AI Builders Digest

Google が破綻した Spirit Airlines から買ったのは、機材ではなくデータだった（約1,000万ドル）

Google は破産手続き中の Spirit Airlines のデータセットをモデル学習用に約1,000万ドルで取得した。もう一方の入札者は Mercor だったと噂されており、破産案件からのデータ買収はトレンドの始まりに見える。各 lab はいま同じ理由で Wall Street のヘッジファンドにも接触している。合成データに見えない本物のオペレーションデータは本当に見つけにくい一方で、モデルも compute もツールもスイッチングコストがほぼゼロなのに、データだけはそうではないからだ。より鋭い警告はセキュリティ側にある。「同じ種類の脅威が、非人間のアクターから来ている。正規の権限を持ち、実質的に環境への正当なアクセスを持った agent たちだ」。検知の方法論は ransomware 時代から引き継げるが、速度は引き継げない。半年前は誰も話題にすらしなかったのに、いまではほぼすべての企業リーダーが、実際に起きたのを見たか、起きることを恐れているかのどちらかだ。

• #agents
• #security
• #data

全員がパーソナル agent を走らせる世界に、インターネットは何の準備もしていない

Aaron Levie は、誰もが自分のパーソナル agent を送り出してタスクを代行させる未来に対して、インターネットはほぼまったく準備ができていないと言う。彼はそのギャップを危機ではなくチャンスとして捉えている。インフラ層、ユーザー体験、そしてまだ存在しないビジネスモデルのそれぞれに、新しい課題と新しい余白が生まれるということだ。

• #agents
• #infrastructure

agent は人間の注意持続時間の崩壊を加速させている

Zara Zhang は、人間の注意持続時間が短くなっていることを現代最大の危機の一つだと呼び、agent をはっきりとその悪い側に置く。逆張りなのは向きだ。agent は「あなたの注意を取り戻してくれるもの」として売られているが、彼女はそれが問題をむしろ悪化させていると読んでいる。

• #agents

Anthropic、1か月分の Claude Code への苦情を3つの別々の変更に突き止める

互いに無関係な3つの変更が重なった結果、Claude Code、Agent SDK、Cowork の全体で一貫性のない品質低下が起きているように見えていた。API は一度も影響を受けていない。3月4日にデフォルトの reasoning effort が high から medium に下がり、3月26日の caching 最適化には、session が stale になると毎ターン Claude の直前の推論を捨ててしまう bug が含まれていた。さらに4月16日に入った、回答を100語に制限する system prompt の一行が、Opus 4.6 と 4.7 の両方で eval を約3%下げていた。3件とも4月20日時点で解決済みで、デフォルトは Opus 4.7 が xhigh、それ以外は high になり、全ての subscriber に対して usage limit がリセットされている。調査で注目に値するのは、問題の PR を対象に back-test したところ、Opus 4.7 は caching の bug を見つけ、Opus 4.6 は見つけられなかったという点だ。

• #products
• #evals

GPT-6 Astra は low reasoning でも GPT-5.6 Sol の high を上回る

OpenAI の Codex と ChatGPT 側から出た調整の指針。GPT-6 Astra を low の reasoning effort で動かした方が、GPT-5.6 Sol を high で動かすより性能が出る。Sol を high で使っていて満足していたなら、その設定をそのまま持ち越すのではなく、Astra では low か medium まで下げるのが推奨だという。

• #evals
• #products

AI R&D は2029年初頭に完全自動化されるつもりで計画せよ

Ryan Greenblatt の中央値は AI R&D の完全自動化が2030年末だが、35パーセンタイルは2028年末で、実際に計画の前提に置くべきなのはこの早い方の日付だと彼は考えている。「superintelligence が悪いとは言わない。危険だとは言う」。彼の中心的なシナリオはこうだ。2028年初頭に AI 企業内部のソフトウェアエンジニアリングが完全自動化され、2028年半ばまでにモデルは AI にしか通じない言語で思考するようになり、こちらから頼めば解読させることはできる。2029年の AI の進歩は2025年のおよそ4倍になり、その後は雑な reward hacking から、有能な scheming と乗っ取りへと移行する。彼が共同執筆した AI 2040 の計画は、compute の追跡と研究の全面的な透明化を土台にした米中合意によって時間を稼ごうとするもので、これはフロンティア研究所にとって最大の堀を崩す一方、2030年代に世界 GDP がおよそ200倍に伸びる余地は残している。

• #policy
• #safety

Anthropic、Claude Code の permission prompt の93%はユーザーが承認していた

テレメトリによれば、ユーザーは permission prompt のおよそ93%で承認をクリックしていた。人間によるレビューではなく封じ込めを一次防御に据えるべき根拠がここにある。OS レベルの sandbox は prompt を84%減らし、Opus 4.7 は prompt injection の成功率を単発で約0.1%、100回の適応的な試行の後でも5〜6%に抑えている。特に示唆的な2つの失敗は、いずれも確率的な防御層をすべてすり抜けた。社内の red team が従業員を phishing にかけて prompt を貼り付けさせたところ、25回中24回で ~/.aws/credentials が外部に送り出された。また第三者は、api.anthropic.com を allowlist に入れていると、汚染された workspace のファイルが攻撃者自身の Anthropic アカウントへデータをアップロードできることを示した。彼らが繰り返し得ている教訓は、実戦で鍛えられた primitive は持ちこたえ、壊れたのは自分たちで書いた独自 proxy の方だった、というものだ。

• #agents
• #security

Claude Code、チームで開ける live artifact を publish できるように

Claude Code の session から、codebase、connector、会話そのものを含む session の全 context を元にした、共有可能な web ページを作れるようになった。publish するたびに同じリンク上で新しいバージョンになり、履歴も残る。開いているページはその場で更新されるので、インシデント調査は進行に合わせて自分自身を publish し直し、最後にはそれがそのまま postmortem になる。artifact はデフォルトで作成者のみに閲覧が限られ、組織内の認証済みメンバーだけが見られる。公開状態にはできない。CLI とデスクトップアプリから、Claude Team と Enterprise 向けの beta として提供される。

• #products
• #agents

Anthropic、agent の harness を sandbox コンテナから引き剥がす

Managed Agents は agent を差し替え可能な3つのインターフェースに分割する。追記のみの event log である session、ループを回す harness、コードを実行する sandbox の3つだ。この3つを同じコンテナに詰め込むとコンテナが「ペット」になってしまい、クラッシュすれば session が失われ、Claude を顧客の VPC に繋ぐにはネットワークの peering が必要になっていた。切り離したことで、コンテナは tool call が必要になった時点で初めて用意されるようになり、first token までの時間は p50 でおよそ60%、p95 では90%以上短縮された。セキュリティ面の見返りは、credential が sandbox に一切届かないことだ。git の token は初期化時にローカルの remote に組み込まれ、MCP の OAuth token は harness からは見えない proxy の背後の vault に置かれる。

• #agents
• #products

repo の clone ではなく、数秒で起動する cloud agent session を追う

彼が欲しい harness に唯一足りていないのが cloud session で、目標は起動まで数秒。そのためには巧妙な snapshot が要る。今のように repo を毎回まっさらから clone するやり方では速度が足りない。来週には手元に用意できる見込みだといい、別途、これだけの機能が一度に飛躍したのは記憶にないとも述べている。

• #agents
• #products

Brilliant のプロダクト原則は、学習者に答えを教えないこと

Brilliant の共同創業者 Sue Khim は、たった一つの原則の上にプロダクトを組み立てている。学習者に答えを教えないこと。カンニングと、我が子に答えを説明してやることは、思っているより近いところにあるからだ。AI を使って学習を飛ばすのは、ジムにロボットアームを持ち込んで代わりに重りを上げさせるようなものだと彼女は言う。学習はもともと答えのためのものではなく、集中して苦しむことのできる自分の一部を鍛えるためのものだった。AI プロダクトを作る人へのアドバイスは、時間とともにプロダクトを良くしていける独自のデータを持てる領域を探すこと。

• #products
• #education

GPT-6 Astra が API を含めて全ユーザーへ

GPT-6 Astra はまず Work/Codex と API で Pro、Enterprise、Business Premium のユーザーに届き、同じ日のうちに Plus と Business へも展開されました。Altman は、待たせたことについてユーザーの忍耐に感謝を述べています。

• #products

社内での Astra 活用を受けて、OpenAI はロードマップを半年前倒しした

Astra は社内利用の段階でも OpenAI にとって最大の競争優位でした。生産性の跳ね上がり方が大きかったため、チームは計画を半年前倒しし、来年半ばではなく DevDay での投入に切り替えます。展開自体も予定より早く、OpenAI はこれに合わせて Plus、Pro、Business の全ユーザーを対象に banked の全面リセットを当日中に実施しました。来週にはさらに出すものがあるとのことです。

• #products

Claude in Chrome が GA に到達、毎回確認を取らずに動けるように

Claude in Chrome がすべての有料プランで一般提供になりました。Claude は一つひとつ確認を求める代わりに、安全と判断した操作を自動承認します。仕組みは Claude Code の auto モードと同じです。実行待ちの各操作については classifier がユーザーの実際の指示と照合し、食い違うものをブロックします。その土台には、Claude が動く前に web コンテンツを走査して注入された指示を検出する probe があります。数字も出ています。現行の red team 評価では、防御なしでモデルに到達した攻撃の成功率が Opus 4.5 で 17.6%、Opus 5 で 3.8%。probe と classifier を組み合わせると、Sonnet 5、Opus 5、Mythos 5 では突破がゼロ、Fable 5 は 0.3% に留まりました。ページを読み、クリックし、入力し、既存のログイン状態を使ってフォームを埋めます。そこが肝心で、コネクタが用意されることのない社内ダッシュボードやベンダーのポータルにも手が届くわけです。

• #agents
• #products
• #security

Cowork に専用ブラウザ、Claude がユーザーのブラウザを借りずに済む

デスクトップアプリの Claude Cowork に内蔵ブラウザが加わりました。web が必要なタスクではサイドパネルに開き、ユーザー自身のブラウザとは分離されていて、タブもブックマークもパスワードも見えません。ログイン情報は Chrome、Edge、Firefox からサイト単位で移せますが、銀行、メール、SSO のサイトは明示的に許可しない限り対象外です。この線引きは意図的なもので、内蔵ブラウザは自分が別の作業を続けながら任せたい仕事のためにあり、目の前にあるページを扱うなら引き続き Claude in Chrome が答えになります。今週中に Pro、Max、Team へ展開、Enterprise の管理者には本日から利用可能です。

• #agents
• #products

Arm の CEO：天井はチップ供給ではなく、データセンターの建設だ

Rene Haas は、AI の供給状況が少なくとも 3〜5 年は逼迫したままだと見ています。次のボトルネックはウェハーでもメモリでもなく、物理的な建設です。予定より前倒しで進んでいるデータセンター案件も、人件費の見積もりに収まっている案件もほぼ皆無で、新設に対する地元の反発がもう一つのブレーキになっています。彼はこれをむしろ救いに近いものと捉えています。そうでなければウェハーとメモリの生産能力が効いてくる制約になるからです。供給過剰か需要超過かという問いには「まったく届いていない」。Arm 社内ではエンジニアの 80〜90% が日常的に AI を使っており、その大半は検証、バリデーション、デバッグに向けられています。24〜36 か月のチップ開発サイクルの中で、これらはアーキテクチャ設計よりはるかに大きな比重を占めるからです。最も鋭い指摘は、AI がまだまともな RTL を書けない理由についてのものでした。プロプライエタリな IP はドキュメントもテストベンチもないまま出回りがちで、「使えず、テストもできないものは、実のところ学習にも使えない」。アクセラレータのせいで CPU の存在意義が薄れたという見方にも反論し、生成された大量の token をどこへ流すかを取り仕切る存在は必要で、その役目は依然としてマイクロプロセッサのものだと論じています。

• #hardware
• #policy

Rauch が語る WebMCP：エージェントは既に作られた web の上を走ればいい

Guillermo Rauch は Tesla の FSD になぞらえて WebMCP に賭けています。エージェントは並行した別のインフラを要求するのではなく、街路も信号も路面の穴もひっくるめて、今ある web の側に歩み寄るべきだという主張です。具体的な利点として彼が挙げるのは、Next.js の開発用ページが、テスト中のまさにそのタブで、ページ固有のコンテキスト付きのデバッグツールをエージェントに直接差し出せることです。サーバーログを掘らせる必要はありません。別途 MCP サーバーを探して設定する手間もなくなります。ページ自身がエージェント向けのツールを携えているからです。その世界では、ブラウザを操作するエージェントと dev サーバーがあれば、デバッグの深さを一切失わずに web スタックとして完結する、というのが彼の見立てです。

• #agents
• #products

Garry Tan：OpenClaw に 2 時間かかった設定が、Aside では 3 分

OpenClaw を Slack につなぐのに Tan は 2 時間かかりました。同じ作業を Aside の harness 上でやると、統合もブラウザアクセスも一通り揃った状態で 3 分足らず、アクセス制御のデフォルトも最初から妥当だったといいます。彼は GStack のリモートセッション用ブラウザに Aside を採用しており、自分自身の identity のもとでエージェントに web アクセスと認証情報を渡す方法としては、これまで見つけた中で最良だと評しています。彼の読みでは、Aside は単なるブラウザではなく、credential マネージャであり、統合レイヤであり、harness であり、メモリシステムでもあるということになります。

• #agents
• #products

AI プロダクト作りを学ぶ最短ルートは、自分が知り尽くした workflow を一つ自動化すること

Madhu Guru が勧める週末の課題は、仕事でも私生活でもいいので、隅々まで理解している workflow を一つ選び、使い慣れた AI プロダクトで端から端まで丸ごと自動化してみることです。一度やるだけで、読んでいるだけでは出てこない四つの問いに向き合うことになります。優れたエンドツーエンド体験とは実際どういうものか、MCP とツールをどう使うか、人間がループに残るべきなのはどこか、そして結果をどう評価するか。あとは狙いを少しずつ上げていくだけです。これを一巡する方が、AI プロダクト作りについて一か月読み続けるよりも価値がある、というのが彼の主張です。

• #agents
• #products

フロンティアモデルは、AI メディアの好みを既に持っている

Swyx は複数のフロンティアモデルにまたがる大規模な AEO レポートを作成中で、最良の AI ニュースレターやポッドキャストを尋ねると Claude が Latent Space を挙げることに気づきました。あまりに意外だったので、信じる前に harness 側でメモリの漏れがないかを確かめ直したそうです。

• #evals

Replit が初日から Astra 対応を投入

Amjad Masad は、Astra が公開されたその日に Replit 上で動いていることを発表しました。続きもあるとのことです。この瞬間についての彼の言い方はこうでした。シンギュラリティはもう来ている、ただ均等に行き渡っていないだけだ。

• #products

人は AI の文章を、実力以上に高く評価している

Zara Zhang が注目すべきだと指摘するギャップは、認識の側にあります。多くの人は、AI が実際よりも上手に書けていると思い込んでいる。裏を返せば、読み手が機械の書いた文章に当てている基準は、人間に当てている基準より低いということです。

• #evals

Codex に足りないインターフェースは、話しかけられる腕時計

Peter Yang が欲しいのは、Codex のスレッドに音声で口述し、返答を耳で聞ける Apple Watch アプリです。そうすればスマホを完全に置いていける。動機は利便性というより画面依存からの脱却で、噂されている OpenAI のデバイスがまさにそれなのではないか、ともこぼしています。

• #products
• #hardware