TODAY’S ISSUE 2026年10月4日 · 日曜日 AI FRONTLINE

AIニュースまとめ 2026-10-04｜OpenAI安全報告書の統括者が退社し文化崩壊を批判

2026年10月4日

アップデート情報

各社が 2026-10-04 に公式発表したプロダクトアップデートです。

Claude / Claude Code

Claude Code 2.1.289 で、サンドボックスの自動許可時に環境変数プレフィックスや変数代入を前置したコマンドが Bash の deny / ask ルールをすり抜ける問題が修正された。（Claude Code CHANGELOG）
Claude Code 2.1.289 で、IDE からシンボリックリンク経由で @メンション・変更・選択されたファイルに Read の deny ルールが適用されない問題が修正された。（Claude Code CHANGELOG）
Claude Code 2.1.289 で、ユーザーがインストールしたプラグインが組織管理の MCP サーバーのサインイン用ツールの説明文を書き換えられる問題が修正された。（Claude Code CHANGELOG）
Claude Code 2.1.289 で、チームメイト向けの agent.spawn、プラグインのフックイベント間で共通のエージェントID、$.agent.list() の idle・waiting 状態が追加された。（Claude Code CHANGELOG）
Claude Code 2.1.289 で、閉じていない <script> タグを多数含む短いコードブロックによってターミナルや公開アーティファクトページがフリーズする問題が修正された。（Claude Code CHANGELOG）

ChatGPT / Codex

2026-10-04 に発表されたアップデートはありません。

Gemini

2026-10-04 に発表されたアップデートはありません。

Top 20

「OpenAIの文化は壊れている」──安全性報告書を統括した従業員が退社し、寄稿

Source: ITmedia AI+ | Published: 2026-10-04 08:05 JST

OpenAIで安全性報告書の作成を統括したデビッド・ロビンソン氏が退社し、同社の企業文化は壊れていると批判する記事を米The Atlanticに寄稿した。
同氏は約3年半在籍した最古参の一人で、Preparedness Frameworkの起草を主導し、12件のフロンティアモデルの安全性報告書を監督していた。
現行の反復開発は失敗を前提とした試行錯誤であり、能力が上がるほど失敗の規模も大きくなると指摘した。
今夏のHugging Faceの事案でエージェント群が誤って外部に出た例を、反復開発の危うさを示す事例として挙げた。
改善策として航空・原子力分野の安全知見の導入と、人間の監視がなくてもモデルが安全な選択をすることを保証する新たな科学の確立を求めた。

個人向けGeminiのモデル選択が厳格化無料ユーザーが使えるのは「Flash-Lite」のみに

Source: ITmedia AI+ | Published: 2026-10-04 11:27 JST

Googleが個人向けGeminiの利用可能モデルを契約プラン別に見直し、無料ユーザーはFlash-Liteしか選べなくなると告知した。
Flashは「AI Plus」以上、Proは「AI Pro」以上の契約が必要になり、AI UltraではFlash-Lite・Flash・Proのすべてを使える。
無料ユーザーへの適用は10月9日からで、AI Plusユーザーには適用時期をメールで通知するとしている。
背景には5月に導入された、プロンプトの複雑さや機能に応じて消費量が決まる新しい利用上限方式への移行がある。
アプリ自体は引き続き無料で使えるが、個人アカウントのモデル選択肢が料金に応じて階層化される。

The Agent Said It Was Done. The Database Disagreed.（エージェントは完了したと言ったが、データベースは違うと言った）

Source: Hugging Face Blog | Published: 2026-10-04 07:56 JST

Microsoftのチームなどが、業務ワークフロー上のAIエージェントを最終的なデータベース状態で評価するサンドボックス兼ベンチマーク「ThinkingBox」を公開した。
507タスクを各モデルで20回ずつ実行し、ツール呼び出しの成否ではなく最終状態と副作用が要件を満たすかで判定する。
1回試行の成功率はClaude Opus 5.5が67.16%で首位、オープンウェイトのKimi-K3が57.37%だった。
20回すべて成功したタスクはOpus 5.5で241件（47.53%）、Kimi-K3では68件（13.41%）にとどまり、1回の成功と毎回の成功に大きな差があった。
失敗の79.9%はツール使用の誤りで、9回のツール呼び出しを正しく行ったのにチケットを「保留中」ではなく「解決済み」で閉じた例が紹介されている。

Google researchers find a way to keep self-improving AI agents from memorizing their tests（Googleの研究者、自己改善AIエージェントがテストを丸暗記するのを防ぐ手法を開発）

Source: The Decoder | Published: 2026-10-04 21:40 JST

Google Cloud AI Researchなどの研究チームが、自己改善するエージェントがテスト課題に過剰適合するのを抑える手法RRSIを提案した。
RRSIはハーネスへの独立した編集数を予算で制限し、初期ラウンドは大きな書き換えを許して後半は小さな変更のみに絞る。
批評役が変更案を審査し、特定ベンチマーク向けのトリックを除外する仕組みも組み込んでいる。
Claude Opus 4.8を土台にコーディングやオフィス業務など8ベンチマークで評価し、未見タスクで最大4.7ポイント、学習タスクで最大14.1ポイント向上した。
正則化なしの版より実行時トークンを約30%削減し、比較した4手法の中で未見タスクのベースラインを上回ったのはRRSIだけだった。

AI エージェントの実力はモデルで決まる？ 6,204 回の実験が示した「ハーネス」との相性

Source: Zenn | Published: 2026-10-04 10:42 JST

南洋理工大学の論文が6,204回の実験から、エージェントの性能はモデル単体ではなくハーネスとの組み合わせで決まると示した。
Claude Opus 5・GPT-6 Astra・GLM-5.3・DeepSeek V4 Pro・Kimi K3の5モデルを、OpenHands・Codex・Claude Codeなど6種類のハーネスで比較した。
Terminal-Bench 4ではOpenHandsでClaudeが57.1%とGPTの49.2%を上回ったが、PIではGPTが60.3%、Claudeが30.2%と順位が逆転した。
純正ハーネスが最高とは限らず、CodexはGPT-6で一度も最高点を出さなかったほか、失敗した45問すべてでエージェントが「要件確認済み」と自己申告していた。
記事著者は、自社タスク20〜50件を集めて候補の組み合わせを同条件で測り、費用と失敗記録まで比べる6ステップを提案している。

Chinese AI models parrot state doctrine or refuse to answer on sensitive topics（中国製AIモデルは敏感な話題で国家の公式見解を繰り返すか回答を拒否する）

Source: The Decoder | Published: 2026-10-04 17:47 JST

Aleph Alphaの調査で、中国製AIモデルは政治的に敏感な質問への回答のうちバランスが取れていると評価されたのが17〜41%にとどまった。
対象はAlibabaのQwen、DeepSeek、MoonshotのKimiで、天安門・台湾・新疆などの話題を扱う手作業で選んだ質問群を独自のAI採点で評価した。
DeepSeek V4 Proは質問の3分の2で回答を拒否した一方、比較対象のClaude Sonnet 5は70%、Mistral Smallは92%でバランスの取れた回答を返した。
NvidiaのNemotron Cascade 2も17%の回答が党の見解に沿っており、DeepSeekとQwenで生成した約3,500件の学習例が原因と考えられている。
記事は、ソブリンAIを販売するAleph Alphaには自社モデルを中国勢と差別化する商業的利害があると注意を促している。

NASA and IBM’s open source lunar model turns 17 years of orbiter data into a foundation for lunar science（NASAとIBMのオープンソース月面モデル、17年分の周回機データを月科学の基盤に）

Source: The Decoder | Published: 2026-10-04 19:10 JST

NASAとIBMが月面科学向けのオープンソース基盤モデル「Lunar Foundation Model」を公開した。
地球観測モデルTerraMindをベースにゼロから学習し直し、画像・高度データ・撮影ジオメトリのマスク部分を予測して相互の関係を学ぶ。
学習には主にLunar Reconnaissance Orbiterの17年分の観測から作った約200万のタイルバンドル（11モダリティ）を用いた。
極域の氷堆積予測では最良のベースライン比で誤差を最大22%削減し、粗いスケールのクレーター検出でも約19%改善した。
モデルはHugging Face、コードはGitHubで公開されTerraTorchに統合されたが、絶対的な位置推定には向かず観測機器の代替ではないとしている。

Apparently, OpenAI isn’t trying to build “magic intelligence in the sky” anymore（どうやらOpenAIはもう「空の上の魔法の知性」を作ろうとはしていない）

Source: The Decoder | Published: 2026-10-04 03:56 JST

OpenAIのサム・アルトマンCEOがXへの投稿で、AIモデルに宗教的な力を見いだしたり人間の判断を放棄したりすることは「本当の安全上の問題」だと警告した。
同氏はそうした風潮に強い不快感を覚えるとも述べている。
発言は、Anthropicが宗教思想家と会合を重ねていたとするニューヨーク・タイムズの報道と、教皇レオ14世のAIに関する声明を受けたものである。
アルトマン氏自身は2023〜2024年に、OpenAIの目標を「空の上の魔法の知性」の構築と語り、AI開発で「天使の側にいる」と感じると述べていた。
記事は、現在の慎重な姿勢と過去の霊的な言い回しとの食い違いを指摘している。

We’re going to need default hard budget caps on pretty much everything（ほぼあらゆるサービスに既定のハード予算上限が必要になる）

Source: Simon Willison | Published: 2026-10-04 08:34 JST

Simon Willisonが、従量課金のサービスやAPIには超過時に停止してエラーを返すハードな予算上限を既定で備えるべきだと主張した。
警告メールを送るだけのソフト上限では、寝ている間に暴走したサービスが数百〜数千ドルを消費する事態を防げないと指摘した。
コーディングエージェントや個人向けエージェントが有料APIやホスティングを使うコードを手軽に生み出すため、この問題が拡大すると述べている。
企業はエラーより想定外の1万ドル超の請求を嫌うはずだとし、上限の解除は明示的なチェックボックスによるオプトインにすべきだと提案した。
最も望んでいたAWSでは、9月16日発表の新しい利用体験で支出上限が導入されたことにも触れている。

【翻訳】Strands Decider 2B の紹介：小さなオープンソースの判断モデル

Source: Zenn | Published: 2026-10-04 18:50 JST

Strands Agents公式ブログが、エージェントの判断処理に特化した20億パラメータの小型オープンソースモデル「Strands Decider 2B」を発表し、その日本語訳が公開された。
言語モデルの出力ヘッドをポインターヘッドに置き換え、テキストを生成せずに複数の選択肢をスコア付けする構造になっている。
用途としてモデルルーティング、ツール選択、評価、ガードレール、メモリー管理、ポリシー分類などを挙げている。
ローカル実行での判断は中央値約115ミリ秒で、LLM呼び出しより低レイテンシーかつ低コストで処理できるとしている。
学習データとスクリプトを含めApache License 2.0で公開する一方、コーディングやチャットなどの生成タスクや複雑な推論には向かないと明記している。

AIモデルのコスパを1枚のグラフに：性能スコア×API料金で見る23モデル（2026年10月）

Source: Zenn | Published: 2026-10-04 21:47 JST

Epoch AIの総合指標ECIと2026年10月4日時点のAPI定価で23モデルを比較し、高価なモデルほど賢いとは限らないと結論付けた。
1位のClaude Opus 5.5はECI 167.3で、チャット1万回あたり182ドルと、2位のGPT-6 Astra（166.5、350ドル）の約半額だった。
DeepSeek V4 Flashは1位の約5%にあたる9ドルでECI 154.5と、差は13ポイントにとどまった。
Claude Sonnet 5.5は1位より2.2ポイント低いだけで料金は半額だった。
同じ文章でClaudeはGPTより約30%多くトークンを消費するため、トークナイザーの差も料金計算に反映したと著者は説明している。

Claude Codeのcompactionをロスレスにしたら、52秒が0.26秒になった

Source: Zenn | Published: 2026-10-04 18:17 JST

Claude Code用プラグイン「lossless-compaction」で、約57.6万トークンの会話のcompactionを組み込み/compactの51.8秒から0.26秒に短縮した。
モデルに要約させる代わりに、大きなデータをローカルに退避させ、会話には取り出し用の参照を残す仕組みである。
圧縮後に残るトークンは272,163と、組み込み版の9,669より多い。
圧縮後の追加質問では11問中11問に正答し組み込み版の6問を上回ったが、108問での総コストは2.82ドルと組み込み版の2.17ドルより高かった。
退避先は容量上限のないプレーンテキストのため、ツール結果に含まれる機密情報がディスクに残り続ける点を制約として挙げている。

MCP を直接呼ぶ版とコードで叩く版、同じ集計タスクで実際にトークンを数えてみた

Source: Zenn | Published: 2026-10-04 17:16 JST

MCPツールを直接呼ぶ方式とコードを書かせて呼ぶ方式を地味な集計タスクで比べ、顧客40人の条件でトークン消費を82.4%削減できたと報告している。
課題は東京の顧客のうち保留中注文の合計が1万円を超える顧客の列挙で、Direct版は3,383トークン、Code-exec版は597トークンだった。
削減の内訳はツール定義の絞り込みが約70%で、残りは生データ1,807トークンがコンテキストに入らなくなった分である。
削減率は顧客10人で70.6%、100人で89.3%、300人で92.0%と、データ量が増えるほど大きくなった。
Anthropicが示した98.7%削減は特定タスクの数値であり、出力が大量になるタスクでは効果が限られる可能性があると著者は留保している。

【godot-llm-gamebench】Claude Opus 5.5はEffortによってどのように性能が変わるのか

Source: Zenn | Published: 2026-10-04 22:35 JST

Godotのミニゲーム実装ベンチマークで、Claude Opus 5.5はeffortをhighにすると平均100点を3.3分・1.09ドルで達成し、最もコスパが良かった。
xhighも満点だったが9.6分・2.44ドルかかり、maxは35.5分・8.08ドルを費やしてもスコアは上がらなかった。
max時の出力トークンは201,600に達し、high以上では時間とコストだけが増える結果となった。
gpt-6.1-solは全試行で98.77点以上を安定して出した一方、Opus 5.5は一部の試行で完全に失敗するなどばらつきが大きかった。
著者は、Opus 5.5を「素早く満点を取るモデル」、gpt-6.1-solを「安くて堅実なモデル」と位置付けている。

「手段を3つに絞れ」「自分で採点しろ」は効く？ 60回比べたら、効果より採点の落とし穴が出た

Source: Zenn | Published: 2026-10-04 18:57 JST

「手段を3つに絞れ」「自分で採点しろ」という2つの指示手法を同じ課題とモデルで60回比べた結果、精度が上がるとは言えなかった。
claude-haiku-4-5でPython実装課題5問（計93チェック）を各条件15回解かせ、全問合格は基準が14/15、手段限定が12/15、自己採点と併用がそれぞれ13/15だった。
隠しテストで失敗した4回すべてで、モデルは「条件をすべて満たしている」と自己判定しており、自己採点は機能しなかった。
当初は基準条件が69.9%に見えたが、「最後のコードブロックを採点する」ルールが関数定義のない使用例を拾っていたためで、修正後は97.5%だった。
手段限定は出力量を約2割減らす効果はあるとし、採点は外部で実行し条件を事前に固定すべきだと提言している。

AIに「200ドルのチップをお支払いします」と足しても答えは変わらなかった。60回とも正解で、増えたのは22トークンだけ

Source: Zenn | Published: 2026-10-04 23:05 JST

「200ドルのチップを払う」などの促進文句をプロンプトに足しても回答精度は変わらず、60回すべて正解だった。
Claude APIで対照・礼儀・感情訴求・チップ・全部入り・指示削減の6条件を、英単語の並べ替えと文字数計算の2課題で各5回試した。
増えたのは入力トークンだけで、チップ文は22トークン、全部入りは100トークンの追加になった。
思考トークンは792〜3,001と大きくばらついたが、条件間の中央値の差はばらつきより小さく有意差は検出できなかった。
料金は試行ごとに約4倍の差があったが、原因は頼み方ではなくキャッシュの効き方だったと分析している。

serena MCP で 33GB を 148MB に減らすまで — 使うときだけ起動する proxy の設計と実装

Source: Qiita | Published: 2026-10-04 23:31 JST

Claude Codeが起動時に未使用のMCPサーバーまで立ち上げていたため、使うときだけserenaを起動するproxyを作り、待機時のメモリを33GBから148MBに減らした。
24GBのMacで空きメモリが41%まで落ちていたが、RSSでは2.9GBと表示され、物理フットプリントで測るまで問題を10倍以上過小評価していた。
proxyはinitializeやtools/listなどにキャッシュ応答を返し、ツール呼び出し時にだけserenaを起動して1時間アイドルで停止させる。
親プロセスだけを止めるとLSPの子プロセスが69個以上残るため、プロセスグループごと終了させる実装にした。
空きメモリは83%に回復したが、Railsプロジェクトでの初回呼び出しはインデックス作成に約85秒かかるトレードオフがある。

情報漏洩を最上位に置く日本の生成AI事情と、規則が書けない理由

Source: Zenn | Published: 2026-10-04 19:28 JST

総務省の調査で、日本企業は生成AI活用の最大の懸念に「情報漏洩等のセキュリティリスク」を46.4%で挙げ、この項目を1位とする国は日本だけだった。
同項目は中国42.7%、米国36.9%、ドイツ31.7%で、米国と中国は出力の正確さ、ドイツは著作権侵害を1位に挙げている。
筆者は、「原則禁止」のような単一軸の規則では調べ物と秘匿情報の外部入力が同列に扱われ、現場で無視されると指摘している。
解決策として、データの性質と送信先の2軸でマトリックスを作り、各マスに承認・禁止・裁量の判断を明記する方法を提案している。
記事は2026年9月30日に台湾の経済メディアが報じた総務省調査の数字を起点にしている。

Claude Code の usage limit 自動継続を止めていたのは Remote Control だった

Source: Zenn | Published: 2026-10-04 17:07 JST

Claude Codeでusage limitのリセット後に作業を自動で再開するautoContinueAtUsageLimitは、Remote Control接続中のセッションでは開始されないことが判明した。
筆者の履歴では、Remote Control接続中に上限に達した10回は1回も再開せず、未接続の8回は8回とも再開した。
この挙動はinteractive-modeのページにしか書かれておらず、画面にも何も表示されない。
対策として、StopとStopFailureのフックでリセットまで待ち、asyncRewakeでセッションを起こすスクリプトを作りGitHubで公開した。
35件の単体テストは通過したが、実際の5時間リセットやレート制限失敗の挙動は実アカウントで未検証だと留保している。

［備忘録］ChatGPT dotsを60時間使ってわかったこと

Source: Qiita | Published: 2026-10-04 15:58 JST

OpenAI Pro 5xプランの筆者がChatGPT dotsを60時間運用し、張り付き続けると精神的に疲弊するため常時対話はやめるべきだと結論付けた。
GPT6 Astraは視覚認識に優れる一方、プログラミングタスクではかなり遅く、コンテキストは57万トークンだと報告している。
ワークスペースは約36〜42時間ごとにリセットされ、4時間連続で使うとレート制限で応答が返らなくなった。
通信はHTTPプロキシで制御され、VPS代わりに使う用途は徹底的に封じられていたという。
うまく回すコツとして、無停止を許可するカスタムルール、15分ごとのタイマーでの未決事項の処理、GitHubなどへの自動バックアップを挙げている。

All Articles

日本語ソースはそのまま表示し、英語ソースの記事タイトルは日本語訳を併記しています。Top 20 以外の全記事に一行要約を付けています。

Zenn

#	Title	Summary	Author	Published
1	言わない技術第1回：検証を指示しない技術	指示ファイルに5か月前に足した「必ず実行してください」の1行がAIのツール呼び出し回数を倍にしていたと指摘し、検証は指示ではなく仕組みで担保すべきだと論じている。	@garplab	00:41
2	ChatGPT・Work・Codex・Codex CLIを、作業と確認のしかたで選ぶ	扱う対象・作業場所・結果の確かめ方という3つの観点で4つのOpenAI製品を使い分ける判断基準を、9月29日の利用記録と10月3日に確認した公式資料を区別しつつ整理している。	@杉田研治	01:09
3	なぜ、私のブログ記事は2026年5月からAI偏重になってしまったのか？	ほぼ毎日Zennに投稿してきた筆者が、意識的な方針変更なしに2026年5月を境にIT技術記事が急減しAI記事が急増した原因を、自身の記事一覧から振り返って分析している。	@pdfractal	01:17
4	ChatGPTとRunwayでキャラクター動画を作る：背景生成・固定キャラ・音声同期までの実践フロー	オリジナルキャラ「ソラノカケラ」の短編動画制作で、キャラの絵の固定や6人の声の聞き分け、編集ノイズ除去など「最後の10%」に苦労した点と解決フローを記録している。	@もしも天気	07:39
5	【個人開発】Jev×Gemini×Mineflayerで月数円で動くマイクラAI Botの設計パターン【GitHub公開】	Jevを会話整理層、Geminiを行動計画、Mineflayerをゲーム接続に分担し、受付窓口をCloudflare Workersに分離して月数円で常時稼働させるマイクラBotの構成を公開している。	@ふじけん	08:03
6	Claude Opus 5.5とGPT-6 Solの大幅値下げ ── 安くなったもの、変わらなかったもの、見えないもの	AnthropicのClaude Opus 5.5とOpenAIのGPT-6 Sol・Lunaが9月22日に約100分差で発表された経緯を追い、見出し価格の裏で変わらなかった点や見えにくいコストを検証している。	@山内怜史（Satoshi Yamauchi）	08:35
7	Difyでプロンプトを「資産化」する：個人の工夫を組織ナレッジに変える実践パターン	担当者のPCに眠る磨かれたプロンプトを、入力定義や出力形式を備えたDifyアプリとして整備し、異動や退職で失われない組織資産に変える手順を問い合わせメール下書きの例で示している。	@AIを真剣に考える	09:15
8	プロンプトのバージョンを、コードと一緒に管理してみた	要件定義書生成用のプロンプトをコードと同じリポジトリにMarkdownで置きGitで管理する運用を紹介し、変更時に出力を見出し単位で比較する小さなスクリプトも公開している。	@VAON VIET NAM	10:05
9	Claude CodeのcompactionでJevは98.8%を「消す」と答えた。それならそもそも判定モデルは必要なのか	実際のセッション15件で判定を数えた結果、Jevがほとんどのツール呼び出しを「消す」と答えたことから、ローカルのKevでは25k tokenに95〜148秒かかる判定モデル自体を不要とし、ルールで置き換える方針を示している。	@okamyuji	10:30
10	【１日１デプロイ】分岐を先回りする「カチッと朝やけ駅」を作った	2つの分岐を切り替えて列車を月・星・太陽のホームへ導くパズルゲームを1日で作り、ゲームの仕組みを先に完成させてからグラフィックを別工程で仕上げる開発手順を紹介している。	@boraemon2000	11:04
11	業務AIエージェント構築の工程表 — プロンプトより先に終わらせる7つの工程	業務AIエージェントはプロンプトやフレームワーク選定から始めるとデモで終わると指摘し、着手前に済ませる7つの工程と各工程を抜けるための質問リストを提示している。	@Tatsuya Sasaki	11:04
12	Jeff-0.8B vs Kev-0.8B 実機対決｜0.8B級判断モデル頂上決戦と並列スループット検証	0.8B級の判断モデル2つを比べ、単発レイテンシでJeff-0.8Bが15.7msとKev-0.8Bの150.4msより約9.6倍速く、並列走査でも4,994行を72.5秒で処理し約11.8倍高速だったと報告している。	@ヌルソフト@AI_Teck_PoC	12:09
13	AWSの知識ゼロでも、AIに説明させれば構成が読める	Route 53・CloudFront・ALB・ECS・RDSを含む典型的なWeb構成を例に、AWS未経験者がAIを家庭教師役にして構成の意味を説明させながら読み解く手順を解説している。	@mayabot	12:18
14	生成AIに「それっぽいスキル」を作らせない：日記の原文IDで出力を検証する	日記からスキル名や称号を付けるiPhoneアプリで、AIの生成結果を日記の原文IDで裏付けられない場合は保存しないサーバー側検証を実装し、もっともらしい捏造を防いでいる。	@Ziyu	12:20
15	AIが書いた「例外」を、ルールにしなかった	AI支援セッションが承認文書に書いた「この実行は制約の対象外」という解釈を恒久ルールにせず一回限りの例外として扱った判断を通じ、境界が暗黙に緩むリスクを論じている。	@プラクシス	12:43
16	ライティングにJev編集長を入れたら、速さと引き換えに文章が普通になった	文章の条件判定や分類だけを高速に行うJevをライティング工程に挟んだところ、処理は速くなった一方で仕上がりの文章が平凡になったとChatGPT単独の場合と比較して報告している。	@ゆるコンサ	13:03
17	GPT-6.1 SolのMulti-agent対応を読む：ツール実行と最終回答の境界をPythonで検証する	9月29日リリースのGPT-6.1 SolでResponses APIのMulti-agentベータが使えるようになった点に着目し、子エージェントのツール要求の実行主体と最終回答の区別をPythonで検証している。	@佐伯悠六｜株式会社AiPHA	13:26
18	AI時代のGraphQL - GraphQLのMCPツールのtoken消費効率の検証	Apolloが9月に公開した「GraphQL経由のMCPツールはRESTよりtoken効率が良い」というベンチマークを、GraphQL Tokyo主催者の筆者が追試して条件ごとの差を検証している。	@joe_re	13:26
19	AIが作ったAI臭い日本語を直してくれるYomiyasu利用体験	ALGO ARTISの大賀氏が作ったAI臭い日本語を論理的・構造的に書き換えるSkillを、データアナリストの筆者が業務文書に適用し、悩みが解消された体験を報告している。	@we1ch	13:28
20	Claude Code でリモート MCP サーバーに OAuth ログインする手順:/mcp と claude mcp login	Sentry・Linear・Notionなどホスト型MCPサーバーで「Needs authentication」と出た場合、claude mcp addの後にセッション内の/mcpかシェルのclaude mcp loginで認証すればよいと手順を示している。	@AIコーディングガイド	13:49
21	ChatGPTとClaudeからSlack経由でdotsに依頼する仕組み	ChatGPTとClaude Codeの双方からSlackに投稿してdotsに作業を依頼し、許可したGitHubリポジトリでbranchやPRを返させる運用を、記事自体もdotsに書かせたうえで紹介している。	@ishizakahiroshi	14:17
22	単一 API で全 AI モデルにアクセス？APIPod で開発効率を上げる方法	ベンダーごとに異なるAPI仕様やフェイルオーバー実装、トークン消費管理の課題に対し、AIゲートウェイ「APIPod」で複数モダリティのモデルを単一APIに集約する方法を紹介している。	@阳明	14:33
23	AIは与えられた情報を正しく扱えるのか？― Prompt Injectionを実験してみる	OllamaとPythonの実験環境で、履歴書に埋め込んだ指示文がAIの要約や適合度判定を書き換えるかを試し、Prompt Injectionが業務の文書処理に及ぼす影響を確かめている。	@kondonator	14:35
24	AIに「売上0円で達成できる基準は書くな」とプロンプトに書いた話	AIに収益化実験の計画を作らせると売上0円でも達成できる成功基準を書いてしまうため、基準を開始前に凍結しプロンプトで明示的に禁止した経緯と、事後に基準を決める危険を説明している。	@SUKOSHIFT	14:43
25	OpenAI安全担当が退職、自分で持てるAIも続々	10月4日の注目ニュース5本として、独Aleph Alphaの自社運用型AI「Kolibri」やAmazonのデータセンター反発への対応、MetaのAI家電戦略などを図解で解説している。	@菅原友和	15:32
26	Claude Codeのmodで「Claudeがどこまで読んだか」を可視化した	10月1日のv2.1.287で導入された関数フック型拡張を使い、回答の根拠となったファイルを実際に読んだかを地図状に示す仕組みを作り、公開済み約200件の事例傾向も紹介している。	@y-hirakaw	15:52
27	OpenAI DevDay 2026まとめ：GPT-6.1 Sol、Dots、Codex Cloud、MCP Eventsまで	9月29日のOpenAI DevDay 2026で20件超の発表があったとし、ChatGPTを継続的に仕事を任せる実行基盤へ広げる方向性の下でエンジニアへの影響が大きい発表を解説している。	@ちっち	15:55
28	自分のClaude Codeハーネスの変遷（今のフロー編）	epic・feature・taskの3段issueに分解し、人は方針決定と最終確認だけを担う現在のClaude Codeハーネスでの開発フローを、自分とClaudeの役割を図で区別しながら紹介している。	@デグー団子	15:56
29	AIに「いい感じに直して」で大丈夫かな？と思ったので「oh-my-claudecode」の解説記事を読んで前提を整理してみた	カスタマーサクセス担当の筆者が、非エンジニアとしてClaudeに修正を任せる際の判断基準に悩み、エンジニアに勧められた解説記事を読んで指示の出し方の前提を整理している。	@shibata	15:58
30	画像→動画生成でプロンプトを「シーン」と「動き」に分割してみた	2人が登場する短いAI動画で、時間変化を含まない静止画用のシーンプロンプトと動画用の動作プロンプトを分けると修正箇所を特定しやすくなったと、具体的なプロンプト例で示している。	@方圆	16:05
31	問い合わせ画面を AI に頼んでも、約束と聞く項目は人が決める	運送会社の問い合わせ受付画面を例に、AIに一言で頼むと職場で使えない物が返ると示し、顧客への約束と聞き取り項目は人が決め、それ以外をAIに任せる線引きを提案している。	@PRIDUE	16:14
32	go-mcp-server-book	Go言語でMCPサーバーを実装する全13章・付録5本の書籍で、stdio/SSEトランスポートやgoroutineによる並列処理、最小権限設計、GoReleaserでの配布までを扱っている。	@ohken	16:15
33	OpenAIのDotsとは：できること、話題になった理由、類似ツールとの使い分け、料金	9月29日のDevDayで発表されたDotsが、エージェントごとにクラウド上の専用コンピュータとブラウザを持ち会話終了後も作業を続ける仕組みであると、公式資料と報道をもとに整理している。	@ぎんがくわがた	16:20
34	AI時代のエンジニアマインド：確率的な部品を本番で運用するための9つの思考	確率的に振る舞うAI部品を本番に置くと崩れる再現性やテスト可能性の前提を、回帰テストやサーキットブレーカーなど既存の設計手法で埋め直す9つの思考として整理した書籍である。	@ぎんがくわがた	16:20
35	Codexの利用枠、気づいたら溶けてませんか？画面の端で見張る「Codex Usage HUD」を無料公開しました	Codexの利用枠が気づかないうちに急減する問題に対し、macOS画面に常駐して残量と消費を表示し、異常な消費に早く気づけるようにするツールをGitHubで無料公開した。	@雨	16:20
36	AIとの音声会話が遅いので、Streaming STTを入れて応答開始まで1.6秒にした	AquesTalk・whisper.cpp・LLMをつないだ音声会話システムにStreaming STTを導入し、発話終了から応答開始までの待ち時間を1.6秒まで短縮した改善過程を記録している。	@おやす	16:21
37	アリアドネ：AI時代のリファクタリングの数学	業務ロジックが日本語の表示文字列に依存し英語化で返品ボタンが消える架空の事例を通じ、AIに改修を任せる際にどこまで変更し何を調べるべきかを数学的な枠組みで論じている。	@Hiroyuki Nakahata	16:28
38	AI Agentシステムの概要とアーキテクチャ	従来の3層Webアプリの責務分離をおさらいしたうえで、エージェント型システムの構成要素を概念的に説明しており、実装例はなく本文の多くはLLMに書かせたと筆者自身が断っている。	@S.Takeuchi	16:45
39	譲り合うアメーバー ── 協調こそ最適解	ペンローズタイル上で少数のロボットが狭い通路を譲り合う模型を、整数の加算と比較だけで作り、待機や回避の履歴そのものを答えとする協調型計算の考え方を試している。	@MORC.B13	16:48
40	Designing a reliable AI phone intake workflow for clinics	医療機関向けAI電話受付では、文字起こしに加えて意図把握・緊急案件の振り分け・診療助言を創作しない構造化記録が必要だとし、会話と業務処理を分離する設計を英語で解説している。	@Long Peng	16:58
41	ChatGPTからZennへ記事を下書き保存・公開する：GitHub連携の設定と運用	ChatGPTからGitHubに記事ファイルを保存し、Zennが自動で取り込むGitHub連携方式で、専用プラグインを使わずに下書き保存・修正・公開を行う設定手順と指示例を紹介している。	@株式会社Sysrize 北村健太郎	17:10
42	AIペルソナでUXテストするプラグインを v0.2.0 にした	AIペルソナに開発中の画面を操作させるClaude Codeプラグインpersona-feedbackを更新し、並列実行時にペルソナ間でブラウザが混ざる問題を修正したと報告している。	@balista-yu	17:20
43	【MLflow】LLMトレース管理画面を自然言語でカスタマイズ（Custom Trace View）	MLflow 3.16.0で追加された機能により、AI Assistantへの自然言語指示でトレース詳細画面を質問・最終回答・ツール結果中心のレイアウトに組み替えられると解説している。	@hamri	17:39
44	AIに同じ操作をもう一度頼む前に。二重実行を防ぐリトライ設計	AIに外部操作を任せる際、応答がない状態を失敗と同一視して再試行すると二重投稿になると指摘し、結果不明を別状態として扱い冪等性を確保するリトライ設計を説明している。	@ai_shihan	18:12
45	committedなenableAllProjectMcpServers: trueはworkspace trust未承認なら効かない	チームで.mcp.jsonを配る際、MCPサーバーがPending approvalのままになるのは仕様であり、設定をコミットしてもworkspace trustが未承認の環境では承認バイパスにならないと検証している。	@Clopy	18:14
46	自宅の太陽光発電システムの状態をObsidianで確認できるようにしてみた	Claude Codeで蓄電池メーカーのCSVや日次メールを取り込み、自宅太陽光発電の発電・売電・買電量を確認できる仕組みを作り、Proプランでも十分運用できたと報告している。	@aomomo55	18:37
47	個人開発を支えるAmazon Bedrock実践 ─ Claude Haiku × CDKで本番サービスを作る	個人開発サービス「ジム迷子診断」で本番運用するBedrockとClaude Haikuの構成を題材に、jp.推論プロファイルによる国内完結構成や1診断0.7円のコスト設計を解説した書籍である。	@やっつインフラエンジニア	18:56
48	Claude Code に記事生成を任せたら Qiita CI が14回全停止した — SKILL.md を直しても直らなかった理由と解決策	記事量産を任せたAIがfrontmatterの必須fieldを欠かしCIが止まった原因は、直していたローカルではなくクラウドのルーチンだったと判明し、生成の出口に決定論的な検証ゲートを置くべきだと結論付けている。	@ミケ	19:02
49	熟練者の手順はワークフローに、小さな「なぜ」はメモリに残す	エージェントが目的を飛ばしたり却下済み案を再提案したりする問題に対し、熟練者の段取りをワークフローとして、ADR未満の小さな判断理由をメモリとして残す運用をPstackに着想を得て提案している。	@Kyren	19:05
50	AIで「やらなくていい」を増やしたら、創作のリズムまで失った	AIで作業を省いた結果、案は増えたのに何を作りたいか決められなくなった経験から、面倒な工程とともに創作のリズムまで外部化していたと振り返り、残すべき手作業を考察している。	@aqiu	19:11
51	LLMが確実にJSONを返す仕組みを作る — instructorとPydanticで自動リトライ付き構造化出力を実装する	LLMがJSONをコードブロックで包んだり型を崩したりする本番障害に対し、instructorとPydanticで型検証と自動リトライを組み合わせた構造化出力の実装方法を解説している。	@Yukito / 郷由稀斗	19:14
52	AI.FORECASTとTimesFM — 学習不要で時系列予測する	BigQueryの予測関数が時系列基盤モデルを使い、ARIMA_PLUSのような学習工程なしにSQL1本で売上や在庫の予測値を返せることを、シリーズ第14回として手順付きで解説している。	@ウェブの便利屋	19:17
53	AIに実装を頼む前に、決めておきたいこと	AIに機能実装を頼む前に、作る範囲と完了条件、重複IDの扱いなど確認方法を短く書いておくべきだとし、Copilot cloud agent向け資料も参照しながら既存プロジェクトでの進め方を示している。	@Ryuya Nishino	19:25
54	RAGの精度改善は残り2%から ── 本番ログの誤答を「図鑑」にして評価を作り直した話	正答率98%のRAGチャットボットでも残る2%の誤答が顧客に影響すると指摘され、本番ログの誤答を類型化した「図鑑」を作って評価セットを作り直した経緯を報告している。	@ブラックにゃー	19:26
55	Claude Code を毎時起動して、クオンツ研究を仮説から本番投入まで無人で回している仕組み	Claude Codeを1時間ごとにclaude -pで起動し、シェルとコードが10種類の行動から次の一手を選んでPRまで作らせる仕組みで、暗号資産先物のクオンツ研究を無人で回している構成を公開している。	@toshipon	19:44
56	溜まってきたナレッジ、効率的に読めてるんだっけ？	Claude Codeに読ませるMarkdownナレッジの検索で、grepは同義語や日英表記ゆれを取りこぼすがエージェント検索なら差はほぼなく、埋め込みの利点は費用半減だと実測し、hikidasuとして公開した。	@Rererr	19:46
57	「そのフォルダは存在しません」は嘘だった。クラウドのIDは1つとは限らない	共有フォルダのURLをローカル実体に読み替えるツールが実在するフォルダを「存在しない」と誤答し、AIももっともらしい理由を添えていた原因が、同一フォルダに複数のIDがあることだったと突き止めている。	@shinsei99	20:07
58	FDEがこんなに求められるなら、SaaSってそんな簡単に死んだりしないのでは？	Forward Deployed Engineerの求人が急増し極めて高いスキルが求められている現状から、顧客現場への深い関与が必要な限りSaaSは簡単には消えないと論じている。	@MT_data	20:13
59	AIが作った画像・動画・音声を並べて見比べるビューアをOSSで公開【Claude Code】	Claude Codeなどが生成した画像・動画・音声の候補を1つの窓にライトテーブルのように並べて比較できるmacOS用ビューア「moodboard」をMITライセンスで公開している。	@MOhhh	20:16
60	AIエージェント運用に eval を入れたら、直すべき場所が逆だった — 6つの場面で train/test を分けて測った	約30の発信をAIエージェントに任せる筆者が、Anthropicのeval設計手法に倣い問題をtrainとtestに分けて測定し、失敗例を継ぎ足す従来の直し方は過剰適合を招くと確かめている。	@まめ研究員	20:18
61	AI時代のセキュリティ対策を考える ― SEECAT 2026で学んだフォレンジック・サイバー攻撃・国民保護	10月1日に東京ビッグサイトで開かれたSEECAT 2026で、AI生成コンテンツのデジタルフォレンジックや日本へのサイバー攻撃の脅威、国民保護制度など4講演を聴講した内容をまとめている。	@SoulGemAnalyst	20:22
62	GPT-6.1 Solよりも OpenAIが発表した MentalHealthBench こそ重要では	OpenAIが新モデルと同時期に公開したメンタルヘルス評価データセットは、AIが人間とどう関係を築くべきかという評価軸そのものを再定義する試みであり、長期的にはより重要だと論じている。	@satoshi yoshida - 思考アトリエの遊び場	20:26
63	Claude CodeでCDNを全部外した	npmもCDNも使わずClaude CodeとPythonスクリプト1本で事業サイトを生成している筆者が、CDNを外さないと壊れる箇所があった理由とその構成を具体的に説明している。	@pcnotonari	20:27
64	AIの「記憶」は、残すより捨てる設計がうまくいきます — 忘却のルールの作り方	営業支援AIが転勤済み担当者しか読めないメモを半年残していた事例を挙げ、覚えさせる項目を全部挙げて半分捨てるという記憶設計の「捨てる基準」の作り方を解説している。	@水原聡	20:34
65	CopilotやClaude CodeのVSCode拡張での会話コストを計算する	VS Code拡張をBYOKで使う際にディスクに残る会話履歴から会話ごとのAPIコストを算出するツールをGitHubで公開し、導入と動作確認の手順を示している。	@maratishe	20:58
66	コードがほぼ書けない僕が、Claude Codeで有料iOSアプリを作って1ヶ月売ってみた（数字を全部公開します）	コードをほぼ書けない韓国の個人開発者がClaude Codeで有料iOSプランナー「Sync: Plan & Actual」を作り、1か月販売した結果の数字をすべて公開している。	@Jaewon Seo	21:13
67	Claude Code を複数セッション並行で回すと「止まる」理由と、止めないための運用	Claude Codeを5〜10セッション並行で回すと止まる原因を、承認待ち・自動拒否ループ・ログイン切れなど5種類に分類し、それぞれの見分け方と対策を運用経験からまとめている。	@ロボットエンジニアのAI活用	21:24
68	Claude Codeのフックで、ツール実行の直前にコマンドを走らせて止める【mods入門①】	Claude Codeのmod理解の土台として、settings.jsonにフックを1つ書き、ツール実行直前にコマンドが走ることや受け取れる入力、実行を止める方法を手を動かして確かめている。	@安藤	21:37
69	Claude Codeのフックをプラグインに入れると何が変わるか【mods入門②】	前回settings.jsonに書いたフックをプラグインに入れて読み込み、settings.json版との共通点と違い、インストールと削除の方法を比較しながら確認している。	@安藤	21:40
70	Sonnet5.5にもBlenderを使って、動画作成までやってもらったらOpusより良い感じかも？ただし、トークン使いすぎ	Sonnet 5.5にBlenderで動画制作をさせたところOpus 5.5より作り込みが丁寧だった一方、サブエージェントを大量に並列実行し5時間枠を約2時間で使い切ったと報告している。	@ryuuri	21:46
71	【第2回】AIコーディングで激突した8つの壁｜手戻りが一番高くつく	VS CodeのClineとClaudeで路上喫煙報告マップ「Sootera」を約5時間・約3,600円で作った筆者が、ぶつかった壁を挙げ、最大の節約は手戻りを減らすことだと結論付けている。	@ゆたか	22:03
72	寝ている間に小人が働く — GraphOps オートパイロットの夜	寝る前にチケットを1枚置いてコマンドを実行すると、計画・多観点レビュー・テスト・PR作成までが朝までに終わるGraphOpsのオートパイロット運用を、童話『小人の靴屋』になぞらえて紹介している。	@erin	23:14
73	たまたま気づいたバグを、見つけ方として残す	リプレイス中に通知メール本文の{{userName}}が置換されず残るバグを偶然見つけた経験から、違和感の正体を整理し、次からは勘ではなく手順で同種のバグを見つける方法として残している。	@セロリ	23:14
74	Claude Codeのhooksで作業を自動化する	hooksはCLAUDE.mdと違いClaudeの判断を介さずシェルコマンドを実行する仕組みだと説明し、ファイル編集ごとの自動整形設定や効かない場面、向かない用途を解説している。	@トムソー	23:35
75	Claude Code サブエージェント組織実践ガイド	7体の専門エージェントとPM役のメインセッションで調査から公開までを回す実リポジトリをもとに、役割分担やファイル経由の受け渡し、公開承認の歯止め、定義テンプレートをまとめた書籍である。	@yorusuzu	23:41
76	ROS 2開発でAIエージェントに実機を触らせないための権限設計	ROS 2開発でAIエージェントに「テストしておいて」と頼むと実機操作に及ぶ危険があるとして、公開ドキュメントをもとに開発環境を実機から切り離す権限設計案を整理している。	@ロボットエンジニアのAI活用	23:44
77	Claude Code に任せた作業を横で見て確かめる macOS アプリ「tanacode」1.0.0 をリリースしました	claude CLIとIDEを1つのウインドウにまとめ、Claudeの作業内容や読んだファイル、並行処理を横に表示するmacOSアプリを公開し、既存のスキルやhooksもそのまま使えると説明している。	@tanashun	23:45

Qiita

#	Title	Summary	Author	Published
1	【書評】実践 LLMアプリケーション開発 ―プロトタイプを脱却し、実用的な実装に迫るための包括的な手引き	LLMアプリ開発の書籍を評し、RAGのデモを業務で使える水準に引き上げる際に直面する検索ノイズなどの課題に対し、本書が包括的な実装指針を与えていると評価している。	@io0323	00:00
2	［AWS］S3Vectors フィルタ次第で文書を取りこぼしやすくなる件	S3 Vectorsでテナントなどのメタデータフィルタを併用すると意味的に近い文書が返らない場合があることを検証し、RAG構成で取りこぼしを防ぐための注意点を示している。	@kikuziro	01:59
3	LLMの限界突破！Agentic RAGが自律推論を可能にする仕組み	単純なRAGでは多段階推論や複数情報源をまたぐ判断に対応できない課題に対し、LLMが自律的に検索と推論を繰り返す方式の仕組みと実装の考え方を解説している。	@fd_ai_teacher	02:29
4	CodexでProjectsとRecentsに同じ作業が二重表示されるのを消す	フォルダ未指定でCodexを使うと日付名フォルダの下に長い名前のフォルダが自動作成され、同じ作業が重複表示される問題を、設定と運用で解消する手順を紹介している。	@ayago	13:41
5	LLMのJSON Schemaを厳しくしても業務検証を消せない理由	Structured Outputsで防げるのは構文崩れや必須キー欠落、enum外の値といった形式エラーだけで、日付の前後関係など業務ルールの検証はアプリ側に残す必要があると説明している。	@TechStudioLab	15:42
6	tech-digestの環境構築〜RSS収集・LLM分類・保存まで実装した話	技術ニュースのRSSを収集しLLMで要約・分類してBigQueryでトレンド分析するtech-digestについて、環境構築から収集・分類・保存までの最小パイプラインを動かした記録である。	@yukisnow0704	16:19
7	大人向け。三角形の中の正方形「完全オリジナル問題 △ABCの面積は？」様を、…。AI先生へ動画。	YouTubeで出題された三角形と正方形の図形問題をGeminiなどのAIに解かせ、作図や解法の出力を比較した結果を動画付きで記録している。	@mrrclb48z	20:43
8	【ざっくり理解】LLMのFunction Callingはどこから来たのか？ ─ ReActからMCP・AIエージェントまで	LLMに外部ツールを選ばせる機能が、ReActの研究から各社APIのツール利用機能、MCPやAIエージェントへと発展してきた経緯を整理し、それぞれの位置付けを解説している。	@Tadataka_Takahashi	20:51
9	いちばん高いAIが、いちばん賢いのか？ AIモデル23種の性能×API料金をグラフにした（2026年10月）	Epoch AIのECIとAPI料金で23モデルを比べ、1位モデルは2位の約半額で、1位の5%の料金のモデルでも13ポイント差に収まるとして、価格と性能が比例しないことを示している。	@yunany90	21:40
10	固定UIってもう全部必要なのか？AIがその場でUIを作る時代を考える	期間や集計条件を固定した業務画面は要望追加のたびに肥大化すると指摘し、利用者の要求に応じてAIがその場で画面を生成する方式でどこまで置き換えられるかを考察している。	@tonbi_attack	22:58

GIGAZINE

#	Title	Summary	Published
1	OpenAIの安全担当従業員が辞職、「会社の文化が崩壊している」と主張	ロビンソン氏が辞職に際し、AIの安全性確保にはAI企業の組織文化そのものを根本から変える必要があると訴えたことを報じており、Top 20のITmedia記事と同じ出来事を扱っている。	11:00
2	localhostを爆速でインターネットへ安全に公開する「Cloudflare Quick Tunnels」、たった1つのコマンドで暗号化された公開URLを作成可能でアカウント・DNSレコード・ポート開放は一切不要	アカウント登録やDNS設定、ポート開放なしにコマンド1つで開発中のWebアプリを暗号化URLで外部公開でき、AI向けのJSON出力にも対応したCloudflareの機能を実際に試して紹介している。	12:00
3	名刺ケースがボタン1つで自動展開！わずか0.2秒で圧倒的なインパクトと共に名刺を出せる「機動文具自動変形名刺ケース」レビュー	BANDAI SPIRITSが超合金の技術を投じた新シリーズ第1弾の名刺入れが10月17日に発売されることを受け、ボタン1つで約0.2秒で名刺が出る実機を試用してレビューしている。	16:00

Simon Willison

#	Title	Summary	Published
1	September sponsors-only newsletter（9月のスポンサー限定ニュースレター）	Simon Willisonが9月のスポンサー限定ニュースレターを配信し、Fable級モデルの増加や価格競争、数学に進出するLLM、偶発的サイバー攻撃の増加などを扱ったと告知している。	07:00

The Decoder

#	Title	Summary	Published
1	Google’s new Gemini tiers cut free users to its weakest model and lock $5/month subscribers out of Pro（Googleの新しいGeminiプランは無料ユーザーを最弱モデルに制限し、月5ドル会員をProから締め出す）	Googleは2026年10月から無料ユーザーを最小モデルFlash-Liteに限定し、月5ドルのプランでもProを使えなくすると報じ、より重いGemini 4 Argon投入への布石になり得ると分析している。	16:28