AWS、AgentCore EvaluationsとAWS DevOps Agentで本番エージェントのライフサイクル監視を解説

Amazon Bedrock、AgentCore Evaluationsでフレームワーク非依存のエージェント評価を発表

AWSは、AgentCore EvaluationsがOpenTelemetry経由のトレースを用いてエージェント評価をフレームワークから切り離す仕組みを紹介しました。サービスはCloudWatchからスパンを取得し、invoke agent／inference／execute toolの3種類のスパン役割を読み取ってセッションを再構築し、同一の評価器で評価を行います。 対応はOpenTelemetryおよびOpenInferenceの命名規約を橋渡しする形で行われ、対応フレームワーク一覧やscope.nameの規約に従うことで追加フレームワークへの適用が可能です。

OpenAIが自動化研究インターン到達を発表

OpenAIは、深層学習とアライメントの進展を人間の監督下で支援する「自動化された研究インターン」を目標に据え、この目標を9月までに達成したと発表した。研究インターンは、技能ある研究者が数日で行うような明確に定義された研究タスクを人間の指示の下で実行できるシステムと説明している（出典：発表）。 同社は今年、研究者の日常業務にコーディングエージェントを広く導入し、コードの寄与や実験実行の増加、より複雑なタスクの成功率向上などの変化があったと報告している。また、安全性とアライメント作業を能力拡大と並行して強化し、重大な安全リスクが確認された場合は開発や展開を遅らせるか中止すると述べた（出典：sr…

OpenAI、サイバー評価に関する報告を公開

OpenAIがサイバー評価について公式に報告した。製品の一般提供開始ではなく、評価・検証の文脈で読む。

Amazon Bedrock上のOpenAIモデル比較：正答あたりコストなどベンチマーク結果を公開

AWSは同一のオープンソースベンチマークハーネスを用い、gpt-5.6-luna、gpt-5.6-terra、gpt-5.6-solの三構成とgpt-5.4-mini、gpt-5.4-nanoの二基線をResponses API経由で評価した。測定項目は単一呼び出しの正答コスト、エージェントのターンによる軌跡コスト、職業的成果物のルブリック採点で、出力は各実行のタイムスタンプ付きJSONから生成されている。 主な結果例として、AIMEではsolが75%の正答率でminiの37%を上回り、価格改定後の記録ではlunaのAIME正答あたりコストが0.0021ドル、miniは0.0139ドルと報告…

Amazon Bedrock上のOpenAIモデル比較：正答あたりコストなどベンチマーク結果を公開

AWSは同一のオープンソースベンチマークハーネスを用い、gpt-5.6-luna、gpt-5.6-terra、gpt-5.6-solの三構成とgpt-5.4-mini、gpt-5.4-nanoの二基線をResponses API経由で評価した。測定項目は単一呼び出しの正答コスト、エージェントのターンによる軌跡コスト、職業的成果物のルブリック採点で、出力は各実行のタイムスタンプ付きJSONから生成されている。 主な結果例として、AIMEではsolが75%の正答率でminiの37%を上回り、価格改定後の記録ではlunaのAIME正答あたりコストが0.0021ドル、miniは0.0139ドルと報告…

Amazon Bedrock AgentCoreでMCP Appsの対話型HTMLウィジェットを提供開始

AWSは、MCP AppsとAmazon Bedrock AgentCoreを組み合わせ、AIホスト内で直接レンダリングされる対話型HTMLウィジェットを備えたMCPサーバーの構築と展開手順を示した。AgentCore runtimeはサーバーレスでセッション分離されたホスティング環境を提供し、AgentCore Gatewayが単一のセキュアなエンドポイントを公開する構成を説明している。サンプルアプリ「Unicorn Rentals」を通じて、AIホストからのツール呼び出しでリスト表示や予約、返却などの操作を処理し、ウィジェットはMCPのリソースURIで配信される点を解説する。 記事はまた…

Tailscale、AI Gateway上で顧客向けモデルルーターを構築したことを発表

Tailscaleは自社のプライベートネットワーク「tailnet」をAIに拡張するApertureで、VercelのAI GatewayとSandboxを採用し、顧客向けにモデルアクセスとエージェント実行を提供する仕組みを作ったと説明しています。AI Gatewayは数百のモデルに対して単一APIとリクエストごとのコストや利用情報を返し、Sandboxはエージェントの隔離実行環境を担います。これにより、Apertureはネットワークの加入・除外で利用権を管理でき、ゼロデータ保持（ZDR）設定やper-requestのzeroDataRetentionフラグでZDR準拠プロバイダへのルーティ…

GitHub、イベント運用をIssue起点で自動化する事例を紹介

Tomoko氏は、単一のGitHub IssueとIssueフォーム、ラベル、GitHub Actionsを組み合わせることで、ランディングページ複製、UTM付きURL生成、招待メール草案の作成、プロジェクトボードへの追加など、従来数日かかっていたイベント準備を数分で行う仕組みを構築した。 毎朝の登録者スクリーニングはcronトリガーのワークフローで実行され、招待制イベントは基準に沿って待機者を精査する。DRY_RUNというリポジトリ変数で外部操作を行わずにリハーサルでき、/lead-uploadと/event-reportのスラッシュコマンドで事後のリスト整形やレポート作成を自動化している。

Amazon Quickがデスクトップで一般提供を開始

AmazonはAmazon QuickデスクトップアプリをmacOSとWindowsで一般提供開始したと発表しました。デスクトップ版は、組織内データと会話のプライバシーを保ちながら業務を代行するAIアシスタントを提供します。モバイル体験ではiOSとAndroid向けにメール・カレンダー・CRM・メッセージングを統合するアクティビティフィードを追加し、エージェントが定型作業を処理する一方でチームが対応すべき意思決定を優先表示します。 Quickは既存のインフラ上で動作し、データを環境内に留め、会話のプライバシーと監査性を確保すると説明されています。プレビュー期間中の導入事例では、自然言語での質…

OpenAIが自動化研究インターン到達を発表

OpenAIは、深層学習とアライメントの進展を人間の監督下で支援する「自動化された研究インターン」を目標に据え、この目標を9月までに達成したと発表した。研究インターンは、技能ある研究者が数日で行うような明確に定義された研究タスクを人間の指示の下で実行できるシステムと説明している（出典：発表）。 同社は今年、研究者の日常業務にコーディングエージェントを広く導入し、コードの寄与や実験実行の増加、より複雑なタスクの成功率向上などの変化があったと報告している。また、安全性とアライメント作業を能力拡大と並行して強化し、重大な安全リスクが確認された場合は開発や展開を遅らせるか中止すると述べた（出典：sr…

Amazon Bedrock、AgentCore Evaluationsでフレームワーク非依存のエージェント評価を発表

AWSは、AgentCore EvaluationsがOpenTelemetry経由のトレースを用いてエージェント評価をフレームワークから切り離す仕組みを紹介しました。サービスはCloudWatchからスパンを取得し、invoke agent／inference／execute toolの3種類のスパン役割を読み取ってセッションを再構築し、同一の評価器で評価を行います。 対応はOpenTelemetryおよびOpenInferenceの命名規約を橋渡しする形で行われ、対応フレームワーク一覧やscope.nameの規約に従うことで追加フレームワークへの適用が可能です。

OpenAI、サイバー評価に関する報告を公開

OpenAIがサイバー評価について公式に報告した。製品の一般提供開始ではなく、評価・検証の文脈で読む。