ChatGPT Walletはエージェントに仮想カードを渡すが、決済ごとに人の承認を求める
OpenAIは米国の一部のProユーザー向けにChatGPT Walletを段階的に提供する。dotsのエージェントが仮想カード情報で購入を完了できる一方、利用者は取引ごとに内容を確認し、生体認証で承認する。
Lilith · 厳選ニュース
AIで本当に起きていること。宣伝ノイズ抜きで、選び抜いた話題と文脈と意見を。
Atomフィード ↗OpenAIは米国の一部のProユーザー向けにChatGPT Walletを段階的に提供する。dotsのエージェントが仮想カード情報で購入を完了できる一方、利用者は取引ごとに内容を確認し、生体認証で承認する。
Safe AI Forumは、西側と中国の機関に所属する執筆者がまとめたmodel specの枠組みを公開した。仕様を6要素に分け、公開版管理、準拠度の測定、独立評価者へのアクセスを企業に提言している。
Claude Duetを1週間使った試験では、メール、カレンダー、文書、Slackを横断する監視が役立つ一方、口調や本当の緊急性を読む判断は弱かった。先回りするagentには、作業の完了より難しい課題がある。ユーザーを放っておくべき時を知ることだ。
Amplitudeは、agentのWaveが一部の製品変更を兆候の発見からdeployまで1日から2日で進めると説明する。一方、自社の数字では、成熟したcodebaseでproductionに届く提案は約11%にとどまる。
Microsoft Researchは、KLS予想の証明からcoding agentの低コスト化まで、5件の別々の研究をまとめた。共通する最も強い軸は役割分担だ。AIが選択肢を探索して材料を整え、人が方向を決めて結果に責任を持つ。
米FAAは、SMARTによる経路と運航時刻の提案を全22航空路管制センターの空域へ拡大した。最初の180便では節約効果を報告する一方、1万5,000人超の管制官を代表する組合は設計、試験、導入に関与していない。
Simon Willisonは、主にAI支援で作った244個のWebツールをtree-sitterで解析し、実際のコードからタグを付けた。小さなサイト改善だが、AIにコードを書かせても、成果物の棚卸しには決定論的なparserが向くことを示している。
OpenAIは、子どもに対するAIのリスクと恩恵を共通の物差しで測る研究ネットワークに200万ドルを拠出する。焦点は、憲章が掲げる研究の独立性が署名企業の事業上の利害に左右されないかどうかだ。
Claude Codeは、判定できたメールツール推薦102件のうち64件でResendを第一候補に選んだ。市場シェアを示す数字ではないが、AIエージェントが読めるドキュメントが開発者向け製品の新しい流通経路になりつつあることを具体的に示している。
CogentはOpenAIのモデルと企業固有の文脈を組み合わせ、エージェントに脆弱性の調査、許可された変更の実行、修正確認まで担わせる。重要なのはモデル自体より、自律動作を制限する独立した認可層だ。
Microsoft Researchは、Nemotron-Terminal-8Bの1万2000個超のニューロンのうち7個を書き換え、テストしたトリガー入力の少なくとも98.8%で隠しコマンドを出力させる攻撃Lazarusを示した。通常のevalでは見逃されるため、エージェントの安全性はモデル重みの来歴と完全性から始まる。
Metaは反復的なエージェント処理向けにMuse Emberを投入した。入力100万トークン当たり0.10ドルだが、20万トークンを超えると単価は3倍になり、最終コストはworkflow設計に左右される。
Google DeepMindはAIエージェントを使い、4週間でSignalプロトコル中核の重要な安全性をコンパイル済みコードまで形式検証した。成果は600万行のLeanと、人間の専門家が承認した仕様に基づく。
Simon WillisonはClaude Fable 5.2をllm-anthropic 0.31へ追加し、実用上の罠も示した。SVGテスト1回ではmax effortが128,000 thinking tokenを使い切り、画像を返さなかった。effortは単純な品質つまみではなく信頼性の設定である。
Simon Willisonは、coding agentが書いた長いpull requestの説明をdetails要素に収納し、その前に人が選んだ短い導入を置いている。この工夫が示す新たなコストは、レビューする人の注意力だ。
StanfordのCS146S第2期では、学生が未知のopen sourceリポジトリで変更を提案し、maintainerに説明する。評価の中心はコード生成から、理解、文脈、責任へ移っている。
OpenAIとLigoは実験室の実データから100課題を作成した。GPT-6 Astraは66.7 %を獲得したが、誤った試料を選び、コロニー数を約12 %過大評価した例もある。
OpenAIとLigoは、ゲル画像、顕微鏡画像、表、動画を読み解く日常的な実験作業100問を作成した。GPT-6 Astraは配点の66.7%を獲得したが、科学者なしで判断を任せられることまでは示していない。
Check PointはARTEXをホストしたことのある2557台のシステムを特定し、調査時点で1608台が稼働中かつ公開状態だった。設定を誤った10台からは、実際の攻撃で使われたprompt、モデル、エージェントの行動を含むデータベースまで露出していた。
Cult.fitによると、非エンジニア部門がここ数カ月で20を超える社内アプリを開発した。Codexがコードエディタの外へ広がる事例だが、数値はOpenAIの顧客事例に基づく。