AI Builders Digest

サイバーセキュリティの価格性能比で Grok 4.5 が首位、コンテナは agent の安全な境界にならない

Vercel の最新ベンチマークによると、価格性能比で見たサイバーセキュリティ用モデルの最良は Grok 4.5 だった。Sol の 10 分の 1、Opus 5 の 5.7 分の 1、Kimi K3 の 2.2 分の 1 のコストで、性能はほぼ Kimi と同水準に着地している。フロンティアそのものは依然として Sol が押さえていて、Opus 5 を上回る。これとは別に Rauch が取り上げたのが、agent をどこで動かすべきかについての Kimi の論文だ。コンテナレベルの隔離では不十分で、実験では agent が kernel panic を起こして下層のマシンごと落としてしまったという。Rauch の見立てでは、Vercel Sandbox が採用している Firecracker microVM こそが実際に持ちこたえる境界だ。

• #evals
• #security
• #agents

Granola の CEO：狙いは議事録ではなく、仕事のインターフェースだ

Chris Pedregal は、いま誰もが奪い合っている AI 議事録という領域に最終的な価値が残るとは考えていない。Notion も OpenAI も Zoom も競合機能を出したが、Granola の成長率はまったく変わらなかった。その経験が、本当の勝負は AI ネイティブな世界で仕事に使うインターフェースをめぐるものだという確信を強めた。最も具体的な賭けが事前生成だ。Granola は会議前のブリーフを何百万件も生成していて、開かれるのはごく一部だと分かったうえでやっている。役に立つ瞬間とは、遅刻しかけていて相手が誰だったか思い出せない、あの 15 秒だからだ。彼はこのプロダクトを手すりにたとえる。つまずくまで存在に気づかない。創業者としての本音はこうだ。「うまくいっていないときのスタートアップは本当にきついものだと思っていた。ところが、うまくいっているときも同じくらいきつい」。チームが token の支出を追い始めたのはつい先週で、きっかけは誰かが Fable で一日に数千ドル溶かしたことだった。

• #products
• #agents

1 token あたりのドル単価は、1 年前に指標として死んでいる

swyx の主張は、input と output の token 単価という比較軸は昨年のどこかで意味を失った、というものだ。task あたりのドルではなく token 単価でコストを図示している人間は、真面目に取り合う価値がないとまで言う。さらに自分の agent lab 論にも刃を向けた。Claude Code は今年事実上オープンソース化されたのに、そのロードマップにも競合のロードマップにもほぼ何も起きなかった。彼はこれを、自分が知られている立場に対する最も強い反証だと認めている。

• #evals
• #agents

企業は採用を続けている、ただし職種が変わっただけだ

Levie によれば、予言されていた AI による雇用崩壊は、彼が話す企業のどこにも現れてこない。これまで手が届かなかった問題に取り組ませるためにエンジニアを採り、AI のおかげで顧客により深く入り込めるので営業を採り、AI を実際に本番へ届けるために社内の forward-deployed engineer を採っている。彼はこれを Jevons の逆説が働いている姿だと読む。より切れ味の鋭い主張はこうだ。AI をひたすらコスト削減に使う企業は、顧客への提供価値を上げるために使う企業に競り負ける。ただし、この傾向が反転する可能性は認めている。

• #policy
• #products

自転車で走りながら、Codex がローンチ動画を編集して納品した

OpenAI で DevEx を担当する Jason Liu は、自転車に乗っている最中にローンチ動画の修正を頼まれた。スマホから Codex に接続し、computer use で動画を編集させ、書き出させ、Slack のスレッドに投稿し返させた。さらに 30 分ごとにスレッドを確認して、フィードバックをもとに V2、V3、V4 を書き出すよう指示した。帰宅する頃には動画の承認が下りていた。キーボードの前に誰もいない状態で、agent が人間のレビューチャネルを相手に非同期の改訂ループを回した、きれいな実例だ。

• #agents
• #products

プロダクトレビューは進捗報告ではなく、市場のシミュレーションであるべきだ

Madhu Guru の主張は、良いプロダクトレビューとは、自分たちのアイデアに市場がどう反応するかをシミュレートすることで数か月ぶんの学びを 1 時間に圧縮するものだ、というものだ。そしてそれが成立するのは、その場にいる人間がその領域を本当に知っていて、審美眼があり、強い意見を持ち、しかもたいてい正しい場合に限られる。ところが多くのレビューは、進捗共有と経営層への可視化と部門間の合意形成へと漂流してしまった。人がレビューを嫌がるのはこの漂流のせいだ。学びの場であることをやめた瞬間、それは間接コストになる。

• #products

次に地図を描くべき辺境は、計算の宇宙だ

Masad は現在を新しい大航海時代として捉えている。前の世代は地球を測量し、その次は宇宙へ出た。今の世代に与えられたのは、AI agent が探索できるアルゴリズム、プログラム、証明、設計の空間だ。agent を生産性ツールとしてではなく、可能性空間を探索する検索エンジンとして見る、という枠組みへの賭けである。

• #agents

OpenAI が Codex と ChatGPT Work の有料ユーザー全員の利用上限をリセット

Codex と ChatGPT Work の有料顧客に対して、利用上限が一斉にリセットされた。ChatGPT Work の立ち上がりの速さを祝うものだという位置づけだ。Sottiaux はこの日はもう X から離れるとしつつ、来週さらに続きがあると予告している。

• #products

成功した投資を一件でも持つ VC は 40% 未満

Turck が紹介したのは、ベンチャーキャピタリストのうち成功した投資を一件でも持つ人は 40% に満たないという新しい調査だ。オチは本人がつけている。これを読んだ VC は全員、自分はその 40% の側だと静かに確信している。

• #funding

ある agent がバグを起票し、別の agent が一晩で直した

Steinberger の agent がバグを報告し、Jarred Sumner の robobun がそれを修正した。どちらのループにも人間は入っておらず、すべて同じ晩のうちに完了している。彼はこの構成こそが未来だと言う。あわせて、優秀なパートナーチームと本気でセキュリティに取り組んでいるのに、それでもプロダクトが安全でないと決めつけられることへの苛立ちも書いている。

• #agents
• #security

2 週間の旅程をすべて Claude Code で回し、そのあと振り返りを書かせた

Kothari は 2 週間の旅行で Claude Code を主インターフェースとして使い、そのうえで次回どう変えるべきかの振り返りを本人（agent）に書かせた。コード以外の日常用途で agent を常用ドライバーにした実験と、その agent 自身によるパフォーマンス自己評価という組み合わせが面白いところだ。

• #agents

優秀な人材がいるなら、自社プロダクトを良くすることに使え

Yu が社内版ツールの内製に反対する論法はこうだ。ひとつのプロダクトを良質で快適に使えるものにするために、非常に優秀な人たちが非常に懸命に働いている。だから優秀な人材を抱えているなら、その人たちは自社のプロダクトに向けて、他社のものにはわずかな費用を払えばいい。build か buy かという議論を、一撃の皮肉に圧縮したものだ。

• #products