#ソフトウェア開発

この記事を読んで最初に思ったのは、Claude Codeが「結局どこで動かすのが正解なのか」という迷いを、かなり正面から潰しにきているな、ということでした。 AIコーディング支援って、便利さより先に「どの画面で、どの粒度で、どこまで任せるか」で疲れることが多いんですが、そこをCLI、VS Code、Desktop、Webに分けて整理しているのはかなり実用的です。単に入口を増やしただけではなく、作業の性格ごとに居場所を分けているのが面白い。 特に引っかかったのは、Desktopが「何でもできる上位版」ではないところです。 GUIで見やすいし、自動確認やDispatchみたいな独自機能もある。でも、だからといって常にDesktopが最適とは限らない。むしろ、長い作業はCLIやVS Codeで始めて、必要なときだけDesktopに持っていく、という行き来のしやすさが価値なんだろうと思いました。道具が一個に収束するのではなく、作業の途中で持ち替える前提になっているのが、いかにも今っぽいです。 一方で、この記事を読んで少し気になったのは、こういう「使い分け」は便利な反面、初見の人にはかなり複雑に

AI がコードを書くのはもう珍しくありません。けれど、その変化を見て「人間の仕事は終わった」と受け取るのは早すぎる、というのが今回の話です。Simon Späti は、問題は AI が出すコードそのものではなく、チームから「なぜそうなっているのか」という理解が抜け落ちていくことだと書いています。速さだけを追う現場ほど、その空洞化は深刻になる。この記事は、AI コーディングの賛否というより、ソフトウェアを誰が理解し、誰が保守するのかを問う内容です。 元記事は、まず「コードを書くことはもう死んだのか」という問いに触れつつ、論点はそこではないと切り出します。著者の見方では、問題は AI がコードを書けることではなく、システム全体や設計の意図を誰も分かっていない状態が広がることです。ある議論のコメントでは、AI は平均的なコードを書ける、そして元のコードベースが平均以下なら、AI はそれを平均程度まで引き上げられるかもしれない、と述べています。ただし著者自身は、そこで終わらないと言います。みんなが Claude に聞くだけになり、計画がなくなっていくからです。 記事の中盤では、急成長するスター

AIでソフトウェアを書くとき、まず計画を立てるべきか、それともとにかく作り始めるべきか。Ayman Nadeem のこの文章は、その問いに対して自分の考えがどう変わったかをかなり率直に書いている。彼は今年前半、計画こそがAI時代の開発で最重要になると信じ、その思想を前提にしたデスクトップ向けのコーディングアプリ「Nuanced」まで作った。ところが実際に使われてみると、Plan mode は期待した役割を果たさなかったという。この記事は、単なる製品の反省文ではなく、AIコーディングツールが「計画」をどう扱うべきかという設計論にも踏み込んでいるので、今読んでおく価値がある。 Ayman Nadeem は、AIによってコード生成の速度と量が一気に増えた一方で、それを支えるインターフェースが追いついていないと見ていた。そこで作ったのがデスクトップのコーディングアプリ Nuanced だった。彼の問題意識は、機械が人間よりずっと速くコードを増やしていく状況で、人間がソフトウェア全体の理解を失わずにいられるのか、という点にある。数千行のコードが数分で生成されれば、作る前に「何を作るのか」「なぜ作

いちばん引っかかったのは、「AIにはもっと細かく指示したほうがいい」という、わりと自然に身についた感覚が、もう古くなりつつあるという点でした。 この記事はその転換をかなりはっきり言っていて、読んでいて少し気持ちがよかったです。人間が毎回やっていた「考えて」「丁寧に」「途中で止まらないで」といったおまじないを、モデル側の能力が上回ってきたので外していく、という話だからです。 とくに面白かったのは、「think carefully」を消せ、という部分です。これは単なる文言の整理ではなくて、昔のモデルの弱さを補うための癖が、今は逆に邪魔になっているということですよね。 コード補完でも何でもそうですが、道具が変わったのに昔の操作手順だけ残ると、かえって遅くなる。この記事はその違和感をちゃんと言語化していて、かなり実務っぽい視点だと思いました。 もう一つ、妙に納得したのは「done を最初に定義する」という考え方です。 長く動く AI ほど、途中で勝手に「もう十分です」と判断してしまうのが怖い。だから、何をもって完了とするか、どこで止まって人に聞くかを最初に書いておく。これはAI向けというより、

Rails World 2026 の幕開けで、37signals の共同創業者である DHH が登壇し、AI エージェント時代に開発がどう変わるのかを語った。題材はかなりはっきりしていて、37signals が「手書きのコード」をいったん止め、AI を前提にした開発へ寄せていること、そして Rails のような「決まりに沿えば速く作れる」フレームワークが、なぜこの流れで効いてくるのかという話だ。単なるイベントの基調講演ではなく、今の Ruby/Rails 圏の空気をかなり強く映す内容として読む価値がある。 元記事は、Rails World 2026 のオープニング基調講演で DHH が何を語ったかを示している。説明文によれば、彼はまず AI エージェントの時代に入ったことを前提に置き、そのうえで 37signals が「pencils down」、つまり人の手でコードを書くのをいったん止めた理由を話した。ここで言うのは、完全に人間の実装をやめたという単純な話ではなく、少なくとも新しいコードを作る中心を AI に移した、という姿勢の表明に近い。DHH は以前から、ソフトウェア開発の生産性

AIにコードを書かせるのは珍しくなくなったが、その結果として「なぜそうなったのか」が見えにくくなっている。devdotfast/whiteboard は、その穴を埋めようとするオープンソースのデスクトップアプリだ。単なる図解ツールではなく、AIエージェントの作業内容や判断を、コードと行き来しながら追える作業台として作られている。GitHub上の公開リポジトリとして出てきたことで、こうした“説明できる開発”をどう実装するのかが一気に見えやすくなった。 元記事で示されている Whiteboard は、「thoughtful software design」のための open-source canvas だと説明されている。対象は開発者だけではなく、人間とエージェントが同じワークスペースでソフトウェアを組み立てる使い方だ。macOS と Fedora 向けのダウンロード、Webサイト、Discord への導線もあり、README だけの試作ではなく、実際に触る前提のプロダクトとして見せている。 中心にあるのは、Claude Code や Codex など既存の coding agent とつ

この記事を読んでまず思ったのは、AI coding agent の比較軸がずいぶん変わったな、ということだった。コードをどれだけ書けるかだけではなく、「前の指示を次の repo でも覚えているか」を見るのか、と。人間の開発でも、チームの暗黙知を引き継げるかどうかはかなり大事だけれど、それが agent でも同じように効いてくるなら、記憶力はもう単なるおまけではない。 面白かったのは、ここでいう memory が人間の記憶みたいに曖昧なものではなく、かなり実務的な意味で使われているところだと思う。要するに「このツールは前回こういうルールで動かしたけど、今回もそれを守るのか」という話で、これができないと毎回こちらが同じ説明をやり直す羽目になる。そうなると、便利そうに見えて実際はだいぶ疲れるはずだ。生成の速さより、文脈の持続のほうが効く場面は確実にある。 一方で、こういうテストはとても分かりやすい反面、どこまで一般化していいのかは少し気になった。ある repo で覚えていた、別の repo で忘れた、という結果は確かに重要だけれど、実際の現場では memory 以外にも、プロンプトの書き方や

いちばん引っかかったのは、「done」と「correct」は別物だと、かなりはっきり言っているところだった。コードを最後まで書き切るAIが欲しい、というのはすごく自然な欲求だし、実際かなり魅力的に聞こえる。でも、終わったように見えるコードと、ちゃんと動いて意図どおりになっているコードの間には、まだ深い溝がある。この記事はそこをごまかさないので、むしろ好感が持てた。 今回の話で面白いのは、性能の話が「ベンチマークで少し上」みたいな単純な自慢に寄っていないことだと思う。全工程を通してコードを扱えるか、という見方に寄せているのがいい。現場では、最初の雛形を作るより、その後の修正、テスト、手戻りのほうがずっと面倒だからだ。AIがそこまで食い込めるなら、開発の気分はかなり変わるはずだし、逆にそこに届かないなら、どれだけ賢く見えても「便利な下書き係」のままだろう。 ただ、コストが40%低いという話も、単純に喜んでいいのか少し迷う。安いこと自体は歓迎だけれど、安いから使える場面が増える、とは限らない。コード生成の世界では、安く大量に出せることより、レビューの手間をどれだけ減らせるかのほうが効くはずで

まず、この記事を読んで思ったのは、モデル名の数字が上がったこと自体よりも、Anthropicが「より速く、より安く、しかも強い」とかなり露骨に押し出している点が面白い、ということだった。AIモデルの話って、ついベンチマークの点数ばかり見てしまうけれど、実際には使う側が気にするのは料金と速度だ。そこを前面に出しているのは、かなり現実的だと思う。 特に引っかかったのは、Opus 5.5が「最上位モデルなのに40%安い」とされているところだ。ふつう最上位版は高くなる方向に行きがちなのに、ここでは逆に下がっている。これが本当に効くのは、個人のちょっとした利用ではなく、コード移行や監査みたいな長時間の仕事だろう。記事にあるような、何十万行もの codebase をいじる用途では、性能差よりも「何時間で終わるか」「いくらかかるか」がそのまま導入可否になるはずだ。 ただ、こういう記事を読むといつも少し距離を置いて見たくなる。ベンチマークで強いとか、他社モデルより何%安いとかは確かに気になるけれど、実運用では入力の質や周辺ツールとの相性でかなり印象が変わると思う。だから、ここで書かれている数字をそのま

「また速くなった、安くなった、賢くなった」の三拍子なんだけど、今回はその並び方が少し気になりました。性能向上そのものより、“大きい仕事を任せても壊しにくい” 方向に寄ってきた感じが強いです。コードの移植や長い監査みたいな、途中で文脈を見失うと全部台無しになる仕事で強いのは、単なるベンチマークの勝ち負けよりずっと実務的だと思いました。 特に引っかかったのは、安全性の書き方です。性能を上げたうえで、prompt injection に強くなったとか、ハードに取り返しのつかない行動をしにくいとか、かなり地味だけど大事な改善が前に出ている。モデルが賢くなるほど、雑に使うと事故り方も派手になるので、ここを同時に押さえに来たのは筋がいいです。ただ、記事でも触れている通り評価には限界があるし、結局は「安全に見える」ことと「本当に安全に運用できる」ことは別です。そこはまだ人間側の監督が要る。 もう一つ面白かったのは、Anthropic が性能の話をしながら、かなり露骨にコストの話をしていることです。40%安い、出力が速い、cache reads が安い。これって、単なる値下げというより、AI

x.ai が発表した Grok 4.7 は、単なる次世代モデルの名前替えではなく、コーディングや知識労働の現場でどう使われるかをかなり意識した更新だ。発表文では「最も強力なモデル」と位置づけられ、難しい作業をより長く考え、自分の出力をより丁寧に検証し、安全面でもこれまでで最も調整されたと説明している。しかも価格は Grok 4.6 と同じで、速度も同等だという。AIモデルの性能競争が、単純なベンチマークの数字だけでなく、実務での時間効率や安全運用まで含めた勝負になってきたことがよく見える発表だった。 x.ai は 2026年9月21日に Grok 4.7 を公開した。位置づけは「coding and knowledge work」に最も強いモデルで、単にコードを書くだけでなく、資料作成や会話ベースの作業、長い文脈を扱う仕事まで含めて性能を押し出している。発表文によると、Grok 4.7 は Grok 4.6 よりも大きい新しいベースモデルを使い、より難しいタスクを多く含む reinforcement learning を長く回したという。特に、何時間もかかる問題に重みを置いて学習したと

この記事で一番引っかかったのは、「これは便利そうだ」と思うのと同時に、「でも今いちばん困っている人にはまだ届かないのか」という距離感だった。クラウド上では、複数のthreadを束ねて、shared memoryまで持たせて、プロジェクト全体をまとめて動かせる。たしかに、AI coding agent が増えてきた今、個々のagentを賢くするより、どう管理するかのほうが先に難しくなるので、この発想はかなり筋がいいと思う。 特に面白いのは、threadごとに会話を分けつつ、それらが互いに memory を共有するという設計だ。普通の「AIに一発で全部やらせる」やり方だと、途中で話が崩れたときに戻りにくい。でもthreadを名前付きで追いかけられて、途中から方向修正もできるなら、AIを“暴走しやすい作業者”ではなく、“途中で指示を出し直せる部下”として扱える。そこはかなり実務っぽい進化だと感じた。 一方で、この記事を読んで素直にモヤっとしたのは、memory の中身がよく見えないことだ。何が保持され、どこまで残り、消せるのかがはっきりしないまま「shared memory」と言われても、現

これ、便利そうというより先に「もう人間の仕事の区切り方に寄せてきたな」と感じました。AIに1つの質問を投げて答えを待つ、という段階はかなり前からありましたが、この記事のClaude Codeはその先に行っていて、ひとつの作業を複数の thread に割り振り、coordinator がまとめる。要するに、小さなチームをそのままクラウドの中に作る発想です。 面白いのは、各 thread が別ブランチと別コピーの repo で動く、という点です。ここはかなり現実的だと思いました。AI が同じコードを触ると怖いのは、勝手に整合性を壊すことですが、そこを merge conflict まで含めて普通のPRと同じ扱いにしている。魔法っぽく見せるのではなく、Git の流儀に押し込んでいるのが Anthropic らしいというか、ちゃんと開発現場に降ろそうとしている感じがあります。 ただ、同時に「結局、扱う人の側にかなりの管理能力が要るのでは」とも思いました。thread が増えるほど速くなるのは確かに魅力ですが、増えた分だけ指示の粒度や責任の所在がぼやけやすい。coordinator がいるとはい

この記事を読んでまず思ったのは、「やっぱり、実戦のコードベースはそんなに甘くないよな」ということだった。ベンチマークで点が取れることと、他人の手で育った private codebase に入ってちゃんと働けることは、かなり別物だ。そこを分けて測ろうとしている Real-SWE の発想自体は、かなり筋がいいと思う。 特に引っかかったのは、トップスコアの agent でも失敗率が 60% を超える、という数字の重さだ。これは「AI がまだ未熟」という話で終わらせるには大きすぎる。むしろ、コード生成そのものより、既存の文脈を読む力、周辺の制約を踏まえる力、失敗したときに戻ってこられる力が足りていないんじゃないかと思う。人間でも苦手な部分ではあるけれど、そこで雑に自信満々に振る舞うのが AI の怖さでもある。 もう一つ面白かったのは、この種の benchmark が「どれだけ賢いか」より「どこで壊れるか」を見にいっている点だ。私はこういう測り方のほうが好きだ。派手なデモより、実際に壊れる条件を積み上げたほうが、現場ではずっと役に立つ。AI coding agent は便利だし、使える場面も増

ソフトウェア開発では、コードを書く前に設計を言葉にしておくことがある。今回取り上げる記事は、その「design doc（設計書）」をどう書けば役に立つのかを、実務経験に基づいて整理したものだ。単なる文書作法ではなく、どの場面で書くべきか、何を入れて何を入れないかまで踏み込んでいるのが面白い。設計書を“面倒な儀式”として扱う人ほど、読み直す価値がある内容だと思う。 元記事の筆者 Michael Lynch は、Google、Microsoft、自分の会社で design doc を書いてきた経験から、効果的な設計書の書き方をまとめている。主張の軸はかなりはっきりしていて、design doc は「実装前に大事な判断を洗い出し、チーム内の認識を合わせるための道具」だという。雑にコードを書き始めてしまうと、あとで間違った方向に大きく進んでしまうことがある。設計書はそれを防ぐ。 記事では、筆者が実際に作った例として、キャッシュ層を追加する web app の設計書も示されている。コードを書く前に設計書を作り、その設計に沿って実装を進めている点が印象的だ。しかも、その文書は趣味の一人開発なら少し

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