AI＆フロンティアテックラウンドアップ：DeepSeek V4.1 Flash、エージェンティックコーディングのオーケストレーション、そして実世界のロボットデータへの取り組み
今週のフロンティアテック関連の投稿に共通するテーマは、スピードと特化です。安価で高速な「Flash」クラスのモデルの波（DeepSeek V4.1 Flashが先頭）がエージェントプラットフォームに登場し、開発者は1つのモデルを選ぶのではなく、タスクごとに複数のモデルをオーケストレーションしており、ロボティクスチームはシミュレーションだけではなく、実世界のデータに基づいて物理AIを構築する競争を繰り広げています。
高速な「Flash」モデルが市場にあふれる
DeepSeek V4.1 Flashは、このバッチで最も引用されたリリースであり、エージェントプラットフォーム、ベンチマーク、価格ページに登場しています。 OpenClawは、このモデルが自社のエージェントプラットフォーム内で利用可能になったと発表しました @openclaw。ARC Prizeは、DeepSeek V4.1 Flash 1017がARC-AGI-2で78.1%（タスクあたり$0.16）、ARC-AGI-1で94.5%（タスクあたり$0.06）を記録したと報告し、DeepSeekのFlashモデルの最高ARC-AGI-2スコアが61.4%（V4 Flash 0731）から72.9%（V4.1 Flash）、78.1%（V4.1 Flash 1017）へと上昇したと述べています @arcprize。推論プロバイダーのEngyは、DeepSeek-V4.1-FlashをDeepSeekの公式レートの20%で提供すると述べ、公式価格を入力/出力トークン100万あたり$0.15/$0.60とし、自社の新価格を$0.03/$0.12としています @engyai。Project Maya v1.1.22は、DeepSeek-V4.1-Flash-1017が現在128GBのPCで完全に動作すると主張しています @PeasantSmith。RSI-Inference Benchでは、このモデルはデイ0サポートで追加され、トップのオープンモデルとなり、隠しテストで35%から62%のPass@1を通過し、1.23倍の推論高速化を実現しました @onloglogn。ある開発者は、DeepSeek V4.1 Flash 1017上に構築したAIバグ報奨金自動化が、引き続き強力な結果を生み出しており、オープンソース化する予定だと述べています @Zombiehelp54。ローカルモデルの別のランキングでは、DeepSeek v4.1 Flash 1017がGLM 5.3 FlashとQwen 3.8 Next Flashを抑えて1位になりました @TheAhmadOsman。
MiniMaxは、サービングと音声にわたってM3.1 Flashスタックを構築しています。 ある投稿は、MiniMax-M3.1-Flashのオープンウェイトが翌日にリリースされることを発表しました @MiaAI_lab。MiniMax自身は、M3.1 FlashのAPIローンチパートナーとしてInferactに感謝し、複雑なエージェントワークロードを処理するためのvLLMの専門知識を挙げています @MiniMax_AI。また、M3.1 FlashとSGLang Omniを組み合わせることで、音声エージェントを「質問、待つ、聞く」から、ユーザーが中断して方向を変えられる会話へと移行させると説明しています @MiniMax_AI。MiniMaxはまた、効率的なビデオ推論のためにH3モデルをTPUに導入する作業を認めています @MiniMax_AI。一方、別の投稿では「Minimax H3 Singularity V2」のリリースが指摘されました @plasm0。
他のモデルリリースと比較が今週を締めくくりました。 Ant Lingは、Artificial Analysis Intelligence Indexで44点（41点から上昇）を獲得したLing-3.1-flash-1019を紹介し、AA-Briefcaseは約1400から1524 Eloに上昇し、AutomationBench-AAは62%から68%に向上しました。APIアクセスとオープンウェイトは間もなく提供される予定です @AntLingAGI。SageAIは、上海AIラボのSage-A1.5を宣伝しました。これは、3Bのアクティブパラメータを持つ35B MoEで、エージェンティックオーケストレーションと「RSIデータフライホイール」を備え、SWE-Bench Proで61.2%を主張し、vLLM、SGLang、llama.cpp、LM Studioでのローカル実行が可能です @sageai_official。Richard Socherは、Recursiveの最初のモデルであるFlintを紹介しました。これは、Eureka Machineと呼ばれる自動化された研究システムで構築された高速なローカルコーディングモデルで、MacBook Proで毎秒125+トークン、RTX Sparkで150+で動作し、オープンウェイトが利用可能です @RichardSocher。AnthropicのClaude Sonnet 5.5を要約した投稿では、Sonnet 5より30%以上高速で、タスクあたり最大30%安く、Terminal-Bench 4.0で70.6%（Sonnet 5は10.3%）、API価格は入力/出力トークン100万あたり$2/$10とリストされています @techwith_fahim。ベンチマーク投稿では、3Dヘリコプター生成タスクでKimi K3.1とQwen 4を比較し、両方を「非常に強力」と呼びました @LuminaBench。また、別の投稿では、Gemini 4 CarbonがThree.jsテストでOpus 5.5を上回ったと主張しました @AI_Screening。量子化コレクティブのIngotは、Qwen 27BをFP8に量子化し、Alibaba自身の量子化よりも1週間で優れていると述べ、次は2ビットとより大きなGLMモデルをターゲットにするとしています @const_reborn。
エージェンティックコーディングはマルチモデルオーケストレーションへシフト
今週最も共有されたClaude Codeのアドバイスは、すべてを1つのモデルで実行するのではなく、役割ごとにモデル間で作業を分割することでした。 広く共有された投稿の1つは、Opus 5.5にワークフロースクリプトとして計画を書かせ、より安価なエージェントがそれを実行し、Haikuがファイルを並行してスキャンし、Sonnetが分離されたコピーで修正パッチを適用するという方法を説明しており、Opusは計画、検証済みの結果、最終承認のみを見ることができます @xsmryze。関連する投稿では、Sonnet 5.5をメインセッションとして実行し、Opus 5.5をオンコールアドバイザーとして、読み取り専用のHaikuサブエージェントを検索、grep、ドキュメント用に実行し、計画を確定する前、同じエラーが2回発生した後、タスクが完了したと宣言する前にアドバイザーに相談する方法が説明されています @xsmryze。
標準とメモリレイヤーはエージェントを中心に統合されつつあります。 ClaudeDevsは、Agent SkillsをAgentic AI Foundationに寄贈すると発表しました。これはMCPを受け取ったのと同じ財団であり、2025年12月以降、ChatGPT、Cursor、GitHub Copilot、VS Codeを含む70以上のエージェントプラットフォームがこの標準を統合したと述べています @ClaudeDevs。Lighthouseは、Claude Code、Codex、Cursor、その他のツールが同じコンテキストを共有できる共有メモリレイヤーを立ち上げ、現在は$LLLトークンで支払い可能です @LighthouseWeb3。Lettaは、エージェントメモリを想起ではなく下流タスクのパフォーマンスを通じて評価するベンチマークであるFrontierMemoryを導入しました。これはエージェンティック検索によって飽和状態にあると述べています @Letta_AI。
AIコーディングにおけるツールの移り変わりは依然として激しいです。 ある開発者は、数ヶ月前はCursorなしでのコーディングは考えられなかったが、現在はより多くの開発者がClaude Code、Codex、その他のツールに移行しているのを見ると述べています @ShazXcode。別の開発者は、婚約者をClaude Codeから別のエージェントに移行させ、サブスクリプションをキャンセルしたと述べています。2月以来、誰かをClaude Codeから遠ざけるように指示したのは初めてのことです @vinayp10。別の投稿では、ユーザー自身のClaude、OpenAI、Cursor、またはGrokサブスクリプションを利用したgrokbotスタイルのエージェントが発表されました @0xPaulius。ThePrimeagenは、インターフェース、変更、アイデア、結果について会話形式で話し合いたいと述べ、質問によって脱線すると5分かかると不満を述べました @ThePrimeagen。Claudeデスクトップアプリのオープンソースで自己ホスト型の代替品が、ローカルで実行され、任意のLLMで動作し、40以上のデータソースに接続できるとして宣伝されました @akshay_pachaar。
ロボティクスと物理AI：データ、ハードウェア、ベンチマーク
ヒューマノイドメーカーは、実世界のデータと計算量の規模が勝者を決めるとの議論に収束しています。 The Humanoid Hubは、Brett Adcockの立場を伝えました。ロボティクスで勝つための鍵は大規模な事前学習であり、Figureは世界最大のデータと計算量を組み合わせて、ヒューマノイド向けの最も賢いAIを構築することを目指しています @TheHumanoidHub。Adcockは別途、Figureが今週オールハンズを開催し、それを公開したと述べ、ロードマップが過去1年間で完全に変わり、チームが2倍になったと述べました @adcock_brett。
新しいヒューマノイドハードウェアとデモが注目を集めました。 NEURA Roboticsは、ミュンヘンのTUM RoboGymのオープニングとベルリンのNVIDIA GTCで4NE1 Gen 4を発表し、量産向けのスリムで軽量なボディ、柔らかい黒いテキスタイルスキン、そして実ロボットデータ、人間のデモンストレーション、シミュレーションでトレーニングされたPhysical AIの基盤モデルとしてのNeuron AIを説明しました @NEURARobotics。Unitreeは、H2-X「カンフーレジェンドガーディアン」を発表しました。これは、武道の動きを実行し、4mのプラットフォームからジャンプし、攻撃者から人を守り、シミュレートされた救助で車両を持ち上げるデモが行われたヒューマノイドで、最大耐久時間は約8時間と主張されています @WevolverApp@UnitreeRobotics。解説投稿では、これらは演出されたシーンであり、自律的な救助スキルの証明ではないが、ヒューマノイドとしては「かなりのアクション映画の売り込みだ」と述べました @humanoidsdaily。別の投稿では、8時間パトロールして物理的に介入できるUnitreeのGuardianのようなロボットは、米国の強盗事件の約13%しか解決されていないことを考えると、犯罪を抑止できる可能性があると推測しました @itsolelehmann。
シミュレーションとワールドモデルに新しいツールが登場しました。 Chen-Hsuan Linは、NVIDIAがPhysical AI向けのリアルタイムインタラクティブワールドシミュレーションのためのポストトレーニングフレームワークをリリースすると発表しました。これはCosmos 3に基づき、因果トレーニング、蒸留、最適化されたストリーミング推論を通じて構築され、ロボティクス、自動運転車、シミュレーションから実世界への転送のためのサンプルチェックポイントが含まれています @chenhsuanlin。NVIDIA Roboticsは、Agile RobotsのAgile ONE SNリファレンスヒューマノイドとともに、エージェント向けの新しいIsaacツールを発表しました。これはIsaac GR00Tに基づき、Jetson Thorを搭載し、新しいデータセット、ランタイム、ロボット学習フレームワークのアップデートが含まれています @NVIDIARobotics。
ロボティクス教育と研究アーティファクトがオープンになりました。 Marco Pavoneは、スタンフォード大学のロボット自律性コースシリーズの背後にある教材が無料になったと発表しました。これは教科書『Principles of Robot Autonomy』（PoRA）を中心としており、Cambridge University Pressから印刷版が出版され、ビデオ講義、インタラクティブなPython演習、教材、Ask the Bookと呼ばれるAI学習アシスタントが含まれています @drmapavone。Jiahui Yangは、COWBOY（CoRL 2026）を紹介しました。これは、コンテキストに応じた全身操作のためのシミュレーションから実世界へのレシピであり、1つの汎用把握ポリシーがベース、アーム、器用な手、アクティブビジョンを調整し、シミュレーションでトレーニングされ、ゼロショットで展開されます @Jiahui_Yang6709。Sergej Steinは、AsimovのオープンソースのAsimov 1を、1,184の実CADパーツから構築されたインタラクティブな3Dロボティクスワークショップに変え、歩行ポリシーがライブブラウザ物理シミュレーションで実行されています @21nemus。
2つの小さなロボティクスノート。 John Carmackは、ロボティクス界の多くが50Hzのジョイントターゲットを使用している一方で、ビデオデータ収集は60Hzで実行されていると指摘し、このスキューは今日のトップ10の問題ではないが、最終的に対処されるべきであり、位相をロックするためのgen-lockスタイルのトリガー信号を提案しました @ID_AA_Carmack。Evan Baconは、ゼロから構築していたロボットボディ用に、Grokにレゴスタイルの組み立て説明書を作らせたと述べました @Baconbrix。別途、Pi Network Venturesが出資するロボティクスAI企業のOpenMindが、ロボティクスビルダー、投資家、産業顧客をつなぐシリコンバレーのネットワークであるBay Area Robotics Associationに参加しました @PicoinWhales。
物理AIのためのクラウドソーシングによる実世界データ
一連の投稿は、物理AIが実際の場所に関する地上レベルの検証可能なデータを必要とし、一般のスマートフォンがそれを収集できるという考えに収束しました。 Vangridは、貢献者が通常の電話で実際の場所をキャプチャする分散型空間データネットワークとして説明され、報奨金が特定の映像を促進し、オンチェーン証明がキャプチャがいつどこで行われたかを確立し、映像はAIとロボティクス用の3Dモデルに再構築できます @akashroy1k。ある投稿は、合成シミュレーターは不整地やマッピングされていないグレアで崩壊する無菌環境を生成し、Vangridのクラウドソーシングキャプチャ（Base上のEASアテステーションを介してアンカーされたMerkleプルーフ付き）がシミュレーションから実世界へのギャップに対処すると主張し、オンチェーンでアンカーされた1,024,000以上の実物理キャプチャ、423K以上のアクティブエッジノード、$311K以上の配布されたUSDC報奨金の数字を引用しました @0xUpkibaVn。別の投稿では、ClaudeまたはCursor内のエージェントが、キャプチャがアンカーされたかどうかを検証し、場所のカバレッジを照会し、既存の観測を購入し、新しいキャプチャを委託でき、支払いはx402を通じてBaseまたはArc上のUSDCで決済されると述べました @GpaAndy。さらに別の投稿では、ワークフローを、依頼者がUSDC報奨金に資金を提供し、近くの誰かがキャプチャを行い、プレビューが不十分な提出物をキャッチし、顔とナンバープレートがデバイス上でぼかされるものとして説明しました @kokondukwe。他の投稿では、同じプロジェクトを、不慣れな倉庫をナビゲートするロボットのためのインフラストラクチャとして @MariaMahi559890、また実世界の情報を物理AI、ロボティクス、ワールドモデルに利用可能にする方法として位置付けました @faisal_page。
ある投稿は、そのようなプロジェクトがどのように配布されているかを検討しました。 Nucleusキャンペーンに関する解説では、Tera_Mapは評判と貢献を使用する一方、vangrid_ioとagenticscreditは貢献のみのキャンペーンを実行しており、評判は人がすでに確立したものを評価し、貢献は特定のキャンペーンにもたらすものを評価すると主張しました @destinydou_。
研究文化と研究者の役割の変化
最も実質的な研究解説は、単独の人物によって事前学習されたモデルに関する見出しに怯えるジュニア研究者に応答したAli Hatamizadehからのものでした。 彼は、再帰的自己改善は現実であり、それに備えて計画する価値があると主張しました。OpenAIの研究組織が人間の労働日ごとに3.1エージェント労働日を記録し、2028年3月までに自動化されたAI研究者を目指しているという声明を引用しつつ、十分な計算量で公開レシピをコピーすることは、研究問題ではなく実行と予算の問題であると述べました @ahatamiz1。彼は、エージェントが11のオープンな数学問題で新しい記録を樹立したEinsteinArenaを指摘し、次元11のキス数（kissing number）の既知の最良下限を593から604に引き上げたことを含め、これらの問題のすべてが、コンピューターが自動的に回答を採点できるために選ばれたと述べました @ahatamiz1。彼はまた、提出物の70%を受け入れるワークショップで第1ラウンドのみを通過し、その後撤回された完全にAI生成の論文を引用しました @ahatamiz1。彼の結論は、判断が仕事になり、委任すればするほど基礎が重要になり、LLMはまだ解決にはほど遠く、データ効率、線形注意、継続学習、長いタスク推論の信頼性、幻覚、ベンチマーク飽和、解釈可能性に関する未解決の問題をリストアップしました @ahatamiz1。
他の研究投稿は、トークン化、セグメンテーション、推論高速化をカバーしました。 ある投稿では、Metaの論文「Breaking the Token Ceiling」が説明されました。これは、トークナイザーを生のバイトに置き換え、256値のボキャブラリーを使用し、蒸留された1Bパラメータのバイトモデルが、下流タスクでLlama 3.2-1BやGemma-3-1Bなどのトークンモデルを漸近的に上回り、使用するデータとストレージが少ないと主張しています @thesupermannx。Abdullah Hamdiは、トレーニングされたセグメンテーションヘッドの代わりに、マルチモーダルLLMとBスプラインループで直接画像セグメンテーションを実行するLLMSegを紹介し、テストした21のMLLM全体で、より良いビジョンと推論がより良いセグメンテーションを意味すると報告しました @Eng_Hemdi。EAGLE-4に関する投稿では、EAGLEソフトウェア使用料なしのオープンソースの推論高速化アプローチが説明されましたが、より高速なトークン生成が、コーディングタスク全体が比例して速く完了することを自動的に意味するわけではないと警告しました @MrOnsase。別の投稿では、ラボ・イン・ザ・ループの議論と、検証がAI創薬の真のボトルネックである理由が取り上げられました @dominik_scherm。
ドメイン固有モデルも登場しました。 Hugging Faceは、Qwen3-14Bに基づき、ゲノムデータと言語データでトレーニングされた遺伝子配列用のオープンソースモデルであるCarbon-Xを紹介しました。これは遺伝子推論と創薬を目的としており、DNAに関するAI予測は実験的検証を必要とする研究リードであるという注意書きが付いています @Grand_father007。
エンタープライズ取引、資金、エージェント対銀行の戦い
SpaceXは、Grokを企業に導入するためのグローバルパートナーネットワークを立ち上げました。 報告されたローンチパートナーには、NVIDIA、Bain & Company、Databricks、Snowflake、MongoDB、NTT DATA、Twilio、Supabaseが含まれます。130以上の企業が早期アクセスに参加し、30以上の組織のエンジニアがForward Deployed Engineer認定プログラムを通じてトレーニングされ、ネットワークはプラグインを構築するMarketplace PartnersとGrokを展開するTransformation Partnersに及びます @cb_doge。ある企業は、公式パートナーネットワークの一部としてSpaceXAIとともに立ち上げ、自社のツールをGrok、Build、Cursor内で直接使用できるようにしたと発表しました @LandseerEnga。
広く共有された議論は、銀行が安い預金を保護するためにAIエージェントをセキュリティ上の脅威として位置付けていると主張しました。 Haseeb Qureshiは、「エージェンティック銀行取り付け」（彼がApolloに帰する用語）は、エージェントが顧客の資金をより高い利回りの商品に大量に移動させることを意味し、銀行のビジネスモデルはエージェントが危険であるという物語を植え付けることに依存していると主張しました @hosseeb。彼は、MuseやDotのようなクラウドエージェントは、MetaとOpenAIのIPレンジから来るためブロックするのは簡単であり、JPMorganとSchwabはすでに粘着性のある預金を保護するためにAIエージェントを禁止しており、これはAmazonがMuseをショッピングから禁止したことに似ていると主張しました @hosseeb。彼が推奨するユーザー対応は、銀行がブロックできないローカルAIエージェントフレームワークです。なぜなら、自分のコンピューターで実行されるエージェントは自分と区別がつかないからです @hosseeb。
Elon MuskのAI競争に関する見解は、有用なAIを構築するのに十分なコーディングデータを持つ企業として、Anthropic、OpenAI、Cursorの3社だけを挙げ、Googleは議論の余地のある4社目と伝えられました。 その投稿は、「コーディングができなければ、あなたのAIはあまり役に立たないだろう」という彼の発言を引用し、勝つために必要なものとして、データ、有能な人材、計算量、優れたエンタープライズセールスチームを挙げ、Cursorは数千の企業との関係を持ってきたと述べています @wispxvx。
Teslaの2026年第3四半期決算説明会のGrok Bot要約が広く流通しました。 その要約に含まれる主張の中には、Teslaの車両バックログは4年で最高、EUでのFSD承認は数ヶ月先、オースティンのCybercabフリートは約1ヶ月前のローンチ時より約10倍大きい、ダラスでは来月Cybercabが開始、ロボタクシーは2027年に実際の収益ラインになる、Optimusロボットはフリーモントの高稼働ラインから出荷され、週2万台のロボットを目標としている、次世代AI5チップは2027年4月頃にOptimusに搭載される、Teslaは自社チップファブのために「数百億」の設備投資を計画し、長期的には「1000億以上」を計画している、などがあります @XFreeze。これらは要約作成者による電話会議の特徴付けであり、独立して検証された数字ではありません。
その他の業界ノート。 Alibaba Cloudは、Theta NetworkのEdgeCloudとのパートナーシップを発表し、Qwen3.8-MaxやQwen3.8-Flashを含むQwenモデルを、Web3ネイティブ開発者向けの分散型GPUコンピュートネットワークに提供します @alibaba_cloud。Agentics Creditは、実際のパフォーマンス（収益性、一貫性、勝率、ドローダウン）に基づいて300〜850のスコアを付けるエージェンティックトレーダー向けのクレジットレイヤーとして説明され、Humanosがリスクをライブで読み取り、350以上のフィンテックにわたってエージェントリスクをリアルタイムでスコアリングするために$3.2Mを調達しました @Nobir001。
エージェンティックファイナンスとオンチェーン信頼インフラ
ウォレットスクリーニングがAIコーディング環境に直接押し込まれています。 ZeruAIのzScreenは、40以上のブロックチェーンにわたる資金フローをトレースし、トランザクショントレイルとともにCLEAR、REVIEW、またはFLAGGEDを返すウォレットスクリーニングツールとして説明され、MCPサーバーとして利用できるため、Claude CodeやCursorなどのツールがアドレスを直接スクリーニングできます @AkadexCrypto。より長い解説では、エージェントがブロックチェーンデータの要約からカウンターパーティの評価と戦略の実行に移行するにつれて、信頼が意思決定プロセスの一部になる必要があると主張しましたが、リスクスコアは証拠であり評決ではないこと、すべての警告を不正行為の証明として扱うエージェントは正当なユーザーを拒否する可能性があると警告しました @kangbaby_。
プライバシー保護検証とエージェント支払いも取り上げられました。 ある投稿では、Primusが$6.5Mを調達して、プライバシーを損なうことなくウェブデータをオンチェーンアプリケーションにとって信頼でき有用なものにすると説明し、貸付プロトコルが収入や事業登録を検証する、AIエージェントが行動する前に価格を検証するなどのユースケースを挙げました @Battry_eth。別の投稿では、Primus Skillsが開発者がCursorやClaude CodeなどのAIコーディング環境内でzkTLSを操作するのに役立ち、アプリがユーザーの完全なアカウント履歴を共有せずに取引所データから導出された主張を検証できるようにすると説明しましたが、証明は取引所の元の決定が正しかったことを保証するものではないと述べました @Lakshy_x。別の投稿では、Primus XPファーミングを、実世界の情報をプライベートに検証できる方法をテストする方法として説明し、ChatGPT、DeepSeek、CursorでのAIアクティビティ、X、Google、TikTok、GitHubでのアイデンティティ、プラットフォームアクティビティに関するタスクをカバーしています @OxMullha。懐疑的な投稿は、ステップが発生したことを証明しても、取引が良いアイデアだったことを意味しないという点を指摘しました @Batuhan_Akca332。Mooveは、AIエージェントが30以上のチェーンにわたる任意のMoove Handleまたはウォレットアドレスに支払いを送信できるSend Agentを立ち上げました。支払いはユーザー自身のウォレットから署名され、Mooveは秘密鍵を保持せず、Claude Code、Codex、Cursor、Gemini CLIをサポートしています @zumariaxb。
コンシューマー向けレピュテーションレイヤーがいくつかの解説投稿を集めました。 CONSOは、断片的なデジタルアクティビティを検証可能なユーザー所有のレピュテーションに変えるコンシューマー向けレピュテーションレイヤーを構築していると説明され、CONSO BOTSはSui上のモバイルノードとして機能し、Walrusを通じて保護されるレピュテーションに裏打ちされたエージェンティックコレクティブルです @REHANH0SSAIN。別の投稿では、5,555 BOTの無料ミントがあり、ベースレートに対してBOTごとに25%のマイニングブーストがあり、ネットワークは意味のある参加とインセンティブを悪用するために設計されたアクティビティを区別する方法を必要とすると述べました @BomHoang4943。別の投稿では、資格チェッカーがXアカウントを接続し、対象アカウントがインプレッションを通じてBOTを獲得できるようにし、返信ファーミングではなく本物のリーチをフィルタリングすると説明しました @KingIdolo。短い投稿は単にミントがライブであると発表しました @conso_xyz。また、別の投稿では、ボットをネットワークのモバイルノードとして位置付けました @OnlyReaderX_。
ツール、チュートリアル、オープンソースリリース
いくつかの実用的なリリースと学習リソースが際立ちました。 ある開発者は、1人の人物の電話ビデオを、UnityまたはBlender用のアニメーション付きスキニングされた.glbに変換するモーションキャプチャパイプラインをオープンソース化しました。CPUで実行され、30秒のクリップは初回8〜15分かかり、AGENTS.mdが同梱されているためClaude Codeがパイプラインを実行でき、Apache 2.0ライセンスで1,426スターを獲得しています @0xbobaaa。50の有用なGitHubリポジトリのキュレーションリストは、AIミスアライメントテスト、ローカルLLMランナー、エージェントフレームワーク、メモリレイヤー、vLLM、llama.cpp、nanoGPTを含む推論エンジンをカバーしました @Ziven_Coder。ハーバード大学の無料AIおよびプロンプトエンジニアリング講義は、6つの講義とCS50 AI教材のリストにまとめられました @Hey_davidmax。別の投稿では、証明書付きの13の無料Claude AIコースがまとめられました @Mohiniuni。Grok BotとOpus 5.5プロンプトを宣伝する投稿は、モデルをプロセスエンジニアリングチームに変えると主張しました @0xPontiuz。風刺的な投稿では、SaaS製品をその週に侵害されていない技術スタックに移行するためのCTOボットのエージェンティックスウォームである「Migraite」を紹介し、月額$2,000からと価格設定しました @yongfook。
あるワークフロー投稿では、Figma、ElevenLabs、Claudeを組み合わせて、エージェントでハイパーパーソナライズされたマーケティングビデオを制作する方法が説明されました @gabepereyra。