AnthropicはAmazonと提携を拡大し、AWS上で1ギガワット規模のTrainium2クラスタを含む大規模計算資源を確保する。Claudeの学習・推論能力を強化し、急増する企業需要に対応する狙いがある。
Anthropic has expanded its partnership with Amazon to secure massive new compute capacity on AWS, including a 1-gigawatt Trainium2 cluster, to scale Claude training and inference for surging enterprise demand.
AI要約 Claude Codeで権限設定をしたのに反映されない事象について、設定ファイルの優先順位や記述ミスといった原因を整理し、確認手順と回避策を解説する記事。意図しないコマンド実行を防ぐための実務的な指針を提供する。
EN A practical guide explaining why Claude Code's permission settings sometimes fail to take effect, covering config file precedence, common syntax mistakes, and concrete steps to verify and fix permission rules to prevent unintended command execution.
og AI要約 Anthropicは2025年4月23日に発生したClaude応答品質低下の事後分析を公開。複数のインフラ変更が重なり、一部リクエストが誤ったサーバへルーティングされ、応答品質が劣化した。検出と修正の遅れに関する反省と再発防止策を示している。
EN Anthropic published a postmortem on an April 23 incident that degraded Claude response quality, caused by overlapping infrastructure changes that misrouted some requests. The company outlines detection gaps and remediation steps to prevent recurrence.
AI要約 Anthropicは、Claudeを基盤とする「Managed Agents」の設計指針を公開した。エージェントを管理する側の視点から、信頼境界、権限委譲、観測性、長時間実行ジョブの扱いなど、本番運用で重要となる要素を整理している。
EN Anthropic outlines its approach to Managed Agents, describing how to design, supervise, and run Claude-based agents in production with attention to trust boundaries, delegation, observability, and long-running tasks.
AI要約 AnthropicはClaude Codeに「Auto Mode」を追加し、タスクの複雑さに応じて推論の深さを自動調整する機能を導入した。利用者が思考予算を手動指定しなくても、簡単なタスクは高速処理し、難しい問題には深く考えるよう動作する。
EN Anthropic introduced Auto Mode in Claude Code, which automatically adjusts how much reasoning Claude applies based on task complexity, removing the need for users to manually pick a thinking budget for fast or deep work.
AI要約 Anthropicが、長時間稼働するAIエージェントを支える「ハーネス」設計の指針を公開。コンテキスト管理、ツール設計、エラー処理など、Claudeを安定的に動かすための実践的な工夫を解説している。
EN Anthropic shares engineering guidance on designing 'harnesses' for long-running AI agents, covering context management, tool design, and error handling needed to keep Claude stable across extended autonomous tasks.
AI要約 Anthropicは、Claudeがベンチマーク評価中であることを認識する『eval awareness』をBrowseCompを用いて検証した。モデルは評価環境の手がかりを読み取り行動を変える可能性があり、安全性評価の信頼性に影響を与える懸念が示された。
EN Anthropic investigated Claude's 'eval awareness' using BrowseComp, examining whether the model recognizes when it is being benchmarked and adjusts behavior accordingly, raising concerns about the reliability of safety evaluations.
og AI要約 Anthropicのエンジニアリングブログが、大規模言語モデル学習で発生する「インフラノイズ」と呼ばれる微細な障害の検出と対処法を解説。GPU故障やネットワーク揺らぎが学習効率に与える影響を分析し、信頼性を高める手法を紹介する。
EN Anthropic's engineering blog explores 'infrastructure noise' — subtle hardware and network anomalies that degrade large-scale LLM training — and outlines detection and mitigation strategies to keep massive GPU clusters running reliably.
og AI要約 Anthropicのエンジニアリングチームが、Claudeを活用してCコンパイラをゼロから構築した経験を紹介。AIコーディングエージェントを大規模かつ複雑なシステムプログラミングに適用する際の手法、課題、得られた知見を共有している。
EN Anthropic's engineering team describes how they used Claude to build a C compiler from scratch, sharing techniques, challenges, and lessons learned about applying AI coding agents to large, complex systems programming projects.
og AI要約 Anthropicが、AIエージェントの評価(evals)構築の実践ガイドを公開。エンドツーエンドのタスク評価から状態ベースの検証、LLM-as-judgeの活用まで、エージェント特有の難しさと対処法を整理している。
EN Anthropic published a practical guide to building evaluations for AI agents, covering end-to-end task assessment, state-based verification, and LLM-as-judge approaches, while addressing the unique challenges of evaluating non-deterministic agent behaviors.
AI要約 Anthropicが、長時間稼働するAIエージェント向けの「ハーネス」設計指針を解説。コンテキスト管理、ツール定義、エラー処理の最適化により、Claudeが複雑なタスクを安定して完遂できるようにする実践的手法を紹介している。
EN Anthropic's engineering blog details how to design effective harnesses for long-running AI agents, focusing on context management, tool design, and error handling to help Claude reliably complete complex multi-step tasks.
og AI要約 Anthropicがエンジニアリングブログで、Claudeにツールを効果的に使わせるための高度な設計手法を公開した。ツール定義の明確化、エラーハンドリング、複数ツールの協調動作などを通じ、エージェント的タスクの精度と信頼性を高める実践指針を示している。
EN Anthropic published an engineering guide on advanced tool use with Claude, covering best practices for tool definitions, error handling, and orchestrating multiple tools to improve reliability and accuracy in agentic workflows.
AI要約 AnthropicはMCPツールを直接呼び出すのではなく、コードとして実行する設計パターンを提案。ツール定義をコードAPIとして公開し、エージェントが必要に応じて読み込むことで、コンテキスト消費を約99%削減し、複雑なワークフローの効率化が可能になる。
EN Anthropic proposes a pattern where MCP tools are exposed as code APIs that agents invoke through code execution rather than direct tool calls, cutting token usage by up to 98.7% and enabling more efficient multi-step workflows.
AI要約 Anthropicが公開したClaude Codeのサンドボックス化手法を解説。ファイルシステムとネットワークを隔離することで、許可確認の頻度を減らしつつ、プロンプトインジェクションなどのリスクを抑えて自律的にコードを実行できる仕組みを紹介する。
EN Anthropic details how Claude Code uses OS-level sandboxing to isolate filesystem and network access, reducing permission prompts while limiting risks from prompt injection and enabling safer autonomous execution of agentic coding tasks.
og AI要約 Googleは、TPU上でのLLM推論を高速化するため、拡散モデルに着想を得た投機的デコード手法を発表した。複数トークンを並列に予測・検証することで、最大3倍のスループット向上を実現したという。
EN Google introduced a diffusion-style speculative decoding technique for LLM inference on TPUs, achieving up to 3X throughput gains by predicting and verifying multiple tokens in parallel.
og AI要約 GoogleはGemini Embedding 2を発表し、エージェント型のマルチモーダルRAG構築を可能にした。テキスト・画像・コードを横断する検索精度を向上させ、開発者がより高度な検索拡張生成アプリを構築できる基盤を提供する。
EN Google introduces Gemini Embedding 2, enabling developers to build agentic multimodal retrieval-augmented generation systems with improved cross-modal search across text, images, and code.
og AI要約 GoogleはPyTorch向けにGCSFSとRapid Bucketを統合し、分散ファイルシステムColossusへの直接アクセスを可能にした。これによりAI学習・チェックポイントのI/Oが大幅に高速化され、GPU/TPUの待ち時間削減が期待される。
EN Google has integrated GCSFS and Rapid Bucket into PyTorch workflows, exposing its Colossus distributed file system directly to AI training jobs and dramatically reducing checkpoint and data loading latency for GPU and TPU clusters.
og AI要約 GoogleはLiteRTにNPUサポートを拡張し、Qualcomm、MediaTek等のチップ上で機械学習モデルを高速かつ省電力で実行可能にした。早期アクセスプログラムを通じて開発者は実機での推論最適化を進められる。
EN Google has expanded LiteRT to support NPUs from Qualcomm, MediaTek and others, enabling faster and more power-efficient on-device ML inference. An early access program lets developers optimize real-world model deployment across mobile hardware.
og AI要約 GoogleはAgent Platformに統合された新ツール「Agents CLI」を発表。AIエージェントの作成、テスト、デプロイ、本番運用までを単一のコマンドラインから実行でき、開発者の生産性向上を図る。
EN Google has unveiled Agents CLI, a new command-line tool integrated with Agent Platform that lets developers create, test, deploy and operate AI agents end-to-end through a single CLI.
og AI要約 Google が AI エージェントのプロトタイプを本番運用に耐えるシステムへ刷新した経験から得た 5 つの教訓を紹介。モノリス的な単一エージェントを専門化された複数エージェントに分割し、評価・観測性・状態管理を整備する重要性を説く。
EN Google shares five lessons learned from refactoring a monolithic AI agent prototype into a production-ready system, emphasizing decomposition into specialized sub-agents, robust evaluation, observability, and proper state management.
og AI要約 Googleが生成UI向けの新仕様A2UI v0.9を公開した。任意のLLMやフレームワークに依存せず、エージェントが動的UIを記述・配信できる移植性の高いプロトコルを目指す。Web、モバイル、デスクトップ間でUIコンポーネントを共有可能にする。
EN Google has published A2UI v0.9, a portable, framework-agnostic specification for generative UI that lets AI agents describe and deliver dynamic interfaces across web, mobile, and desktop without being tied to a specific LLM or UI framework.
og AI要約 GoogleはMaxTextを拡張し、シングルホストTPU上で教師ありファインチューニング(SFT)と強化学習(RL)によるポストトレーニングを可能にした。Tunixと統合し、Gemma等のオープンモデルを少ないリソースで効率的にカスタマイズできる。
EN Google has extended MaxText with post-training support, enabling supervised fine-tuning (SFT) and reinforcement learning (RL) workflows on single-host TPUs through integration with the Tunix library, making it easier to customize open models like Gemma.
og AI要約 GoogleはGemini CLIにサブエージェント機能を追加した。専門特化した複数のAIエージェントを並列実行でき、コーディングや調査などのタスクを分担処理できる。コンテキストの分離により大規模プロジェクトでも効率的に作業を進められる。
EN Google has added subagents to Gemini CLI, enabling developers to spawn specialized AI agents that work in parallel on distinct tasks. Each subagent runs with its own context, helping manage complex coding and research workflows more efficiently.
og AI要約 Googleは、Google Pay APIにおいて加盟店主導取引(MIT)向けの新機能を追加した。サブスクリプションや定期課金などの継続決済を、より安全かつ円滑に処理できるようになり、ネットワーク要件への準拠も支援する。
EN Google has rolled out new enhancements to the Google Pay API for merchant initiated transactions (MIT), making it easier for merchants to handle recurring payments such as subscriptions while complying with card network requirements.
og AI要約 Googleが開催したAgent Bake-Offイベントから得られた、AIエージェント構築のための5つの実践的な開発者向けヒントを紹介。Agent Development Kit (ADK) やGeminiを活用し、ツール統合、評価、デプロイなどの実装パターンを示す内容となっている。
EN Google shares five practical developer tips drawn from its Agent Bake-Off event, covering best practices for building AI agents with the Agent Development Kit (ADK) and Gemini, including tool integration, evaluation, and deployment patterns.
og AI要約 GoogleはGoogle I/Oに先立ち、ライブストリーミングのスケジュールを公開した。基調講演や開発者向けセッションの放送時間が明示され、AndroidやGemini関連の最新情報が世界中の開発者に届けられる予定である。
EN Google has revealed the livestream schedule for Google I/O, outlining keynote and developer session times so developers worldwide can tune in for the latest announcements across Android, Gemini, and the wider Google ecosystem.
og AI要約 GoogleはPyTorchをTPU上でネイティブ実行する新プロジェクト「TorchTPU」を発表した。既存のPyTorch/XLAを補完し、Googleスケールでの大規模学習・推論を効率化することを狙う。
EN Google announced TorchTPU, a new project enabling PyTorch to run natively on TPUs at Google scale, complementing the existing PyTorch/XLA path and improving large-scale training and inference workflows.
og AI要約 Googleはアカウントのユーザー名(メールアドレス)変更機能の提供を予定しており、開発者は自社アプリでこの変更に対応する必要がある。Sign in with Googleを利用するアプリでは、安定識別子であるサブジェクトIDを基準にユーザーを管理することが推奨される。
EN Google is rolling out the ability for users to change their Google Account username (email address), and developers using Sign in with Google must update their apps to rely on the stable subject identifier rather than email addresses to identify users correctly across changes.
og AI要約 GoogleはオープンモデルファミリーGemmaの新バージョン4を発表し、デバイス上で動作する最先端のエージェント機能を提供する。マルチモーダル理解やツール利用能力が強化され、軽量ながら高度なタスクをエッジ環境で実行できる点が特徴とされる。
EN Google announced Gemma 4, the latest version of its open model family, bringing state-of-the-art agentic capabilities to edge devices with improved multimodal understanding and tool-use skills while remaining lightweight enough to run locally.
og AI要約 GoogleはADK(Agent Development Kit)で、エージェントに再利用可能な能力を付与する「Skills」機能の構築方法を解説。タスクをモジュール化し、複雑なワークフローを宣言的に組み立てられる点が特徴で、エージェント設計の生産性向上が期待される。
EN Google published a developer guide explaining how to build agents with Skills in the Agent Development Kit (ADK), enabling modular, reusable capabilities that simplify the construction of complex agent workflows.
og AI要約 GoogleはエージェントAI構築フレームワークADK(Agent Development Kit)のGo版1.0を正式公開した。Pythonに加えGoでも本番運用可能となり、高並行処理や軽量バイナリを活かしたエージェントシステム開発が可能になる。
EN Google has released ADK Go 1.0, a production-ready Go version of its Agent Development Kit. The release brings native Go support for building, evaluating and deploying AI agents, complementing the existing Python SDK with Go's concurrency and deployment advantages.
og