Skip to content
For Self-Managed AI Platform users running v11.1, see the on-premise platform documentation
AIプラットフォームリリース > マネージドSaaS版リリースノート

マネージドSaaS版リリースノート

2月にリリースされたSaaS機能のお知らせ

February 2026

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

This release introduces Agent Assist (dr-assist), an interactive AI assistant optimized for the development of AI agents. It helps users design, code, and deploy agents through natural conversation—users describe the agent they want, and the assistant helps build it on the foundation provided by the Agentic Starter application template.

Agent Assist integrates with the DataRobot CLI as a plugin and uses the DataRobot LLM gateway for model access. 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 can:

  • 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.

New and retired LLMs

With this release, OpenAI GPT-5.2 is available through the LLM gateway. 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。

In addition, the following LLMs are retired:

  • GPT-4o Mini (retired February 27, 2026)
  • Cerebras Qwen 3 32B (retired February 16, 2026)
  • Cerebras Llama 3.3 70B (retired February 16, 2026)
  • Mistral (7B) Instruct v0.2 (retired February 25, 2026)
  • Marin Community Marin 8B Instruct (retired February 25, 2026)

データ

Database connectivity UI now uniform across NextGen

This release implements a standardized user interface when working with data connections across NextGen, providing a more unified experience. This update includes the following areas:

Previously, the interface may have been significantly different based on where you accessed database connectivity.

Support for Trino connector added to DataRobot

Support for the Trino native connector has been added to DataRobot, allowing you to:

予測AI

Incremental learning now supports dynamic datasets

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。 This release enables support for using incremental learning on dynamic datasets of any size, whereas, static datasets must be between 10GB and 100GB.

MLOps

Asset lineage graph view

The Lineage view provides visibility into the assets and relationships associated with a given MLOps artifact. This view is available on a deployment’s overview tab in Console, in the version details for a registered model in Registry, and in the version details for a custom model in Workshop. In each location, the Lineage section helps you understand the full context of the asset—including models, datasets, experiments, deployments, and other connected artifacts—so you can review AI systems and track how assets relate.

The Graph tab shows an interactive, end-to-end visualization of those relationships as a DAG (Directed Acyclic Graph) made up of nodes (assets) and edges (relationships). The asset you are viewing is highlighted with a purple outline. When reviewing edges, solid lines represent concrete, persistent relationships within the platform, such as a registered model used to create a deployment. Dashed lines Arrows generally flow from the "ancestor" or container to the "descendant" or content (for example, from a registered model version to a deployment).

For details on the graph and the available controls, see the deployment overview, registered models, and custom model versions documentation.

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。

Scaled to zero prediction service improvement

This release increases the chat completion prediction service wait timeout to improve reliability for agentic workflow and custom model deployments using "scale to zero" optimization. When a deployment scaled to zero receives its first prediction request, a new server must be provisioned. The previous 20-second wait timeout was often too short for a new server to become ready, resulting in a "bad gateway" response. This update increases the prediction service wait timeout from 20 seconds to 300 seconds (5 minutes), mitigating the occurrence of "bad gateway" responses when the initial server provisioning takes longer than 20 seconds.

プラットフォーム

View resource usage information for your account

All users can now view resource usage information in account settings, providing greater visibility into graphics processing unit (GPU), central processing unit (CPU), and large language model (LLM) API usage across the platform. To access usage information, open Account settings > Usage Explorer. From this page, you can view resource consumption by service for a given date range, as well as export the report as a CSV file. Administrators can access an additional dashboard from Admin settings > Tenant Usage Explorer (previously named “Usage Explorer”).

OAuth for Google Drive support

This release streamlines DataRobot's OAuth connection process to services like Google Drive and Confluence by introducing a centralized, self-service OAuth system. This means you only have to set up and authorize your external account once, managing all your secure connections in a single spot. DataRobot then automatically retrieves temporary access tokens when needed to ingest your data. This standardization makes connecting easier and more secure, and it will enable these connectors to be used in more DataRobot areas like Apps and Model Creation Projects. For information on how to configure OAuth connection for the providers supported, see OAuth provider management.

コードファースト

Python client v3.13

Python client v3.13 is now generally available. For a complete list of changes introduced in v3.13, see the Python client changelog.

DataRobot REST API v2.42

DataRobot's v2.42 for the REST API is now generally available. For a complete list of changes introduced in v2.42, see the REST API changelog.

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。