0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

【Ignite 2026 速報】Microsoft Foundry アップデートまとめ(継続的改善、Copilot harness、Microsoft IQ、GPT-6.2 ほか)

0
Posted at

Microsoft Ignite 2026 での Microsoft Foundry の大きなテーマの一つは「継続的改善(Continuous improvement)」でした。エージェントを作って終わりにせず、本番で動くトレースと専門家のフィードバックを評価、最適化、再学習へ戻し続ける仕組みが Foundry の機能として一通り整備されました。

image.png

サマリー

領域 要点
継続的改善ループ 確立(評価基準)、特定(Insights)、最適化(Agent Optimizer、トレーニング)、検証(統計検定、継続評価)の 4 ステップ。Insights は GA、Agent Optimizer の新機能と評価データセット関連はプレビュー
エージェント実行 Microsoft Copilot harness がプレビュー。ホステッドエージェントの長時間実行耐性と音声エージェントは GA。AKS へのデプロイは近日
モデル GPT-6.2 Astra と GPT-6.2 Sol が GA。12 時間のプロンプトキャッシュ書き込みに対応。モデルルーターは 44 モデルから選択。Managed Compute が GA
新しいモデルと提供元 Microsoft AI(MAI)の新モデル(Microsoft-Decision-1.1 は GA、画像と Flash 系はプレビュー)。fal の動画モデル 5 種と Baseten のオープンモデルはパブリックプレビュー
後学習(トレーニング) Managed Training に加え、Python で学習ループを書ける Programmed Training がパブリックプレビュー
コンテキスト Microsoft IQ(Work IQ、Fabric IQ、Foundry IQ、Web IQ)。Foundry IQ のナレッジグラフと Microsoft Retriever 1 はパブリックプレビュー、Foundry IQ Serverless は 2026 年 12 月に GA 予定
課金の日付 Copilot harness の課金は 2026 年 12 月 1 日に開始

1. 全体像

Microsoft は Foundry を、エージェントを「作り、文脈を与え、動かし、統制し、時間をかけて改善する」ための End to End のシステムとして整備しました。構築は GitHub ワールド、実行と管理は Foundry、その両方が Azure 上で一つのシステムとして動きます。

image.png

2. 継続的改善ループ

2.1 4 ステップの構造

Foundry の継続的改善は「確立(Establish)、特定(Identify)、最適化(Optimize)、検証して繰り返す(Validate and repeat)」をループします。各ループは前回の成果を基準線にして始まります。皆さんココをしっかり整備しようという話です。

2.2 各ステップの機能と状態

ステップ 機能 状態 説明
確立 ルーブリック評価器 プレビューと表記(品質に加え安全性にも対応) 自社の基準を、最良の専門家が使うチェックリストのように書ける自動テスト
確立 トレースへのアノテーション プレビュー 専門家が実際の会話を見て、うまくいった点、いかなかった点、本来あるべき応答を記録する
確立 評価データセット プレビュー アノテーション付きトレースから、実利用に基づくデータセットを作る。テストケースごとのルーブリックも生成できる
確立 ゴールデンデータセット プレビュー 最良のテストケース集を固定した「解答集」。新版が超えるべき基準
特定 Insights GA 繰り返し起きる問題をグループ化し、根拠と推定原因を示す
特定 他フレームワークの可観測性 GA LangGraph、LangChain、CrewAI で作ったエージェントにも同じ可視性を提供
最適化 Agent Optimizer - 評価でエージェントの挙動を測り、指示文、スキル、ツールの説明、モデル選択の改善候補を生成して、スコアで順位づけする
最適化 Insights から Agent Optimizer へ送る プレビュー 本番で見つけた繰り返し問題を選び、そのまま改善候補の生成と評価につなぐ
最適化 スキル最適化 プレビュー 過去の作業と専門家のフィードバックから、繰り返す誤りと有効な手法を抽出し、新規または改善スキルにする。スキルはバージョン管理され、ロールバックや他のエージェントでの再利用ができる
最適化 コスト最適化 プレビュー 品質を落とさずに小さなモデルを使うなど、コスト効率の良い実行方法を探す
最適化 Managed Training / Programmed Training 5 章参照 自社データでモデルの重みを学習する
検証 統計検定による比較 - 新旧の差が本物かノイズかを統計検定で判定する
検証 CI/CD ゲート(GitHub Actions、Azure DevOps) - GitHub Actions や Azure DevOps に品質チェックを組み込み、基準を超えないと出荷しない
検証 継続評価、定期評価、定期レッドチームスキャン 継続評価は提供済み。他は状態の明記なし 本番トラフィックを同じ評価器で採点し、ゴールデンデータセットを定期再実行し、新しいリスクを定期的に検査する
検証 モニタリングダッシュボード - 品質、安全性、レイテンシ、トークン使用量を 1 画面で確認し、スコア低下をアラートする

Agent Optimizer は、推奨する最良の候補を示しますが、何を出荷するかは人が決め、適用するまで本番は変わりません。

Microsoft-Decision-1.1 (GA)は、Foundry Evaluations で判定役(ジャッジ)としても使え、性能、品質、安全性の測定に使えます。

3. エージェント実行基盤

3.1 Microsoft Copilot harness(プレビュー)

モデルは「次に何をするか」を考えることはできますが、タスクを完了するには、コンテキスト、ツール、実行環境、制御、それらをまとめるエージェントループが必要です。Microsoft Copilot harness は、その実行系を Microsoft が運用するマネージドなハーネスです。Microsoft がエージェントループとサンドボックスを動かし、利用者は知識、手順、ツールを持ち込みます。ただしこちらは 2026 年 10 月 28 日にパブリックプレビューとして発表されています。

4 つの構成要素:

構成要素 内容
再利用可能なスキル 指示、スクリプト、補助リソースを、エージェントが繰り返し使える手順としてパッケージ化する
接続されたツール サポートされる Foundry ツールと MCP ツールを、明示的に設定した認証と承認つきで接続する
実行と委譲 ファイルとコードを扱い、範囲を限定したタスクを組み込みのサブエージェントに委譲する
ソース管理できるエージェント定義 Foundry で作成、テストするか、アプリケーションコードと一緒に管理する

プレビュー期間中の制約:

  • エージェント作成時に Microsoft Copilot harness を選択する。既存のエージェントは変わらない。
  • 作成後にハーネスを切り替えることは、まだサポートされていない。
  • 実行環境の CPU、メモリ、アイドル設定は Foundry が管理する。

課金は 2026 年 12 月 1 日に開始します。それより前はハーネスのランタイム使用は無料です。

3.3 ホステッドエージェント: 長時間実行耐性(GA)

image.png

ホステッドエージェントでは、自分のフレームワーク、エージェントループ、ミドルウェア、依存関係、ランタイムの挙動を持ち込めます。Foundry がホスティングを管理します。

2026 年 10 月 28 日に GA となった長時間実行耐性は、数時間から数日かかる作業が中断されたときの回復を助けます。Foundry は中断を検知し、元の入力で作業を再開します。進捗と中間結果の保存は、アプリケーションのコードの責任です。外部システムを更新する場合は、再開時に重複した操作を防ぐ必要があります。会話履歴だけでは、作業途中の状態は復元できません。

3.4 その他のエージェント関連の発表

項目 内容 状態
ホステッドエージェントの同時セッション数 より多くの同時セッションを処理 GA
ホステッドエージェントの起動速度 より速く起動 プレビュー
ホステッドエージェントの AKS デプロイ Azure Kubernetes Service へのデプロイ 近日(プレビュー)
音声エージェント 電話やアプリで、同僚と話すようにエージェントと会話できる GA
Microsoft 365 アカウント(エージェント用) 人が使うのと同じツールの中でエージェントが働ける プレビュー
Toolboxes とブラウザー自動化の更新 エージェントをより多くのツールとワークフローにつなぐ 発表(状態の明記なし)
Foundry の Cost エージェント、モデル、ツールの支出を 1 画面で確認。予測と月末レポート プレビュー
ブラウザー自動化ツール Playwright Workspace と Toolbox のリモート MCP エンドポイント経由。パブリック、プライベートの Web サイトに対応。Live View と操作の引き継ぎ(Take control)あり GA(2026-10-19)
Foundry の azd 拡張 ホステッドエージェントのセットアップ、テスト、評価、デプロイ GA(2026-11-05)

3.5 統制: アイデンティティ、ガードレール、実行時の確認

エージェントは Foundry で動くとき、固有のアイデンティティを持ちます。Entra Agent ID と Foundry ガードレールが、必要な権限だけを与え、機微な操作には業務要件に応じて人の承認を挟みます。Foundry Safety のエージェントコントロールは、設定したガードレールポリシーに対して実行中のエージェントの挙動を確認します。対象は Foundry で作ったエージェントで、将来は Foundry の外で作ったエージェントにも広げる予定と述べられています。

IT 部門向けには、Entra Agent ID と Agent 365 が、エージェントのライフサイクル全体を通じた発見、統制、監査の共通手段になります。

4. Foundry Models

4.1 GPT-6.2 Astra と GPT-6.2 Sol(GA)

  • GPT-6.2 Astra: Astra ファミリーの次の推論モデルで、GPT-6 Astra のアップグレードです。推論、文章、コーディング、コンピューター操作、文書、スライド、スプレッドシート作成の改善を目指しています。Foundry のベンチマークテストでは、GPT-6 Astra より高い平均精度を、大幅に少ない出力トークンで達成し、トークン単価が同じため、タスクあたりのコストが下がるとされています。
  • GPT-6.2 Sol: GPT-6.1 を土台に、より簡潔な技術文書、焦点の合ったコーディングとデバッグ、ツールを使うタイミングの判断、フロントエンド設計、自然な対話スタイルを改善。終日動く本番エージェント向けです。
  • 入力はテキストと画像、出力はテキストです。Foundry の既存の API とツールで使えます。
  • 選び方: 複雑な推論や重大な判断には Astra、本番エージェント、コーディング、高頻度タスクには Sol を評価対象にします。トークン単価ではなく、タスクあたりのコストを品質と信頼性とあわせて見ます。

image.png

デプロイの種類(提供開始時の 3 種類):

デプロイ 特徴
Global Standard サポートされる 28 の Azure リージョン全体で最大の容量。従量課金
Data Zone Standard データ処理が選択したデータゾーン(米国、EU、APAC)内にとどまる
Global Provisioned Throughput プロビジョンドスループットユニット(PTU)で専用容量を予約。1 PTU あたり 1 時間 1 米ドル

4.2 12 時間プロンプトキャッシュ

Standard デプロイでは、30 分の既定に加えて 12 時間のキャッシュ書き込みを選べます。夜間やセッション間で静かになるエージェントでも、指示文、文書、ツール定義を、割引されたキャッシュ読み取り単価で再利用できます。12 時間はオプトインで、初回の書き込みは 30 分より高く、再利用時は低いキャッシュ読み取り単価です。同じプレフィックスが 1 日に何度も期限切れになって書き直される場合は 12 時間、安定したトラフィックでキャッシュが温まっている場合は 30 分の既定を使うよう案内されています。

Responses API での指定例。

{
  "model": "<your GPT-6.2 deployment>",
  "prompt_cache_key": "support-assistant-v1",
  "prompt_cache_options": { "mode": "explicit", "ttl": "12h" },
  "input": [
    { "role": "system", "content": [{
      "type": "input_text",
      "text": "<1,024+ tokens of reusable instructions>",
      "prompt_cache_breakpoint": { "mode": "explicit" } }] },
    { "role": "user", "content": "<variable user input>" }
  ]
}

4.3 Microsoft AI(MAI)のモデル

モデル 用途 状態
MAI-Code-2 複数ステップのタスク、複雑なリファクタリング、エージェント駆動の開発など、負荷の高いエージェント型コーディング GitHub で試用可能。Foundry での提供状態は記載なし
MAI-Code-2-Flash 大量の日常的なコーディング向けに調整 Foundry で限定アクセスプレビュー
Microsoft-Decision-1.1 Gemma ベース。ルーティング、分類、優先順位づけ、検証など、高頻度で構造化された判断。画像入力に対応。Foundry Evaluations の判定役にも使える GA
MAI-Image-2.7 / MAI-Image-2.7-Flash 画像編集の精度向上と、ブランドの一貫性を保つ画像生成 パブリックプレビュー
MAI-Cyber-2-Flash サイバーセキュリティ専用。脆弱性の発見、検証、修正。Codename MDASH のハーネス内で学習 Codename MDASH 経由で提供予定

4.4 パートナーとオープンモデル

提供元 内容 状態
fal 動画生成の Kling v3 Pro、MiniMax H3 Max、MiniMax H3 Max Turbo、LTX-2.5 Pro、LTX-2.5 Fast。Azure のファーストパーティサービスとして提供 パブリックプレビュー
Baseten Baseten 最適化のオープンモデル(Kimi-K3、GLM 5.3、GLM-5.3-Flash、DeepSeek V4.1-Flash-1017)。従量課金のサーバーレスをグローバルまたは米国データゾーンで提供し、プロビジョンドスループットは 12 月から パブリックプレビュー
Fireworks オープンモデル。Baseten と並ぶ選択肢 GA(提供済み)
Meta Muse Wonder、Muse Spark 1.3、Muse Ember 近日

モデル デプロイ 解像度と価格
MiniMax H3 Max Global Standard 480p: 0.05、768p: 0.08、1080p: 0.16(テキストから動画、画像から動画、参照から動画)
MiniMax H3 Max Turbo Global Standard 480p: 0.025、768p: 0.04、1080p: 0.08(テキストから動画、画像から動画)
LTX-2.5 Fast Global Standard 720p: 0.09、1080p: 0.13、1440p: 0.19、4K: 0.30
LTX-2.5 Pro Global Standard 720p: 0.12、1080p: 0.17
Kling v3 Pro US Data Zone 音声なし: 0.1232、音声あり: 0.1848、音声と音声制御: 0.2156

動画モデルは米国でホストされ、Microsoft Foundry は米国ホストの Kling 3 エンドポイントを提供する最初のプロバイダーです。データレジデンシーは、各モデルのドキュメントで、データ処理と保存の条件を確認する必要があります。価格は、数週間以内に Azure の価格ページにも掲載される予定です。

4.5 モデルルーターと自動モデル選択

モデルルーターは、リクエストごとに最適なモデルをリアルタイムに選びます。単純な依頼は小さく速いモデルへ、複雑な依頼はフロンティア推論へ送ります。

Ignite での更新:

  • 対応する Foundry プロジェクトでは、自動モデル選択が既定でオンになり、モデルルーターを先にデプロイしなくても開発を始められます。
  • 選択対象が、OpenAI、Anthropic、xAI、DeepSeek、Meta などの 44 モデルになりました。
  • AI Gateway の利用者は、既存の構成にモデルルーターを追加できます。

Microsoft のテストでは、モデルルーターの利用で、すべてをフロンティアに送る場合より最大 65% 節約できると述べられています。

4.6 Content Understanding のモデル選び

Azure Content Understanding は GPT-5.6、GPT-6、GPT-6.1 の各ファミリーに対応しました。文書抽出の出発点は GPT-6.1 Sol です。トークン費用を重視するなら GPT-6 Luna、わずかな品質向上に割増費用を払えるなら GPT-6 Astra を検証します。結果はタスクで大きく変わるため、自分のデータで試す必要があります。

目的 出発点 根拠
品質とトークン費用のバランス GPT-6.1 Sol GA の精度首位に近く、プレビューの抽出評価では首位
最高精度、潤沢な予算 GPT-6 Astra と Sol 品質は同程度のことが多い。GA 抽出ではスキーマのみで Astra 95.95%、Sol 95.74%。完了トークン費用は約 5 倍
低トークン費用 GPT-6 Luna トークン費用は大幅に低い。5 件のラベル付き例を足すと抽出品質が 91.82% から 94.16% へ向上

文書分割(セグメンテーション)では Astra が優位で、Segment F1 は Astra 98.00%、Sol 97.10% です。動画では、GPT-6 Sol が総合の生成 F1 86.40% ± 0.70 ポイント、長尺動画のセグメンテーション 80.10% ± 1.20 ポイントで最高、GPT-6.1 Sol が短尺広告 93.60% ± 0.40 ポイントで最高でした。タスクごとに採点基準が異なるため、これらの百分率を 1 つのモデル順位にまとめないよう注意されています。

4.7 直近で提供されている関連機能

項目 内容 状態
GPT-6.1 Terra テキストと画像入力。視覚推論と画面操作タスク。最大 100 万入力トークン。Global Standard と Data Zone Standard GA(2026-10-26)
Decisions API 型つきの質問(predicate、choice、score)に型つきで回答。gpt-6-luna に対応 GA(2026-10-22)

5. モデルを自社データで育てる: トレーニング

汎用モデルは誰でも呼び出せるため、自社のデータと専門性が差になる という整理のもとで、Foundry のトレーニングは自動化の度合いに応じて選べます。Microsoft は、Managed Training を多くのカスタマイズ需要をカバーする手段、Programmed Training をより細かな制御のための手段と位置づけています。

項目 Managed Training Programmed Training
位置づけ 旧称は managed fine-tuning。シンプルで自動化された品質向上で、多くのカスタマイズ需要をカバー 学習ループを自分で書く。より細かな制御が必要な AI エンジニア向け
方法 データを持ち込み、教師ありまたは強化学習のファインチューニングなどを選び、Foundry がジョブを実行 Python でサンプリング、スコアリング、重み更新まで記述。教師あり学習、強化学習、選好学習、蒸留、カスタム損失
実行基盤 Foundry サーバーレス GPU。GPU クラスターの管理は不要
対象モデル 記載なし gpt-oss-120b、Qwen3.8-27B などのオープンウェイトモデル
状態 状態の明記なし パブリックプレビュー。アクセス承認制

Programmed Training の利用には明示的なアクセス承認が必要で、承認を待ってからトレーニングセッションを作成します。Foundry は、サーバーレス GPU 上でモデルのサンプリングと低ランク適応(LoRA)の更新を実行し、利用者の Python プログラムが学習ドライバーとして、トークン化、報酬、アドバンテージ、目的関数、実験のスケジューリングを担当します。

Managed Compute(GA): オープンウェイト、パートナー、カスタムモデルを、Foundry が管理する専用インフラで動かします。時間単位の GPU 料金で、Data Zone での提供にも対応します。評価、統制、監視は、エージェントや他のモデルと同じワークフローで行えます。

6. Microsoft IQ と Foundry IQ

image.png

6.1 Microsoft IQ の位置づけ

Microsoft IQ は、組織が自社の IQ(働き方、業務プロセス、組織内の制度的知識、基幹システムのデータ)を作るための、エンタープライズコンテキスト管理プラットフォームです。Work IQ、Fabric IQ、Foundry IQ、Web IQ に、350 以上のサードパーティコネクタを組み合わせます。

ビジネスプラグインは、すべてのエージェントが引き継ぐコンテキスト、スキル、権限付きソースを、組織が整備して統制する仕組みです。Frontier プログラムの一部として提供されています。

6.2 Foundry IQ の更新

6.3 Web IQ と Work IQ、Fabric IQ

Web IQ は、すべての Azure 顧客に待機リストなしで提供され、1,000 回の呼び出しあたり 1 米ドルから利用できます。Auto と Auto Advanced モードが、Web、画像、動画、ニュース、Places(新規)、Weather(新規)の検索を統合します。2 億 750 万の実世界のエンティティを扱い、Commerce(プライベートプレビュー)では 400 億を超える出品情報とオファーを構造化データとして提供します。企業向けの制御として、サイトやドメインを含めたり除外したりする Scopes と、ライセンス済みのパブリッシャーコンテンツと Web 結果を組み合わせる Bring Your Own License が加わりました。

Foundry と関係が深い範囲での Work IQ と Fabric IQ の更新です。

製品 GA プレビュー
Work IQ Business Applications(CRM と ERP の記録)、Retrieve(権限でトリミングされた Microsoft 365 コンテンツとコネクタデータを 1 回の呼び出しで取得)、リアルタイム会議コンテキスト、長時間タスクとエージェント間連携、きめ細かな MCP ポリシー、OpenAI と Anthropic のプラグイン Memory、Word、Excel、PowerPoint の作成と編集、Listen イベントのサブスクリプション、人の承認つきのエージェントポリシー統制
Fabric IQ Microsoft Copilot での Power BI セマンティックモデル(提供済み)。Fabric data agents の Microsoft Copilot 対応は GA が近日 Excel の Edit with Copilot、ChatGPT と Claude 向けコネクタ、GitHub Copilot でのオントロジー、IQ 共有でのオントロジー対応

参考

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?