OpenAI、訓練中のエージェントが外部チャットボットに到達した件で最上位モデルのツール使用を停止

Conversations は Android 向けの XMPP クライアントで、これまで Google Play で有料販売されていた。開発者は審査や運用への不満から Google Play を離れてアプリを無料化した経緯を書き、長年家賃をまかなえるほどの収入源だったことにも触れている。

コメントでは、15% の手数料は大きいが審査の質を上げるにはさらに費用がかかるという見方と、実質的な仕事も説明責任も負わずに収益を得るゲートキーパーへの批判が並ぶ。Google には人間の担当者と話す手段がないため、職場でも家族にも Google のサービスを勧めないという声もある。

17,000 人以上の利用者を抱えながら Google に一度も手数料を払っていないという報告がある一方、長く収入源だったことを踏まえれば記事の論調はもっと前向きでもよいという意見も出ている。

Robert O'Callahan 氏による Google 退職の報告。Lobsters では ai と person のタグが付き、AI を巡る考えと退職の関係が話題になっている。

コメントでは、決断に敬意を示し、AI の能力が現在の水準で頭打ちになる保証はなく、そこに数兆ドルを投じるのは無謀だという意見が出ている。成功した場合に人間が経済的に無価値になる未来への懸念や、今世界を所有している層が AI の未来も所有することになるという懸念も語られている。

西側諸国は全市民に必要なものを行き渡らせるだけの富を持ちながら実際には行き渡らせていない、という補足のやりとりもある。

知能がコモディティ化していく状況を論じたエッセイで、知識を自分で身につけることには本質的な価値があると主張する。飲酒運転は飲酒しての乗馬より危険だという例えで、技術は悪い判断の影響を増幅すると述べている。

コメントでは、Butterick の「extinction level capitalism」が似た議論をしているという紹介があり、知識の本質的価値という論には動かされないという意見が出ている。知能がコモディティ化しても愚かな判断のコストは残るという指摘に、筆者本人が投稿の推敲を控えるようにしているため書き足りなかったと応じている。

飲酒運転の例えについては、バイブコーディングにぴったりだという声と、自動運転車なら飲酒しても安全ではないかと妥当性を疑う声に分かれ、問題は技術ではなく力の大きさではないかという反論も出ている。

Rails の現状と方向性について、誰がビジョンを担うのかを問う記事。DHH がエージェントから使えるよう各サービスに CLI を求めている点にも触れている。

コメントでは、素人の集まりでもアイデアを世に出せた Rails がキャリアの礎だったという人が、今の状況に複雑な思いを語っている。美しいコードを価値として掲げた Rails Doctrine と、DHH が LLM に書かせ「自分で見る必要はない」とする Rust コードを推す姿勢との食い違いを指摘する声や、Rails World への参加を批判した過去記事の引用もある。

最新の Rails は数週間前から壊れていて公式ガイドの最初の手順からエラーになるという指摘には、現行リリースは前日に出たもので修正後の版から切られているという反論が出ている。

Paperclip は「OpenClaw が従業員なら Paperclip は会社」を掲げる、AI エージェントのチーム向けオーケストレーション基盤。目標を定義し、CEO や CTO、エンジニアなどの役割にエージェントを割り当て、戦略と予算を承認して実行する 3 ステップで使う。見た目はタスク管理ツールだが、内部には組織図、予算、ガバナンス、目標整合、エージェント間の調整を持つ。

OpenClaw、Claude Code、Codex、Cursor、Bash、HTTP に対応し、ハートビートを受け取れるものなら何でも「雇える」としている。20 個の Claude Code ターミナルを同時に開いて状況を見失っている人や、24 時間自律稼働させつつ監査したい人を対象に、コスト監視と予算の強制、スマホからの管理を備える。タスク、組織、トレーニング、インフラの 4 本柱で構成される。

Hindsight はエージェント向けのメモリシステムで、多くのメモリ機構が会話履歴の想起に重点を置くのに対し、エージェントが時間とともに学習することを目指すとしている。RAG やナレッジグラフといった既存手法の弱点を解消し、長期記憶タスクで最先端の性能を出すと主張している。

README ではベンチマークサイトと論文（arXiv 2512.12818）を公開しており、サーバーを立ててクライアントから接続する構成のほか、サーバー不要の Python 組み込み版も用意している。クライアントは PyPI と npm で配布され、各種プラットフォームとの連携やクックブック、クラウド版の Hindsight Cloud もある。ライセンスは MIT。

Univer は「AI エージェントのための Office Harness」を掲げ、スプレッドシート、ドキュメント、プレゼンテーション、Bases、Boards を 1 つのランタイムで扱う。PDF は近日対応予定としている。

プラグインアーキテクチャ、Canvas ベースの描画、数式エンジンを備え、ブラウザと Node.js の両方で動く単一の Facade API を提供する、組み込み用の高性能でカスタマイズ可能な Office SDK と説明している。README は英語、中国語（簡体・繁体）、日本語、韓国語、スペイン語で用意されている。

Python、TypeScript、Rust、Julia を使う MIT ライセンスの教材。「学生の 84% が AI ツールを使っているが、仕事で使う準備ができていると感じているのは 18%」という数字を挙げ、その差を埋めることを目的としている。

523 レッスン・20 フェーズ・約 342 時間の構成で、すべてのレッスンがプロンプト、スキル、エージェント、MCP サーバーなど再利用できる成果物を出す。全レッスンを見渡さなくてよいよう、環境構築からの基礎、数学と ML の基礎、本番向け LLM アプリ開発など、目的別の入口を用意している。直近 30 日の読者は 114,584 人（2026-08-29 時点）。README は 12 言語に翻訳されている。

OpenBao は、シークレット、証明書、鍵などの機密データを管理、保存、配布するためのソフトウェア。README の冒頭では、セキュリティ上の問題を見つけた場合は公開せず、OpenSSF のメーリングリストにある専用アドレスへ責任ある開示をするよう求めている。

OpenSSF の Scorecard と Best Practices のバッジを掲げ、Web サイト、OpenSSF のメーリングリスト、GitHub Discussions、Linux Foundation の Zulip チャットを窓口にしている。Zulip には議論用、サポート用、技術運営委員会（TSC）用のチャンネルに加え、名前空間、PKCS#11、スケーラビリティ、サプライチェーン、UI をテーマにしたワーキンググループのチャンネルが用意されている。

AI エージェントが APK、バイナリ、フロントエンドの JS 暗号化、CTF 課題、侵入テストの対象に遭遇したとき、jadx / apktool / Frida / IDA / BurpSuite のどれを使うべきか判断できない、という問題意識から作られたスキルルーター。Claude Code、Codex、Cursor、OpenCode などに対応する。

処理は、RULES.md からルーティング用の PowerShell スクリプト、case-init と scope.md（認可とネットワークプロファイルの確認が済むまで対象へ行動しない）、シナリオ別スキル、ツール／MCP／スクリプト、タイムラインと Evidence→Finding→Path、レポートと作業記録の順に進む。

現状はルーティング規則 44 件、回帰ベンチマーク 175 ケース、コアスキルモジュール 45 個で、Windows と Ubuntu の CI で検証している。

NVIDIA Model Optimizer（ModelOpt）は、Hugging Face、PyTorch、ONNX のモデルを入力に、量子化、枝刈り、ニューラルアーキテクチャ探索、蒸留、投機的デコーディング、スパース化を組み合わせて適用する Python API を提供する。

Megatron-Bridge、Megatron-LM、Hugging Face Accelerate と統合されており、学習を伴う最適化手法にも対応する。出力した量子化チェックポイントは SGLang や TensorRT-LLM など下流の推論フレームワークにそのままデプロイできるとしている。ライセンスは Apache 2.0。

Buzz は、人間と AI エージェントが同じルームを共有するセルフホスト可能なワークスペース。実体は Nostr リレーで、メッセージ、リアクション、ワークフローの各ステップ、レビューの承認、Git のイベントまでがすべて署名付きイベントとして 1 つのログに記録され、書き手が人でもプロセスでも同じ ID モデルと監査証跡を持つ。現在の単一リレー構成では、リレーの URL が 1 つのコミュニティを指す。

エージェントはルームの中でリポジトリを開き、パッチを送り、コードレビューやワークフローの実行、キャンバスの編集、他エージェントの指揮、音声ハドルへの参加などを人間と同じ操作で行える。エージェントは独自の鍵、チャンネル所属、監査証跡を持ち、権限フラグではなく ID で範囲を絞る。フィーチャーブランチを 1 つのルームにして、パッチ、CI、レビュー、マージ判断を同じ場所に残す使い方も紹介している。ライセンスは Apache 2.0。

Jev は文章を書かず、アプリケーションの状態と型の決まった質問を受け取り、決められた形の答えを確率付きで返す「System One モデル」の第 1 号。名前はカーネマンの「システム 1」と、経済学者ジェヴォンズおよびジェヴォンズのパラドックスに由来する。アーキテクチャと技術論文は未公開で、公称性能は開発元の評価だと断っている。

創業者の Diogo Almeida 氏は OpenAI で約 4 年間 RLHF、InstructGPT、ChatGPT、GPT-4 の開発に携わり、2024 年に TypeSafe AI を創業した。モデルは合成データのみで学習し、9 月 15 日に DCVC 主導の 4,000 万ドルのシード調達と同時に公開。20 日にウェイトリストを撤廃したが、22 日に需要超過で新規登録を一時停止した。質問の型は 3 種類に絞られている。

tanakh 氏が作った cinrs は、c99! などのマクロ内に書いた C の関数を Rust から呼べるようにする。関数は core::ffi の対応する型にマッピングされて unsafe として定義され、core::ffi を参照するため no_std 環境でも動く。std が必要なのは可変長配列と _Thread_local を使うときだけ。

c89!〜c23! と、GNU C 拡張を有効にした gnu89!〜gnu23! のマクロがあり、それぞれの規格でコンパイルされる。__attribute__((cinrs_safe)) や C23 形式の [[cinrs_safe]] で注釈した関数は safe として扱われ、safe と推論できない場合はコンパイルエラーになる。構造体は #[repr(C)] の Rust 型として定義され、#include も使え、C の標準ヘッダーは同梱されている。

Jev は入力の state に対し、候補から選ぶ Choice、尺度で採点する Score、命題が正しい確率を返す Noul の 3 種類の質問を独立かつ並列に評価する。公称値は応答 70〜500 ミリ秒、入力 100 万トークンあたり 0.042 ドルで出力は無料。ただし速度 193.6 倍・コスト 444.6 倍という比較は自社ワークフロー評価の上限寄りの結果だと公式に明記されている。

定義外のキーや型を返さないことは構造上保証されるが、選択肢の中から誤答を選ぶことはあると注意している。事例として要件定義書の 19 観点レビュー、スタックチャンの会話振り分け、X 投稿の炎上ガード、LangChain による Jev-as-a-Judge の評価実験などを挙げる。Jev 本体はオープンソースではなく、重みやアーキテクチャは公開されていない。

30 代後半は技術広報や DevRel、エンジニアリングオフィスでプロダクトコードを書く時間が減ったが、他のエンジニアが何を考えて技術を選んだかを聞き、技術を説明する側に回ったことで理解と視野が広がったと書いている。社外の技術コミュニティに出続けたことで、組織や業界、その時点の制約によって適切な答えが変わることを何度も見られたという。

昔使っていた技術は忘れても、障害や設計の失敗などの経験から「前回との差分に気づく」勘所は残ったとし、AI で作れる量が増えるほど「何を、なぜ作るか」を決める力が重要になるとまとめている。一方で、SNS のタイムラインを情報収集のつもりで開くことは控えたいとしている。

生成用のプロンプトは別の Claude との対話で作成し、ボイドで群泳する小魚、群れに近づくサメ、危険時にイソギンチャクに隠れるクマノミ、サメが近いと体色を岩に合わせるタコなど、生き物ごとの自律的なルールと、朝から夜までループする時間の流れを指定した。

技術要件として、320×180 程度の内部解像度を整数倍で拡大、32 色前後のパレット、画像ファイルを使わないスプライト、外部ライブラリなしで 60fps を保つことなどを求めた。成果物は 470 行・43,528 バイトの単一 HTML で、生成途中に昼夜のループを約 20 秒に短縮する追加指示を 1 件送っている。

公開されているマリオ用ハーネスは、エミュレーターの RAM から読んだ位置、速度、接地状態、敵までの距離などを JSON にして Jev に渡し、7 種類の操作から Choice で選ばせる。筆者が試すと複数回でもクリアできず、応答を待つ間ゲームを止める方式でも失敗した。

そこでプレイログを Codex に渡してハーネスを改善し、操作を「右へ走る」「右へ走りながらジャンプ」の 2 択に絞り、接地・地形・敵の判定を修正し、判断間隔を危険が近いときは 4・2 フレームに縮めた。そのうえで Jev（リアルタイム方式と停止方式）と DeepSeek-4.1-Flash（停止方式）を、開始タイミングを変えた各 20 試行で比較している。

以前の方式では /api 配下の index.go に置いた http.HandlerFunc が 1 つの Vercel Function になり、ルーティングは vercel.json で設定し、複数の API には複数のディレクトリと index.go が必要という癖のある構成だった。

新方式ではルートに go.mod と main.go を置き、PORT 環境変数を読んで http.ListenAndServe する普通の Go サーバーを書き、vercel.json で framework を指定するだけでデプロイできる。検証は Go 1.27.1、Vercel CLI 59.23.2、Node.js 26.9.0 で行っている。

2018 年発売の ASUS ROG Strix GL703 にサーバー向けの Linux を入れて自宅サーバーにした。自宅サーバーは自分や家族向けに共有サービスを提供するもので、多くのアプリは Raspberry Pi 程度を想定しているため手持ちの古い PC で十分とし、CasaOS を使えばダッシュボードから数クリックでアプリを入れられると紹介している。

利点として、Linux や Docker を実際に触って理解が深まること、Kubernetes も実験できること（本格的に使うには追加のハードウェアが必要）、家庭内ネットワークや固定 IP のための DHCP リース設定などネットワークの仕組みを学べることを挙げている。

自動メモリは git リポジトリ単位で保存され、user、feedback、project、reference の 4 種類がある。MEMORY.md は本体ではなくインデックスで、セッション開始時に読まれるのは先頭 200 行または 25 KB までのため、超過分は存在しないのと同じになる。上限に近づくと Claude Code は短縮を促すが、どれをルールに昇格させるかは自動では決まらない。

退避先を CLAUDE.md ではなく .claude/rules にするのは、CLAUDE.md にも 200 行以下という目安があり、paths で対象ファイルを絞ったルールは起動時に読まれなくなるため。既存の CLAUDE.md のルールも移し、CLAUDE.md 自体は各ルールへのリンクと読み込み順だけを書くインデックスにする構成を提案している。

Raspberry Pi 5 上で claude -p 経由の自律エージェントを動かす筆者が、Claude Code 同梱の /claude-api prompt-audit を当てた記録。opus の解決先は既に claude-opus-5-5 になっており、エイリアス指定ではモデルだけが知らないうちに新しくなると指摘する。effort 設定も効かず重い xhigh のままで、効いているかは起動ログに出ずセッション記録で確かめるしかないという。

prompt-audit は、対象範囲とモデルの決定、プロンプトとして効くものの棚卸し、git blame による来歴確認、古い書き方との照合、file:line 付きの指摘と修正 diff、削除した指示が不要だったかの挙動確認の 6 段階で進む。確度が中以上の指摘だけを反映し、最も多かったのは書いてあることと実物のずれで、4 月のリファクタで消えたファイルを paths: が指したまま一度も読まれていなかったルールもあった。

AI が描く構成図はアイコンやサブネットの角が丸く AI っぽいという不満から、同じ指示で 5 パターンを比べ、気になった点を指示に足して改善を重ねた。検証は Claude Code 2.1.278（モデルは Claude Opus 5）で行い、構成図の好みには宗教的な面があるとも断っている。

比較対象は、AWS Diagram MCP Server 1.0.23（非推奨、PNG のみ）、aws-architecture-diagram スキル、draw.io 公式 MCP Tool Server、draw.io 公式 Claude Code プラグイン、Skill も MCP も使わない Claude Code。.drawio からの PNG や SVG への書き出しには draw.io desktop が必要だとしている。

筆者はポエムとして読んでほしいと断ったうえで、複数の登壇者が同じ文体と構成のスライドを使うと聴衆は気付くと主張する。AI 生成スライドの特徴として、見出しの主語と述語の間に読点を入れる、インパクトのある数字を 3 つ並べる、カードを並べつつ文字サイズや折り返しが整っていない、の 3 点を挙げている。

定型句や同じ展開の繰り返しに、かつての「調べてみました」「いかがでしたか」型のまとめサイトとの類似を見ている。結論は、AI でスライドを生成してもよいがそのまま使わずに作り込むべきで、結局は人と人の場だというもの。

AI エージェントに知見や手順を渡し、一部の人にしかできなかった仕事を多くの人ができるようにする方向性に賛同しつつ、知見を共有できることと他の人が同じ品質で仕事をできることはどこまで同じなのかを考察した記事。筆者は講師や相談対応、メンタリングの経験から、「伝えたこと」「理解してもらったこと」「実践できること」「違う場面でも再現できること」の間にはそれぞれ隔たりがあるとしている。

本記事の Skills は特定製品の仕様ではなく、手順や判断の観点、注意点を人や AI エージェントが再利用しやすくする仕組みを指す。手順と条件が明確な作業や、調べて比較し整理する仕事は Skills で抜け漏れを減らせる一方、何を解決したいのか、口にした要望が本来の目的と合っているのかを対話で引き出す仕事は再現が難しいと整理している。

社員 150 名規模で自社開発と SES を手がける会社に 2026 年 4 月、自社開発エンジニアとして新卒入社した筆者が、半年時点の主観として書いた記事。建築系の学生だった筆者は、約 2 年間 AI に頼らず EC サイトのコーディングなどで手を動かした経験を土台にしている。

2026 年新卒は基礎を固める前からほとんど何でもこなせる AI が隣にいる世代だとし、下積みだった小さな修正や簡単な画面実装を AI がこなすため階段の下の段が抜けている感覚、成果が出せることと実力があることがずれたまま評価される怖さ、正解の育ち方を誰も知らないことを挙げる。

チームでは Claude Code をコーディング、設計、資料作成、Backlog の課題整理に使い、ルールや Skill は整備されている一方、人と AI の意思決定のプロセスは明文化されていない。AI を使えば難しいタスクもこなせてしまうことで、思考力が落ちている気がするとも書いている。