1Mトークンを「入力・思考・出力」すべてに使い切れる新モデルが、開発者向けガイドとともに登場しました。 タイトル: Gemini 4 Argon: Developer Guide URL: 📝 概要 Google DeepMindの最新フロンティアモデル「Gemini 4 Argon」の開発者向けガイドです。統一された1Mトークンのコンテキストウィンドウと、推論の深さを選べる3段階のThinking Levelsが特徴です。 🧠 技術的な特徴 入力・thinking・出力を1つの1Mトークン枠で共有し、1レスポンスで最大1Mトークンまで出力できるLong Decodeにも対応しています。モデルIDは gemini-4-argon で、4,096トークン以上のプロンプトには暗黙キャッシュによる95%割引が自動適用されます。 📊 ベンチマーク Vals Indexで金融・コーディング・法律・税務の1位を獲得し、ロボティクス評価のERQAは87%、プロンプトインジェクション耐性のGray Swan IPIでは攻撃成功率0.7%という結果です。 🏭 実運用の実績 Chromeでは600万行規模のレガシーコード分離作業を数ヶ月から数週間に短縮し、Gemma 4 E2Bの推論スループットは2.85倍に向上しました。 💰 提供状況 Google AI StudioとGemini APIで利用可能で、入力$2/出力$10(100万トークンあたり)という導入価格です(2026年11月30日まで)。 #Gemini4Argon# #開発者ガイド#

ハーネスエンジニアリングのアンチパターン AP9. 健忘症のハーネス（The Amnesiac Harness） 🎯 ポイント 毎セッション同じ地雷を踏み、同じ説明をされ、同じ訂正を受ける。複利が効くべきところで単利すら積まれていません——競争優位の最大の源泉を捨てています。 ❗ 発生する課題 ハーネスがセッション間で知識を蓄積しないため、同じ学習コストを無限に再支払いし続けます。エージェントは毎回同じ試行錯誤を繰り返し、組織のハーネスは時間とともに賢くなりません。 🔍 メカニズムと症状 このアンチパターンが見過ごされやすいのは、個々のセッションは「うまくいっている」ように見えるからです。「ビルドにはフラグXが要る」と学んだセッションは成功しますが、次のセッションで同じ発見を一からやり直します。知識固定という地道な作業は後回しにされがちで、「今回は動いたからOK」で終わります。しかし、学習コストの再支払いは1回なら些細でも数十回重なると膨大な浪費です。複利が効くべきところで単利すら積まれない——これは競争優位の最大の源泉を捨てているのと同じです。症状としては、「また同じエラーか」という既視感、毎回同じ環境設定でつまずく、チームが同じ情報をエージェントに何度も教える、といった現象が見られます。 📋 シナリオ ・エージェントが「このプロジェクトではDockerが必要」と3回のセッションで3回学び直す。毎回5分のビルドエラーとデバッグが発生し、合計15分を浪費。 ・レガシーコードの「このモジュールは廃止予定、代わりにYを使え」という知識を、5人の開発者がそれぞれのセッションでエージェントに教え直す。 ・インシデント対応で「このサービスのログはCloudWatchではなくDatadogにある」をエージェントが毎回発見し直し、初動の5分を無駄にする。 🛡 回避方法 ・エージェントが試行錯誤で学んだ知識を永続指示ファイル（AGENTS.md等）に即座に書き出すフックを実装します ・「一時的な情報」と「不変の知識」を区別し、後者だけを永続化するガイドラインを定めます ・指示ファイルの定期的な棚卸しサイクルを設け、古くなった知識を削除します ・知識が複利で積み上がるべき資産であることを認識し、「発見した瞬間の固定」を習慣化してください #HarnessEngineering# #KnowledgeManagement#

エージェントの共通言語「MCP」を、基礎からハンズオンで学べる公式カリキュラムが登場しました📚 しかも6言語対応です。 タイトル: microsoft/mcp-for-beginners URL: 📚 概要 Model Context Protocol（MCP）を、実践的かつハンズオンで教えるMicrosoft公式のオープンソース教育カリキュラムです。MCPは、AIモデルとクライアントアプリのやり取りを標準化する「ユニバーサルな翻訳機」と位置づけられています。 ❓ 解決する課題 MCPは、AIシステムとさまざまなツール・サービスの通信を標準化する最先端のフレームワークです。 ・しかし新しいプロトコルゆえ、体系立った入門教材が不足していました ・基礎からセキュリティ、実装、応用まで段階的に学べる土台が求められていました 💡 内容と構成 4フェーズ・11モジュールで構成されています。 ・基礎フェーズ（0〜2）：導入、コア概念、セキュリティ ・構築フェーズ（3）：15の実践ガイドで最初の実装を作る ・成長フェーズ（4〜5）：高度な概念と実世界での応用 ・習熟フェーズ（6〜11）：コミュニティ貢献と専門トピック、13ラボの総まとめ コードサンプルはC#・Java・JavaScript・Python・TypeScript・Rustの6言語で、電卓の例からDB統合の高度な実装まで段階的に進みます。# 🌍 ユースケース / 対象読者 いずれかの対応言語で基本的なプログラミング知識があり、クライアント・サーバーモデルやREST APIを理解している開発者向けです。AI/MLの背景は任意。MCPを業務に取り入れたい人の信頼できる出発点になります。 #MCP# #AIエージェント#

✍️ AIが秒間何百行もコードを書ける今、開発者の仕事は「書く」から「読んで検証する」へ変わりました。だとすれば、言語選択の基準も変わるはずです。 Why Go is an Ideal Language for AI-Assisted Software Engineering 🔍 概要 GoogleのGoチームが発表した「AI補助開発時代の言語選択論」。コード生成のボトルネックが「書くこと」から「レビュー・検証すること」に移った今、読みやすさと保守性を軸に設計されたGoがいかに理想的かを論じています。 ⚠️ 解決する課題 ・LLMは型の不一致や存在しないプロパティを頻繁に生成する ・動的型付け言語（Python等）では型エラーが実行時まで検出されない ・AI生成コードが古いパッケージや脆弱な依存関係を参照するリスクがある ・繰り返しリファクタリングで精度が劣化する（初回約95%→低下） 🛠 Goのアプローチ ・gofmtによる完全自動フォーマット：AI生成コードの構文が常に予測可能 ・静的型付け＋高速コンパイル：Java/C#/Rustより桁違いに速くエラーを弾く ・govulncheck：呼び出されるシンボルだけを対象とした低ノイズ脆弱性スキャン ・ネイティブファズテスト：境界条件バグを継続的に発見 ・15年間の完全後方互換：Go 1.0のコードが今も無修正で動作 📌 逆説的な結論 「開発者が書くコードが減るほど、言語選択はより重要になる。」AIの大量出力を安全に吸収するには、決定論的なガードレールを持つ言語基盤が必要。Goはそのために設計されていた。 #Go言語# #AIエンジニアリング#

中国におけるAIモデルAPIの非公式なリセール市場の実態を深掘りした記事で、どこまで真実かわからないけどやりたい放題感がある。 ・リレーと呼ばれる業者が、米国製モデルへのアクセスを格安で提供 ・公式価格の90%以上の割引が当たり前で、最も安い業者は97.8%オフで販売している ・この市場は大きく4つの階層で分業されている ・最上流には、課金チェックをすり抜ける仮想クレカや大量のアカウントを売る業者がいる ・中流には、多数のアカウントを束ねてAPI制限などを管理するアカウントプールが存在 ・下流のリレー業者が、そのAPIを中国語の使いやすい製品として整えて販売する ・そして末端の開発者や企業が、安い推論コストを求めてこれらを購入している ・システムの背後ではone-apiなどのOSSゲートウェイが広く活用されている ・公式APIだけでなく、ガードレールの甘い一般向けAIアプリをハックして横流しする事例もある ・購入者の主な目的は、コスト削減や地域制限の回避、そして自国モデルの蒸留 ・特にClaudeなどを国内モデルの訓練に使う蒸留産業は、莫大な利益を生んでいる ・市場はすでに成熟しており、価格比較サイトやAPIキーのデイリー抽選サイトまで存在 ・プラットフォーム側にとって、この不正利用を完全に防ぐ手段はない ・アカウント作成のハードルを上げ、利用動向の監視やコスト上限の設定で防衛するしかない

# Antigravityの機能と実践的な使い方 🚀 「毎朝、依存関係を監査しておいて」——そんな指示を一度出すだけで、エージェントが裏で勝手に働き続けてくれます。Antigravity 2.0のScheduled Tasksが実現する未来です。 📌 タイトルと機能のURL タイトル: Scheduled Tasks URL: 📝 概要 Scheduled Tasksは、cronスタイルのスケジュールに沿ってAntigravityエージェントの起動をトリガーする機能です。タイミングを指定した指示をエージェントに送り、バックグラウンドで自律実行させ、結果を後から報告させられます。常時人が張り付かなくても、定型作業を任せられるのが強みです。 🔧 機能の説明 ・`/schedule`コマンドで、指定した未来の時刻での実行と、cronスケジュールによる繰り返し実行の両方を設定できます ・スケジュールは標準の5フィールドcron式で指定し、残りの引数がその時刻に実行するプロンプトになります ・繰り返しの例：`/schedule "0 9 * * 1-5" Run git fetch, prune stale local branches, and summarize pending PR reviews.`のように、平日の朝9時に定例作業を走らせます ・毎時の実行なら`"0 * * * *"`のように、cron式で間隔を表現します ・指定したプロンプトがその時刻にエージェント呼び出しとして発火し、作業が完了すると結果が返ってきます ・スケジュールは「裏で走らせて後で結果を報告」という非同期の働き方を前提にしており、開発者は別の作業を進めながら待てます ・Antigravity 2.0で導入された機能で、サブエージェントやエージェント管理の強化と合わせて、自律的な並行作業を支えます 🛠 実践的な使い方 ・`/schedule`に続けてcron式を書き、その後ろに実行させたいプロンプトを書くだけで登録できます ・短時間の確認なら直近の時刻を指すcron式、定例作業なら繰り返しのcron式を使い分けます ・回数上限の指定はないため、cron式の間隔を控えめに設計して不要な実行を防ぎます ・夜間や早朝など、開発者が不在の時間帯にバッチ的な調査を仕込みます 🎯 ユースケース ・毎朝の依存関係の脆弱性・更新の監査を自動化する ・夜間にCIの失敗ログを分析させ、原因の当たりを付けておく ・数分後にビルドやデプロイが完了したかを確認させる ・定期的にヘルスチェックスクリプトを走らせ、異常を早期検知する ⚠️ 注意点 ・スケジュールの指定は標準の5フィールドcron式が前提で、自然言語での時刻指定はドキュメントに記載されていません ・実行回数の上限を指定する引数はないため、間隔設計を誤ると不要な実行が積み重なります ・スケジュール起動でもエージェントが実際の操作を行うため、破壊的タスクにはHooks等のガードレールを併用してください ・機能の詳細や上限値はバージョンで変わり得るため、最新ドキュメントで確認してください #Antigravity# #DevTools#

【8月20日 朝のニュースまとめ】 ・GoogleとMarvellがAIチップ協業を拡大 ・ReplitがGPT-5.6 Luna搭載のFree Modeを提供開始 ・Qwen3.8-27BのGGUF版公開、精度10%向上 ・SpaceXがCognition買収を打診するも拒否される ・OpenAIがビジネス向けPrivate Safety Processingを発表 ・Nebius GroupがAIデータセンター構築へ45億ドル調達 ・AIを宿題に使うと試験のスコアが下がる研究結果 ・Gemini 3.7 FlashがGoogle検索に統合 ・OpenAI学習停止の背景に高度なサイバー能力か === GoogleとMarvellがAIチップ協業を拡大【続報】 ・GoogleとMarvellによるAIチップ共同開発に関する続報です ・AI推論アクセラレータなどのカスタムシリコンパートナーシップを拡大したと報じられました ・GoogleはMarvellに対して最大122億ドル相当の株式購入ワラントを取得したとのことです ・AIインフラの需要が高まる中、Googleが半導体分野での存在感をさらに強めています === ReplitがGPT-5.6 Luna搭載のFree Modeを提供開始 ・ReplitがOpenAIのGPT-5.6 Lunaを搭載したFree Modeの提供を開始しました。 ・従来と比較して能力が約30倍向上したとされており、プロンプトの節約を気にせず開発に集中できるようになります。 ・Lunaモデルのコストパフォーマンスの高さと、AI開発環境の民主化を推し進める動きとして高く評価されています。 === Qwen3.8-27BのGGUF版公開、精度10%向上【続報】 ・Qwen3.8-27Bに関する続報です ・Unsloth Dynamic v3を用いたGGUF版がリリースされ、精度が10%向上したことが報告されました ・また、先日公開された1-bit量子化版はわずか8GBのRAMで動作し、BF16と比較して77%の精度を維持しているとのことです ・ローカル環境での高性能モデルの実行ハードルを大きく下げる成果として注目を集めています === SpaceXがCognition買収を打診するも拒否される ・SpaceXがAIコーディングスタートアップのCognition AIに買収を打診したものの、断られたと報じられています ・SpaceXはすでにCursorを買収しており、エンタープライズAI分野での競争力強化を急速に進めています ・現在は買収交渉は行われていないものの、SpaceXの計算資源の提供など、両社による協業の可能性が議論されているとのことです === OpenAIがビジネス向けPrivate Safety Processingを発表 ・OpenAIがビジネス向けの新たなプライバシー保護機能「Private Safety Processing」のプレビューを発表しました。 ・企業データの保持を行わない「Zero Data Retention」を維持しつつ、安全ガードレールを向上させる仕組みです。 ・AIがより自律的で長期的なタスクを担うようになる中で、機密データの制御と安全性の両立を図る重要なアップデートとなります。 === Nebius GroupがAIデータセンター構築へ45億ドル調達 ・Nebius Groupが転換社債の発行により45億ドルを調達する計画を発表しました。 ・急増するAIの計算需要に応えるため、データセンターの構築と拡張に資金を充てる予定です。 ・AIインフラストラクチャ市場における投資競争が引き続き過熱していることを示しています。 === AIを宿題に使うと試験のスコアが下がる研究結果 ・AIを宿題に使用した生徒の成績に関する新たな研究結果が話題になっています。 ・AIを使用した生徒は6ヶ月間で宿題のスコアが18%向上したものの、試験ではAIを使用しなかった生徒より20%低いスコアになりました。 ・AIへの過度な依存が学習効果に悪影響を及ぼす可能性を示すデータとして注目されています。 === Gemini 3.7 FlashがGoogle検索に統合【続報】 ・Gemini 3.7 Flashに関する続報です ・同モデルがGoogle検索に統合され、指示追従性とユーザーの意図理解がさらに向上しました ・300-350 tokens/sという非常に高速な出力速度を維持しており、引き続き高い評価を集めています === OpenAI学習停止の背景に高度なサイバー能力か【続報】 ・OpenAIによるフロンティアモデルの学習一時停止に関する続報です ・高度なサイバー能力に直面したことが一時停止の引き金になったと報じられています ・これを受け、安全基準のあり方が問われています ・開発者の間では、独立機関による監視の必要性や、競合モデルの動向を伺っているのではないかといった議論が交わされています

# AIエージェント開発の意思決定ポイント # オーケストレーション vs コレオグラフィ 🎼 🎯 ポイント 複数のエージェントやサービスを協調させるとき、「指揮者を置くか、各自が自律的に踊るか」を選ぶ必要があります。 オーケストレーションは中央の指揮者がすべてを統制する方式。コレオグラフィは各コンポーネントがイベントに反応して自律的に動く方式。制御の所在が根本的に異なるため、障害処理・監査・デバッグ・スケーリングの設計が全く変わります。 📋 概要 オーケストレーションでは中央のオーケストレータが全体のワークフローを定義し、各コンポーネントを順次または並列に呼び出し、結果を集約して次のステップを決定します。Temporal、Airflow、LangGraphのSupervisorパターンなどが典型的な実装基盤です。コレオグラフィでは各コンポーネントがイベントバス（Kafka、EventBridge等）上のイベントを購読し、関心のあるイベントに自律的に反応して新たなイベントを発行します。全体の制御フローを知る中央は存在しません。 🔍 意思決定のポイント 判定の主軸は **説明責任（accountability）** です。 🏛️ **オーケストレーションに倒す条件**: - 処理の全体像と各ステップの判断根拠を事後に説明する必要がある - 審査→承認→実行のような厳密な順序制約がある - LLMの出力を次のステップに渡す前に検証・変換が必要 - 全体の予算（トークン・時間・コスト）を中央で管理したい - コンポーネント数が概ね10以下 🌊 **コレオグラフィに倒す条件**: - 高スループット・高スケールが求められ、中央がボトルネックになる - 多数のチームが独立してコンポーネントを開発・デプロイしている - イベントへの「反応」が主な処理パターン（通知、ログ、非同期集計） - 実行順序の厳密な追跡が不要 💡 要点と詳細 🟢 **オーケストレーションの強み**は制御の明確さと監査性です。ワークフローの全体像が1箇所に定義されているため「今どこまで進んでいるか」「なぜこのステップが実行されたか」が常に明らかです。障害時のリカバリもどのステップで失敗したかを特定して再開できます。エージェント固有の利点として、LLMの出力を検証してから次ステップに進められるため、ハルシネーションの伝播を各ステップで遮断できます。 🟡 **コレオグラフィの強み**は疎結合とスケーラビリティです。各コンポーネントはイベントスキーマだけを共有し、他の存在を知りません。新コンポーネントの追加はイベント購読の追加だけで、既存コンポーネントに変更不要です。独立スケールも可能で、イベントバスがバッファとして一時的な負荷偏りを吸収します。 ⚖️ トレードオフ | 観点 | オーケストレーション | コレオグラフィ | |---|---|---| | 全体状態の可視性 | 常に明確 🟢 | イベントログの突合が必要 🔴 | | 監査性 | 高い（因果関係を示せる） | 低い（分散した追跡が必要） | | スケーラビリティ | 中央がボトルネック | 各コンポーネントが独立スケール | | 結合度 | 高い（中央への変更が集中） | 低い（スキーマ共有のみ） | | ハルシネーション制御 | ステップごとに検証可 | 各自でガードレールが必要 | | チーム独立性 | オーケストレータ変更で衝突 | 独立開発・デプロイ可 | 🛠️ ユースケース 🔵 **オーケストレーションが向くケース**: 業務系システム、規制対象の処理、審査・承認ワークフロー、LLMの出力検証が必要な処理。説明責任が求められる環境。 🔴 **コレオグラフィが向くケース**: 高スループットのイベント駆動処理、通知・ログ集約・分析パイプライン。多数のチームが独立してコンポーネントを開発する大規模システム。 📌 **デフォルト戦略**: 業務系システムではオーケストレーション（中央集権）がデフォルトです。AIエージェントを含むシステムでは、LLMの確率的な出力を制御・検証する中央の存在が安全性と監査性の両面で重要です。実用的な折衷は「中核は中央集権、周辺探索はイベント駆動」で、主要な業務フローはオーケストレータが管理し、周辺の非同期処理はイベント駆動で疎結合に構成する形です。 #AIエージェント# #ソフトウェアアーキテクチャ#

💡 Meta Platforms, Inc. $META Q3 2026決算 2026-10-21 💰 今四半期業績 - 🟢 EPS：$7.40 (予想$6.54) - 🟢 売上高：$64.60B (予想$63.34B) 📊 重要指標 - 🟢 広告売上高：$63.06B (YoY+26%) - 🟢 広告インプレッション / 平均広告単価：インプレッション YoY+10% / 広告単価 YoY+14% - 🟢 Family Daily Active People (DAP)：3.64B (YoY+3%) - 🔴 営業利益率：GAAP 20% (訴訟費用除く 35.42%) (前年同期 40%) - 🔴 フリーキャッシュフロー：-$2.12B (前年同期 $10.63B) - ⚫️ 設備投資 (ファイナンスリース元本返済含む)：$34.91B (Est. $39.72B) (YoY+80.17%) - ⚫️ Reality Labs 営業損失：-$4.13B (前年同期 -$4.43B) / 売上 $443M (YoY-5.74%) 📊 次四半期ガイダンス - 🟢 売上高：$74.50B (予想$73.65B) 📍決算内容の注目ポイント - 議決権のないClass C普通株式の新設を取締役会が承認。2027年1月19日付で効力発生予定で、Class A・Class B株式1株につきClass C株式1株を割り当てる一回限りの株式配当を実施予定であり、Class A株式の株価には実質的な1対2の株式分割効果が反映される見込み。資本調達、従業員報酬、M&A等への活用を目的とし、Mark Zuckerbergとは創業者アラインメント契約を締結 - 初のフロンティアモデルとなるMuseおよびMuse Wonderをローンチし、全ての人に向けたパーソナル・スーパーインテリジェンスの実現に向けた重要なマイルストーンを達成 - 52州の司法長官と10代のメンタルヘルスとソーシャルメディアに関する訴訟で和解(支払総額最大約$18.59B)。Q3に$9.89Bの費用を計上し、同費用を除くと営業利益は$22.88B、希薄化後EPSは7.40(GAAP 3.83から+3.57)、実効税率は17% - 2026年度の設備投資見通しを$135-145Bに絞り込み(従来$130-145B)、総費用見通しは訴訟費用を織り込み$175-179Bに引き上げ。訴訟費用を除く営業利益は2025年度超えを維持する見通し - Reality Labsの損失は2026年度に$18-19B、2027年度には約$15Bへ縮小見込みで、投資をAIへ再配分。従業員数は66,775人とYoY-15%の大幅削減 🤵‍♂️CEO (Mark Zuckerberg) コメント 「今四半期、初のフロンティアモデルであるMuseおよびMuse Wonderのローンチを含め、全ての人にパーソナル・スーパーインテリジェンスを届けることに向けた大きなマイルストーンを達成しました。私たちの投資は成果を上げており、コア事業は堅調で、あらゆる分野で勢いが生まれています。」 🤵‍♂️CFO (Susan Li) コメント 「Q4 2026の総売上高は$73-76Bの範囲を見込んでいます。Q3に計上した$9.9Bの訴訟費用を反映し、2026年度の総費用見通しを$175-179Bに引き上げますが、同費用を除けば2026年度の営業利益は2025年度を上回る見込みです。当社のAI投資は、エンゲージメント向上、レコメンドの改善、収益化の効率化を通じて、既に広告収益の大幅な増加をもたらしています。2027年度の売上見通しは提示しませんが、2027年を通じて力強い売上成長を維持できる態勢にあります。」 🔍 主要ファンダメンタルズ指標 - 時価総額: 1.78T - PER: 25.92 - Forward PER: 22.98 - PEG: -5.31 🎯市場評価 - 株価 (発表前): 📈$697.98 (0.54%) - 株価 (発表後): 📈$722.3 (3.48%) - 決算前アナリスト目標株価: $803.62 ($1000 ~ $595) B+ - 決算総合サプライズ率 (AI推定): 😊2.69% - 決算後目標株価 (AI推定): $719.51 🤖 決算まとめるくん(AI)コメント 「今四半期は、訴訟関連の一時費用を除いた実質ベースで市場予想を明確に上回る内容となりました。 売上高は、広告インプレッション(広告表示回数)+10%と平均広告単価+14%の双方が伸長し、前年同期比+26%と高い成長を示しました。AIによるレコメンド精度と広告配信効率の向上がコア広告事業の収益化に寄与していると考えられ、Q4売上高ガイダンスも中央値でコンセンサスを上回っています。 一方、GAAPベースのEPSは、米国州司法長官との10代のメンタルヘルス訴訟に関する和解費用$9.89Bの計上により大きく圧縮されました。同費用を除く調整後EPSは7.40であり、GAAPとの乖離は一時的な訴訟費用に起因するものです。 より構造的な論点は資本集約度の急上昇です。設備投資は$34.91Bに達し、フリーキャッシュフローは赤字に転落、長期債務も増加しています。MSL(Meta Superintelligence Labs、超知能開発組織)への投資について、経営陣自身がコア事業より回収に時間を要すると認めており、投資回収の道筋が今後の焦点となります。 総じて、コア広告事業の強さとAI投資の成果は確認できる一方、キャッシュ創出力の低下と法的リスクが併存する、成長と負担が交錯する決算と評価します。 評価は📈ポヨ」 🏢 Meta Platforms, Inc. 概要 - セクター: コミュニケーション・サービス - 特徴:世界最大級のソーシャルメディア・デジタル広告企業 🤘情報提供 Stock Slayer :