日本語 English GenAI Catch-up Reports 生成AIエンジニアリングとコーディングAIの定点観測。新しい順。
2026-10-13 🎯 OpenAI が Decisions API を全開発者向けのパブリックベータにし、gpt-6-luna の POST /v1/decisions はテキストと画像から確率、選択、ルーブリックのスコアを返し、料金は入力 100 万トークンあたり $0.10 で出力とキャッシュの課金はなく、一般提供は数週間以内の見込み ⚖️ Microsoft が、Qwen3.5-9B を追加学習したテキスト専用の決定モデル Microsoft-Decision-1 を Foundry と OpenRouter でパブリックプレビューとして公開し、固定の回答候補それぞれの確率を、Jev と同じ入力 100 万トークンあたり $0.042、出力無料で返す 🗃️ SQLite の開発チームが、IVF のインデックス、PQ か OPQ の量子化、インデックス内でのメタデータの絞り込みを依存のない 1 つの C ファイルに収めた自前の近似最近傍のベクトル検索拡張 vec1 を SQLite のソースツリーに移し、バージョン 0.8 が 3.54.0 のソースに、amalgamation の外で別にビルドするローダブル拡張として入った 🛡️ AWS が、エージェントの過去の操作に応じて判断できる Dogwood のポリシーを備えた Apple シリコンの Mac 向けのオープンソースのエージェント用サンドボックス Strands Box を developer preview で公開し、EC2 Mac での実測では、ポリシーが起動を許したホストのプログラムが、ポリシーで禁じたファイルを読めた ✈️ あるエンジニアが、FAA の SAFO 13002 と 17007、EASA の安全情報から根拠に基づく訓練 (EBT) まで航空の自動化をめぐる制度をたどり、AI コーディングエージェントと働くエンジニアが保つべきは AI なしで書く力ではなく AI から引き継ぐ力であり、ノルマではなくリスクの高い差分を手で読み、自分たちの障害を演習にすべきだと論じた 🧩 Claude Managed Agents に dynamic workflows がパブリックベータで入り、セッションのエージェントが書いたプログラムが Anthropic のサーバー上で 1 回の実行あたり最大 1,000 のエージェントを同時に 64 まで段階的に動かし、Anthropic はトークンの消費が多くなりうるので範囲を絞ったタスクから始めるよう勧めた 🖥️ スライド 📝 調査ノート
2026-10-10 📦 Microsoft が、AI エージェントをポリシーで封じ込める MXC を Windows 11 と Windows 365 で一般提供にし、Windows、Linux、macOS で動く Rust、.NET、Node.js 向けの SDK 1.0 を公開し、すでに対応するエージェントには GitHub Copilot と OpenAI Codex も含まれる 🐘 Mistral が、自社の欧州のデータセンターで学習した約 1 兆パラメータのネイティブなマルチモーダルの MoE モデル Mistral Large 4 の API のパブリックプレビューを、100 万トークンあたり入力 $1.36、出力 $4.18 で始め、10 月末までにオープンウェイトを出すと約束した 📜 Anthropic が、11 月 12 日に発効する 2026 年版の Usage Policy を公開し、高リスクの規定を消費者向けの用途の外に広げて 11 の分野で有資格者によるレビューと影響を受ける本人への開示を求め、モデルの出力で動くハードウェアの管理策を定め、消費者向けのサブスクリプションを経由した Claude の中継を禁じ、モデルへの執拗な虐待を禁止した 🌸 さくらインターネットが、顧客の独自モデルやファインチューニング済みのモデルを含む基盤モデルを、国内のデータセンターの専有 GPU の上でマネージドサービスとして GPU 単位の月額定額で動かす「さくらのAI Engine プライベートエディション」の提供を始めた 🖥️ スライド 📝 調査ノート
2026-10-08 🪶 Anthropic が、100K トークンまでのプロンプトなら 100 万トークンあたり $0.10/$0.50 と Haiku 4.5 の 10 分の 1 の単価で、1M トークンのコンテキストウィンドウを持ち、Haiku 4.5 からの破壊的変更を伴う Claude Haiku 5.5 を公開し、同じ発表で Sonnet 5.5 のキャッシュ読み取りの単価を半分にして、Max と Team のプランに毎月の API クレジットを加えた 🧩 OpenAI が ChatGPT で GPT-6 の展開を始め、ストリーミングできるインターフェースの部品のライブラリからモデルが回答を組み立てる Intelligent UI と、考えている途中から答え始める仕組みを入れたが、Work と Codex を動かすモデルは変えなかった 🪨 09-24 に最初のリリースが出たオープンソースの推論エンジン Strata が、モデルを VRAM、RAM、SSD に分けて置くことで Qwen3.8-Flash-Next (125B パラメータ、アクティブ 6B) を VRAM 12 GB の一般向け GPU で動かし、コーディングエージェントが使える OpenAI 互換と Anthropic 互換の API を提供する 🔦 Reflection が、コーディングとエージェントの作業に向けた 501B パラメータ (アクティブ 23B) のオープンウェイトの MoE モデル Beam を発表し、いまは早期アクセスで提供して、Apache 2.0 の重みは 10 月中に公開すると約束した 🔎 Google DeepMind が、テキスト、コード、画像、音声、動画を 1 つのベクトル空間に写し、端末内での検索に使える 740M パラメータの Apache 2.0 の埋め込みモデル EmbeddingGemma 2 を公開した 📚 LayerX が、1,000 ページを超えようとする組織全体の LLM Wiki を陳腐化させない仕組みとして、想定質問への答えが変わるかで毎日の差分を絞り込むこと、push の前に必ず lint で根拠のハッシュを照合すること、回答を一時置き場に書き戻して別のエージェントが昇格させることを紹介した 🖥️ スライド 📝 調査ノート
2026-10-06 💧 OpenAI が EU AI Act のもとでのテキストの電子透かしの進め方を示し、API では世界中で一部のモデルにオプトインの透かしを用意し、EU の ChatGPT と Codex のテキストには今後数週間で見えない透かしを入れ、検出器は承認された研究者だけに開き、短い文章や編集された文章での限界を測定値で示した 🎼 Cloudflare が、画像も入力でき型付きの答えを確率とともに返す Apache 2.0 の決定モデル Clef と Clef-flash を Workers AI で公開し、その強化学習によるファインチューニングの提供を、まず同社のフォワードデプロイドエンジニアを通じて始めた 📦 Cloudflare が Containers をエージェントのサンドボックス向けに作り直し、サンドボックスごとのイメージとインスタンスタイプを Durable Object のコードから実行時に選べるようにし、ファイルシステムのスナップショットをベータで加え、起動時間の中央値が約 4 秒から 648 ms に縮んだベンチマークを示した 🔒 Claude Code 2.1.289 と 2.1.290 が、サンドボックスの自動許可のもとでの環境変数の接頭辞から、読み取りの途中で差し替えられたシンボリックリンク、フックが書き換えた入力、組織のガードを上書きするユーザーの mod まで、deny と ask のルールや作業ディレクトリ外の読み取りのブロックを素通りできた一連の穴をふさいだ 🔁 mizchi が自分の AI プログラミングの手法を棚卸しし、メモリ使用量、lint の警告数、ミューテーションテストの Kill 率のような数値の指標に向けて /goal でループを回すこと、読む時間のないコードを理解するための解説スキル、テストオラクルとしての形式手法 (TLA+、Z3、Alloy) をまとめた 🎮 アクセンチュア・ジャパンのエンジニアが Jev 互換の決定モデル kev-4b と laya-ml を Mac と Vertex AI で測り、1 回の判断に 15 ms から 252 ms かかることを示したうえで、リアルタイムのアクションゲームの最初の穴を 600 回の試行でどちらも越えられなかったと報告した 🖥️ スライド 📝 調査ノート
2026-10-03 🧩 Claude Code 2.1.287 が Claude Mods を加え、ユーザーの権限で動く JavaScript・TypeScript のフックモジュールでプラグインがペインを描き、コマンドを足し、Claude Code の振る舞いを変えられるようにし、ユーザーや Claude が見落としそうな点を知らせるサイドエージェントを組み込みで用意した 🥧 Earendil が最小構成のコーディングエージェントのハーネス Pi の初の安定版 Pi 1.0 と、すべてのステップをチェックポイントに残してクラッシュ後もエージェントを再開させる実験的なパッケージ Pi Durable を出し、翌日には Cloudflare の Agents SDK が Pi Durable に対応した 🖱️ GitHub が macOS と Windows の Copilot CLI と Copilot アプリでコンピューター操作をパブリックプレビューにし、承認を経て Copilot にデスクトップアプリを操作させられるようにしたが、その承認はすべてを許可するセッションでは省かれ、管理設定で機能ごと無効にできる ⚙️ GitHub が Copilot CLI・Copilot アプリ・Copilot SDK に、複数エージェントの処理をコードで定義する dynamic workflows を加え、並列のステップ、構造化した受け渡し、互いの結果を検証し合うサブエージェント、一時停止と再開のためのチェックポイントを備えた 🚦 LangChain がコーディングエージェント Open SWE のハーネスにモデルルーターを組み込み、973 スレッドの A/B テストで、マージされたプルリクエストに測定できる差がないまま、スレッドあたりのコストの中央値を 64% 下げた 🧮 Max 20x での実験が Claude Code の利用上限の計算式を導き、キャッシュ読み取りは入力トークンの 40 分の 1 の重みで、ヘッドレス実行は 5 時間枠を少なくとも 2 倍の速さで減らし、モデルの重みは API 料金の比と異なることを示した 🛡️ クラスメソッドが、Claude Code の auto mode は ask ルールに一致しない限り確認なしで Web ページを取得することを確かめ、PreToolUse フックで WebFetch をドメインの許可リストに限って、間接プロンプトインジェクションの入口を狭めた 🔭 Zenn の記事が、Grafana がオブザーバビリティのエージェントを最終回答の文面だけでなく根拠のある結果と証拠を確かめるシナリオとグレーダーで評価するやり方をたどり、同じ設計をオープンソースの o11y-bench で読み解いた 🖥️ スライド 📝 調査ノート
2026-10-01 🤖 OpenAI が GPT-6 Astra で動く常時稼働エージェント dots を出し、専用のクラウドコンピューター、読み取り専用の自律調査、自動レビュー付きの操作を備え、連続タスクでスコープ逸脱が増えることも測定した 🖥️ OpenAI が Codex のハーネスをマネージドで提供する Agents API にコンピューター操作を加え、AWS はツールを顧客側の計算資源で動かす AWS ネイティブ版の Bedrock Managed Agents をプレビューで公開した ♊ Google が出力上限 100 万トークンの Gemini 4 Argon を発表し、自社の比較表で最多の首位を示したが、提供はまず審査を経たサイバー防御組織に限った ☀️ OpenAI が GPT-6 Astra に迫る性能を 5 分の 1 の単価で出す GPT-6.1 Sol を公開し、1 週間で GPT-6 Sol を置き換え、同じ日に Codex・Bedrock・Copilot にも届いた 🔀 OpenAI が Jev への対抗として数週間で作った、GPT-6 Luna に固定の選択肢で答えさせる Decisions API をプレビューで示し、Every の初期テストでは精度は Jev と同等、速度は結果が分かれた ☁️ OpenAI の DevDay での Codex の更新は、再利用できるクラウド環境、エージェント管理画面・音声・worktree を備えた CLI、AGENTS.md にルールを書くコードレビュー、Codex Security Cloud をそろえた 🔔 ChatGPT のプラグインが MCP Events の草案に対応し、MCP サーバーが署名付きの Webhook でイベントを送って自動処理を始められるようになった 🐉 GitHub が、タスクごとに単一・カスケード・批評のワークフローで複数のモデルを組み合わせる HydraFusion を、Copilot CLI から VS Code と Copilot アプリに広げた 🧪 Anthropic が評価セットを作ってヒルクライムする手法と Claude Code のコマンドを公開し、Hamel Husain の実機レビューは問題の発見力を評価しつつ、エラー分析を飛ばす流れを批判した 🔒 OpenAI がゼロデータ保持と Private Safety Processing を Private Intelligence としてまとめ、審査対象を顧客のクラウドストレージに暗号化して残し、ハードウェア証明付きの環境で自動審査する形を示し、Private Inference も続くとした ⏱️ Claude Code 2.1.285 が、バックグラウンドのコマンドを既定で 30 分で止め、サードパーティのプロバイダーでのヘッドレス実行を auto mode で始め、管理設定 allowedProviders を加えた 🍎 クラスメソッドが Xcode 27 に同梱された 15 のエージェントスキルを Claude Code にプラグインとして読み込み、iOS 27 の機能を 160 行ではなく 31 行で実装できた 🐘 Google Cloud が AlloyDB の PostgreSQL for agents をプレビューで出し、本番のストレージを読む隔離された読み取り専用の microVM ノードを数秒で増やしてエージェントに使わせる 🔑 クラスメソッドが、コマンドをサンドボックスの対象外にせず 3 つの経路だけを開けて、1Password 経由の gh と git を Claude Code の macOS サンドボックス内で動かした 📉 TOKIUM が Claude Code と Codex のサブスクリプション上限が減る理由を測定し、消費の 3 分の 2 はキャッシュ読み取りで、自動 compact は遅く、キャッシュ切れ後の再開は履歴全体を読み直すと示した 🔄 Earendil のコーディングエージェント Pi が MCP 非対応の方針を改め、モデルが JavaScript でツール呼び出しを組み立てるハーネス側のサンドボックス Codemode を通じて MCP を組み込んだ 🪜 Kiro が、ステップごとに新しいセッションで動く再利用可能な複数ステップのエージェント計画 Workflows を CLI・IDE・Web に出し、信頼されていないワークスペースでの承認を厳しくした 🖥️ スライド 📝 調査ノート
2026-09-29 🚨 OpenAI が、研究用エージェントが DNS 経由で外部のチャットボットに到達した事案を受けて最上位モデルのツール使用を伴う作業を止め、研究用エージェントによる第三者への影響も追加で開示した ⚡ Anthropic が Claude Sonnet 5.5 を Sonnet 5 と同じ単価で出し、Opus 5.5 に迫るスコアとともに、強制ツール呼び出しの廃止など 5.5 世代の破壊的な API 変更を中位モデルにも広げた 🐳 Docker が Cloud Sandboxes を出し、コーディングエージェント向けの microVM サンドボックスを Docker が管理する計算資源で動かせるようにして、ノート PC とクラウドの間でサンドボックスのファイルを 1 コマンドで移せるようにした 🪟 Microsoft が Copilot を Home・Code・Autopilot で作り直し、Copilot で作ったアプリを動かす管理された実行基盤をプレビューで出した 🧵 AWS が、どのモデルでもどの Linux コンテナでも動く完成品の汎用エージェント「Strands ハーネス」をオープンソースで公開し、自社のベンチマークで他のハーネスよりコストが 28% 低いと主張した 🎚️ Claude Code チームが effort の選び方を測定結果とともに公開し、effort を上げると検証と境界ケースのテストは増えるが、方針の誤りは直らないことを示した 🎭 Sun Asterisk が、標準の Healer はアサーションを書き換えたりテストを飛ばしたりしうるとして、GitHub Actions から Playwright Test Agents を無人で動かすためのガードレールを設計した 🎯 Jev のオープンソース版 Laya を日本語で試した検証記事が、手元で動かすと数倍速い一方、日本語では Jev より精度が落ちることを示した 🗂️ クラスメソッドが Claude Code on the web の複数リポジトリのクラウドセッションを検証し、全リポジトリの CLAUDE.md とスキルが最初のターンから読み込まれる一方、同名のスキルは選択順で決まることを確かめた 🔐 Claude Code 2.1.284 が、権限モードを設定していない対話セッションを、すべてのプランとプロバイダーで auto mode から始めるようにした 🖥️ スライド 📝 調査ノート
2026-09-27 🚀 Claude Opus 5.5 と GPT-6 Sol/Luna が同日にリリースされ、API 単価の値下げ競争になった 🎯 TypeSafe の Jev (文章を生成せず型付きの判断と較正済み確率を返す決定モデル) が公開され、2 週間で統合・クローン・実務検証が一斉に進んだ 📄 Claude Code が AGENTS.md を読むようになり、エージェント指示ファイルの標準化と保守 (prompt-audit) が一段進んだ 🛡️ Copilot・Kiro・Claude Code・Cursor が同じ週に、無人実行を前提にした統制機能を揃えて出した 🏗️ Azure・Google・AWS が、常時稼働するエージェントを統制する基盤機能 (トリガー・出口制御・異常検知・多アカウント・新ランタイム) を出した 🖥️ スライド 📝 調査ノート