Claude、全ユーザーの5時間・週次レート制限をリセット
Anthropicが、全ユーザーの5時間ごとおよび週次のレート制限をリセットしたと告知した。制限に達して待たされていた利用者も、すぐに使い始められる状態になった。
メモ
出典 @ClaudeDevs↗
制限の設計変更ではなく、その場での一括リセット。利用枠が読みにくいツールを業務に組み込むときは、こうした運用側の裁量リセットが起きうる前提でワークフローを組んでおくと安全だ。
Claude Code の /code-review に「エフォート水準」を追加
Claude Code の /code-review が、エフォート（労力）水準ごとにレビュー戦略を切り替えるようになった。従来はエフォートに関わらず固定のプロンプトを1つ使っていたが、今回から各水準で異なる戦略を採る。Low は差分を1パスで見る高速・低コストなレビュー、Medium は変更コードを文脈込みで読み、複数の観点から検出パスを回して各指摘を検証してから提示する。さらに上に、レビュワーのエージェント群を展開して各指摘を独立に再現する ultra があり、Anthropicは自社の全PRでこれを実行しているという。
メモ
出典 @ClaudeDevs↗
「1つのレビュー」ではなく、コストと再現率のトレードオフを自分で選ぶ設計。プッシュ前は低コスト、重要PRは検証重視、と使い分けられるので、レビューのどこにトークンを割くかを設計できるようになる。
GPT‑5.6 Sol Pro、統計学の未解決問題の1つを解決
OpenAIのGreg Brockman氏が、GPT‑5.6 Sol Pro が統計学における重要な未解決問題の1つを解いたと投稿した。
メモ
出典 @gdb↗
数学・統計の未解決問題にモデルが寄与したという報告は、AIの用途が「作業の代行」から「新しい知見の生成」へ広がりつつある兆候。ただし主張の中身と検証はまだ確認が必要で、一次資料に当たる姿勢が要る。
Google DeepMind、Isomorphic Labs と「バイオレジリエンス」で連携
Google DeepMindが、急速に変化するバイオセキュリティ環境を踏まえ、Isomorphic Labs と組んで「バイオレジリエンス（生物学的な回復力）」への取り組みをまとめると発表した。将来の感染症の流行に先んじるため、フロンティアAIを使って世界の健康のためのプロアクティブな防御を築くとしている。
メモ
出典 @GoogleDeepMind↗
創薬・タンパク質構造で実績のある DeepMind／Isomorphic が、感染症対策という公共領域にAIを向ける動き。フロンティアAIが「防御側」でどう使われるかは、能力の悪用リスクと表裏で、政策と技術の両面で追う価値がある。
Meta、Muse Spark 1.1 を OpenRouter で提供開始（米国の開発者向け）
Metaが、Muse Spark 1.1 を OpenRouter 上で米国の開発者向けに利用可能にしたと発表した。コミュニティが何を作るかを楽しみにしている、としている。
メモ
出典 @AIatMeta↗
自社の配布経路ではなく OpenRouter 経由で出す点に注目。既存のルーティング基盤に載せることで、開発者は使い慣れたインターフェースのまま試せる。まずは米国限定だが、提供範囲の広がりは追っておきたい。
オープンモデルの選択肢が充実、「R1以来」の機運
研究者のNathan Lambert氏が、K3・GLM 5.2・Inkling・DSv4 Flash など、オープンなエコシステムがそれぞれ異なる強みと弱みを持つ優れた選択肢の集まりになってきたと指摘した。関連性の高いオープンモデルが揃うのは DeepSeek R1 以来で、オープンなスタックを構築する好機が広がっている、と述べている。
メモ
出典 @natolambert↗
単一の「最強モデル」ではなく、用途ごとに強みの違うモデル群から選ぶ時代という見立て。自前スタックを組む側は、1つに賭けるより、タスク別に使い分けられる前提で設計しておくと選択肢を残せる。
LightSeek TokenSpeed、Inkling の FP4 推論に Day-0 対応
PyTorchが、LightSeek の TokenSpeed が Thinking Machines Lab の Inkling 向けに、NVIDIA と AMD のアクセラレータをまたいで最適化された FP4 推論を Day-0（公開初日）で提供すると紹介した。TokenSpeed は PyTorch ベースの基盤の上に構築され、vLLM プロジェクトと協力して高性能な推論を進めている。
メモ
出典 @PyTorch↗
新モデル公開と同日に、複数ベンダーのGPUで低精度（FP4）推論が動く体制が整いつつある。モデルそのものだけでなく、こうした推論スタックの追随速度が、実運用でのコストと選定を左右する。
オープンモデルの実力は「まだらな地形」、領域ごとに要検証
Ethan Mollick氏が、自身の過去の学術研究を複雑な統計的観点で監査させたところ、Kimi K3 Max が統計の適用を誤るなど複数の点で失敗したと報告した。GPT‑5.6 Pro による K3 への批判の一部も紹介し、自分もそれに同意するとしている。オープンウェイトのモデルは、事前には気づきにくい形で能力の「地形」がまだらであることが多く、自分の関心領域で必ずベンチマークすべきだと述べている。
メモ
出典 @emollick↗
前項の「選択肢が増えた」話の裏側。総合ベンチマークの数字では見えない弱点が、特定タスクで顔を出す。導入前に、実際に使う領域で自前の検証を回すことの重要性を裏づける実例だ。
PyTorch、実務者向け認定「Certified Associate」を用意
PyTorchが、初期段階の実務者が信頼性を素早く得て、AI・機械学習の実践的スキルを証明できるようにする認定プログラム「PyTorch Certified Associate」を紹介した。ディープラーニングやAIの導入が各業界で加速する中、実地で使えるスキルへの需要が高まっているとしている。
メモ
出典 @PyTorch↗
フレームワーク提供元が公式に認定を用意する動きは、スキルの標準化が進むサイン。採用や社内育成の指標として、こうしたベンダー認定がどこまで実務評価に耐えるかは、実際のカリキュラムを見て判断したい。