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。
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。
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)
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。
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
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



