ページを読み込み中…
ページを読み込み中…
5件の記事
Google が軽量モデル「Gemini 3.5 Flash」にネイティブのコンピュータ操作機能を追加し、連続するスクリーンショットを解析してデスクトップ上のクリックやスクロール、入力操作を直接実行可能にした。
Google DeepMind は、AI モデル「Gemini 3.5 Flash」に、ユーザーの代わりにブラウザやアプリケーションを直接操作する機能を実装したと発表した。これにより、複雑なタスクの自動化が可能になる。
Microsoft Research は、ブラウザとローカルファイルシステムを単一ワークフローで連携する「MagenticLite」アプリケーションを発表した。また、オーケストレーション用「MagenticBrain」とコンピューター操作用「Fara1.5」という小型モデルも紹介し、小型モデルによるエージェント機能の強化を図っている。
GitHub Copilot Coding Agent（Agent Mode）のような自律型エージェントは、UI やブラウザとの相互作用により正解が複数経路に分かれるため、従来の反復可能性を前提としたテスト手法では不十分である。
Anthropic社がClaude Sonnet 4.6をリリースし、Claude Codeテストで70％のユーザーが前世代モデルより好み、59％がフラッグシップモデルOpus 4.5よりも選択した。コーディング、コンピュータ利用、100万トークンコンテキストなど6次元で全面アップグレードされ、価格は据え置き。