2026年2月
2月にリリースされたSaaS機能のお知らせ¶
2026年2月
このページでは、新たにリリースされ、DataRobotのSaaS型マルチテナントAIプラットフォームで利用できる機能についてのお知らせと、追加情報へのリンクを掲載しています。 リリースセンターからは、過去にリリースされた機能のお知らせや、セルフマネージドAIプラットフォームのリリースノートにもアクセスできます。
エージェント型AI¶
Agent Assist¶
このリリースでは、AIエージェントの開発向けに最適化された対話型AIアシスタントであるAgent Assist（dr-assist）が導入されました。 ユーザーが自然な会話を通じてエージェントを設計、コーディング、およびデプロイするのに役立ちます。ユーザーが必要なエージェントについて説明すると、アシスタントがAgentic Starterアプリケーションテンプレートによって提供される基盤に基づいてエージェントの構築を支援します。
Agent Assistは、DataRobot CLIにプラグインとして統合され、モデルへのアクセスにDataRobot LLM Gatewayを使用します。 During the design and code cycle, Agent Assist can outline which tools an agent should call based on the proposed functionality—for straightforward tools, it can implement the tool code; for more complex tools (such as those that consume API tokens or write to a database), it can scaffold the initial file structure for the human-in-the-loop to complete in the editor or development environment of their choice.
Agent Assistでは、以下のことが可能です。
- Design AI agents by helping users think through specifications, ask clarifying questions, and produce an agent specification file (
agent_spec.md). - Research solutions using file search and analysis (an internal agent can read files, list directories, grep, and glob).
- Code AI agents by loading an existing
agent_spec.md, cloning the DataRobot agent template repository, and implementing the agent with file edits and shell commands. - Simulate an agent from a specification before coding—rehearsal mode lets users try the design interactively to verify the functionality outlined by the specification.
- Deploy agents to DataRobot following the template’s deployment instructions.
新しいLLMとサポートが終了したLLM¶
今回のリリースから、OpenAI GPT-5.2がLLM Gatewayを介して利用可能になりました。 従来通り、組織の特定のニーズに対応するために外部連携を追加できます。 サポートされているLLMの完全なリストについては、利用可能なLLMのページを参照してください。
さらに、以下のLLMのサポートが終了しました。
- GPT-4o Mini（2026年2月27日にサポート終了）
- Cerebras Qwen 3 32B（2026年2月16日にサポート終了）
- Cerebras Llama 3.3 70B（2026年2月16日にサポート終了）
- Mistral (7B) Instruct v0.2（2026年2月25日にサポート終了）
- Marin Community Marin 8B Instruct（2026年2月25日にサポート終了）
データ¶
NextGen全体でデータベース接続UIを統一¶
このリリースでは、データ接続を操作する際のユーザーインターフェイスがNextGen全体で標準化され、より統一された操作性になりました。 このアップデートには以下の領域が含まれます。
これまでは、データベース接続にアクセスする場所によってインターフェイスが大きく異なる場合がありました。
DataRobotにTrinoコネクターのサポートを追加¶
DataRobotにTrinoネイティブコネクターのサポートが追加され、以下の操作が可能になりました。
- データ接続を作成して設定する。
- TrinoからDataRobotにデータをアップロードする。
- バッチ予測ジョブの取り込み元および出力先として使用する。
予測AI¶
増分学習で動的データセットのサポートを開始¶
増分学習（IL）は、10GB〜100GBのデータセットを利用する教師ありエクスペリメントに特化したモデルトレーニング方法です。 データをチャンク化し、トレーニングのイテレーションを作成することで、予測を行うための最適なモデルを特定できます。 今回のリリースにより、動的データセットについてはサイズを問わず増分学習を利用できるようになりました。一方、静的データセットについては、10GBから100GBの範囲である必要があります。
MLOps¶
アセットの系統グラフビュー¶
系統ビューでは、特定のMLOpsアーティファクトに関連付けられたアセットと関係性が表示されます。 このビューは、コンソールでのデプロイの概要タブ、レジストリでの登録済みモデルのバージョンの詳細、およびワークショップでのカスタムモデルのバージョンの詳細で利用できます。 各場所において、系統セクションはアセット（モデル、データセット、エクスペリメント、デプロイ、その他の接続されたアーティファクトなど）の完全なコンテキストを理解するのに役立ちます。これにより、AIシステムをレビューし、アセットの関連性を追跡することができます。
グラフタブには、ノード（アセット）とエッジ（関係性）で構成されるDAG（有向非巡回グラフ）として、それらの関係性のインタラクティブなエンドツーエンドの視覚化が表示されます。 表示中のアセットは、紫色の外枠で強調表示されます。 When reviewing edges, solid lines represent concrete, persistent relationships within the platform, such as a registered model used to create a deployment. Dashed lines 矢印は通常、「先祖」またはコンテナから「子孫」またはコンテンツに向かって流れます（例：登録済みモデルバージョンからデプロイへ）。
グラフと利用可能なコントロールの詳細については、デプロイの概要、登録済みのモデル、およびカスタムモデルのバージョンのドキュメントを参照してください。
OpenTelemetryの指標とログ¶
OTel指標タブでは、デプロイのOpenTelemetry（OTel）指標を監視できます。これにより、アプリケーションやエージェントワークフローからの外部指標とDataRobotのネイティブ指標が可視化されます。 設定可能なダッシュボードには、最大50個の指標を表示できます。 指標は、自動削除されるまで30日間保持されます。 カスタマイズダイアログボックスで、指標名で検索してダッシュボードに指標を追加します。 監視する指標を選択したら、表示名の編集、集計方法の選択、トレンドチャートとサマリー値の切り替えを行って、表示を微調整します。 OTel指標はサードパーティのオブザーバビリティツールにエクスポートできます。
DataRobot OpenTelemetryサービスではOpenTelemetryのログが収集され、デプロイの詳細な分析とトラブルシューティングが可能です。 アクティビティログセクションのログタブでは、OpenTelemetry標準形式で報告されたデプロイのログを閲覧および分析できます。 ログはすべてのデプロイおよびターゲットタイプで入手可能であり、アクセスは「オーナー」および「ユーザー」ロールを持つユーザーに制限されています。 システムは4つのログレベル（INFO、DEBUG、WARN、ERROR）をサポートし、柔軟な時間フィルターオプションと検索機能が用意されています。 ログは自動削除されるまで30日間保持されます。 さらに、OTelログAPIを使用すると、プログラムによるログのエクスポートが可能になり、サードパーティ製のオブザーバビリティツールとの連携がサポートされます。 標準化されたOpenTelemetry形式により、各種監視プラットフォーム間での互換性が確保されます。
詳細については、OTel指標およびログのドキュメントを参照してください。
予測サービスの改善（ゼロスケーリング）¶
このリリースでは、チャット補完予測サービスの待機タイムアウトを延長し、「ゼロスケーリング」による最適化によってエージェントワークフローおよびカスタムモデルデプロイの信頼性を向上させました。 ゼロにスケーリングされたデプロイが最初の予測リクエストを受信した際には、新しいサーバーをプロビジョニングする必要があります。 従来の20秒の待機タイムアウトでは新しいサーバーが準備完了になるには短すぎる場合が多く、その結果「Bad Gateway」応答が発生していました。 このアップデートでは、予測サービスの待機タイムアウトを20秒から300秒（5分）に延長し、サーバーの初期プロビジョニングに20秒以上かかる場合の「Bad Gateway」応答の発生を低減します。
プラットフォーム¶
アカウントのリソース使用状況に関する情報を確認する¶
すべてのユーザーがアカウント設定でリソース使用状況に関する情報を確認できるようになりました。これにより、プラットフォーム全体におけるグラフィックス処理装置（GPU）、中央処理装置（CPU）、大規模言語モデル（LLM）APIの使用状況をより明確に把握できます。 使用状況の情報にアクセスするには、アカウント設定 > 使用状況エクスプローラーを開きます。 このページでは、指定した日付範囲におけるサービス別のリソース消費量を確認できるほか、レポートをCSVファイルとしてエクスポートすることも可能です。 管理者は、管理者設定 > テナントの使用状況エクスプローラー（以前の名前は「使用状況エクスプローラー」）から追加のダッシュボードにアクセスできます。
GoogleドライブのOAuthサポート¶
このリリースでは、一元化されたセルフサービスOAuthシステムを導入することで、GoogleドライブやConfluenceなどのサービスに対するDataRobotのOAuth接続プロセスを簡素化しました。 つまり、外部アカウントの設定と認可を一度行うだけで、すべてのセキュアな接続を1か所で管理できるようになります。 DataRobotは、データの取込みが必要な際に一時的なアクセストークンを自動的に取得します。 この標準化により、接続がより簡単かつ安全になり、アプリやモデル作成プロジェクトなど、より多くのDataRobot領域でこれらのコネクターを使用できるようになります。 サポートされているプロバイダーのOAuth接続を設定する方法については、OAuthプロバイダーの管理を参照してください。
コードファースト¶
Pythonクライアントv3.13¶
Pythonクライアントのv3.13が一般提供されました。 v3.13で導入された変更の完全なリストについては、 Pythonクライアントの変更履歴を参照してください。
DataRobot REST API v2.42¶
DataRobotのREST API v2.42が一般提供されました。 v2.42で導入された変更の完全なリストについては、REST APIの変更履歴を参照してください。
記載されている製品名および会社名は、各社の商標または登録商標です。 製品名または会社名の使用は、それらとの提携やそれらによる推奨を意味するものではありません。