はじめに
AIコーディングエージェントをしばらく使っていると、だんだん請求額が気になってきませんか。私はDevinのACU消費を見るたびに、そう感じていました。
理由ははっきりしていて、賢いモデルほど高いからです。Fable 5やOpus 4.8のようなフロンティアモデル（最上位の高性能モデル）は、曖昧な指示から意図を汲み取り、大きめのリファクタも破綻させずにやり切ってくれます。ただ、その賢いモデルが「READMEをざっと読む」「grepの結果を眺める」といった雑務まで全部こなしているのを見ると、正直「そこは安いモデルで十分では」と思ってしまう。
かといって、タスクごとに安いモデルへ振り分ける「モデルルーティング」を入れると、今度は出てくるコードの質が落ちる。ベンチマークの数字は悪くないのに、実際にマージしたいと思える成果物が減っていく。この板挟みに、Cognitionが真正面から答えを出してきました。2026年6月29日に発表された Devin Fusion です。
公式ブログの書き出しがなかなか強気で、こう始まります。
Conventional model routing sucks.（従来のモデルルーティングはダメだ）
自社を含めた既存アプローチをまとめて切り捨てる出だしです。この記事では公式発表をもとに、Fusionが何をしていて、なぜコストが下がるのか、そして今どこまで使えるのかを整理します。
先に3行でまとめると
- Fusionは、賢い「メイン」と安い「サイドキック」の2エージェントを並列で走らせるハイブリッド構成
- ベンチマーク（FrontierCode Extended）ではFable 5単体と同等スコアのまま、コストが41%下がった
- 現状はプレビュー段階で、公式ドキュメントには未掲載。一次情報は公式ブログのみ
この記事に出てくる用語の位置づけ
Fusionの話には、Devin（Cognition）が独自に付けた呼び名と、AI業界で一般的に使う言葉が混ざっています。読み分けやすいように、先に整理しておきます。難しく考えず、迷ったらここに戻ってくればOKです。
| 用語 | 位置づけ | ざっくりの意味 |
|---|---|---|
| Devin Fusion | Devin独自（機能名） | この記事の主役。2エージェント構成の新機能 |
| サイドキック | Fusion独自の呼び名 | Fusionで安いモデルを積む相棒エージェント |
| FrontierCode Extended | Devin独自（自社ベンチマーク名） | Cognitionが性能を測るために作った社内テスト |
| Adaptive | Devin独自（機能名） | Fusionとは別の、既存のモデルルーター機能 |
| ACU | Devin独自（課金単位） | Agent Compute Unit。使った計算量にひもづく料金の単位 |
| フロンティアモデル | 一般用語 | 各社の最上位・最高性能モデル（Fable 5、Opusなど） |
| ハーネス | 一般用語 | モデルを包んでエージェントとして動かす土台の仕組み |
| モデルルーティング | 一般用語 | タスクごとに使うモデルを振り分ける方式 |
| コンテキスト（圧縮） | 一般用語 | AIが一度に読む情報のかたまり（それを要約して詰め直すのが圧縮） |
| プロンプトキャッシュ | 一般用語 | 同じ入力を使い回して料金と時間を下げる仕組み |
固有名詞（Devin独自）は「Devinの世界でだけ通じる言葉」、一般用語は「他のAIツールの記事でも出てくる言葉」と考えてください。
Fusionは「2体のエージェント」で動く
すごく雑に言うと、Fusionは「賢いモデル1体でがんばる」のをやめて、「賢いモデル＋安いモデルの2体編成」でタスクを進める仕組みです。
役割分担はこうなっています。
| エージェント | 積むモデル | 担当する仕事 |
|---|---|---|
| メイン | フロンティアモデル（Fable 5など） | 計画づくり、曖昧な指示の解釈、最終レビュー。間違えるとタスク全体が壊れる判断 |
| サイドキック | 低コストなモデル | 情報収集、ソースの流し読み、スコープがはっきりしたサブタスクの実行 |
ここで面白いのは、サイドキックが単なる「補助ツール」ではない点です。独自のツールセットを持ち、自分でコンテキストを集めて動ける一人前のエージェントとして設計されています。メインはタスクの進み具合を見て、「これはサイドキックに任せる」「これは自分でやる」を都度判断します。
公式ブログによると、メインの動作方針は「自分では最小限しか動かず、本当に必要なものだけを読む。基本は委譲と監視に徹する」というものです。
賢いモデルには、マネージャーを任せる
この設計、人間のチームに置き換えるとしっくりきます。優秀なテックリードが自分で全部のコードを書くのをやめて、レビューと意思決定に集中する体制に近い。手を動かす量を減らして、判断の質にリソースを寄せるわけです。
公式ブログには、これを裏付ける面白い指摘があります。優れたモデルほど、この2体構成でのコスト改善が大きいというのです。Fable 5のような強いモデルは「何を任せて何を自分でやるか」の見極めがうまいので、マルチエージェント構成が異常なほど効果的に働く、と表現されています。
賢いモデルは自分で作業させるより、マネージャーをやらせたほうがコスパが良い。なんだか人間の組織論みたいで、私はこの発想がいちばん腹落ちしました。実際、社内テストではCognitionでマージされたPRの88%が、人手でのモデル指定なしに自動のFusionルーターだけで動いていたと報告されています。デモ用の数字ではなく、社内の実務ですでに回っているという点は安心材料になります。
従来のルーティングとAdvisor型は、何が弱かったのか
安いモデルと賢いモデルを使い分ける発想そのものは、新しくありません。Devinにも「Adaptive」という既存のモデルルーターがあります。ではFusionは何が違うのか。Cognitionは従来アプローチの弱点を2つ挙げています。
| 従来アプローチ | 仕組み | 弱点 |
|---|---|---|
| モデルルーター | プロンプトを見て1つのモデルに振り分ける | ベンチマークには過剰適合するが、フロンティアモデル特有の汎用知性が失われる。単発のQA前提で、タスク途中の柔軟な切り替えに弱い |
| Advisor型（相談パターン） | 安いモデルが詰まったら賢いモデルに相談する | 相談のたびにコンテキストを丸ごと渡し直すので、キャッシュが効かず呼び出しごとに高くつく |
つまり「振り分ける」でも「相談する」でもなく、2体を最初から並列で走らせて、それぞれが独立した永続キャッシュを持つ。これがFusionの答えです。
地味に効いているのがキャッシュの工夫です。LLM APIのプロンプトキャッシュは多くの場合5分ほどで失効します。エージェントのように長いコンテキストを引きずる用途では、キャッシュが効くかどうかでコストが数倍変わることも珍しくありません。Fusionでは両エージェントがそれぞれのコンテキストをキャッシュし続けるため、Advisor型のような「相談のたびにフルコンテキストを課金」が起きにくい。
さらにもう一段細かい工夫として、モデルの切り替えをコンテキスト圧縮のタイミングに相乗りさせる、という設計も紹介されています。圧縮時はどのみちキャッシュミスが出るので、そこでまとめて切り替えれば追加コストが最小で済む、という理屈です。自前でエージェント基盤を組んでいる人には刺さる話だと思います。
ベンチマーク：スコアそのままでコスト41%減
ここからが本題の数字です。Cognition独自のベンチマーク「FrontierCode Extended」の結果を、まず位置関係で見てみます。横がコスト、縦がスコアで、左上に来るほど「賢くて安い」を意味します。
主役はいちばん左上の緑、Fusion + Fable 5です。単体のFable 5（右下のオレンジ）と同じくらいのスコアを保ちながら、コストだけが大きく左に寄っています。数字にするとこうです。
| 構成 | スコア | 1タスクあたり平均コスト |
|---|---|---|
| Fusion + Fable 5 | 57.6 | $3.00 |
| Fable 5 単体 | 57.0 | $5.12 |
| Opus 4.8 単体 | 48.8 | $3.24 |
| Fusion（Opus級構成） | 47.9 | $2.38 |
| GPT-5.5 単体 | 44.8 | $3.64 |
| GLM-5.2 単体 | 43.0 | $2.70 |
Fusion + Fable 5は、単体のFable 5をスコアでわずかに上回りながら（57.6対57.0）、コストを41%削減しています。Opus級の構成でもスコアはほぼ同等でコスト35%減。「安くしたら性能が落ちる」というトレードオフを、正面から崩しにきた結果です。
コストだけを並べ替えると、Fusion構成の位置がもっとはっきりします。
いちばん高いFable 5単体の$5.12に対し、Fusion + Fable 5は$3.00。同じくらいの賢さで、この差はかなり大きい。私がDevinを日常的に回すなら、まずここを試したくなります。
今使えるのか、料金はどうなるのか
現時点（2026年7月）でFusionはプレビュー段階です。app.devin.ai にサインアップすれば、Devinのクラウドエージェントでプレビューとして触れます。既存ユーザーはそのまま使えます。
ただ、導入判断の前に押さえておきたい注意点がいくつかあります。ここだけ先に知っておけば大丈夫、という話です。
まず、公式ドキュメント（docs.devin.ai）にはまだ記載がありません。2026年6月分のリリースノートを確認しましたが、執筆時点でFusionの項目はなく、詳細な設定方法・ACU消費への反映・正式リリース時期は公式ブログ以外に一次情報がない状態です。プレビュー中の仕様は変わりやすいので、料金体系（ベンチマークの41%減が、そのまま請求額の41%減になるとは限りません）も含めて、最新の公式情報を確認してください。
次に、ベンチマークは自社製という点です。FrontierCode ExtendedはCognition自身のベンチマークで、第三者による再現はまだありません。数字自体は具体的で好感が持てますが、割り引いて読む余地はあります。
最後にモデルの可用性です。公式ブログには、米国政府の指示により2026年6月12日時点でFable 5へのアクセスが一時停止され、ベンチマークは停止前の測定値である、という注記がありました。フロンティアモデルの供給状況しだいで、Fusionが積むモデルも変わりうる点は頭の片隅に置いておくとよさそうです。
なお、既存のAdaptiveルーターとは立ち位置が違います。混同しやすいので整理しておきます。
| Adaptive | Fusion | |
|---|---|---|
| 方式 | リクエストごとに最適な1モデルへ自動で振り分け | 2体のエージェントが並列稼働 |
| ねらい | 軽いタスクを軽いモデルに回してクォータ（ACU）を節約 | フロンティア級の品質を保ったままコスト削減 |
| 提供状況 | Devin Desktopのモデルピッカーで選択（Enterpriseは管理者が有効化） | プレビュー |
おわりに
Fusionのいちばんの発想転換は、「賢いモデルを安く使う」ではなく「賢いモデルには判断だけさせて、作業は安いモデルに回す」だと思います。モデルルーティングでもAdvisor型でもなく、独立キャッシュを持つ2体の並列編成という設計は、自前でエージェントを組んでいる人にとっても十分ヒントになるはずです。
フロンティアモデルの料金にため息をついている方は、プレビューの動きをウォッチしてみてください。私も自分の環境で試せるようになったら、実際のACU消費がどう変わるのかを計測して、続編を書くつもりです。そのときはこの記事の数字と突き合わせてみます。
🚀 Devin専門の解説メディア「StartDevin」を運営中！
Devinの導入・使い方・最新アップデート・活用事例を、日本語でまとめています。
👉 StartDevin をチェックする（startdevin.jp）
この記事にぜひ いいね❤️ していただけると励みになります 🙌