本文へ移動

話題 / Topic

コーディングエージェント

「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。

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。

“No Reasons, Just Probabilities”: How Microsoft-Decision-1 Swaps an LLM Out of the Agent “Checkpoint” for a 9B Judge

Microsoft has released Decision-1, a model built purely for judging. It writes no prose—it returns only calibrated per-option probabilities as JSON. Input costs $0.042 per 1M tokens; output is free. It lets you cheaply carve out the “checkpoints” of agent proceed/stop decisions, model routing, and A

『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。

「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。