続・Hermes追跡(12)、信頼評価で問われるAIエージェント

ai（AI）エージェントのHermesは、7週間でGitHubスター95,600を超えました。今回は自己改善より、信頼評価に焦点を移します。12項目や16次元のスコアカード、敵対的圧力での検証を追います。設計と評価の距離が見えます。

最新GrokBot追跡：エージェント基盤とベータの課題

GrokBotはxAIのAIエージェントとして、開発者向けの基盤に組み込まれつつあります。今回はGrok Buildというエージェントの土台と、ベータ段階で残る課題を整理します。接続、設定、推論の部品がどう揃い、どこが測れていないかがわかります。

aiの話題として、Qwenの重みに32bit RISC-V CPUを埋めたQwenputerが注目されています。算術ベンチの正答率は48.6%から100%に上がり、推論の内部実行が報告されました。教育用実装やベンチ資料も並んでいます。

GPT-6.1 TerraはAgents’ Last ExamでGPT-6 Astraと同等とされ、タスク完了が平均3分の1未満、API価格は50%減です。一方、長期実行での安全評価では危険を認識しても行動が続く課題が報告されています。性能と信頼の両面を数字で追跡します。

ai(人工知能)画像スレの続報です。flash的な追跡として、一文プロンプトの再現だけでなく、設定ファイルや修正履歴、マンガ風の連作、評価資料、スレ発見の自動化が話題です。生成後の評価と運用の視点が広がっています。