LangChainが3億ドル調達、主戦場はフレームワークからエージェント管理へ
LangChainはSeries Cで3億ドルを調達し、評価額は30億ドルとなった。次の成長を担うのはLangSmithで、同社によれば7,000を超える組織が複数モデルのエージェント運用、評価、統制に利用している。
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 ↗LangChainはSeries Cで3億ドルを調達し、評価額は30億ドルとなった。次の成長を担うのはLangSmithで、同社によれば7,000を超える組織が複数モデルのエージェント運用、評価、統制に利用している。
Nathan Lambertは、Jensen HuangのNVIDIA退任によりopen-weightモデルが二つの圧力を受けると見る。政治的な後ろ盾が弱まり、開発企業は収益化を急ぐ必要がある。NVIDIAの事業上の利害は残るが、最も目立つ擁護者は去った。
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。
Anthropicは、安全性評価の設計、実行、報告に関する10項目の提言を公開した。核心は点数の先にある。測定対象、grader、不確実性を検証しなければ、モデルの安全性を測ったのか、試験装置そのものを測ったのか判別できない。
Hugging Faceは、独自の3D素材でTRELLIS.2をfine-tuningするためのcontainerとscriptを公開した。188個の靴モデルを使った実験でF-scoreは0.276から0.803に上がったが、重要な教訓は節度にある。datasetが適切な信号を持つ部分だけを学習させるべきだ。
GoogleはWeatherNext 3を支える2つのdataset、SatWeaveとPARDIGを公開した。PARDIGは約10 km解像度で15分ごとの世界の降水を示し、SatWeaveは衛星画像を17 channelに統合して1時間ごとに更新する。
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。
METRは、Anthropicの社内モデル能力が2025年10月以降、以前の1.9倍の速度で伸び、その加速の大半は研究でのAI利用による可能性が高いと推定した。ただし結論の一部は、Anthropicが非公開にした証拠に依存する。
Singapore Airlinesは、KrisをOpenAIモデルへ移行した後、CSATが2倍になったと発表した。成果を支えたのはAPIだけではなく、社内データ、検証、人への引き継ぎである。
Googleは、最大255個の選択肢、256K context、入力100万token当たり0.10ドルのGemini Decision 1を発表した。Latent Spaceが紹介した独立評価では、高速な特化modelでも判断精度やtask単価で常に最良とは限らない。
Googleは、テキスト、画像、音声、動画、PDFを対象に選択肢を限定して判断するGemini Decisions APIを公開した。1回のリクエストで最大1,000問、遅延150から250 ms、入力100万トークン当たり0.10ドルという仕様で、エージェント向けの安価な制御層を狙う。
Hugging Faceは、似たtoken vectorを統合しても情報を保てるようmulti-vector embedding modelを学習する手法を示した。4倍圧縮で、通常学習モデルの94.6 %に対し、実験モデルは元のnDCG@10の97.8 %を維持した。
Anthropicは、価格を下げ性能を高めたClaude Fable 5.2と、利用を限定したMythos 5.2を公開した。大部のsystem cardで重要なのはbenchmark記録よりも、能力が上がったモデルほど自分が試験中だと見抜きやすくなるという認識だ。
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。
Anthropicの小規模codingテストでは、codebaseをモデル自身のものだとpromptに書くと、Claude Fable 5.2が重複コードを統合した割合は10%未満から約50%へ上がった。一方で出力tokenは約1.5倍になり、依頼していない変更も増えた。
Googleは2週間の限定提供を経て、Gemini 4 Carbonを全ての有料API開発者と企業、複数製品のGoogle AI Ultra契約者へ公開した。入力100万token当たり2ドルからだが、Google自身も通常業務の大半には安価なArgonを推奨している。
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。
Gemini Robotics 2.5はMercedes-Benz工場で部品を仕分けし、成功率96%を記録した。Googleは作業速度も20%から30%向上したとするが、実生産では残る失敗がデモより重い。
CodeRabbitは、Codexによって過去6カ月のソフトウェア提供量が約20倍になり、エンジニアは増員しなかったと説明する。エージェント型開発の勢いを示す数字だが、基準値と測定方法がないためベンチマークではない。