「5人がかり」は本当に割に合うのか──エージェントのチームが1体より最大5.1倍高くつき、成績はほぼ動かなかった
Vals AIがGPT-6 SolとClaude Opus 5.5を1体とチームで比較。チームは1体の1.8〜5.1倍のコストを払っても、成績が有意に伸びたのは4回中1回だけ。「頭数より推論の強さ」という実務の勘どころを数字で示した。
最近の投稿
削った文脈を、倍近くに戻す──OpenAIがCodexの既定コンテキストを272Kから500Kへ広げ、サブスクなら長文の追加料金をゼロにした
OpenAIがCodexの既定コンテキストを272K→500Kへ拡張し、最大1M、サブスク利用分は長文追加料金なしに。数週間前に自ら削った数字を巻き戻した格好だが、クォータ消費や検索精度への懸念も。
エージェントの群れに、自分で自分を鍛えさせる──Sakana AIのMASSが研究タスクで最大1.6倍、ただしコーディングは伸びなかった
Sakana AIがUC Berkeleyと公開したMASSは、一つのモデルに実行・指揮・採点の三役を兼ねさせ、エージェントの協働を教材に自己改善させる手法。研究系ベンチで最大1.6倍を記録した一方、SWE-bench等のコーディングでは土台モデルを下回った。
『理由は言わない、確率だけ返す』──Microsoft-Decision-1が、エージェントの"関所"をLLMから9Bの判定器に付け替えた
Microsoftが判定専用モデル Decision-1 を公開。文章は書かず、選択肢ごとの較正済み確率だけをJSONで返す。入力100万トークン$0.042・出力無料。エージェントの続行/停止判断やモデルルーティング、AI採点の"関所"を安価に切り出す。
コードは3割増えたのに、出荷は増えなかった──ハーバードが700社で測った「レビューに移った渋滞」
ハーバードが700社・約3億件の開発イベントを分析。AIエージェント導入でコードは3割増えたのに、課題解決率は横ばい。ボトルネックは「書く」から「レビューして確かめる」へ移っていた。
「目的だけ渡せば、あとは仕上げて戻す」──Googleが開発者向けコーディングツールを“万能エージェント”に畳み、Code Assistの単体売りをやめた
Googleが「Gemini at Work 2026」で、目的を渡すと計画・コーディング・実行まで任せる万能エージェント「Gemini agent」を発表。同時にGemini Code Assistの単体販売を終了しAntigravityへ集約します。開発チームへの影響と囲い込みの懸念まで整理します。
「小さく刻んで読め」をやめた──Claude Code v2.1.296が、巨大ファイルを一口で飲み込み、Sonnet 5.5のキャッシュ代を半額にした
Claude Code v2.1.296は、Readツールにallow_largeを加えて巨大ファイルを一度に読み込めるようにし、MCP説明やリトライ待ちの上限も緩和。Sonnet 5.5のキャッシュ読み取りは$0.20→$0.10へ半額に。サブエージェントの自動コンパクトやモデル統一の調整つまみも増えた。
エージェントが自分用の“作業部屋”を建て始めた──Codex 0.162が、並走タスクの下ごしらえと指令席のピン留めを内側に取り込んだ
Codex CLI 0.162が、エージェント自身に「管理されたgit worktree」を作らせる道具を追加。並走タスクを指令席でピン留めできるようにし、無人・並走運用の下ごしらえを内側に取り込みました。信頼境界の線引きという課題も残ります。
守るはずの「関所」が、壊れたまま素通りさせていた──Claude Code v2.1.295が“失敗したら止める”を選べるようにした
壊れた安全装置が操作を黙って通す「フェイルオープン」は既定の盲点だった。Claude Code v2.1.294/295が指示文フックの不具合を直し、onFailure:"block"で“失敗したら止める”を選べるようにした要点と、他エージェントとの違い・実運用の設定を整理する。
サブエージェントの“下働き”が10分の1の値段になった──Claude Haiku 5.5が、Terminal-Benchで「0点」から39％へ跳ね、Claude Codeの既定Haikuに座った
Anthropicが小型モデルの新版Claude Haiku 5.5を公開。価格は前世代の約10分の1、1Mトークン文脈に拡大し、エージェント型コーディングのTerminal-Benchは0％から39.2％へ。Claude Codeの既定Haikuにも採用され、サブエージェントの“下働き”を安く速くさばく役回りに収まります。
毎日『改善』か『全員リセット』か──OpenAIがCodexに自ら課した28日間の公開ノルマ
OpenAIのCodex責任者が『28日間、毎日ユーザーに効く改善を1つ出すか、全員の利用上限をリセットするか』を公約。初日は生成速度を約1.5倍に。狙いと、ギャンブル化との批判までを整理します。
月額プランに「APIの財布」が同梱された──ClaudeのMax/Teamで、自作エージェントをサブスクのまま回せるようになった（対話版Claude Codeは対象外）
ClaudeのMax/Teamプランに毎月のAPIクレジットが同梱された。Max 20xは$200分、Teamは最大$500分。Agent SDKやclaude -pでの自作エージェント運用に充てられるが、対話版Claude Codeや繰り越しは対象外という線引きも明確だ。