AIエージェントはブラウザへ、ベンチマークには新たな亀裂

今週のAI更新は、巨大モデルそのものよりも周辺システムに集中している。AnthropicはComputer Use、Skills API、Files APIを公開し、MistralはAgentic Searchを発表した。xAIのGrok Buildも全プランで利用できるようになった。

エージェントは検索、ソフトウェア操作、ファイル作成まで担当する。重要なのは一度の回答ではなく、権限と確認点を備えたワークフローを最後まで完了できることだ。

ツール、速度、評価

Claude Platformはブラウザ、ソフトウェア、ファイルを扱う。Mistral Agentic Searchはsearch、open、navigate、read、grepを使う多段検索だ。Grok Buildでは説明から実行可能なアプリを作り、反復できる。

推論速度も製品品質になる。LMSYSは4枚のBlackwell GPUでLing-3.0-flashを288から606 tokens/sへ高速化した。Hugging FaceのLFM2.5 DSparkは投機的デコードでスループットを上げる。

評価結果は慎重に読む必要がある。Dreadnodeは、サイバーセキュリティ課題の合格と実際の解決に差があると報告した。Hugging Faceも、ASRモデルがテストデータの誤りを再現する例を示した。

本番では完了率、遅延、費用、失敗からの復旧を測り、非公開テストと新しい課題を使うべきだ。AI競争はモデルのデモから、速く動き安全に失敗するシステムへ移っている。