AI Builders Digest

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

無関係な3つの変更が重なって、あたかも1つの広範な品質低下のように見えていた。3月4日にデフォルトの reasoning effort が high から medium に下がった。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、セッションの残り全ターンで消してしまい、Claude は物覚えが悪くなり、cache miss で利用上限を食い潰した。4月16日には応答を100語に制限する system prompt の一行が入り、Opus 4.6 と 4.7 で eval が3%低下していた。API は一度も影響を受けておらず、3件とも v2.1.116 で修正済み。利用上限は全サブスクライバー分をリセットする。今後は system prompt を変更するたびにモデルごとの eval スイートを回し、行単位の ablation を行い、知能とトレードオフになりうる変更には soak 期間を設ける。

• #products
• #evals

OpenAI、Codex の上限は変えていないと説明。sub2api の転売が不正検知に触れた

OpenAI は Codex の利用上限の挙動が変わったという報告を調査し、コミュニティに先に相談せずに上限を変えることはないと述べた。判明したのは別の事情だった。影響を受けたユーザーの多くが sub2api を使い、サブスクリプションを API トラフィックに変換して多数のユーザーに再提供・共有しており、これが不正防止のフラグに引っかかっていた。公式クライアントや、Pi や OpenCode のような OSS クライアントから ChatGPT でサインインする分には問題ない。同じ日にもう2つ出荷されている。ChatGPT と API での GPT-Image-2 による透過画像出力、そして他の人と一緒に作れる共有可能な ChatGPT Sites だ。

• #policy
• #products

Claude Managed Agents、自社の境界の内側で tool を実行できるように

セルフホスト sandbox がパブリックベータに入った。オーケストレーション、コンテキスト管理、エラー復旧を担う agent ループは Anthropic のインフラに残り、tool の実行だけが自社の管理するインフラ、あるいは Cloudflare、Daytona、Modal、Vercel へ移る。コードも、機微なファイルも、リポジトリも、ネットワークの外に出ない。ランタイムイメージとリソースのサイズも自分で決められるので、長いビルドや画像生成では効いてくる。リサーチプレビューの MCP tunnels を使えば、agent は社内データベース、プライベート API、チケットシステムに、外向きのゲートウェイ接続1本だけで到達できる。インバウンドのファイアウォール規則も公開エンドポイントも要らない。Amplitude、Clay、Rogo はすでにこの上で開発している。

• #agents
• #products

Anthropic、データを顧客側が丸ごと持つデプロイ形態を出荷へ

Mythos クラスのモデルには追加の安全対策が要る。企業側にも、満たさなければならないプライバシーとコンプライアンスの規定がある。Anthropic は顧客と組んで、顧客が自らデータを所有・管理し、Anthropic 側には一切残らない構成を進めてきた。提供は今秋。

• #policy
• #products

Claude の新しいエンタープライズ向け safeguards は顧客自身のインフラで動く

企業向けの新しい Fable safeguards は自社のインフラ上で動き、データがどこにあり誰がアクセスできるかの管理は自社側に残る。すでに約100社と一緒に開発を進めており、より広い提供は秋を予定している。

• #policy
• #agents

agent の頭脳と手を分けたら、p50 の time-to-first-token が60%短くなった

Managed Agents は当初、session、harness、sandbox を1つのコンテナに同居させていた。そのせいでコンテナがペット化した。落ちればセッションも道連れになり、デバッグはユーザーデータも入った箱に入り込む作業になった。解決策は、独立して壊れられる3つのインターフェースに分けることだった。session log を harness の外に置いたので、harness が落ちても wake(sessionId) で立ち上がり、最後のイベントから再開できる。コンテナは必要になったときに tool call で初めて確保されるため、sandbox に一度も触れないセッションはセットアップコストを払わずに済む。p50 TTFT はおよそ60%、p95 は90%超下がった。セキュリティ面の見返りは、Claude の生成したコードが走る sandbox から認証情報に一切手が届かないことだ。prompt injection が自分の環境を読むだけで済む、ということはもうない。

• #agents
• #products

本物の形態視を取り戻す網膜インプラントが、欧州で承認された

Prima は網膜の下に埋め込むチップで、患者の眼鏡に載せたレーザープロジェクターが駆動し、加齢黄斑変性で視力を失った人の死んだ杆体と錐体を迂回する。7月に欧州で販売承認を取得し、数週間のうちに最初の販売が始まる。治験の患者は数独やクロスワードを埋め、本を読んだ。これまでのどのデバイスも達成できなかったことだ。背後にある捉え方はこうだ。脳は明らかにコンピュータであり、コンピュータとして扱えば、低分子創薬が数十年かけても出せなかった効果量が出る。「M1 に電極を挿せば、たぶん1時間後にはコンピュータを操作している」からだ。脳をキーボードにする製品は目標ではないと明言している。「視覚、聴覚、平衡感覚、そして毎秒1キロビットの運動制御が手に入れば、マトリックスまで半分は来ている」からだ。platonic representation hypothesis はここでは哲学としてではなく実務として使われていて、動物の神経記録と AI モデルの内部表現を対応づけられる。

• #hardware
• #research

投資家が野心を求める本当の理由。見送りのコストが高くなりすぎた

LP たちは、Anthropic がゼロから1兆ドルの評価額まで史上最速で駆け上がるのを見た。SpaceX は1.77兆ドルで上場し、Cursor は4年で600億ドルに達して、初期のファンドに意味のある DPI を返した。その反応としてメガファンドに資金が流れ込んだ。ファンドがそこまで大きくなると、たとえ Series A の1枚の小切手であっても、1兆ドル規模の結末を前提に引き受けざるを得ない。そうなるとエントリー価格は意味を失う。200 でも 300 でも 500 でも、ときに 1B でも、モデル化している結末の前では同じだ。だから見送りの誤りは、投資してしまう誤りよりはるかに重くなった。ファンドは熱のある案件を1つも取りこぼせず、あとはべき乗則が仕事をする。ピッチで野心が支配的になるのは、この算数が理由だ。

• #funding

post-training が、応用 AI 企業のコストレバーになりつつある

あるドメインを十分に理解し、似たタスクの量がまとまってくると、その仕事のためだけにモデルを設計することが割に合い始める。仕組みは post-training での reward shaping で、同等の性能ならより少ない token で済む軌跡を優先する。これによって「コストと品質を同時に最適化でき、コストを一定に保ったまま性能を大きく伸ばせた」という。どこでも成り立つ話ではない。汎用のフロンティアモデルで十分なことも多いし、むしろそれでなければならないことも多い。ただ、深い業界知識があり、そのうえで大規模に回すにはコストが高すぎるか、誰も学習させていない種類のタスクを抱えているなら、エンタープライズのワークフローに近い企業にとっては説得力のあるポジションになる。

• #products
• #research

企業が AI でつまずくのは、eval 戦略がないからだ

スイートを1つ持っているだけでは足りない。コストと現実性のスペクトラムに沿って階段状に並べた eval 群が要る。しかも自社のユースケースに合わせたものだ。hill-climb eval はプロダクトのフロンティアを押し広げるもので、品質を上げ機能を広げ続けるには絶えず更新しなければならない。regression eval は hill climbing が壊したものを捕まえる。smoke test は、製品のアイデンティティのような、絶対に壊れてはいけない基本を押さえる。launch eval は実トラフィックに近いところで走り、統制は最も弱く、現実性は最も高い。

• #evals

Vercel のポジショニング、そのまま一言。「我々は agent 向けの AWS を作っている」

ピッチはこれで全部、一行で言い切った。Rauch は、シンプル・高速・オープンを追う Bun の姿勢が Vercel と、そして同社の世界の捉え方にぴったり合うとも述べ、出荷した Jarred Sumner を祝った。

• #agents
• #products

Replit が OpenAI と提携。Free Mode の本当の強みは速さだ

Masad は OpenAI との提携を、とっくにあってよかったものだと言う。Replit が YC に入る前から、Paul Graham が Sam Altman に彼らを勧誘するよう頼んでいたのだと持ち出した。彼に言わせれば、新しい Free Mode の過小評価されている点は無料であることではなく、コーディングを再びインタラクティブにできるだけの速さがあることだ。

• #products

manager agent に worker agent を煽らせて、出力を引き上げる

Yang の見立てでは、AI の出力の多くは、manager agent がただ押し返すループで良くなる。「本当にこれがベストか?」「もっとやれるはずだ、やり直せ」「よく見ろ、11/10 の出力をよこせ」。彼は YouTube の登録者10万人も超えた。今のモデルが eval を根本から変えてしまった話、vibe coding で作られたアプリのうち実際にビジネスになったのはどれか、そして ChatGPT Finance についてのインタビューが控えている。

• #agents

SPC が最も厳しく見る資質は、経歴ではなく clarity

clarity とは、正直でいられること、戦場の霧を切り裂けること、濁った水の中で進路を描けることであり、Agarwal は SPC が最も重視する資質はこれだと言う。彼が挙げる極致は Sridhar Ramaswamy だ。Google の広告を10億ドルから1000億ドルまで伸ばし、今は Snowflake を AI シフトの中で率いている。Minus One のエピソードでは、キャリアのリスクをいつ取るか、Neeva で何がまずかったか、モデルは次にどこへ向かうかを扱っている。関連してもう一言。最高の創業者は還元主義者だ。

• #funding

NVIDIA が60億ドルで買ったのは、Thinky クラスを上回るモデル工場だった

swyx の最新の Latent Space は、NVIDIA が60億ドルを払ってモデル工場を買い取った当人が相手だ。Thinky を上回るモデルを量産しているという主張は誇張ではない、数字を見ろ、と swyx は言い切る。彼は agent skills に現れつつあるパターンも指摘している。Matt Pocock の /wayfinder は /grill-me のための /grill-me で、戦場の霧の中を進んでいて、自分が何を知らないのかすら分かる前にリサーチとさらなる grill セッションを組み立てなければならない場面のために作られている。

• #funding
• #agents