10月28日(水)のAIニュースRyokoの解説

AI開発ツールClaude

1.Cognition、FrontierCode 2.0を公開

要するにCognitionが、AIがそのままマージできるコードを書けるかを測るベンチマークを公開しました。首位のClaude Opus 5.5でも45.5%です。

Devinを開発するCognitionが、新しいベンチマークFrontierCode 2.0を公開しました。AIが書いたコードを、そのままマージできるかで測るものです。課題と採点基準は、20人以上のオープンソース開発者が、自分がメンテナンスするリポジトリから作りました。1課題あたり40時間以上をかけています。合格に必須の基準、ブロッカーを1つでも落とすと、その課題は0点です。

前の版より大きく、徹底さを問う課題に

前の版の1.1と比べて、課題は大きくなりました。参照解答が変更するファイル数は、平均67%増です。変更する行数は89%増、対象のコードベースも25%大きくなっています。重視しているのは徹底さです。同じバグが別の場所にもあれば直す、といった、指示に書かれていなくても気づくべきことです。この徹底さの基準が、1.1の168個から501個に増えました。セキュリティ修正や性能改善の課題も加えています。

首位のClaude Opus 5.5でも45.5%

スコアの首位はClaude Opus 5.5で、45.5%でした。2位はGPT-6 Astraの42.8%。Grok 4.7は28.6%、Gemini 4 Argonは26.3%です。Cognition自社のモデルSWE-2も採点の対象に入っていて、23.9%でした。前の版の1.1では、Claude Opus 5.5は54.6%でした。どの値も、各モデルのいちばん良いeffortで測ったものです。

effortは高いほど良いとは限らない

推論の量、つまりeffortを上げると、多くの基準では合格率が上がります。一方で、頼まれていない範囲まで手を入れて、「範囲」の基準で落ちやすくなります。費用あたりの成績では、GPT-6.1 Solが特に良いとしています。effortは高いほど良いとは限りません。作業の範囲をはっきり伝えることが効きます。なお、これはCognition自身のモデルも採点の対象に入った、自社のベンチマークです。

出典を開く（Cognition Blog）スライドで見る

AI開発ツールGitHub

2.Copilot、安全な操作をAIが自動許可

要するにGitHub Copilotで、操作の許可をAIが判断し、明らかに安全なものだけ自動で進める機能が一般提供になりました。

GitHub Copilotで、assisted permissionsが一般提供になりました。エージェントが求める操作の許可を、AIに判断させる機能です。使えるのは、Copilot CLI、GitHub Copilotアプリ、Visual Studio Codeです。

仕組み: 明らかに安全なものだけ自動で進める

Copilotが、コマンドの実行やファイルの場所へのアクセス、URLを開くことの許可を求めると、言語モデルがその求めを評価します。明らかに安全と判断したものだけが、そのまま自動で進みます。それ以外は、人に承認を求めます。

それぞれの場所での選び方

Copilot CLIでは、/permissionsを実行して、assistedを選びます。GitHub Copilotアプリでは、モード選択のTool permissionsから、Assistedを選びます。Visual Studio Codeでは、権限の選択からAssisted permissionsを選びます。

管理者は、使えるモードと既定を決められる

企業の管理者は、すべて許可、つまりAllow Allを禁止したまま、Assistedだけを許可できます。Assistedを個別に無効にすることもできます。新しいセッションの既定の権限モードも決められます。既定のモードが使えない、またはポリシーで禁止されている場合は、手動承認でセッションが始まります。

確認の手間を減らし、危ない操作は止める

エージェントに作業を任せると、「実行してよいですか」の確認が何十回も出て、中身を読まずに許可を押しがちです。安全なものは自動で通し、判断が必要なものだけ人が見る形にすると、確認の手間を減らしつつ、危ない操作は止められます。チームで入れるなら、Allow Allは禁止して、Assistedを既定にする設定が、現実的な落としどころです。

出典を開く（GitHub Changelog）スライドで見る

AI開発ツール

3.Codex 0.165.0、memory v2が既定に

要するにCodex CLIの0.165.0で、新しいメモリ機能memory v2が既定で有効になり、ほかのエージェントのメモリも取り込めるようになりました。

OpenAIのコーディングエージェント、CodexのCLIが0.165.0になりました。新しく作ったプロフィールでは、メモリ機能の新版、memory v2が最初から有効になります。Google CloudのVertex AIを使うための設定も、組み込まれました。会話の途中で推論の深さ、reasoning effortを変える機能も、対応モデルでは既定で使えます。

memory v2: ほかのエージェントのメモリも取り込める

memory v2には、ほかのエージェントで貯めたメモリを取り込む機能も加わりました。エージェントが前の作業を覚えておくメモリは、同じリポジトリで長く使うほど効いてきます。ツールを乗り換えたり併用したりするときに、一から教え直す手間が減ります。ただ、memory v2の詳しい仕組みは、リリースノートに書かれていません。何が記録されるかは、手元で確かめてから使うのが安全です。

Vertex AIの設定と、途中で変えられる推論の深さ

Google CloudのVertex AIを使うための設定が、Codexに組み込まれました。使うときは、model_provider = "gcp"で指定します。会話の途中でreasoning effortを変える機能は、対応モデルでは既定で有効になりました。モデルの一覧には、GPT-6.1 Terraも加わっています。

セッションの探しやすさと、穴の修正

セッションを選ぶ画面では、リポジトリで絞り込むことができるようになりました。エージェントのコマンドセンターには、ディレクトリごとのまとめ表示が加わりました。リンクしたworktreeをまたいで、セッションを探しやすくなっています。あわせて、マーケットプレイスのURL検証で、確認したものと別のホストにGitがつながりうる穴を直しました。

出典を開く（GitHub Releases（openai/codex））スライドで見る

AI×ビジネス活用AnthropicClaude

4.Anthropic、Claudeでの創薬の途中経過

要するにAnthropicが、6組織との共同研究などで、創薬の多くの工程にClaudeを入れた途中経過を公開しました。まだほとんどは前臨床の段階です。

Anthropicの生命科学チームが、Claudeを使った創薬研究の途中経過を公開しました。共同研究の相手は、BigHat Biosciences、Bristol Myers Squibb、Divergence Labsと、Enveda、Generate Biomedicines、The Column Groupの6組織です。子どもの希少な筋ジストロフィーなどを対象にした、自社の研究も始めています。1人で筋ジストロフィーの治療法を開発していたMithril Medicineも買収しました。

分子の設計だけでなく、創薬の多くの工程に

特徴は、分子の設計だけでなく、実験データの分析や、製造の書類の確認、臨床試験の計画まで、創薬の多くの工程にClaudeを入れていることです。AIの創薬では分子のアイデア出しが注目されがちですが、実際の遅れは、書類の確認や実験の調整など工程全体に散らばっています。

設計と試験の数字（各社の報告）

Generate Biomedicinesでは、6人の研究者がClaude Codeで、CAR-T細胞療法の遺伝情報の一部を設計し直しました。設計は標準より約70%短く、実験では免疫細胞ががん細胞を見つける受容体を約10倍作り、がん細胞をより効率よく倒しました。Divergence Labsは食物アレルギーの研究で、約1か月で約3万5千の抗体設計を作って絞り込み、初期の試験で候補を見つけました。BigHat Biosciencesは、Claudeを研究所のデータシステムにつなぎ、約10週間で1,010の候補を作って試験しました。

書類の確認と、実験の調整も

Envedaは、製造の記録をClaudeに確認させました。1,061ページの試験です。人が見つけた問題11件をすべて見つけ、人が見落とした7件も指摘しました。Mithril Medicineの創業者は、11の外部研究所との契約や実験の調整を、Claudeに任せました。着想からマウスでの有望な結果まで、18か月未満で進めています。

まだ初期段階。薬ができた段階ではない

Anthropic自身が、まだ初期段階で、ほとんどは人での試験の前、つまり前臨床だと明記しています。成果は各社の自己報告で、薬ができた、効いたという段階ではありません。書類の確認や実験の調整にClaudeを入れ、具体的な数字を出した事例です。研究以外の業務で使うときの参考にもなります。

出典を開く（Anthropic Research）スライドで見る

AI×ビジネス活用

5.OpenAIとOracle、業務アプリをChatGPTへ

要するにOpenAIとOracleが、Oracleの業務アプリとデータをChatGPTから使えるようにします。中心のAI Workspaceは近日提供の予定です。

OpenAIとOracleが提携を広げ、Oracleの業務アプリとデータを、ChatGPTから使えるようにすると発表しました。Oracleが10月27日にラスベガスで開いた、Oracle AI Worldでの発表です。業務、アプリ開発、セキュリティ、中小企業向けの、4つの提供内容を示しています。

中心のOracle AI Workspaceは近日提供

中心になるのはOracle AI Workspaceです。ChatGPTから、Oracleの業務アプリを使えるようにします。Fusion Applications、NetSuite、Oracle AI Database、OCIの情報を調べられます。承認済みの業務の流れを実行することもできます。提供は近日の予定です。提供時期と機能の詳細は、公開に近づいてから示すとしています。

Codexでアプリを作り、脆弱性は攻撃の前に直す

Oracle App Composerでは、プログラムを書けない人でも、Codexを使ってアプリを作れます。作ったアプリはOCIにデプロイでき、本人確認・権限・監査の記録は、作る過程でも保たれます。Oracle AI Security Meshは、OpenAIのサイバー向けモデルを使うマネージドサービスです。OCIや他社のクラウド、社内のシステムにある脆弱性を、攻撃される前に見つけて直します。試験してよい範囲は、顧客が決めます。

中小企業向けのまとめ売り

Oracle AI SMB Bundleは、無料で始められる、中小企業向けのまとめ売りです。中身は、ChatGPT Business、AI Workspace、Codex、App Composerと、OCI、NetSuite QuickStartです。さらに、年1万2千ドル分のクラウドクレジットが付きます。日本での提供条件は、確認した範囲では示されていません。

誰の権限で、どこまで任せるか

会社の基幹システムを、画面を探して操作するのではなく、ChatGPTに話しかけて使う方向に、大手が動いています。カギは、AIが社員と同じ権限と承認の範囲でしか動かないようにすることです。自社でAIに業務をさせる設計を考えるときも、誰の権限で、どこまでの操作を許すかを、最初に決める必要があります。

出典を開く（OpenAI / Techzine）スライドで見る

AIモデルGoogleGoogle Gemini

6.Google DeepMind、Genie 4を発表

要するにGoogle DeepMindが、言葉の指示で場面がリアルタイムに変わる仮想の世界を作る、Genie 4の研究を発表しました。まだ一般には使えません。

Google DeepMindが、Genie 4の研究を発表しました。ワールドモデルの新版です。操作に合わせて動き続ける仮想の世界を、その場で生成します。

言葉で場面を変え、音も一緒に生まれる

Genie 4では、出来事を起こしたあとに、「カメラを動かす」「天気を変える」「登場人物を加える」といった指示を、自然な言葉で出せます。すると、場面がリアルタイムに変わります。環境音や音楽、登場人物の会話も、映像と一緒に生成されます。

Geminiの能力を取り込んだ

Genie 4は、Geminiファミリーの能力を取り込んでいます。Gemini Omniが、見た目や動きの現実らしさを支えます。ほかのGeminiモデルは、場面の一貫性を保つための推論を担います。

提供はまだ一部のテスターだけ

提供は、限られた信頼できるテスターから始めた段階です。Google AI Ultraの加入者向けのProject Genieと、Gemini API・AI Studioの早期アクセス先に、近日提供するとしています。用途としては、ロボットやエージェントを安全に訓練する環境を挙げています。映画、報道、ゲーム、製造などの創作ツールも挙げています。ただし、現時点では一般には使えない研究発表です。

出典を開く（Google Blog / Google DeepMind）スライドで見る

ローカルLLMOllamaApple

7.Ollama、小型モデルLFM3に対応

要するにOllamaの0.40.12で、手元で動かす小型モデルLFM3が使えるようになりました。今回はAppleのハードウェアだけの対応です。

手元のパソコンでAIモデルを動かせるOllamaの0.40.12で、Liquid AIの小型モデル群、LFM3が使えるようになりました。手元で動くエージェント、ツール呼び出し、決まった形式での出力に向けて作られたモデルです。今回のリリースでは、Appleのハードウェアだけの対応です。

LFM3は4種類

ollama run lfm3で動かせます。文章用のlfm3は1.7Bのモデルで、コンテキストは25万6千トークンです。画像を理解するlfm3-vlと、18言語の音声認識・翻訳・読み上げができるlfm3-audioがあります。文章・画像・音声を1つで扱うlfm3-omniもあります。

質問を付けて判断させる、d1の2B版

LFM3をもとにした判定用のモデル、d1の2B版も加わりました。たとえば「I was charged twice for order 4417.」という文を渡し、--askで「Is this a billing issue?」と質問を付けて、判断させます。音声も扱えるd1-omniもあります。

対応はAppleから。速さの改善も

lfm3とd1の2B版は、今回はAppleのハードウェアだけの対応です。LinuxとWindowsは、近日対応するとしています。Apple siliconでは、Gemma 4、Flint、Lagunaのプロンプト処理が速くなりました。MLXでの投機的デコーディングが、DFlash2の下書きモデルに対応しました。ollama launchは、OpenCode v2に対応しています。

データを外に出さず、Macの中で判断する

問い合わせの振り分けや簡単な文字起こしのような判断を、データを外に出さずに、Macの中だけで自動化できます。1.7Bと小さいので、普段使いのMacでも試しやすい大きさです。ただ、性能の数値はリリースノートに書かれていません。自分の用途で精度を確かめてから使います。

出典を開く（GitHub Releases（ollama/ollama））スライドで見る