XYBench:ユーザーの質問に潜む誤った前提を見抜けるか試すベンチマーク
Hugging Faceは、ユーザーの質問に含まれる誤った前提(XY問題)をAIアシスタントが識別し、真の目的へ導けるかを試す8K件超の質問からなるベンチマーク「XYBench」を公開した。同ベンチマークはEMNLP 2026のBest Resource Paper Awardを受賞した。
Hugging Faceは、ユーザーの質問に含まれる誤った前提(XY問題)をAIアシスタントが識別し、真の目的へ導けるかを試す8K件超の質問からなるベンチマーク「XYBench」を公開した。同ベンチマークはEMNLP 2026のBest Resource Paper Awardを受賞した。
Amazon Bedrock は計装不要のコスト帰属機能を提供し、各推論呼び出しを呼び出し元の IAM プリンシパルまで追跡し、ID と組織タグを CUR 2.0 と Cost Explorer に書き込む。
GitHubがAgentスキルの実践ガイドを公開した。スキルはSKILL.mdを中心とするバージョン管理されたディレクトリで、反復可能なタスクの実行方法を記録し、エージェント間で共有できる。記事ではProof AgentとData Forgeを例に、複数のスキルがmanifestを通じてプロジェクトのコンテキストを共有し、データプラットフォームへのアクセス経路を統一し、7つの段階それぞれに人的チェックポイントを設ける様子を示している。
Amazon Bedrockのキャッシュ期間、サービス階層、推論強度、maxTokensという4つのリクエスト単位の設定は、モデルやプロンプトを変えずに推論コストへ影響する。Claude Sonnet 5とClaude Opus 5を例にすると、5分キャッシュの書き込みは入力価格の1.25倍、1時間の書き込みは2倍、キャッシュ読み取りは0.1倍で課金され、1時間キャッシュは毎時3回以上のリクエストがないと割に合わない。
AWSは、Amazon Bedrock Application Inference ProfilesとLiteLLMを組み合わせたセルフサービス型LLMゲートウェイの構成を紹介した。BedrockをOpenAI互換APIとして包み込み、開発者は単一のベースURLと専用APIキーでClaude SonnetやClaude Haikuなどのモデルに接続できる。
AWSはAI開発者向けの10月アップデートを発表した。Claude Haiku 5.5とOpenAIのGPT-6.1 TerraがAmazon Bedrockで利用可能になり、後者はAgents' Last ExamでGPT-6 Astraと同等の成績を示し、タスク完了は3倍以上速く、トークン価格は少なくとも50%安い。
DXC TechnologyはAmazon Bedrock上でDXC OASIS向けのマルチモデルAI基盤を構築し、Anthropic Claude、Amazon Nova、Meta Llama、およびオープンウェイトモデルを統一的に接続した。
Amazon Bedrock AgentCoreのWeb Search APIが利用可能になった。1回のAPI呼び出しで、タイトル、URL、公開日、要約を含むリアルタイムのウェブ検索結果を返す。クエリはAmazonが自社構築したインデックスで処理され、サードパーティの検索エンジンを経由しない。
Microsoftの研究者はLazarusと呼ばれるバックドア手法を発見した。LLM内の10個未満の休眠ニューロンの重みを書き換えるだけで、再学習なしに、そのモデルを使うエージェントがトリガー条件の出現時に攻撃者の命令を実行するようになる。
Anthropic の Claude Fable 5.2 と Claude Mythos 5.2 が Amazon Bedrock および Claude Platform on AWS で利用可能になった。
サンプルプロジェクトsample-remote-coding-agentは、Claude CodeをリモートエージェントとしてAmazon Bedrock AgentCore上で実行する。各タスクは独立したAgentCore runtimeセッションのmicroVM内で処理され、最終的にレビューとマージ用のGitHub pull requestを返す。
Collinear AI が CWE-bench v2 を公開した。セキュリティ脆弱性の修正タスク 100 件を公開し、91 種の CWE をカバーする。採点は完全にプログラム化されており、結果は再現可能だ。
Hugging Faceは、言語モデルが長文書内でエンティティの状態変化を追跡する能力を評価するベンチマーク「StateBench」を公開した。難易度はR-trivial、Aperiodic、Soluble、General finiteの4段階で構成される。
EDB Postgres AI で AIDB 拡張機能を使ってセマンティックレイヤーを構築し、Amazon Bedrock AgentCore 上で動作する Strands Agents のエージェントが MCP エンドポイント経由でこのレイヤーに問い合わせ、顧客 360 の質問に答える方法を解説する。
RescaleはAWSのAI-DLCフレームワークに基づいてAIトリアージエージェントを構築し、課題定義からステージング環境へのデプロイまでをわずか5日で完了、数週間で本番環境に投入した。
IskayPetはAmazon Bedrock Managed Knowledge Basesを基に企業知識アシスタントを構築し、従業員が小売運営、獣医療、人事オンボーディング、購買などの文書を自然言語で照会できるようにした。4言語・3カ国をカバーし、RAGインフラを自前で管理する必要はない。
AWSソリューションアーキテクチャチームがマルチエージェントシステムDeep Insightをオープンソース化した。Coordinator、Planner、Supervisor、Coder、Validator、Reporter、Trackerなどのエージェントが、CSVデータ分析から引用付きDOCXレポートの自動生成までを担う。
AWS ブログは、AtScale をセマンティックレイヤーとし、Amazon Bedrock AgentCore 上で Strands エージェントを動かす C360 構成を実演した。AtScale は YAML ベースの Semantic Modeling Language でモデリングし、同一モデルを SQL、XMLA、MCP の 3 プロトコルで同時に公開する。
Octave は Amazon Bedrock 上で Cohere Embed v4 を用い、3 層のマルチテナント AI 基盤を構築し、ユースケースごとの展開時間を 50% 短縮した。この基盤は Reliance 品質管理システムに 2 億件規模の文書を組み込み、AgentCore Gateway による実行の分離と Amazon Bedrock Guardrails による入出力の二重フィルタリングで、テナントのデータが越境しないことを確保している。
Amazon Bedrock は、bedrock-runtime と bedrock-mantle の両エンドポイントで、すべての Anthropic Claude モデルに構造化出力を提供する。JSON Schema に準拠したレスポンスを返すため、独自のパース処理やリトライロジックは不要だ。
Amazon Bedrock AgentCore 上に構築した AI エージェントシステムが顧客向け PowerPoint プレゼンテーションを自動生成する。社内テストでは完了まで 90 秒未満だった。
ShipStation Global のエンジニアリングチームは Amazon Bedrock AgentCore を基盤に、Slack 内で動作する AI IT ヘルプデスク「Deckhand」を構築した。稼働後、チャンネル内の問い合わせの 97.5% を解決し、従業員の肯定的フィードバック率は 96% に達した。
Amazon Bedrock は9月、OpenAI の GPT-6 Astra、Sol、Luna シリーズモデルを追加した。うち GPT-6 Astra は最大100万入力トークンに対応し、Ultrafast 版は推論速度が最大6倍、毎秒300トークンに達する。
NVIDIAの開発者は、GPT-6 AstraやClaudeなどの最先端モデルでAIエージェントを動かし、OmniverseライブラリのGPUアクセラレーションによる物理・レンダリング・センサーシミュレーション機能を組み合わせ、自然言語の指示でシーン構築と検証を完了している。
AWS は Claude Haiku 5.5 が Amazon Bedrock と AWS 上の Claude Platform で提供開始されたと発表した。
Anthropic の Claude Opus 5.5、Claude Sonnet 5.5、Claude Sonnet 5 が AWS GovCloud (US) リージョンの Amazon Bedrock で利用可能になり、ITAR などの規制対象ワークロードに AI 支援開発の手段を提供する。
Amazon Bedrock AgentCore の AgentCore Gateway を使うと、Claude Desktop を Amazon のウェブインデックスに支えられた Web Search に接続できる。クエリのトラフィックはすべて AWS 内にとどまり、外部 API キーは不要。
Claude Platform on AWS(CPonAWS)向けに、専用の AI Services アカウントを基盤とする 3 アカウント構成で 3 種類の推論アクセスを実現する。AWS ワークロードはクロスアカウントの SigV4 でキーなしに呼び出し、開発者のノート PC は開発ワークスペースに紐づけた長期 API キーを使い、外部環境は OIDC フェデレーションで短期クレデンシャルを取得する。
Amazon Bedrock はインドで Anthropic の Claude Opus 5、Claude Sonnet 5、Claude Haiku 4.5 を提供し、地理的なクロスリージョン推論でデータをインド国内で処理する。
Amazon BedrockがソウルとシンガポールでAnthropic Claudeモデルのリージョン内推論に対応した。ソウルではClaude Opus 5とClaude Sonnet 5、シンガポールではClaude Sonnet 5を利用でき、いずれもbedrock-runtimeエンドポイントを通じて呼び出す。
Amazon Quick と Amazon Bedrock AgentCore による契約分析基盤は、AI エージェントが契約 PDF から八つの重要項目を抽出し、独立して検証する。署名認識の相違は Amazon Textract が判定し、結果を Amazon Aurora PostgreSQL に保存する。
AWSはClaude Sonnet 5.5をAmazon BedrockとClaude Platform on AWSで提供すると発表した。コーディングと知識労働向けのより効率的なSonnetと位置付け、多くのタスクで1件当たりの費用が低く、速度も速いとする。
英国AI Security Institute(AISI)は評価の科学的再現性を高めるため、EvalEvalのEvery Eval EverスキーマとEvaluation Cardsで結果を公開共有している。