2026年7月、AIモデルの共有基盤として知られるハギングフェイスに、OpenAIのAIエージェントが侵入する事件が起きました。驚くのは、これが命令に背いた「暴走」ではないこと。セキュリティの腕試し中だったAIが、「試験の答えは向こうのサーバーにあるな」と気づき、目的達成のために4日半・17,600回のアクションを一度も止めずに走り続けた結果でした。

今回はこの事件を、キャンプ場のクマにたとえて解説します。クマは賢いから食料を盗むんじゃない。一晩中、全部のフタを試し続けるから盗める。そして「総当たりのコストが100分の1になった世界」で、僕らのセキュリティ意識はどう変わるべきなのか。

中国のMoonshot AIが公開した最新モデル「Kimi K3」を、技術レポートを読み込んで、できるだけやさしく解説します。

総パラメータ2.8兆、100万トークンの超長文コンテキスト、そして画像も動画も最初から扱えるマルチモーダル設計。しかもこれ、モデルの重みが完全公開されています。

・48時間の自律実行でAI推論チップを設計・検証した実例
・人間なら1〜2週間の研究を約2時間で完了させた話
・WebDev Arenaでオープンモデル史上初の1位獲得
・最上位モデルの数分の一というコスト効率
・一方で残る弱点(研究レベルの推論、長時間タスクの詰め)

「一番賢いAI」と「みんなが使えるAI」の差が、どこまで縮まったのか。その現在地を一緒に見ていきます。

AIとアプリをつなぐ共通規格「MCP（モデル・コンテキスト・プロトコル）」に、2026年7月28日、5回目となる新仕様が登場しました。SDKのダウンロードは月4億回、今年だけで4倍という爆発的な普及の裏で、いま何が変わったのか。

今回のポイントは3つ。①サーバーとの「つなぎっぱなし」をやめたステートレス化で、サーバーレスやエッジにも展開可能に。②MCP AppsとTasksが正式な拡張機能として整備され、チャットの中に操作できるUIが出せるように。③OAuth 2.0／OIDC準拠でOktaやEntraと直結、管理者が一度承認すれば社員は初回ログインから設定作業ゼロ。

Zoomの会議インテリジェンス、Figmaのキャンバス連携など、実際の使われ方も交えてカジュアルに解説します。Claudeのコネクターディレクトリには既に950以上のサーバーが登録済み。「AIが話せる相手」が増えるとき、私たちの仕事はどう変わるのか。

AIに「最後にちゃんと確認してね」とお願いしていませんか。実はその一言、最新モデルでは逆効果かもしれません。今回はClaude Opus 5の公式プロンプトガイドを読み解きながら、なぜ「確認して」が無駄なコストを生むのか、なぜ「重大なものだけ報告して」と言うと報告が減るのか、そして「考える量」と「しゃべる量」がまったく別物であるという話をゆるく解説します。

アンソロピックが新モデル「Claude Opus 5」を公開。最上位モデル Fable 5 に迫る性能を、ちょうど半分の価格で出してきました。今回は、話題になっている「図面が見られないなら自分で見る仕組みを作る」エピソードを入り口に、Opus 5 と Fable 5 の使い分け、そして地味に効く「エフォート設定」までを、ざっくり数分で解説します。

このベンチマークの狙いは「AIのカンニング封じ」。ネット上のバグ報告をそのまま出題するのではなく、実際のコミットや業務シーンから逆算して、同僚がSlackで投げてくるような雑で説明不足の依頼文に書き直す──という執念の作りになっています。

そして明らかになったのが、意外な弱点。ゼロからアルゴリズムを組ませると7割超えるモデルたちが、実在のリポジトリのバグ修正になると正解率47パーセントまで落ちる。難しいのはコードを書くことじゃなく、「どこを直すべきか見つけること」だった、という話です。

さらに、セキュリティ分野の首位はオープンウェイトモデルが独占。実行環境を変えるだけで順位が入れ替わる現象など、「AIの強さは一つの数字では測れない」ことを示す結果が並びます。

「便利そうなスキルを入れただけ」で、AIエージェントがあなたのSSH鍵やクラウド認証情報を外部に送信する——そんな事例が、実際の配布サイトに大量に眠っていました。

香港城市大学らが公開スキル17万件以上を精査して作った安全性ベンチマーク「OpenSkillRisk」。CLIエージェント3種と最新LLM13モデルを検証した結果は、かなり厳しいものでした。

ツイッター創業者ジャック・ドーシー氏が率いる決済大手ブロックが、人間とAIエージェントが同じワークスペースで働くためのオープンソースツール「バズ（BUZZ）」を公開しました。

チャット、コードリポジトリ、自動化ワークフローをひとつの画面に統合。AIエージェントは独自の暗号鍵で身元を持ち、コードレビューや承認済み作業を人間と並んでこなします。対応モデルはClaude Code、OpenAI Codex、Block自社製のGooseなど、モデル非依存の設計。ドーシー氏いわく「スラックとギットハブへの依存を減らすために作った」。

一方で、ワークスペースごとに単一リレーで動く構成のため完全な分散型とは言えず、バージョンも0.4.21でモバイル版は開発中。この"AIが常駐する働き方"は本命になるのか、今回はそこを掘り下げます。

AIが自信満々に嘘をつく「ハルシネーション」。融資審査や保険の請求処理で起きたら大事故です。この回では、「幻覚を起こさない完璧なAIを待つ」という常識を覆した最新論文 HALO を、ゆるっと解説します。

キーワードは“発想の逆転”。嘘をなくすんじゃなくて、嘘がユーザーに届く前に必ず捕まえる。六層のチェック体制ってどういうこと？「95パーセント自信あります」を信じちゃいけない理由とは？請求書の金額を例に、めちゃくちゃ分かりやすく話しました。

AIの評価って、これまで「どこが弱いか」を教えてくれるだけで、「じゃあどう直す?」は人間任せでした。今回はScale AIが発表した新手法「CRAFT」を紹介。採点基準（ルーブリック）を"能力の検査キット"として使い、AIの弱点を階層構造でマッピング → 一番はっきり見える粒度で弱点を特定 → そこを狙った学習データを自動生成、までを一気通貫でやってのける仕組みです。金融・法律の2分野・4モデルで検証し、金融は全モデルでトップの成績を記録。「評価を、次の改善アクションに変える」という発想の転換がテーマです。