#ソフトウェア開発

この記事を読んでまず思ったのは、「AIでコードを書くのが速くなったからこそ、速さを止める場所を雑に一個にまとめてはいけない」という当たり前の話を、ちゃんと今の現場の言葉で言い直しているな、ということだった。ここが妙に腑に落ちた。人間が書くコードでも、全部を同じ厳しさでレビューするわけではない。なのに agent が出した変更だけを一律に同じ gate に通そうとすると、たぶん詰まる。小さな修正と、権限を触るような変更と、設計を揺らす変更は、そもそも疑うべきポイントが違う。 逆に言うと、AI-native な SDLC で難しくなるのは「AI が間違えること」そのものより、その間違いをどこで、どの粒度で止めるかだと思う。この記事の見方はそこが面白い。コード生成がボトルネックではなくなっても、verification（検証）が消えるわけではない。むしろ、どの変更にどの検証を当てるかの設計が前に出てくる。ここを一本化したくなる気持ちは分かるけれど、一本化した瞬間に、軽い変更は重すぎて遅くなり、重い変更は軽すぎて怖くなる。 その不均衡は、たぶん人間より agent のほうが露骨に見せるんじゃな

この記事を読んでまず思ったのは、Claude Code の責任者がかなり率直に「雑に使っていい場面」と「雑に使ってはいけない場面」を分けているのが、かえって現実的だということだった。AIコード生成の議論って、つい「使うか使わないか」の二択に寄りがちだけれど、実際にはそんなにきれいに割り切れない。捨てる前提の prototype と、後で何人も触る production code を同じ目線で扱えないのは当然で、そこを曖昧にしないのは好感が持てた。 一方で、読んでいて少し引っかかったのは、結局「品質の番人」を人間がやるしかない、という点がかなり強く残るところだ。AI がコードを書くほど、レビューする側の負担は軽くなるどころか、むしろ「何が混ざっているかを見抜く目」が必要になる。Cherny が挙げていた lint rules や tests、automated code reviews みたいな仕組みは、たしかに筋がいい。でもそれって、裏返すと、そういう足場を先にちゃんと作れないチームでは AI の便利さがそのまま“slop”に変わる、ということでもあると思う。 あと面白かったのは、彼の

生成AIが広がるなかで、ものづくりの意味が揺らいでいる。この記事は、その揺れにソフトウェア開発者でありインディーゲーム制作者でもある筆者がどう向き合ったかを、かなり率直に書いたエッセイだ。技術の話であると同時に、創作の手触りや、他人の評価に支えられてきた気持ちの行き場の話でもある。読後に残るのは、AI賛否の単純な対立ではなく、「それでも自分は何を作るのか」という切実な問いだと思う。 筆者のJoel Autersonは、まず自分がその週にかなり落ち込んだと明かす。爆発的に荒れたのではなく、気力や自制心がしぼんで、ティッシュペーパーを洗濯機にかけたあとみたいに、ぐしゃぐしゃに崩れた感覚だったという。少し持ち直したので、同じような状態にいる誰か、とくに未来の自分に向けて考えを書き残したい、というのが出発点だ。 原因として挙げられているのは、生成AIだ。筆者は、創作者の仕事がどんどん軽んじられ、AIによって消費されていることに強い嫌悪感を持っている。画像生成AIについては、芸術を装っただけのものに見えてしまい、恥ずかしくて近づきたくないというかなり強い言い方をしている。一方で、彼が主戦場として

LLM がコードを書くのはもう珍しくありません。むしろ次に問題になるのは、動くかどうかではなく、そのコードがどれだけ雑か、という話です。Earendil の記事は、まさにそこを正面から扱っています。正しいけれど無駄が多いコード、重複だらけのコード、あとから人間が追いにくいコードを、どうやって数値に落とすのか。この記事はその難しさと、今の評価手法の頼りなさをかなり率直に書いていました。 Earendil の Sebastian は、LLM がほぼ完璧にコードを生成できるようになった今でも、それで話は終わらないと述べます。というのも、コードが形式的に正しいことと、良いコードであることは別だからです。必要以上の抽象化を増やしたり、似た処理を何度も書いたり、全体として悪い判断を積み重ねたりする。いわゆる “slop” は、テストを通るコードの中にも入り込みます。 記事では、こうした雑さが人間の手を離れやすい点を強く問題視しています。特に、月あたり何百万行もの LOC が増えるような開発では、人間が全部を追い切れません。エージェントなら何とかしてくれる、という期待もあるが、著者はそこに否定的です

「Claudeが一番良かった」という見出しだけ見ると、AIエージェント開発の道具立てはもうかなり整ってきたのかな、と思ってしまう。けれど、本文を読むと全然そんな話ではなくて、むしろ“まだかなり厳しい”という感触のほうが強かった。ベンチマークでトップでも、合格率が4分の1未満というのは、期待値をかなり下げて見ないといけない数字だと思う。 ここで面白いのは、評価の対象が単なるチャットではなく、「agent that build agents」だという点だ。つまり、AIにコードを書かせるだけでなく、そのAIが別のAIを組み立てたり調整したりする世界を測ろうとしている。発想としてはすごく今っぽいし、実運用に近づけようとしている感じもある。ただ、だからこそ失敗が目立つのだろう。賢い文章を返す能力と、複雑な仕組みを壊さずに作る能力は、やっぱり別物なんだなと感じる。 それと、こういうベンチマークは「勝ったモデル名」よりも、「まだ何ができていないか」を見るほうが大事だと思う。4分の1未満という結果は、AIエージェントを本番の開発作業にそのまま置くにはまだ怖い、という空気をはっきり示している。楽観的な宣

まず最初に思ったのは、「性能向上」よりも「安くなった」のほうが実務には効くな、ということだった。AIモデルのアップデート記事はついベンチマークの強さに目が行くけれど、実際に使う側が毎日気にするのは、どれだけ賢いかと同じくらい、どれだけ気軽に回せるかだと思う。 この記事で面白かったのは、Fable 5.1が単なる“より強いモデル”として語られていない点だ。cache reads の価格を下げたことで、通常の使い方なら約25%安くなり、agentic work ではもっと差が出るという。ここでいう agentic work は、モデルが途中で何度も状況を読み直しながら動くような、ちょっと重めの使い方だ。AIのコストは「1回の応答料金」より、こういう反復でじわじわ効いてくるので、ここを下げにきたのはかなり現実的だと感じた。 もうひとつ引っかかったのは、Fable 5.1 と Mythos 5.1 が「同じモデルだけど safeguards が違う」と説明されているところだ。能力の差というより、使ってよい場面の差で分けているのが、いかにも今のAI製品らしい。強いモデルをそのまま広く配るのではな

生成AIの話題は、どうしても最強モデルの性能競争に寄りがちです。けれど今回の元記事は、その見え方を少しずらします。著者が注目しているのは、最前線の巨大モデルではなく、「小さくて速いのに十分使える」モデルが現実の仕事にどう効いてくるかです。特に、消費者向けアプリや日々の業務で、推論コストがどれだけ商売を左右するかをかなり具体的に語っています。 著者の Calvin French-Owen は、ここ数週間 `gpt-5.6-luna` を試してきたと言います。彼の印象はかなり強く、驚くほど有能で、速く、賢い。コードベースやメール、知識ベースをまたいで作業させると、1秒あたり約100 token を処理する場面をよく目にしたそうです。しかも驚くべき点は、単に速いだけではなく、使っていて高くつかないことでした。 著者は、かなり込み入った research thread を走らせても、請求額が大きく膨らみにくいと述べています。たとえば何千通ものメールを横断検索させても、API コストは数十セントに収まることが多かった。これに対して、以前の世代のモデル、彼が Sonnet class と呼ぶもので

GUIかTUIか、開発者がどちらを選ぶべきかという話は、昔から何度も蒸し返されてきました。今回の元記事は、その議論に対して「GUIはマウス前提である必要はない」と強く言い切ります。しかも単に好みの話としてではなく、ユーザー体験の設計としてどう考えるべきかを、かなり実務寄りに語っています。今この話を取り上げる意味は、見た目の新しさより操作のしやすさが軽く扱われがちな中で、GUIの弱点がどこにあるのかをあらためて照らしているからです。 元記事は、Hacker News で話題になった別の投稿から始まります。その投稿は、アプリ開発者に対して、TUI、つまり terminal user interface を増やすのではなく、GUI、graphical user interface に集中するべきだと促していました。この記事の著者は、その投稿が HN の front page に載って活発な議論になったことにも触れつつ、まずは両方の立場に一定の理解を示します。GUI のほうが表現力の面では TUI を包含している、という考え方には理があるし、普段から terminal をよく使う人間としては、

まず思ったのは、これはかなり小さい話に見えて、実はかなり大きい問題だということです。 `AGENTS.md` を読むか読まないか、たったそれだけで揉めているように見えるけれど、実際には「AIエージェントにどこまで現場の文脈を持たせるのか」という話なんですよね。 Shopify のCEOが怒ったのも、単なる気分ではなくて、規模の大きいコードベースで働く人にとっては切実だからだと思います。人間の開発者なら、リポジトリの説明ファイルやチームのローカルルールを見てから作業するのは当たり前に近い。でも Claude Code のようなツールがそこを読まないと、毎回「このツールには手順を口頭で教え直す」ことになる。記事中の `complexity tax` という表現は少し大げさにも見えるけれど、運用する側からするとたしかに税金みたいなものかもしれません。便利さのはずが、使うほど説明コストが増えるのはいやな感じです。 もうひとつ引っかかったのは、Anthropic 側がその要望をすでに閉じていた、という点です。ユーザー側の不満がはっきり出ているのに、製品の設計として優先されていない。このズレは、A

まず気になったのは、「賢くなった」という言い方よりも、「最後までやり切る」「自分で間違いを見つける」という部分をかなり前に出していることだった。モデルの性能向上って、ついベンチマークの数字や“最高性能”の肩書きに目が行きがちだけれど、この発表はそこよりも、実務の途中で止まらないこと、雑な出力をそのまま返さないことに価値を置いているように見える。コードを書く人にとっては、単純な正答率よりそっちのほうがよほど効く場面が多いはずで、そこを強調しているのはかなり実感に近いと思った。 一方で、読んでいて少し引っかかったのは、称賛コメントの多さでもある。もちろん導入事例としては自然だし、実際に使った企業が手応えを語るのは大事だ。ただ、どれもかなり好意的なので、「本当にどこが苦手なのか」「前モデルから見て何がまだ残っているのか」は、逆に少し見えにくい。性能向上の話を聞くときに大事なのは、できることが増えた話だけじゃなく、どんな場面ではまだ危ういのかだと思う。そこが薄いと、現場に入れたあとに想像と違う、となりやすい。 それでも、Cyber の扱い方には少し感心した。強いモデルをそのまま広く出すのではな

この記事でいちばん気になったのは、「AIを入れるかどうか」より先に、「どうやって壊れにくくするか」を真面目に考えているところだった。生成AIまわりの話は、ついデモの派手さに寄りがちだけれど、ここではQA engineeringの発想でSDLC（ソフトウェア開発ライフサイクル）全体を組み直そうとしている。そこがかなり好ましいと思った。 特に引っかかったのは、requirements をいきなり仕様として固定するのではなく、design の直後に specification enrichment という段階を挟む話だ。要するに、雑な要件をそのまま次へ流さず、テストしやすい形に整える。これ、地味だけれど効く発想だと思う。AIは曖昧な指示にもそれっぽく応答してしまうので、あいまいさを前段で減らすのはかなり理にかなっている。人間のQAが「ここ、言葉が足りないです」と詰めるあの仕事を、工程として埋め込もうとしているわけで、AI時代だからこそ昔ながらの地味な仕事が重要になるのだと感じた。 もう一つ面白かったのは、LLM-as-a-judge を複数使って Cohen’s kappa で評価するという

この記事を読んでまず思ったのは、コードを書く速さそのものより、「何を作るつもりなのか」を毎回ちゃんとすり合わせるほうが、今の開発ではむしろ主戦場になってきているんだな、ということでした。Claude Code みたいな coding agent は、雑に言えば“手は速いけど、前提がずれると一気に遠回りになる”存在です。そこをかなり実感のある話として書いていて、そこは素直にうなずきました。 特に引っかかったのは、著者が繰り返し強調している「is my understanding correct?」です。これ、ただの確認文に見えるのに、実際はかなり強い型なんだと思います。人間同士の会話でも、相手に「自分の理解を言い直させる」とズレが見えますが、それを coding agent 相手に、しかも開発の途中で何度もやる。そうすると、説明する側が人間ではなく agent になり、しかも毎回“自分の理解”を検査できる。これは地味だけど効きそうです。 一方で、少し面白かったのは、この記事が「AI に任せれば楽になる」ではなく、「AI が速くなったぶん、こちらの認識の粗さが露出する」と書いているところで

この記事を読んでまず思ったのは、AIエージェントの話なのに、いちばん効いているのがかなり古典的なQAの発想だということだった。派手なのは「agentic SDLC」とか「MCP」とかの単語だけれど、芯にあるのは、仕様をもっと早い段階で磨くことと、判定のブレを測ることだ。ここが地味なのに、たぶん一番実務に効く。 特に、design phase の直後に specification enrichment stage を置くという考え方は、かなり腑に落ちた。AIに仕事をさせるほど、入力の雑さがそのまま出力の雑さになる。だから「実装してからテストで見つける」より先に、「そもそも何を作るのか」をQAの目で詰める。これは単なる前倒しではなく、AI時代の要求定義の再設計なんだと思う。人間同士でも曖昧な仕様は危ないが、LLM相手だとその曖昧さが増幅される。 もうひとつ面白かったのは、複数の LLM-as-judges を Cohen’s kappa で比べるという話だ。評価用にAIを使うのは今どき珍しくないけれど、そこで「どれくらい一致しているか」をちゃんと測る姿勢があるのは好感が持てる。AIの判定は

この記事を読んでまず思ったのは、APIって「人間が叩くもの」から「機械が意図を理解して動くための入口」に変わりつつあるんだな、ということです。地味に見えるけれど、ここはかなり大きい変化だと思います。 特に引っかかったのは、単に既存の endpoint をそのまま agent にラップするだけでは足りない、という姿勢です。人間なら「この画面を開いて、次にこのボタンを押す」で済む。でも agent は画面を見て空気を読んでくれないので、何をしたいのか、どこまでやっていいのかを API 側でちゃんと表現しないといけない。記事の言う intent-driven という考え方は、まさにそこを突いているように見えました。 ここで面白いのは、API 設計の主役が「機能を並べること」から「意図を誤解なく伝えること」に移っている点です。これ、便利そうに聞こえる一方で、実装者にはかなり厳しい。人間向けの雑な自由度は、agent にはノイズになりやすいからです。逆に言うと、API の設計がうまくなるほど、AI も使いやすくなる。まだ夢物語っぽく聞こえる言い方だけど、実際にはかなり泥臭い設計の話だと感じました

New Relicが、AIコーディングエージェント向けのMCPサーバ「Preflight」をオープンソースで公開した 対応対象は Claude Code、Cursor、GitHub Copilot、Windsurf など 何をしているかというと、AIがコードを書くときの「使ったトークン数」と「コスト」を見える化し、暴走を止めやすくする さらに、New Relicの観測データを使ってAIに“現場の事実”を渡す「Ground Truth」の役割も担う 背景には、AIが便利になるほど、企業側では「本当に得しているのか」が見えにくくなる問題がある この記事でいちばん面白いのは、AIをもっと賢くする話ではなく、AIをちゃんと管理する話に寄っているところです。派手さはない。でも、現場ではたぶんこちらの方がずっと切実です。 New Relicは2026年7月30日、AIコーディングエージェントの利用状況を観測・管理するMCPサーバ「New Relic Preflight」をオープンソースで公開しました。MCPは Model Context Protocol の略で、ざっくり言えば「AIアシス

Claudeの開発チームが、Claude Codeのsystem promptを80%以上削った、と聞くと少し驚きます。 ふつうは「安全のためにルールを増やす」方向に行きがちだからです。でもこの記事は、その逆をやっている。モデルが賢くなったなら、人間側が細かく縛りすぎないほうがいい——そんな発想の転換をかなりはっきり示しています。 Claude 5世代では、細かい禁止ルールより「状況に応じた判断」を重視している promptだけでなく、system prompt、Skills、CLAUDE.md、memory などを含めた「context engineering」が重要 以前は有効だった定石が、今はむしろ足かせになっている 例をたくさん与えるより、toolやfileの設計を良くするほうが効く 情報は全部を最初に詰め込まず、必要になったら読み込む「progressive disclosure」が強い CLAUDE.mdやSkillsは「何でも入れる倉庫」ではなく、必要時に開く案内板として考えるべき 参考資料も、単純なmarkdownよりHTMLやコード、rubricのような“高密度な参照

Anthropicが新しいモデル Claude Opus 4.7 を公開しました。今回の発表、ぱっと見はいつもの“モデル更新”に見えるかもしれません。ですが中身を見ると、ただの小幅アップデートではありません。特にソフトウェア開発、長時間の作業、そして細かい指示への忠実さがかなり強化されていて、「人が横でずっと見張らなくても、かなり任せられる」という方向に踏み込んでいます。 個人的には、ここがいちばん面白いと思いました。AIモデルの進化って、昔は「ちょっと賢くなった」「ちょっと速くなった」で済みがちでしたが、最近は「どんな仕事を、どこまで安心して渡せるか」が主戦場になってきています。Opus 4.7はまさにその競争のど真ん中にいる感じです。 Claude Opus 4.7 は一般提供開始で、Claude製品群やAPIから使える Opus 4.6 より、特に 高度なソフトウェアエンジニアリング で大きく改善 難しいコーディング作業を、以前より安心して任せやすい 長く続く作業でも、指示を細かく守りつつ、自分で結果を検証しながら進める 画像理解も強化され、より高解像度で見られる

Claude Code v2.1.181以降は、JavaScriptランタイムのBunを「Rustで書き直した版」で動かしている。 きっかけはBun作者Jarred Sumnerの投稿で、起動がLinuxで10%速くなったが、見た目の変化はほとんどないという話だった。 Simon Willisonは実際に自分の環境を調べ、Claude Codeの中にBunのバージョン文字列やRustのソースファイル名が埋め込まれているのを確認した。 つまり、かなり多くの端末で、Rust版Bunが静かに本番投入されているらしい。 “Boring is good” という一言が、この話のいちばん面白いところだと思う。派手な新機能より、地味でも速くて安定しているほうが現場では強い。 この話、派手さはないのに妙におもしろいです。 Claude CodeはAnthropicの開発補助ツールで、要するに「AIにコード作業を手伝わせるための道具」です。その内部で動く仕組みのひとつに Bun という runtime が使われています。runtime というのは、JavaScriptやTypeScriptを動かすための

ClaudeがClaude Codeに追加した「dynamic workflows」は、ひと言でいうと、ひとつのAIに全部やらせるのではなく、たくさんの小さなAI作業を同時並行で走らせて、最後にまとめて点検する仕組みです。Anthropicはこれを、特に大きくてややこしい仕事向けに出してきました。 個人的にかなり面白いと思ったのは、単なる「速くなる機能」ではなく、AIの使い方そのものを変えようとしているところです。雑に答えを出すのではなく、途中で反証させたり、別の角度から検証させたりして、最終的に人の前に出す前にチェックを重ねる。ここがいちばん“らしい”進化だと感じます。 Claude Codeで、複数のsubagentを並列に動かす「dynamic workflows」が使えるようになった ひとつのAgentが順番に考えるのではなく、10〜100単位の並列作業で大きな問題を分解する バグ探し、セキュリティ監査、大規模な移行作業、仕様のレビューのような仕事に向いている 実行前に確認が入り、途中結果もチェックされるので、最終結果の信頼性を上げる設計になって

Anthropicが、Claudeの上位モデル「Claude Opus 4.8」を公開しました。 見た目はいつものバージョンアップですが、中身はかなり実務寄りです。コードを書く、長い調査を進める、資料をまとめる、複雑な作業を任せる。そういう場面での安定感を上げにきた印象があります。 しかも今回は、単にモデルが賢くなっただけではありません。Claude.aiでは「どれくらい頑張るか」をユーザーが調整できるようになり、Claude Codeには巨大なタスクをさばくための新機能「dynamic workflows」も入ります。速度重視の fast mode も値下げされ、使い方の選択肢が増えました。こういう“地味だけど効く”更新、私はけっこう好きです。 Claude Opus 4.8は、Opus 4.7の後継モデルで、価格は据え置き coding、agentic tasks、professional work で性能が底上げされた 長時間の作業でも、文脈を保って協力しやすくなったとされる Claude.aiで、回答に使う effort をユーザーが選べるようになった Claude Codeに

Aleph Alpha は、モデル学習の全工程をコードで書く「Model Training as Code（MTaC）」を採用している その実装基盤が Savanna で、学習パイプラインを“ソフトウェア開発の対象”として扱う 手作業の受け渡しは、ミス・再実行・学習の属人化を招きやすい コード化すると、pipeline の合成、version control、再現性が一気にやりやすくなる 単なる自動化ではなく、チームの役割分担そのものを変えるのが面白い Aleph Alpha の記事「Model Training as Code」は、かなり地に足のついた話です。派手な新技術の宣伝というより、「巨大なモデルを本気で作ると、もう人間の記憶とSlackだけでは無理だよね」という現場感が前面に出ています。ここがまず良い。実際、モデル学習は昔の“研究っぽい実験”から、今では立派な大規模エンジニアリングになっているのだと思います。 記事の中心にあるのは、Savanna という社内の model factory です。名前はかわいらしいですが、中身はかなり本格的です。Aleph Alpha