【生成AIニュースメモ】Qwen、エージェント環境を模擬する言語世界モデル「Qwen-AgentWorld」を公開(2026/6/23)
Qwenチームは2026年6月23日、エージェントが動作する環境そのものを言語モデルで模擬する「言語世界モデル」のQwen-AgentWorldを公開しました。ターミナルや検索、Webなど7種類のエージェント環境を単一モデルでシミュレートできる点が特徴で、評価ベンチマークAgentWorldBenchも同時に公開されています。397B-A17B版は同ベンチマークで総合58.71を記録し、GPT-5.4やClaude Opus 4.8、Gemini 3.1 Proといったフロンティアモデルを上回ったとしています。
【生成AIニュースメモ】Anthropic、Claude Managed Agentsに自己改善などの新機能を追加(2026/5/7)
Anthropicは2026年5月、Claude Managed Agentsの新機能「ドリーミング」をリサーチプレビューとして発表しました。過去のセッションを見直してパターンを見つけ、エージェントの自己改善を助けるメモリの拡張機能です。あわせて、成果物の品質基準を定める「アウトカム」、複数のエージェントで複雑なタスクを分担する「マルチエージェントオーケストレーション」、Webhookも開発者向けに提供します。最小限の指示で複雑なタスクをこなせるエージェントの構築を狙った更新です。
【生成AIニュースメモ】Anthropic、Claude Codeの承認判断を自動化するautoモードを解説(2026/3/26)
Anthropicは2026年3月25日(米国時間)、Claude Codeの新機能「autoモード」の設計を解説する技術記事を公開しました。Claude Codeは既定でコマンド実行やファイル変更の前にユーザーの承認を求めますが、ユーザーは権限プロンプトの93%を承認しており、承認疲れで内容を注意深く見なくなる問題がありました。autoモードは承認判断をモデルベースの分類器に委ね、ユーザーの意図に沿わない危険な操作を捕捉しつつ、それ以外は承認プロンプトなしで実行させる、手動レビューとガードレールなしの中間に位置する仕組みです。
【生成AIニュースメモ】Anthropic、長時間の自律コーディングを支えるハーネス設計を解説(2026/3/25)
Anthropicは2026年3月24日(米国時間)、エージェンティックコーディングの最前線での性能を左右するハーネス設計に関する技術記事を公開しました。Labsチームの筆者が、Claudeに高品質なフロントエンドデザインを作らせる課題と、人の介入なしに完全なアプリケーションを構築させる課題に取り組み、敵対的生成ネットワーク(GAN)に着想を得て生成エージェントと評価エージェントを分離するマルチエージェント構造を設計。最終的にプランナー、ジェネレーター、エバリュエーターの3エージェント構成で、数時間の自律コーディングセッションからリッチなフルスタックアプリを作り上げた過程を解説しています。
【生成AIニュースメモ】Anthropic、エージェント評価はインフラ設定で最大6ポイント変動と報告(2026/2/6)
Anthropicは2026年2月5日(米国時間)、SWE-benchやTerminal-Benchのようなエージェント型コーディングベンチマークのスコアが、実行インフラの構成だけで数ポイント変動しうることを定量化した技術記事を公開しました。社内実験では、Terminal-Bench 2.0でリソースを最も厳しく制限した構成と最も潤沢な構成の差が6ポイント(p<0.01)に達し、リーダーボード上位モデル間の差を超える規模でした。ベンチマークスコアがモデル選定の判断材料になる中、リソース構成を実験変数として文書化・統制すべきだと提言しています。