今週末のダイジェストは、Anthropicで標準モデルが切り替わりプロンプト作りの作法も変わった件、AIが生成した数学的成果372件という異例の公開、Metaのコーディングエージェント参入、そしてDRAM使用量を半減させながら性能99%を維持するメモリエンジンを取り上げる。開発者向けの2つのローンチ、エージェント向けクラウドシミュレータと音声エージェントのノーコード構築プラットフォームも加える。
1. AnthropicがClaude Opus 5.5をすべての有料プランの標準モデルに
Anthropicは、Claude Opus 5.5をPro・Max・Ultra・Teamの全有料プランで標準モデルに切り替えた。あわせて公開したナレッジワークガイドでは、以前の世代から引き継いだプロンプトの習慣がモデルの力を引き出せていないと指摘している。最初の推奨は「think hard」「think carefully」といったフレーズをやめること。同社によればOpus 5.5は常時自立的に推論し、タスクと選択された努力レベルに応じて推論の深さを自動調整するため、深い思考を促す明示的な指示は不要で、内部テストではこうしたフレーズを外した方が応答の開始が速くなり、品質の測定可能な低下はなかったという。
2つ目の推奨は、新しい標準であるMediumの努力レベルから始めること。Anthropicの内部テストでは、Medium設定のOpus 5.5がHigh設定の前世代Opus 5に匹敵する性能を示したとされ、高い設定はコストが増える割に結果が良くなるとは限らないと説明する。さらに、日々の作業には安価なSonnetを使い難問にだけOpusを取っておくという使い分けの見直しも促している。高性能モデルは少ないステップでタスクを完了できるためトークン単価の高さを相殺でき、SonnetをExtra HighやMaxで回すとOpus 5.5と同じくらいのコストになるという。
残りの助言は、モデルを指示のやり取りではなく委譲の対象として扱うものである。目標・出力形式・確認ポイントを1つのメッセージにまとめて伝えること、図表は手打ちせず画像やファイルで渡すこと（最低努力レベルのOpus 5.5が、最高レベルのOpus 5よりも高密度なチャートの数値を正確に読み取れたとされる）、下書きではなく完成物を直接要求すること、デザインでは「汎用的なデザインを避けろ」ではなく具体的なスタイル名を挙げること、そしてコネクタでファイルやシステムを接続してモデルが必要な情報を自ら取得できるようにすること。ベンチマーク比較はすべて自社テストに基づきスコアは非公開のため、切り替えを検討するチームは自社のワークロードでトークン消費を測るべきだとしている。
— Anthropic · The Decoder
🔗 Anthropic · The Decoder
2. OpenAIが未公開モデルが生成した数学的成果372件を公開
OpenAIは、社内の未公開フロンティアモデルが生成した数学的成果372ファミリーと論文722本をGitHubリポジトリで公開した。長年未解決だった問題への進展を主張しており、4次元Kakeya予想の解決やリーマン予想への進展が含まれる。同社によれば、1件あたりの平均計算時間はChatGPT Pro相当で約3時間で、多くの証明は議論を一歩ずつ検証する形式証明言語Leanで検証済みという。
数学者が注目しているのは手法の部分だ。OpenAIは以前、1万個のエージェントからなる「agentic swarm」を数百万ドルのコストで動かしてNavier-Stokes問題の成果を出したと発表したことがある。今回のバッチでは、ほぼすべての論文が単一のエージェントへの単一のプロンプトに帰属する。これが検証されれば、数学的発見の進め方そのものが変わることになる。OpenAIはAI生成数学の公開ガイドラインを作るため数学・AI諮問グループ（AGMAI）を設立したが、各問題のプロンプトと計算時間の開示を含む推奨のすべてには従っていない。
受け止めは祝賀というより慎重だ。トロント大学のDaniel Littは、結果が正しいなら仕組みを秘密にする理由はないと指摘し、MITのAndrew Sutherlandは、OpenAIがモデルを公開して第三者が独立に再現できるようになるまで、単一エージェントによる問題解決の主張は未検証として扱うべきだと述べている。当面の試金石はリポジトリそのものであり、722本の論文を数学者たちが本物の成果・厳密化が必要な主張・誤りに仕分ける作業が始まる。
— OpenAI · Engadget
🔗 GitHubリポジトリ · Engadget
3. Metaが複数コーディングエージェントを統括するConductorを買収
Metaは、開発者が複数のコーディングエージェントを並行して展開・管理できるプラットフォームを持つAIコーディングスタートアップConductorの買収を確認した。Conductorは2024年創業で、CEOのCharlie HoltzとCTOのJackson de Camposが率いる。同社の製品は各エージェントに区画化されたワークスペースを与え、クラウド・ローカル・モバイルの環境で動かすことで、エージェント同士が干渉するのを避けながらプロジェクトの異なる部分を同時に進められるようにする。財務条件は非公開。
この買収はMetaの明確な流れに沿うものである。同社は2026年8月にMuse Codeをリリースし、それ以前にエージェントプラットフォームのMoltbookを買収している。オーケストレーション層の獲得は、開発者が日々使うツールを握ることでエンタープライズ支出の取り込みとモデル改善のフィードバックループ確保を狙う戦略の一環だ。Meta自身、コーディングと数学の能力がフロンティアモデル性能のレバーだと公言しており、モデルが実際のコードベースとどう相互作用するかを示すオーケストレーションシステムは製品であると同時に訓練シグナルにもなる。
業界全体の統合の文脈も重要だ。Conductorの発表と同じ日に、OpenAIがPierre Computerの買収を計画しているとの報道が伝わった（6月のOna買収に続くもの）。今月上旬にはOpenAIがAstralの買収を完了し、uvとRuffをツールチェーンに取り込んだ。Holtzは次のインターフェースについて「野心的な計画がある」と語るがロードマップは非公開で、MetaはConductorのスタンドアロンクラウドサービスと既存ユーザーの移行計画も詳細を示していない。
— Meta · Axios
4. AMDがMEXTを詳細公開、DRAMを半減させながら性能99%を維持
AMDは、データセンターで最も高コストなボトルネックの一つであるDRAM容量問題に挑む予測型メモリエンジンMEXTの詳細を明らかにした。このシステムはトランスフォーマーモデルとフラッシュストレージを使ってサーバーが必要とするデータを予測し、ホットなデータをDRAMに置き、残りをフラッシュへ移す。AMDによれば、MEXTを動かすサーバーはDRAM使用量を半分にしながら標準性能の最大99%を維持でき、すでに145台のサーバーで稼働しており、2027年までに2,000台への拡大を計画している。
狙いは構造的な問題にある。AIの導入拡大はDRAMの密度向上を追い抜く勢いでメモリ需要を押し上げ、推論基盤ではメモリがサーバーコストの大きな割合を占めるようになった。性能をメモリ容量から切り離すアプローチは、AIインフラ構築の経済性を変える。演算装置や電力に予算を振り向けられるようになるからだ。当初の展開数を報じたTom's Hardwareは、MEXTをGPUラッシュに伴うメモリ逼迫(ひっぱく)に対するAMDの答えと位置づけている。
限界も名指ししておくべきだ。予測エンジンはワークロード依存であり、アクセスパターンが安定したワークロードは上手く圧縮できるが、完全にランダムなアクセスパターンはフラッシュへのフォールバックが増え、99%という数値を削る。フラッシュのレイテンシはDRAMを大きく上回るため、予測精度がそのまま性能の契約になる。それでも、145台から2,000台への展開が予定どおり進めば、MEXTはクラウド事業者がこれまで持っていなかった調整レバーを提供する。インフラコストの1ドル1ドルが精査されている今、タイミングも悪くない。
— AMD · Tom's Hardware
🔗 AMD · Tom's Hardware
5. NVIDIAとHugging Faceがエージェント実行のピック&プレース手順を完全公開
NVIDIAはHugging Faceブログで、Hugging Face上のOpenUSDシミュレーション対応アセットライブラリ「SimReady Central」のアセットを使い、Isaac Sim 6.2でロボットのピック&プレースシミュレーションを構築する手順を公開した。例ではUR17Gアーム、Robotiq 2F-140グリッパー、飲料缶を組み合わせ、AIエージェントがタスクコードを生成・実行する。公開例のエージェントはGPT-6 Solだが、必要なスキルを読み込みIsaac Sim上でPythonを実行できるエージェントなら代替可能だとNVIDIAは述べている。
これを一度きりのデモではなく再利用可能な手順にしているのは検証レイヤーだ。SimReadyアセットは明示的なシミュレーションプロファイルを持ち、ガイドはRobot-Body 4.0.0とRobot-Gripper 3.0.0の検証ファイルに依存している。これらはPhysXの駆動ジョイントチェックに合格しており、開発者は関節物理や衝突設定を手作業で調整し直すことなく認証済みアセットを再利用できる。動作の前には3つの事前チェックが来る。関節設定、アームの小幅移動とグリッパー開閉、そして飲料缶が作業面に安定して載っているかの衝突確認だ。把持自体はアプローチ→把持→持ち上げ→保持→移送→解放の順序で進み、グリッパーの駆動努力上限はシミュレーションテストで選ばれた2N・mである。
このウォークスルーは限界についても明示している。開始位置は固定、視覚なし、再計画のないスクリプト化された動作のみ。だからこそ、エージェントがアセット組み立てとコード生成を担い、シミュレーション層が実行前に物理を検証するというPhysical AIワークフローの実用的な基準線として機能する。エンボディッドシステムを構築するチームへの成果物は、認証済みアセット・プロファイル検証・検証済みシーンに対するエージェントの制御コード生成という反復可能なパイプラインである。
— NVIDIA · Hugging Face
🔗 Hugging Faceブログ · SimReady Central
6. ExpoがAIコーディングエージェント向けクラウドシミュレータを公開
ExpoはExpo Simulatorsを発表した。モバイル開発に欠けていたもの、つまりAIコーディングエージェントが自分の仕事を実際に検証できる環境をクラウドで提供するサービスである。エージェントはコマンド1つでセッションを開始し、ビルドをインストールし、iOSまたはAndroidのシミュレータでアプリを操作して変更が意図どおりに動くか確認できる。画面収録・スクリーンショット・ログが成果の証明として返され、エージェントのプルリクエストをレビューする人間はエージェントが見たものを確認できる。現在、すべての有料プランで利用可能。
埋める隙間は説明しやすい。Webのコーディングエージェントはテストを実行しプレビューサーバーを立ち上げられるが、モバイルのエージェントは実行できないコードを書くしかなかった。シミュレータがXcodeとAndroid Studioの背後、開発者のマシンの中にあったからだ。シミュレータをクラウドに移しエージェント向けのコマンドライン入口を用意したことで、Expoは「自分の変更を検証する」を手動ステップからエージェントループの一部に変えた。翌日公開された後続ガイドでは周辺のセットアップを説明している。GitHubリポジトリの接続、ロボットユーザーの追加、エージェントの接続、ワークフローへのGitHubトークンの付与である。
このリリースは、決済レールからオーケストレーターまでエージェントインフラの動きが続く1週間に届いた。狙うのはモバイルでコーディングエージェントが最も頻繁に失敗する段階、コードを書くことではなく動くか分かることだ。Expoのエコシステムにとっての賭けは単純である。エージェントが検証ループを自力で閉じられればアプリ出荷コストは下がり、そのループをホストするプラットフォームがエージェント構築アプリの既定の場になる。
— Expo
🔗 Expoブログ · Agentic workflowsガイド
7. Fish AudioがFish Agentを公開、電話をかけて受ける音声エージェントのノーコード構築
Fish Audioは、電話を発着信するカスタムAI音声エージェントを構築できるノーコードプラットフォームFish Agentを公開ベータとして公開し、すべてのFish Audioアカウントが利用できるようにした。訴えはデプロイの速さだ。設定から稼働までの中央値は32秒で、会話の割り込みや自然なターンテイキングを処理する全二重音声モデルFish Live 3を使用する。ビルダーはコンソールまたはREST APIでプロンプト・音声・ナレッジベース・ツールを設定でき、バンドルされたモデルではなく自分のLLMを接続することもできる。
料金構造は音声スタックのバンドル化を示している。音声認識・音声生成・ナレッジ検索・ツール呼び出しを含むエージェントバンドルは、2026年12月31日まで1分あたり$0.035（通常は$0.07）から。標準電話回線は1分あたり$0.01追加（一部の国際宛先はより高率）、専用電話番号は月$1.20である。上位の言語モデルを使えばそのトークン料金が上乗せされる。STT・TTS・オーケストレーション・テレフォニーを別々のベンダーで組んでいたチームにとって、1つのバンドルにまとまっていること自体が製品だ。
内部の動きはデモ用コンソールではなくバージョン管理されたソフトウェアに近い。公開は不変の設定バージョンを作り、セッションは短期クレデンシャル付きでAPI経由で作成され、ブラウザSDKがライブ接続を担う一方、プラットフォーム側で認識・合成・ターンテイキングがサーバーサイドで実行される。音声エージェントはモデルデモからデプロイ可能なインフラへ移りつつあり、電話エージェントを設定・公開・バージョン管理の対象として扱うプラットフォームは、その移行の到達点を映すものだ。
— Fish Audio
KD Agentic · AI Daily Digest