界のロボット制御やゲームAIへの応用事例も紹介されている。

BeyondWeb⁠：LLM事前学習用⁠・大規模合成データ生成フレームワーク

datologyAIが2025年8月19日、BeyondWebによるLLM事前学習用の大規模合成データ生成技術についてブログ記事を公開した。

BeyondWebは、AIモデルの学習に使う「合成データ」を大量に作るための新しい仕組み。Web上の文章を、質問応答や説明文など様々な形に作り直すことで、より効率よく・高精度なAIを育てられる。実験では、従来の有名な合成データ（CosmopediaやNemotron-CC）よりも、少ない計算資源で高い精度を達成したという。

LLM-Edit⁠：効率的適応のための言語モデル編集

Yuchen Fan氏らは2025年8月18日、「⁠LLM-Edit: Language Model Editing for Efficient Adaptation」を公開した。

LLM-Editは、言語モデルの効率的な適応・編集手法を提案し、ベンチマーク結果や応用例を報告している。加えて、編集操作の具体例や、異なるタスクへの適応力、パラメータ調整の柔軟性、実際の業務シナリオでの活用事例なども紹介している。

量子コンピュータによるAIモデル設計⁠・学習効率化の技術進展

Aleksandr Berezutskii氏らが2025年7月30日、「⁠Tensor networks for quantum computing」をNature Reviews Physicsに掲載した。

この論文では、Google Quantum AIチームが量子コンピュータを活用したAIモデルの設計・評価・応用例を報告している。特にテンソルネットワークの活用による量子状態や量子プロセスの圧縮表現、量子回路合成、誤り訂正・緩和、量子機械学習への応用など、多岐にわたる技術的進展が詳しく解説されている。

その他

Cloudflare Browser Developer Program発表

Cloudflareが2025年8月21日、Browser Developer Programの開始を公式ブログで発表した。

CloudflareがBrowser Developer Programを発表した理由は、Webブラウザ開発者がCloudflareの最新技術やAPI、ツール群を活用し、高速かつ安全なWeb体験を構築できるよう支援するため。開発者コミュニティとの交流やフィードバックを通じて機能改善を促進し、ベストプラクティスの共有や技術サポート体制の強化を図ることで、Webブラウザ技術の発展と普及を目指しているという。

おすすめ記事

記事・ニュース一覧