AI を実際につくっている人たちが今日話したこと。1 ページ、約 7 分。
open weights はもう議論の対象ではなくなった。Google が加わったことで、この1か月続いた公開実験に一区切りがついた形だ。4週間前にはほとんど誰も持っていなかった合意へ、米国の AI コミュニティが一気に動いた。それ以外の話題の軸は「工場」だった。Rauch と Nan Yu はそろって、作るべきものはプロダクトを維持し続ける agent システムそのものだと論じ、Anthropic は1か月にわたる Claude Code の品質低下についてのポストモーテムと、agent の頭脳と手を分離するアーキテクチャの両方を公開した。
Anthropic、1か月続いた Claude Code の品質低下を3つの別々の変更に特定
互いに無関係な3つの変更が積み重なり、モデル全体が劣化したように見えていた。まず Claude Code のデフォルトの reasoning effort が3月4日に high から medium へ静かに下がっていた(現在は Opus 4.7 で xhigh に戻っている)。次に3月26日のキャッシュ最適化は、古い thinking を一度だけ消すはずが毎ターン消してしまっており、物忘れの症状と利用上限の減りが妙に早い問題の両方はこれで説明がつく。さらに4月16日に system prompt へ加わった「回答は100語以内」という一文が、eval のスコアを3%落としていた。3つとも v2.1.116 で修正済みで、利用上限は全サブスクライバーに対してリセットされる。
米国の AI コミュニティは1か月足らずで open weights に収束した
1か月前まで open weight 支持は賛否の分かれる立場だったのに、今では当たり前に感じられる。Madhu Guru はその理由を、インセンティブ、イノベーション、地政学についてそれぞれ違う側面を露わにした一連の公開実験に求める。DeepSeek、Microsoft と OpenAI の決裂、GLM、Kimi、Fable、そして OpenAI と Hugging Face の一件だ。彼のより大きな主張は方法論にある。前例のない領域では、難しい問いへの答えは現実との接触を繰り返すことからしか得られない。今後10年、AI をめぐる社会的な大問題の多くもそうやって決着していくだろう、というわけだ。
Benedict Evans:モデルはどれも似通っている、だから価値はスタックの上へ移る
フロンティアモデルを作っているのは3〜6社で、どれもだいたい同じ。Evans はこれを、参入障壁がまだ存在しない証拠と読む。ラボが完全に脱落しても、すぐリーダーボードの上位に返り咲ける。それはラボにとって良い兆候ではなく、悪い兆候だ。彼が引き合いに出すのはモバイルネットワークで、トラフィックは1000倍以上に増え、capex は年間2000億ドル規模なのに、価値はすべてスタックの上、Uber や YouTube へ流れていった。雇用喪失の話題では、モデルが法律事務所の1年目アソシエイトの仕事の93%をこなせるとする図表を一刀両断する。アソシエイトが実際に何をしているかは測れないし、モデルがそれをできるかも測れない。だから「あんなものはたわごとだ」。本当のボトルネックは能力ではなく、ほとんどの人はツールを作る側ではなく、ツールが解くべき問題も見えておらず、そもそも作れる立場にもいないことだという。
Rauch:プロダクトはソフトウェア工場そのもので、そこから出てくるアプリではない
Rauch の見立てでは、プロダクトの質は、それを自律的に維持させるために組んだ agent の質で決まる。Tesla が製造で学んだのと同じ教訓だという。新しいアイデアが出てきたときにやるべきなのは、agent にその場限りのプロンプトを投げることではなく、それを立ち上げ、維持し、育てる工場を作ることだ。彼自身のリサーチはすでにこの方式で回っている。ただの research/ フォルダ、好みのフォーマットとベストプラクティスを書いた AGENTS.md、そして過去のセッションをまたいで知識を突き合わせる agent の CLI。ナレッジグラフもアプリもなく、同期は iCloud か git 経由。結果を共有したいときは、agent が HTML レポートをレンダリングしてデプロイまでやってくれる。
Claude Managed Agents、自社の境界内で tool を実行できるように
Managed Agents が、自前のインフラでも Cloudflare、Daytona、Modal、Vercel といったマネージドプロバイダーでも、自分で管理する sandbox 内で tool を実行できるようになった。agent のループは Anthropic 側に残したまま、コード実行、ファイル、サービスは自社のネットワークポリシーと監査ログの内側にとどまる。research preview の MCP tunnels を使えば、agent は軽量なゲートウェイ経由で社内データベース、プライベート API、チケットシステムに到達できる。ゲートウェイは外向きの接続を1本張るだけで、インバウンドのファイアウォールルールも公開エンドポイントも要らない。セルフホストの sandbox は public beta で、Amplitude、Clay、Rogo がすでにこの組み合わせの上で開発を進めている。
Anthropic、セッション消失を止めるために agent の頭脳と手を分離した
セッションと harness、sandbox を1つのコンテナに同居させると、そのコンテナはペット化する。落ちればセッションごと消えるし、デバッグにはユーザーデータを抱えた箱に入り込むしかない。Managed Agents は今、この3つをそれぞれ別のインターフェースとして扱う。harness がクラッシュしても wake(sessionId) で再起動して永続化されたイベントログを再生できるし、sandbox が死んだ場合は Claude がリトライできる tool 呼び出しエラーとして表面化する。コンテナは tool 呼び出しが実際に必要になったときだけプロビジョニングされ、これで time-to-first-token は p50 で約60%、p95 では90%以上短縮された。セキュリティ面の効果も実質的だ。Claude が生成したコードが動く sandbox に認証情報が置かれることはなく、git のトークンは初期化時にローカルの remote へ組み込まれ、MCP の OAuth トークンはプロキシの背後の vault に保管される。
ChatGPT Work のアクティブユーザーが Codex を上回った
Sottiaux によれば、ChatGPT Work のアクティブユーザーは今や Codex を上回っている。彼はまた、すでに ChatGPT アプリで使える音声機能も推している。彼の言い方では、これでようやくコンピューターに話しかけることに意味が出てきた。「コンピューターに話しかけること自体はずっと可能だった。ただ、大した反応は返ってこなかった。そのバグを直したんだ」。モバイルから使うと世界が変わる、とのことだ。
Codex を1日中回し、12体の subagent で200個のバグを狩る
Steinberger は OpenClaw のリリースを前に大規模な並列 QA をやっており、使ったプロンプトをそのまま公開した。実際の API キーを使ったフルの end-to-end テスト、機能を分担する12体の subagent、負荷テスト用に別ポートで立てた dev gateway、worktree、自律的な PR 作成、目標は200個のバグ、応急処置なしで毎回 root cause を直すこと、そして進行中のテストレポートを markdown で残すこと。変わったのは耐久性だという。このワークフローは以前なら compaction の境界で崩壊するか、モデルがズルを始めるかだったが、今は最後まで持ちこたえ、複雑な挙動の問題まで見つけてくる。別途、OpenAI は書簡に署名したのに Ant は沈黙したままだと指摘しつつ、はっきり言っておきたい点を2つ挙げている。競争はエコシステムにとって良いことであり、モデルを大規模に提供するのは難しい、ということだ。
ソフトウェア工場を作れるなら、工場を作る工場も作れる
Nan Yu は工場という発想をもう一段上へ押し上げる。ソフトウェアを生み出すシステムがあるなら、そうしたシステムを生み出すシステムも成り立つはずだ、というわけだ。さらに彼は、この抽象化は本当はソフトウェアに限った話ではないと考えている。設計され実装された意図があるところなら、公衆衛生でも法律でも、同じ再帰が当てはまる。
Masad のチェスエンジン、finetune した LLM 1つで Elo 約1200に到達
Masad が新しいチェスエンジンをデプロイした。現状の推定は Elo 1200 前後で、目標は2つの厳しい制約のもとで 2000+ に届かせること。制約とは、小さな finetune 済み LLM を1つだけ使い、独自の事前学習もアーキテクチャも持ち込まないこと、そして指し手はチェスエンジンの助けを一切借りずにモデル自身が生成すること。どちらかを緩めれば問題はずっと簡単になる、と彼自身がはっきり述べている。
元データは zarazhangrui によるオープンソースプロジェクト follow-builders（MIT ライセンス）から取得しています。要約はそのプロジェクトの公開フィードをもとに LLM が生成し、要約プロンプトも同プロジェクトを改変したものです。上記の各項目は原文にリンクしています。
要約は自動生成です。判断の根拠にする前に原文をご確認ください。