「誰もが意欲的に過ごせる未来をつくる」 教育と生成AIの領域におけるソフトウェア開発・研究開発に取り組む、 WillBooster株式会社の公式アカウントです。
Tokyo, Japan
Joined November 2019
- Tweets294
- Following39
- Followers32
- Likes12
Pinned Tweet
／
Issueを渡すだけで、AIがPR作成まで実装！
🚀Agentic Workflows🚀
＼
弊社開発・社内運用中のツール「#AgenticWorkflows」について、活用の様子や改善の取り組みを随時お知らせしていきます📣
現在エンジニアだけでなく、デザイナーも活用しています🖌️
#生成AI #AIエージェント
OpenAI が、COBOL や Fortran のように学習データが少ない言語でのコーディング性能をまとめて公開しました。
COBOL のコードを別の言語に移す社内評価では、GPT-5.6 Sol が5.4%だったのに対し、GPT-6.1 Sol は low 設定で86.6%、high 設定で97.9%でした。
20の言語で SQLite 互換のデータベースエンジンをゼロから作らせる MultiLangBench でも、GPT-6 Astra の平均は87.4%。いちばん苦手な COBOL でも、前の世代の10.9%から72.1%まで上がっています。
日本でも、銀行や行政の基幹系には COBOL が多く残っています。
移行の検討では「読める人がいない」が最初の壁になることが多いので、この数字が実際の案件でどこまで出るのかは気になるところです。
ただ、COBOL 移行の評価は非公開なので、外から確かめることはできません。
MultiLangBench は GitHub で公開されているので、試すならこちらからになりそうです。
#生成AI #AIエージェント
Our latest model advances bring stronger capabilities for building and migrating software in low-resource programming languages such as COBOL, Fortran, and Visual Basic.
These languages power software that banks, governments, and businesses depend on. Progress here means understanding decades of business logic and helping developers modernize those systems while preserving what works.
We’re building these capabilities around the challenges developers and enterprise customers bring us. If your team is working on these systems, tell us which languages and workflows we should tackle next.
openai.com/index/low-resourc…
🏆Best Paper Award 受賞！
弊社代表・坂本が共同研究者とともに執筆した論文が、国際会議「DMSVIVA 2026」でBest Paper Award（First Place）を受賞しました。
AIは最新の資料を渡されても、過去に学んだ古いやり方に引きずられることがあります。
本研究では組込みシステム開発を題材に、資料の読ませ方・探させ方、人の関わり方を工夫し、AIを正しく働かせる方法を示しました。
ksiresearch.org/seke/dmsviva…
Claudeの有料プラン向けに付与されていた1回限りの無料枠リセットの期限が、10月23日までとなっています。
実行すると5時間のセッション制限だけでなく、週間利用枠も即座に100%まで全回復します。期限を過ぎると失効するため、Claude Code等で負荷の高いタスクを実行して上限に達したタイミングでの消化がおすすめです。
Anthropicが、自社コードの約90%をAIが書く環境での「コードレビュー運用」を公開しました。
「人間が読んだか」ではなく「リスクをAIと人間どちらが拾うべきか」に発想を転換。低リスクな変更は人間の承認を不要にし、AI同士の合議制レビューなどを導入することで、PR数を倍増させつつロールバック率を4割以上減らしたとのことです。
Claude writes about 90% of Claude Code's code.
From June to September, merged PRs more than doubled while the share reverted fell by more than 40%.
We wrote about how we changed code review to get there, and how to adopt it:
claude.dev/blog/solving-code…
Claude Code Reviewが一般提供になりました。
導入前に押さえておきたい点をまとめます。
・料金は定額ではなく、使ったトークン量に応じた従量課金（プランの利用枠とは別）
・管理画面からリポジトリを追加すると、初期設定ではpushのたびにレビューが走るため、pushが多いほど費用がかさむ
・月の上限額を設定でき、上限に達するとレビューはスキップされる
・対象はGitHubのリポジトリのみ
公式ドキュメントでは、まず月の上限額を決め、一部のリポジトリでレビューを「PR作成時のみ」か「手動」にして試し、費用を見積もる手順が紹介されています。
xitter.cf/ClaudeDevs/status/2110…
TypeSafe AIの判断特化モデル「Jev」が、実験的機能として画像入力に対応しました。
・TypeSafe-Danger-Zone-Images: true ヘッダーで有効化
・新版1.14.0だけでなく既存の1.13.0でも利用可（実は最初から画像対応だったとのこと）
・指示や判定基準など、JSONのどこにでも画像を差し込める
公式も「画像はテキストより精度が落ちる」としていて、本番利用はまだ非推奨です。質問をできるだけ単純に分けるのがコツだそうです。
xitter.cf/CompleteSkeptic/status…
AnthropicのMax・Teamプラン契約者に、Claude API用の月額クレジットが付くようになりました（Max 5xで月 $100 分、20xで $200 分）。
・加入から7日経過後に、claude.aiの設定からConsoleの組織を紐づけて受け取る
・紐づけられる組織は1つだけ。後から付け替えたい場合はサポートへの連絡が必要
・余った分は翌月に持ち越せない（請求サイクル末で失効）
・使い切るとAPIは止まるだけで、プラン側に請求されることはない
・Claude Codeの対話利用、Bedrock / Vertex AI / Foundry経由は対象外
Claude Codeの枠が増えるわけではないので、そこは要注意ですね。社内ツールの試作に使う分にはちょうど良さそうです。
xitter.cf/ClaudeDevs/status/2107…
We’re rolling out monthly Claude Platform API credits for Max and Team plans:
Max 5x: $100
Max 20x: $200
Team: up to $500, pooled
Works on any model, including Haiku 5.5, in your code or third-party harnesses.
How it works and full terms: support.claude.com/en/articl…
Claude Haiku 5.5 (@claudeai) の「約75%安い」は、料金表の値下げ幅そのままではありません。
・10万トークン以下のリクエスト：90%引き（$0.10 / $0.50 per 1M）
・10万トークン超：50%引き（$0.50 / $2.50）
・Haiku 4.5では前者が全体の約9割
・ただしトークナイザが新しくなり、同じ文章でも消費トークンは約3割増
これらを合算した実効値が「約75%」です。長いプロンプトを投げる用途は、見積もりを取り直した方がよさそうです。
xitter.cf/ClaudeDevs/status/2107…
GitHub 上のプッシュ数が、1年で4.9倍になっています。
月6.9億回から、月33.5億回へ。
9月だけでコミットは73.8億件で前年の5倍超、GitHub Actions の実行は32.6億回で4倍超。
GitHub は、コーディングエージェントの増加を理由に挙げています。
エージェントはほぼすべての操作のあとにコミットやチェックポイントを打つため、
人間なら気にならなかった1回のプッシュの遅さが、全体の詰まりにつながるそうです。
弊社でも Issue から PR 作成までをエージェントに任せるようになってから、
CI の待ち行列が目に見えて長くなりました。
GitHub はいま、サービスを止めずに Git の保存層と配信層を作り直しています。
社内ベンチマークでは、書き込み処理能力が最大35倍になったとのこと。
github.blog/engineering/arch…
#生成AI #AIエージェント
Claudeの発表が記憶に新しい「テキスト透かし」についてOpenAIも本格的に導入を発表しました。いずれも背景にはEUのAI法があります。
両者のテキスト透かしは目的も仕組みも共通しています。
・人が気づかない統計的な信号で「そのモデルが書いた可能性」を判定する。
・どのユーザか、どの会話かは漏洩しない。
・品質や速度への影響は小さい（と各社は説明している）。
利用者としては次のことに注意しましょう。
・透かしの検出は100%ではない。透かしがある／ないからといってAI／人が書いたとは限らない。
・透かしは内容の正しさの保証ではない。これまで通り、内容は人が確認し、外部に出すときには人が確認したことを示す。
xitter.cf/OpenAI/status/21071646…
Watermarks have limits. They’re often undetectable, especially in short passages. Rewriting or translating text can completely remove the watermark.
That’s why, for now, only approved researchers will have access to our detector, so they can help us evaluate and improve the technology.
We’re treating text watermarking as an ongoing area of research. We’ll keep testing and improving, with feedback from users, developers, policymakers, and researchers.
openai.com/index/eu-text-pro…
【プレスリリース】
FCNT製スマートフォン「arrows Alpha2」に搭載された
「Fヘルスケアにおける今日のコンディション推定技術」について、
弊社が研究開発に協力しました。
詳細はこちら prtimes.jp/main/html/rd/p/00…
WillBooster Inc. retweeted
WillBoosterが研究開発に協力した「Fヘルスケアにおける今日のコンディション推定技術」を、FCNT製スマートフォン... prtimes.jp/main/html/rd/p/00…
OpenAIのTibo氏がCodex / Workユーザー向けに「今後28日間、毎日1つ明確な改善を届けるか、できなければ利用枠をフルリセットする」と告知しました。
改善が出れば使い勝手が良くなり、出なければ利用枠が全回復します。機能改善か枠回復のどちらかが毎日手に入るため、ユーザーにとってはどちらに転んでも恩恵を受けられる28日間になりそうです。
9月にTypeSafe AIが公開した判断モデル「Jev」が話題になる中、Cloudflare（@Cloudflare）がJevと同じAPI形式で使える「Clef」「Clef-flash」を公開しました。
文章を書くのではなく、「この問い合わせは緊急か」「どのチームの担当か」といった判定を、確率つきで返すモデルです。
・軽量版Clef-flashの応答時間は中央値38.8ms。Jevは524.1msで、13分の1以下
・扱える入力の長さは64kトークン（Jevは32k）。Clefは画像も入力できる（Jevはテキストのみ）
・比較した10個のベンチマークのうち7個でClef系がトップ
どの数値もCloudflareの発表によるものです。重みはApache 2.0で公開されています。
xitter.cf/michellechen/status/21…
introducing 𝚌𝚕𝚎𝚏: our first models trained by @cloudflare's workers ai team.
today, we're releasing two fast and accurate decision models that top the benchmarks for quality and latency. use them hosted on workers ai or grab the weights from @huggingface, because we open-sourced it too.
blog.cloudflare.com/clef-dec…
Gemini 4 Argon、標準料金は発表前日に公開されたGPT-6.1 Solと同じでした。
100万トークンあたり（Argonは導入価格）
・入力 $2
・出力 $10
・キャッシュ入力 $0.10（入力価格の95%引き）
Googleは最上位モデルを、OpenAIのGPT-6 Astraの5分の1の価格で出たSolと同じ価格帯で出してきたことになります。
ただしSolはすでにAPIで使える一方、Argonは一部の利用者への限定公開から始まっています。
xitter.cf/Google/status/21053881…
OpenAI が DevDay で GPT-6.1 Sol を公開しました。
価格は入力 $2 / 出力 $10（100万トークンあたり）。GPT-6 Astra のちょうど5分の1です。
それでいて、エージェント的なコーディングやコンピュータ操作では Astra にかなり近い性能が出ています。
個人的に効くと思ったのは、1タスクあたりのコストです。
DeepSWE v1.1 で、GPT-6 Sol が max で出した68.8%を 6.1 Sol は high の75.2%で超えていて、
しかも1タスクあたりのコストは約76%安いそうです。
キャッシュ入力も $0.10/100万トークンまで下がりました。
同じコードベースを何度も読ませるエージェント用途だと、この差がそのまま効いてきます。
Astra は値段を見て使いどころを絞っていたので、
日常のエージェント作業はこちらに寄せていくことになりそうです。
#生成AI #AIエージェント
AnthropicがClaude Sonnet 5.5を公開しました。従来のSonnet 5より速く、多くの作業でコストも下がるとのことです。日常のコーディングや資料作成向けの位置づけです。
しかし、今すでにOpus 5.5を使用している人は、コストを下げたいからと言って安直にSonnet 5.5に切り替えると、損をするかもしれません。
実際に使ったところ、思考が必要なタスクではOpus 5.5のほうが時間とトークン数が小さくなりコストが安上がりになる場面もありました。今後もタスクによるモデルの使い分けが重要なことは変わりません。
xitter.cf/claudeai/status/210463…
MiniMaxが、100万トークン対応の高速モデル「M3.1-Flash-Preview」を告知なしで公開しました。
ベンチマークや重みは非公開ですが、API仕様に注意点があります。
・思考モードの完全オフは不可（指定すると400エラー）
・推論深度（effort）省略時のデフォルトが、最も丁寧で重い「max」
・Anthropic互換API対応（Claude Code等の接続先差し替えで検証可能）
・利用はToken Planと「MiniMax Code」限定
前作M3とは対照的に客観的な測定データが未開示のため、カタログスペックの過信は禁物。
些細な処理でも推論トークンを消費しやすい挙動には注意が必要です。
OpenAIの評価用エージェントがオーストラリア政府のMedicare統計ポータルに不正アクセスした件、指示は「医療統計を調べて」という良性のものでした。データを拒否された後、ブロックを回避して非公開ファイルに到達しています。
ゴールを与えれば、達成に向けて手段を探す。それがエージェントの価値であり、同時にリスクでもあります。「できませんでした」で止まれることは、賢さとは別の要件として設計しないといけませんね。 xitter.cf/Reuters/status/2102922…
Australia said an OpenAI agent breached a government health data portal in June, gaining unauthorized access to files, in what could be the first known instance of an AI agent hacking a government website reut.rs/4rtZ48x
