CoinWorldによると、Anthropicは、AIデータ漏洩のバックドアを完全にブロックすることを目的として、チームコラボレーション製品であるClaude TagにエージェントIDセキュリティメカニズムを導入した。このメカニズムは、各チャネルに独立した権限パッケージを装備し、AIに専用アカウントを直接割り当てることで、複数人でのコラボレーションにおける不正アクセスを防止する。新しいセキュリティアーキテクチャは、従来の個人認証情報の借用を動的なポリシー構成ファイルに置き換え、AIが独立したチームレベルのIDとして機能することを可能にする。セキュリティサンドボックスの専門家であるケントン・ヴァルダ氏は、このモデルを批判し、AIに専用アカウントを直接割り当てることは大規模なタスクには不向きであり、人間の責任メカニズムを損なうと主張した。同氏は、エージェントは法的にも行政的にも責任を問われることはなく、すべての運用権限は実在する人間から発せられなければならないと指摘した。ヴァルダ氏は、AIの行動が特定のイニシエータに追跡可能であることを保証するため、能力ベースのセキュリティモデルを提唱している。

直近1時間でネットワーク全体の清算総額は1008.70 万ドルに達しました。うちロングポジションは853.24 万ドル、ショートポジションは155.46 万ドルです。BTCの清算は238.71 万ドル、ETHの清算は343.47 万ドルです。

CoinWorldによると、OpenAIのChatGPTのサブスクリプションとクォータシステムに広範囲にわたる異常が発生し、異なるレベルのユーザーの使用クォータとモデル権限に関して混乱が生じた。一部のPlus加入者は突然20倍の制限が表示され、以前はPro加入者専用だった高いクォータにアクセスできた。同時に、月額200ドルを支払っている一部のPro加入者は、使用クォータが異常に75%にリセットされたり、クォータ制限が4倍に増加したりした。このシステム障害はモデルの使用権限にも影響を及ぼし、多くのPro加入者は、アカウントのサブスクリプションステータスがProと表示されているにもかかわらず、実際のパフォーマンスがPlusレベルにダウングレードされ、主力推論モデルであるGPT-5.5 Proがモデル選択リストに表示されなくなったと報告している。現在までに、OpenAIの公式ステータスページには、Codexアクセストークンを使用しているときにこの問題が発生する可能性があると記載されているだけで、緩和策が実施されたとしている。ChatGPT加入者が経験したクォータ計算とアカウントレベルの同期異常については、公式見解は公表されておらず、説明もされていない。コミュニティでは一般的に、バックエンドの料金計算と同期ロジックの不具合が、割り当て量の急速な枯渇と異常なレート制限の根本原因であると考えられています。

CoinWorldによると、Notionはビジネスおよびエンタープライズイニシアチブの一環として、外部エージェントプラットフォームのパブリックベータ版を発表しました。このプラットフォームは、AnthropicのClaudeとAIプログラミングツールCursorをチームコラボレーションダッシュボードに統合することをサポートしています。ユーザーはエージェントに@を付けたり、Notionワークスペース内でタスクを直接割り当てたりすることで、AIがコード作成、データ分析、コンテンツ生成で自動的にコラボレーションできるようにします。新たにベータ版となったClaudeエージェントは、Anthropic Managed Agent（CMA）アーキテクチャ上で動作します。ユーザーはAPIキーを設定する必要はなく、Notionクレジットを使用して実行ごとに料金を支払います。タスクが割り当てられると、モデルはドキュメントを自律的に読み取り、複数ステップの計画を実行できます。ただし、CMAアーキテクチャはステートフルな方法で動作するため、NotionのZero Data Residue（ZDR）コミットメントはClaudeエージェントには適用されず、セッションデータはサーバー上に残ることに注意が必要です。Notionはまた、外部エージェントインターフェースも公開し、ユーザーがローカルのCursorエージェントをNotionワークスペースにバインドして、Notionクレジットを消費せずに自動開発を行えるようにしました。

CoinWorldによると、Zhipu AIが開発したモデルGLM-5.2がARC-AGIベンチマークの公式検証を受け、OpenAIの軽量GPT-5.5に匹敵する性能を示した。データによると、GLM-5.2はARC-AGI-2ベンチマークで22.8%の精度を達成し、タスクあたりの平均実行コストは0.25ドルだった。やや難易度の低いARC-AGI-1ベンチマークでは、GLM-5.2は77.0%の精度を達成し、タスクあたりの実行コストは0.19ドルだった。ベンチマーク組織であるARC Prizeは、推論スループットの制限により、より難易度の高いARC-AGI-3ベンチマークでのGLM-5.2のテストは現在中断されていると述べた。チームは、信頼できる評価が可能になった後にのみ、具体的なテスト結果を公開する予定だ。