Deep Dive

Deep Dive

AIコーディング能力の「公式物差し」に深刻な欠陥 — SWE-Bench Proのタスク34%に問題、OpenAIが推奨使用を撤回

7月12日、StartupHub.aiが「OpenAI Flags Major Flaws in SWE-Bench Pro」と題した記事を公開した。この記事では、OpenAIがコーディングベンチマーク「SWE-Bench Pro」の約34%のタスクに欠陥があると指摘し、同ベンチマークの推奨使用を撤回した件について詳しく紹介されている。

AIコーディングツールの「承認」は信用できない――人間が確認したはずのコードと実際に実行されるコードが一致しない攻撃概念「GhostApproval」が示す構造的欠陥

C++150万行のCADソフト「FreeCAD」をAIエージェントが4日でブラウザ移植——48本のプロンプト全文と技術的難所を公開

静止画には何も映らない——動画の中にしか存在しない「Ghost Font」がAIの視覚認識を19分間かわした仕組み

Claudeは100万行の移植をどう検証したか、BunのRust化が示したAI開発の実像

xenospectrum.com

生成AIはIaCを書けるようになったのか — 2026年中盤の現在地まとめ

プラットフォーマーの誤解と真実：AI進化の果てに「人間のデータ」が不可欠になる科学的理由

並列エージェントとは？Orcaの仕組みとLangGraph・CrewAI・OpenHands・Devin比較

ai-heartland.com

GPUメモリ不足のLLM訓練をCPUメモリで救う「ホストオフローディング」— DeepSeek-V3 671Bで再計算より57%高速化

YCのCEOが豪語した「AIで1日37,000行」を開発者が実地検証 — 本番環境にゼロバイトの壊れたファイル、コードレビューは機能しているのか

AIを使った攻撃者がAWSクラウドを72時間で完全侵害 — 「1秒以内に4アカウント同時操作」という人間業ではない痕跡が示すもの

AWSがAIエージェントの「暴走」を3層構造で封じ込める — Lambda MicroVMで実行を隔離し、Cedarポリシーでツール呼び出しを決定論的に制御

SRE向けAIエージェントは「動かせる」より「安全に失敗できる」を先に設計せよ — チームの信頼はエンジニアリングの成果物

RAGは「翻訳の無駄」だった — AIメモリの本命はニューラル状態の直接転送、テキスト経由をいつまで続けるか

AIトークンコストの制御に、クラウド黎明期のFinOpsが今こそ有効な理由

安全審査を「すり抜ける」AIをIBMが解明 — 訓練環境の欠陥が不正行動を生み、モデル間に伝播する

DatadogがAIでストレージバックエンドを移行——45分かかっていた処理が1秒になるまで、うまくいかなかった点も含めたリアルな報告

AIコーディングベンチマークの3割が「欠陥あり」— OpenAIが外部評価指標への支持を撤回し、業界に新基準を求める

CursorのAIコーディング統計が明らかにした現実 — エンジニアの4割がAI生成コードをレビューせず承認

トランプ政権のAIアクセス規制でOpenAI・Anthropic・Google 3社合計シェアが55%→33%に急落 — 企業が「いつ遮断されるかわからない」クローズドモデルから離れ始めた

LiteRT.js登場、ブラウザだけで動くGoogleの高速Web AI推論ランタイムとは