BT

最新技術を追い求めるデベロッパのための情報コミュニティ

寄稿

Topics

地域を選ぶ

InfoQ ホームページ ニュース

  • Argo CD 3.3、安全なGitOps削除と円滑な日常運用を実現

    アプリケーションデプロイおよびライフサイクル管理ツールのArgo CDは、バージョン3.3のリリースにより新たなマイルストーンに到達した。人気のGitOps継続的デリバリーツールの機能を拡張するとともに、運用担当者が長年抱えてきた複数の課題に対処する。

  • AnthropicがClaude Code品質苦情の6週間を3つのプロダクト変更の重なりと特定

    AnthropicはClaude Codeの品質に関するユーザー苦情の6週間を説明するエンジニアリング・ポストモーテムを公開した。

  • GoogleがGemma4をApache 2.0ライセンスでリリース、マルチモーダルおよびエージェント機能搭載

    Googleは最近、Gemma 4をリリースした。実効2Bおよび4Bのエッジバリアント、26BのMixture-of-Expertsモデル、31B denseモデルで構成されるオープンウェイトモデルのファミリーで、いずれもApache 2.0ライセンスのもとで配布されている。今回のリリースではラインナップ全体にわたるネイティブな動画・画像処理、小型モデルでの音声入力、最大256Kトークンのコンテキストウィンドウが導入されており、31B denseバリアントのベンチマーク結果は通常その3〜5倍のサイズのモデルが占める水準に位置している。

  • AnthropicがClaude Platformを提供開始、AWS上で

    AnthropicはClaude Platform on AWS、AWS顧客がAWSの認証、課金、監視サービスを使用してAnthropicのネイティブClaude Platformへ直接アクセスできるようにする新しいデプロイオプションの一般提供を発表した。今回のリリースにより、顧客はAWS IAM認証情報を通じてアクセスを管理し、利用状況を既存のAWSの請求およびコミットメントに集約しながらClaude Platform機能を利用できる。

  • Teleport社、企業インフラ全体でAIエージェントを保護するAgentic Identity Frameworkを発表

    Teleport社は最近、AIを中心に据えた新たなセキュリティモデルTeleport Agentic Identity Frameworkを公開した。これは、企業がクラウドおよびオンプレミス環境全体で自律型および半自律型AIエージェントを安全に展開できる支援をするために設計された枠組みである。このフレームワークは、AIエージェントを信頼されたアイデンティティとして扱うためのロードマップを組織に提供し、エージェンティックAIが急速に本番環境へ移行する中で拡大するデータ漏えい、コンプライアンス不備、敵対的脅威といったリスクに対処するものだ。

  • プラットフォームエンジニアリングのインパクトをドライブし、測定する

    プラットフォームエンジニアリングは社会技術的な視点からアプローチされるべきであり、開発者だけでなくすべてのステークホルダーによって形成されるべきである、とSergiu Petean氏はDev Summit Munichでの講演 Driving the Future of Insurance through Platform Engineeringで述べた。プラットフォームの成功はチームがソフトウェアを構築、実行、リリースできるようにするために、変化を主要デザインの原動力として受け入れつつも、変化に耐えうる明文化された原則に依存している。

  • TigerFSは開発者およびAIエージェント向けにPostgreSQLデータベースをファイルシステムとしてマウントする機能を提供

    TigerFSは、データベースをディレクトリとしてマウントし、ファイルをPostgreSQLに直接保存する新たな実験的ファイルシステムだ。オープンソースの同プロジェクトは、標準的なファイルシステムインターフェースを通じてデータベースのデータを公開し、開発側およびAIエージェントが、APIやSDKを介するのではなく、ls、cat、find、grepといった一般的なUnixツールを用いてそれとやり取りできるようにする。

  • CloudflareがProject Thinkを発表:AIエージェント向け永続ランタイム

    CloudflareがProject Thinkのプレビューを発表した。これは同社のAgents SDK向けのプリミティブ群で、AIエージェントをステートレスなオーケストレーションから、永続的なアクターベースのインフラストラクチャへ移行させるために設計されている。本リリースではエージェントがプラットフォーム再起動後も存続し、リレーショナルメモリツリーを管理し、制限付きサンドボックス内で自ら作成したコードを実行できるカーネルライクなランタイムが導入されている。これらのカーネルプリミティブはOpenClawのような新しいパーソナルエージェントフレームワークの成功を踏まえて設計されている。

  • Dropbox社がGitHub社と協力し、モノレポのサイズを87GBから20GBに削減

    モノレポが拡大するにつれて、技術チームの人は1時間以上かかる場合があるクローン操作の遅延を経験し始め、さらに繰り返されるフェッチおよびビルドのオーバーヘッドによりCIパイプラインの性能低下も発生。拡大はまた、リポジトリホスティングの上限に到達するリスクを増加させた。Dropbox社の技術調査によると、問題は主として大容量のバイナリや誤って行われたコミットによるものではなく、Gitの内部圧縮ヒューリスティクスが関連する大規模なファイル群をどのように扱うかに起因するものであると明らかになった。

  • AnthropicがMCPトンネルを導入、内部システムへのプライベート・エージェントアクセスのため

    AnthropicはClaude Managed Agentsプラットフォームを拡張し、二つのエンタープライズ向け機能:セルフホスト型サンドボックスとMCPトンネルを追加した。このリリースはエンタープライズへのAIデプロイにおける繰り返し生じる、組織が自律型エージェントを活用したいものの実行環境や内部システムをセキュリティ境界の外に出せないという課題に対処することを目的としている。

  • Claude CodeがDynamic Workflowsを追加、並列エージェント連携のため

    AnthropicはDynamic Workflows、単一ワークフロー内で多数のAIエージェントを連携させることで、複雑なソフトウェアエンジニアリング・タスクを処理するために設計されたClaude Code向けの新機能を発表した。リサーチプレビューとして提供されるこの機能によりClaudeはオーケストレーションスクリプトを動的に作成し、作業をサブタスクに分割し、それらを並列実行し、最終的な回答を提示する前に結果を検証する。

  • AnthropicがRoutinesを導入、Claude Code自動化のため

    AnthropicはClaude Code向けのRoutinesと呼ばれる新機能を導入、開発者がスケジュール起動、API呼び出しを通して、または外部イベントへのレスポンスの中で実行される自動化コーディングワークフローを構成できるようにした。この機能はClaude Codeのクラウドインフラ上で動作し、開発者がローカルでcronジョブ、サーバー、または自動化パイプラインを保守する必要をなくする。

  • Cloudflare社は、自社のエッジにアクティブなAPI脆弱性スキャンを追加

    スキャナーは現在、Cloudflare社のAPI Shield顧客向けにオープンベータとして利用可能である。結果は、既存のポスチャーの検出結果と並んで、Cloudflare社のSecurity Insightsダッシュボードに表示される。チームは、Cloudflare社のAPIを使用してスキャンをトリガーし、設定を管理し、結果を取得できる。これにより、CI/CDパイプラインまたはセキュリティダッシュボードへの直接的な統合が可能となる。Cloudflare社は、新しいウェブアプリケーション脆弱性スキャン層に関するウェイトリストを公開した。これは、SQLiやXSSのような一般的な脅威に対応するものである。

  • GitHub Copilot CLI一般提供開始

    GitHubはCopilot CLIを正式に一般提供へ移行し、ソフトウェア開発ライフサイクル全体にわたって生成AIを織り込む取り組みにおける重要なマイルストーンを達成した。この動きはターミナルをAI支援開発の第一級サーフェスとして位置づけるGitHubの広範な推進を示している。

  • NVIDIAがIsingオープンモデルを発表、量子コンピューティング向け

    NVIDIAは、量子プロセッサのキャリブレーションと量子誤り訂正に対処するために設計されたNVIDIA Isingと呼ばれる新オープンモデルファミリーを発表した。これらは量子ビットのノイズと不安定性が計算の信頼性を低下させている、現在の量子システムのスケーラビリティを制限する主要なエンジニアリング上の主要な二つの課題である。Isingモデルは機械学習を用いてこのプロセスの一部を自動化し、より高速なキャリブレーションサイクルと、実行中の量子誤りのより効率的なデコードを実現することを目的としている。

BT