話題 / Topic
On October 13, Google shipped Gemini 4 Argon to paid plans and integrated its Antigravity development platform inside the macOS Gemini app. We unpack the move to fold everything from building to testing into a single app, along with how to read its pricing and benchmarks.
Googleが10月13日、Gemini 4 Argonを有料プランに配信し、開発基盤AntigravityをmacOS版Geminiアプリの内側へ統合。チャットから実装・テストまでを一つのアプリに畳む動きと、その料金とベンチマークの読み方を整理します。
Vals AI compared GPT-6 Sol and Claude Opus 5.5 as single agents versus teams. Even paying 1.8–5.1× the cost of a single agent, the teams improved scores significantly in only one of four comparisons—putting hard numbers behind the practitioner's instinct that reasoning strength beats head count.
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。
OpenAI expands Codex's default context from 272K to 500K—up to 1M, with no long-context surcharge on subscription usage. It effectively rolls back a number it had quietly cut itself weeks earlier, though concerns about quota consumption and retrieval accuracy remain.
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。
Released by Sakana AI with UC Berkeley, MASS has a single model play executor, orchestrator, and grader, using agent collaboration as training material to self-improve. It posted up to 1.6x on research benchmarks, yet on coding tasks like SWE-bench it fell below the base model.
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。
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
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。
Harvard analyzed roughly 300 million development events across 700 companies. After adopting AI agents, code grew 30% but task resolution stayed flat. The bottleneck had shifted from "writing" to "reviewing and verifying."
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。
