Claude Code Desktop にブラウザを統合し v2.1.206 に更新、GPT-5.6 Sol Ultra が一般提供に、Amp がモードを単一ダイヤル（The Dial）に置き換え

7月10日は、エージェントとマシンの対話を塗り替える4つの主要発表を並べる。Claude Code Desktop は統合ブラウザを受け取り v2.1.206 に進み、GPT-5.6 Sol Ultra は未検証の新しい数学的証明の主張を伴って一般提供へ移行し、Amp はすべての名称付きエージェントモードを単一ダイヤルに置き換える。さらに18件の注目ニュースが全体像を補完し、Cognition が Claude Fable 5 への信頼を強める動きから、Perplexity における Grok 4.5 のオーケストレーター採用までを網羅し、最後に4件の短報でこの概観を締めくくる。

Claude Code Desktop が統合ブラウザを搭載

7月10日 — デスクトップ版 Claude Code に新しい Browser パネルが追加された。これは Claude がローカル開発サーバーをすでに操作しているのとまったく同じ要領で操作する、タブ付きブラウザだ。ドキュメント、デザインモック、その他任意のサイトを開き、内容を読み、クリックし、フォームに入力できる。キーボードから開くこともできる（macOS では Cmd+Shift+B、Windows では Ctrl+Shift+B）し、Views メニューからも起動できる。Claude がチャット内で外部リンクに遭遇すると、選択メニューが表示され、このパネルで開くか、既定のブラウザで開くかを選べる。Google OAuth のようなポップアップのログインフローを含め、サードパーティアカウントへの接続も可能だ。

このパネルはサンドボックス化されており、個人の認証情報や履歴とは分離された独立のブラウジングプロファイルを持つ。開発時には、再起動をまたいでセッション（cookie、ローカルストレージ）を保持するオプションもある。アプリケーション検証向けに既にある仕組みに加えて、2つの安全装置が追加される。1つは自動モードで使われているのと同じ分類器で、Claude が外部ページ上で行う書き込み操作をすべて精査するものだ。どの権限モードであっても、フラグが立てられると確認要求が出る。もう1つは Auto と Bypass 以外では、ナビゲーション前にドメインのホワイトリスト検証を行うものだ。Claude がサイト上で最初に行う操作では権限カード（Allow once / Always allow / Deny）が表示され、サブドメインを含め各サイトごとに個別承認が必要になる。承認済みサイトであっても、明示的な確認なしに商品購入、アカウント作成、CAPTCHA の回避はできない。これは Claude in Chrome 拡張機能と同じセキュリティモデルであり、そのドキュメントでは用途の違いも明記されている。Browser パネルはアプリを構築・テストするためのもの（空のプロファイル、本人性なし）で、Chrome 拡張機能は個人ブラウザのログイン状態を共有する。

“Claude Code on desktop now has an in-app browser.”

🇯🇵 Claude Code デスクトップ版で、いまでは統合ブラウザが利用できます。 — @ClaudeDevs on X

🔗 デスクトップアプリケーション — Claude Code Docs

GPT-5.6 Sol Ultra が一般提供に、OpenAI は50年前の予想の証明を主張

7月10日 — GPT-5.6 Sol の Ultra 設定が一般提供になった。これは、7月9日のローンチ時にマルチエージェントのベータとして導入されたものだ（ultra モードは既定で複数エージェントを並列に調整する）。この GA 移行を示すため、OpenAI のエンジニア Ethan Knight は、モデルが サイクル二重被覆予想（Cycle Double Cover Conjecture）の証明を生成したと主張している。これはグラフ理論における約50年前からの未解決問題で、Szekeres により1973年、Seymour により1979年に独立に予想されたものだ。OpenAI によれば、64個のサブエージェントを使い、1時間弱で証明に至ったという。OpenAI は使用したプロンプトと生成された証明の共有を表明し、コミュニティに Ultra の試用を呼びかけている。これは新しいモデルファミリーではなく、前日にマルチエージェントのベータとして導入された Sol の ultra 設定が一般提供に移行したという意味にすぎない。

編集上の注意：これは OpenAI 自身が（同社従業員の発言を通じて、@OpenAI アカウントが公式に再投稿した形で）伝えた主張であり、第三者による独立検証済みの証明でも、この記事時点で査読付き論文として公表されたものでもない。予想自体は本物であり、グラフ理論の文脈で文書化されているが、発表された証明の妥当性は現時点では独立に確立されていない。したがって、OpenAI の主張として扱うべきであり、既知の数学的事実として扱うべきではない。

“Yesterday, we made GPT-5.6 Sol Ultra generally available. Today, we’re sharing that it produced a proof of the 50-year-old Cycle Double Cover Conjecture using 64 subagents in just under one hour.”

🇯🇵 昨日、私たちは GPT-5.6 Sol Ultra を一般アクセスで利用可能にしました。今日は、それが64個のサブエージェントを使って1時間弱で、50年前のサイクル二重被覆予想の証明を生成した事実を共有します。 — Ethan Knight（OpenAI）、@OpenAI on X により再掲

Amp が名称付きエージェントモードを単一ダイヤル（The Dial）に置き換え

7月9日 — Amp が、エージェントモード選択システムを全面的に刷新した The Dial を公開した。4つの旧名称付きモード — smart, deep, rush, large — は廃止され、4段階の努力ダイヤル low, medium, high, ultra に置き換えられる。基本思想はこうだ。従来のモード名は、選択のために知っておくべき特定のモデル、プロンプト、推論努力レベルを隠していた。モデルの収束が進んだ今、Amp によれば残る本質的な問いは能力とコストのトレードオフだけである。ダイヤルは CLI では Ctrl+S で、ウェブアプリではモードセレクタから設定できる。

ダイヤルのレベル	主モデル	オラクル（セカンドオピニオン）
ultra	Claude Fable 5（専用システムプロンプト）	GPT-5.6 Sol
high	GPT-5.6 Sol、努力 xhigh	Claude Fable 5
medium	GPT-5.6 Sol、努力 medium	GPT-5.6 Sol、努力 high
low	GLM-5.2（Z.ai、オープンモデル）	GPT-5.6 Sol

注目点：low レベルは既定で GLM-5.2 に依存する。これは Z.ai のサードパーティ製オープンモデルで、Amp はこれを「エージェント的コーディングで最強のオープンモデル」と位置づけており、プロプライエタリモデルではない。ワークスペース管理者はこれを GPT-5.6 Terra に差し替えることもできる。各レベルには今や「オラクル」があり、セカンドオピニオンを与える。上位レベルでは、境界にある2つのモデルが相互に読み合う（high では GPT-5.6 Sol が書き、Fable が読み直す。ultra では逆）。移行について Amp は「smart, deep → medium」「rush → low」と案内している。旧モードとまったく同じ挙動を保ちたいユーザーは、同じシステムプロンプト、ツール、モデル、努力レベルを持つプラグイン（amp plugins add --auto-update @amp/smart-classic など）として再インストールできる。

🔗 Amp — The Dial（全文記事）

Claude Code が v2.1.206 に更新：パス候補、CLAUDE.md の整理、そして約15件の修正

7月10日 — Claude Code が v2.1.206 になった。単独で目玉機能があるリリースではないが、注目すべき追加がいくつかある。/cd は、/add-dir と同じ仕組みでディレクトリパスの候補を提案するようになった。/doctor には新しい制御が加わり、Claude がリポジトリ探索だけで十分に推測できる内容を見つけて、バージョン管理された CLAUDE.md ファイルを軽量化する提案を行う。Git 周りでは、/commit-push-pr が、リポジトリの設定済み push remote または利用可能な唯一の remote に対する git push を、origin に加えて自動的に許可するようになった。また EnterWorktree は、プロジェクトの .claude/worktrees/ フォルダの外にある worktree に入る前に確認を求める。バックグラウンドエージェントは、Claude Code 更新直後に静かに更新されるようになり、ユーザーが接続する時点で遅い更新を強制されることはなくなった。エージェントビュー（claude agents）も調整され、Ctrl+X で終了済みセッションを完全削除できるようになり、ステータス列はターミナル全幅を使うようになった。Anthropic はさらに、claude-opus-4-8 における /code-review の結果品質が全努力レベルで向上したと報告している。

残りの変更履歴には約15件の修正が並ぶ。期限切れの接続エラーが、/login の再実行を促す代わりに誤解を招くメッセージを表示していた問題、起動時に claude --resume と --continue がキーボードに反応しなくなっていた問題、MCP サーバーが自身の request_timeout_ms を無視してデフォルトの60秒に戻っていた問題、/model セレクタ内の価格表示の誤り、そして Bedrock 側で、送信先が制限されたネットワーク上で awsCredentialExport ヘルパーを使った際に起動時に数分間停止する問題などである。

🔗 Release v2.1.206 — Claude Code

Anthropic が企業向けパートナーシップを強化

7月9〜10日にかけて、Anthropic の Enterprise パートナーを取り上げる2つのケーススタディが公開された。1つは Claude Fable 5 の長時間自律性について、もう1つは物理的な製造チェーンへの統合についてである。

Cognition（Devin）：Claude Fable 5 が8時間無監督で持続

7月10日 — 自律型ソフトウェアエンジニア Devin を手がける Cognition に焦点を当てた「Working at the frontier」シリーズの新エピソード。Cognition でモデルの学習と評価を率いる Silas Alberti は、同社のスラング対策ベンチマーク Frontier Code における質的飛躍を説明する。従来の Opus モデルは最難関サブセットで約10%が上限だったが、Claude Fable 5 は約30%に達する。とりわけ、自律性の時間軸が変わった。監督なしで放置されたエージェントが、Fable 5 以前は数分から1時間程度だったのに対し、Fable 5 では8時間連続で実際に前進できるようになった。Alberti はこの飛躍を、モデルが Cognition の内部デバッグツールを活用し、行動前に不変条件を明示できるようになったことに帰している。Devin は Slack と本番環境の監視を能動的に始めており、Alberti はこの進化が1〜2年以内にセッションの90%へ広がると見ている。

“We trust no eval.”

🇯🇵 私たちはどんなベンチマークも信用していません。 — Silas Alberti, Cognition, Claude Blog にて引用

UST が物理 AI に Claude を導入

7月9日 — Anthropic は、技術サービスとエンジニアリングの企業 UST との提携を発表し、Claude を物理的な製造プロセスへ展開する。対象はチップ、自動車、IoT 機器などだ。UST は 20,000人の従業員を Claude で訓練し、Claude Partner Network の Global Premier Partner となる。中心的なユースケースは iDEC、UST のハードウェア検証プラットフォームで、Claude Code がチップの回路図とピン配置を読み、回帰テストを書き、実機とデジタルツインを比較する。そのパイプラインにより、検証サイクルはすでに 50〜70% 短縮されている。CarePath（医療）、IntelliOps（通信）、FinX（銀行）にも展開され、機微な操作には常に人間の承認が付く。

🔗 UST が Claude を物理 AI に導入

OpenAI、GPT-5.6 発表翌日

GPT-5.6/ChatGPT Work の発表翌日に日付が付いた2つの発表。1つはローンチ時の問題に対する公開の認識、もう1つはバイオセキュリティ安全性プログラムの進化である。

ChatGPT Work と Codex のローンチ後修正

7月10日 — GPT-5.6 と ChatGPT Work の共同ローンチからおよそ24時間後、OpenAI の Codex 責任者 Thibault “Tibo” Sottiaux は、ローンチ上の複数の問題を公に認めた。これは @OpenAI アカウントによって公式に再掲されている。具体的には、計算設定の高い値が簡単すぎて有効化できること、デスクトップアプリの再編によりチャットとプロジェクトへのアクセスが悪化したこと、ローンチの打ち出し方が Codex の終了を誤って印象づけたこと、マルチエージェントのワークフローに回帰があったこと、プラグインの不具合などだ。当日の修正としては、使用上限のリセットを2回実施、既定設定の変更、プラグイン修正、デスクトップの整理が行われた。翌週にはより大きな対応が予定されており、チャットとプロジェクトのサイドバー復帰、使用状況の見やすさ改善、ChatGPT Work と Codex の区別の明確化が含まれる。

“An ambitious direction doesn’t excuse avoidable confusion or regressions in the first version.”

🇯🇵 野心的な方向性は、回避可能な混乱やこの初期版での回帰を正当化しません。 — Tibo（Thibault Sottiaux）、OpenAI、X にて

Bio Bug Bounty が恒久的な非公開プログラムに進化

7月10日 — OpenAI は Bio Bug Bounty を、恒久的な非公開プログラム（OpenAI Bio Bug Bounty program）へと発展させ、報奨金を 50,000 $ に倍増した。このプログラムは、AI レッドチーム、セキュリティ、またはバイオセキュリティの研究者に対し、OpenAI の最先端フロンティアモデル上で事前定義されたバイオセキュリティ課題を回避する普遍的な jailbreak を見つけるよう呼びかけるものだ。この発表により、前日に確認されていた旧来の期間限定プログラムからの移行であったことが裏づけられた。そこでは報奨金は 25,000 $ に設定され、観測時点ですでに期限が過ぎていた。

🔗 @OpenAI — OpenAI Bio Bug Bounty program

Gemini がリアルタイム体験を現実世界に結びつける

AI 生成を物理世界につなぐ2つの機能。1つは音声会話、もう1つは360°仮想探索である。

Gemini Live が画像生成と Google Maps を会話内で統合

7月10日 — Gemini Live は、Gemini アプリのリアルタイム音声・カメラ会話モードで、Nano Banana の画像生成と Google Maps のアンカーをセッション中に直接統合した。カメラに物体や場所を映して画像を生成したり、音声で会話しながら地元の店舗を探したりできる。付随するデモでは、絵画をカスタム壁紙へ変換する様子が示されている。Gemini の全ユーザーに対して無料で、世界中で利用可能。Pro/Ultra の制限はない。

🔗 Tweet @GeminiApp — Gemini Live リアルタイム

Project Genie が生成世界を Street View にアンカー

7月10日 — 研究プロトタイプ Project Genie（Google DeepMind × Google Labs、I/O で発表）は、Google Maps の Street View データへのアンカーを追加し、360°のインタラクティブな仮想環境を生成するための現実の地理基盤とした。この要素は、カメラの視野外にある場面の一貫性である「blank space problem」を解消する。ユーザーの行動（泳ぐ、ハイキングするなど）に応じて、実在の場所またはテキストプロンプトから、世界の続きをフレームごとに生成する。なお、現時点では公開提供は予定されていない実験的な研究プロトタイプである。

🔗 Tweet @GoogleAI — Project Genie における Street View アンカー

GitHub が Copilot とサードパーティエージェントのエコシステムを強化

自動レビュー担当からゲーム制作まで、Copilot とそのエージェントエコシステムの統制と使い勝手を強化する5つの発表。

指示の書き換えで Copilot のレビューコストが 20 % 削減

7月10日 — GitHub は、Copilot code review を Copilot CLI ハーネスと共有されるコード探索ツール（grep, glob, view）へ移行した際、まずレビューが悪化した経緯を詳しく説明している。コスト増加、見逃し増加——それらのツール自体はより適切に保守されているにもかかわらず、である。原因は、広く探索する汎用アシスタント向けに作られた指示だった。一方、レビュー担当者は差分から出発し、必要最小限の証拠を探す。実際のレビュー担当者のワークフローに合わせて指示を書き換えた結果、この回帰は改善へと転じ、レビュー品質を維持したまま、平均レビューコストが約 20 % 減少した。

“But the tools weren’t the problem. The instructions were. Once we rewrote them for the way a reviewer actually reads a pull request, the regression flipped into a win: roughly 20% lower average review cost, while maintaining the same review quality.”

🇯🇵 しかし、問題だったのはツールではなかった。指示のほうだった。レビュー担当者が実際に pull request を読むやり方に合わせて書き直したところ、回帰は勝利に変わった。レビュー品質を同等に保ったまま、平均レビューコストが約 20 % 下がったのだ。 — The GitHub Blog

pull request ダッシュボードが一般提供に

7月9日 — pull request ダッシュボード（github.com/pulls）が、公開プレビューを経て一般提供に移行した。優先度付きの Inbox が、レビュー依頼やマージ待ちの PR を上部に持ち上げる。保存済みビューはカスタムクエリに基づき、拡張検索には新しいフィルターが追加された。Copilot に直接関係する注目点として、作成者フィルターが、ユーザーの代わりにエージェントが作成した PR も認識するようになった。author:@me により、ユーザーが Copilot に依頼して自分の名義で作成させた pull request も返る。

🔗 新しい pull request ダッシュボードが一般提供になりました

GitHub Mobile で Copilot セッションを並べ替え・絞り込み可能に

7月10日 — GitHub Mobile（iOS/Android）では、Copilot セッション一覧に対して、ステータス、リポジトリ、種類、エージェント、アクティブ/アーカイブ済みといったフィルターが追加され、さらに並べ替えオプション（新しい順、古い順、アクティブ優先、要対応優先）も利用できるようになった。並べ替えは現在の絞り込みコンテキストを維持する。並行して追跡するエージェントセッションの数が増えるほど役立つ、使い勝手の改善である。

🔗 GitHub Mobile: Copilot セッションのフィルターと並べ替えを改善

Manus が /game-dev と ElevenLabs コネクタを追加

7月10日 — Manus は /game-dev スキルを公開した。自然言語でゲームを説明するだけで、共有可能なリンク上にデプロイされた実用的なゲームプレイを得られる。ゲーム開発経験は不要で、Manus がクレジットしているオープンソースの成果に基づいている。同日、ElevenLabs コネクタもプラットフォームに追加され、Manus 上で構築したアプリに音声生成と音声クローン機能が開放された。レトロな UI、4 言語対応、クローン音声ナレーションを備えた完全なアプリが、1 回のプロンプトで生成されることで示された。

🔗 @ManusAI の投稿 — /game-dev スキル 🔗 @ManusAI の投稿 — ElevenLabs コネクタ

Perplexity Computer が提供内容を拡張、Cohere が推論を高速化

Perplexity は Perplexity Computer のモデルとツール群を三度にわたって拡張し、一方で Cohere は推論高速化に関する注目すべき研究を公開した。

Computer Analytics: モデル別クレジット支出を追跡

7月10日 — Perplexity は Computer Analytics を公開した。Perplexity Computer におけるモデル別のクレジット消費を追跡できるダッシュボードで、総クレジット数、アクティブメンバー数、1 人あたり平均、モデル別内訳（Claude Opus 4.8 Fast/4.8/4.7、Claude Sonnet 4.6、GPT-5.5、その他）、メンバーランキングを表示する。アカウント設定の Analytics から、個人ユーザーにも Enterprise 組織にもすぐ利用可能。

🔗 @perplexity_ai の投稿 — Computer Analytics

Grok 4.5、Opus 4.8 の半分のコストで WANDR 最高スコア

7月10日 — Grok 4.5（xAI）が、Perplexity Computer で利用可能なオーケストレーター向けモデルに加わった。対象は Consumer Pro と Max の加入者である。コスト/性能ベンチマーク WANDR（6 構成をテスト）では、Grok 4.5 が全構成の中で最高スコアを記録した。

評価構成	1 試行あたりコスト	WANDR スコア
GPT-5.6 Terra (medium)	0,40 $	0,149
GLM 5.2 (high effort)	1,74 $	0,207
GPT-5.6 Sol (medium)	2,64 $	0,289
GLM 5.2 + advisor	4,67 $	0,297
Grok 4.5	4,76 $	0,328
Opus 4.8 (thinking, high effort)	9,46 $	0,254

したがって Grok 4.5 は、コスト/性能のパレートフロンティアの頂点に位置する。つまり、Opus 4.8 のおよそ半分のコストで、より高いスコアを出した。

🔗 @perplexity_ai の投稿 — Grok 4.5 オーケストレーター

Cohere、vLLM に最大 23 % の推論速度向上を提供

7月10日 — Cohere は Dynamic Speculative Decoding（DSD）に関する研究を公開した。これは、「goodput」という指標を使い、ハードウェアの状態（メモリ対計算）に応じて speculative decoding の下書きトークン数を適応的に調整する。Command A（dense、MT-Bench）では、DSD は固定 K の speculative decoding より約 23 % 高速で、vanilla 推論よりも 7.5 % 高速だった。一方、固定 K の SD は vanilla より遅かった。Command A+（MoE アーキテクチャ）では効果はより限定的だった。この最適化は、vLLM にオープンソースとして提供され（pull request はマージ済み）、async scheduling と Full CUDA Graph への互換作業も行われた。

🔗 Cohere — Hardware-aware Dynamic Speculative Decoding

メディア生成: 動画研究がリアルタイムへ移行

メディア生成がリアルタイム化し、エージェント統合が進むことを示す 3 つの発表。

NVIDIA が Flex-Forcing を公開、拡散/自己回帰ハイブリッドの動画モデル

7月9日 — NVIDIA の研究チームは Flex-Forcing を公開した。1 つの動画モデルに、双方向拡散（全フレームを一度に処理し、構造はよく保持するが遅い）と自己回帰生成（フレームごとで速く、streamable だが時間的なずれが生じやすい）の両方を習得させ、推論時には学習時に固定された妥協ではなく、利用可能な計算予算に応じて動作点を選べるようにする手法である。この研究は ICML 2026 で spotlight に選ばれた。

🔗 @NVIDIAAI の投稿 — Flex-Forcing

Wan-Streamer（Alibaba）: フルデュプレックスのリアルタイム動画会話

7月10日 — Alibaba の Tongyi Lab は Wan-Streamer を発表した。これはエンドツーエンドのオムニモーダルモデルで、ネイティブなストリーミング Transformer 1 つが、音声と同期した動画で聞き、見て、理解し、応答する。フルデュプレックスであり、各側が同時に話し、同時に聞くことができる。総遅延は約 550 ms である。モデルは固定のアバター装置に縛られず、自然言語で記述された任意のキャラクターを演じられる。v0.2 では 640×368 解像度、25 FPS、モデル側遅延を約 200 ms に削減した。

🔗 @Alibaba_Wan の投稿 — Wan-Streamer

HeyGen が Figma と HyperFrames を接続し、発表動画を生成

7月10日 — HeyGen の HyperFrames デイリースキルシリーズの新エピソード（7月9日の Music-to-Video に続く）として、/figma コマンドが Figma のモックアップを忠実な発表動画へ変換する。色、フォント、フレーミングのすべてが正確に再現され、動画編集ツールは不要である。ワークフローは 3 ステップ：モックアップのリンクをコピーし、エージェントに渡し、/figma を呼び出す。セットアップは npx hyperframes@latest skills から行う。

🔗 @HeyGen の投稿 — Figma 統合

Sakana AI が、エージェントと人間の創造性の差を測定

7月10日 — Sakana AI は「The AI Picbreeder Experiment」を公開した。これは、GECCO2026、MIT/NYU 共同研究、best paper にノミネートされた研究で、目的をあらかじめ定めずにユーザーが共同で画像を進化させていた消滅済みサイト Picbreeder を、代わりに vision-language モデル（VLM）エージェントで再現したものだ。主な結果は、VLM エージェントは人間ほど広く探索せず、似た概念の間を行き来してしまうことだった。しかし、多様な「性格」を持つエージェント集団を用いると探索は大幅に改善し、いくつかの run では人間アーカイブの意味的多様性に近づいた。なお残る差は、人間のほうが「幸運な偶然」を持続的な創造的発見へ変えるのがうまいようだ、という点である。

🔗 @SakanaAILabs の投稿 — 発表 🔗 インタラクティブブログ — pub.sakana.ai/picbreeder-vlm

ブリーフ

GitHub — マルチユーザー予算向け API エンドポイント — マルチユーザー予算内の各ユーザーの消費を 1 回の呼び出しで取得できる新しい REST API エンドポイント。消費割合でのフィルタリングに対応し、enterprise owners と billing managers のみ利用可能。🔗 GitHub Changelog
GitHub が AI シークレット検出器の名称を変更 — 「Copilot secret scanning」検出器が「AI-detected secrets」に改名された。挙動、webhooks、audit logs、API に変更はない。🔗 GitHub Changelog
Codex CLI 0.144.1 — 0.144.0 へのパッチ。スタンドアロンインストールの信頼性向上、macOS インストールで code-mode ホストが正しく露出、ホストバイナリが利用できない場合は内蔵 runtime にフォールバック。🔗 Codex CLI 0.144.1
Cohere Transcribe Arabic が MacBook 上でローカル実行 — mlx-audio（Apple Silicon）によるコミュニティ移植。@Prince_Canuma と @lllucas にクレジットされ、オープンソース（Apache 2.0）モデルのエコシステム採用を示すシグナル。🔗 @cohere の投稿

これが意味すること

エージェントは、人間のようにウェブを巡回して学ぶようになっている。 Claude Code Desktop は、エージェントに独自のサンドボックス化されたブラウザを与え、Claude in Chrome 拡張と同じサイト単位の権限モデルを採用することで、ユーザーの個人認証情報を共有することなくアプリを構築・テストできるようにしている。この流れは、より広いトレンドと一致する。GitHub の新しい pull request ダッシュボードは、人間の代わりにエージェントが作成した PR を明示的に認識し、Manus は実用的なゲームプレイを介入なしで展開する /game-dev スキルを追加した。テキストやコードを出力するだけでなく、UI 全体を操作することが、一般向けエージェントの新たな最前線になりつつある。

モデル競争は、単一の巨大モデルではなく、マルチモデル・オーケストレーションへ移っている。 GPT-5.6 Sol Ultra は GA となり、50 年前から未解決の数学問題で、複数エージェント推論の劇的だが独立検証されていない実演を見せた。Amp は名前付きモードを廃止し、Claude Fable 5 と GPT-5.6 Sol を互いのオラクルとして対話させる単一のダイヤルに置き換えた。Perplexity Computer も同じ論理で、Grok 4.5 をオーケストレーターとして追加し、Opus 4.8 の半額で市場最高の WANDR スコアを獲得させつつ、自社の GLM 5.2 と並べている。共通するメッセージは明快だ。価値はもはや 1 つのフロンティアモデルからではなく、利用可能な予算に応じて複数のモデルを協働させる能力から生まれる。そして Cohere の adaptive speculative decoding 研究は、その論理を推論レベルそのものへ押し進めている。

長時間の自律性は測定可能になりつつあり、企業はそれを記録済みであることを求めている。 Cognition は、数分から 8 時間の連続進行へという具体的な飛躍を文書化し、現実のタスクで Claude Fable 5 を信頼する理由を説明した。一方 UST は、ハードウェア検証チェーンに Claude を導入し、サイクル時間を 50〜70 % 改善した。同じ流れは、テクノロジー企業に自らの死角を公に認めることも強いている。OpenAI は GPT-5.6/ChatGPT Work のローンチ問題を隠さず記録し、GitHub はツール移行がまず Copilot code review を悪化させ、その後に指示の書き換えで修正された理由を説明し、Claude Code v2.1.206 は組み込みブラウザの横に約 15 個の細かな修正を積み上げた。信頼は今や、機能発表と同じくらい失敗の透明性から構築される。

メディア生成のリアルタイム化は、バッチ生成に追いつきつつある。 Alibaba の Wan-Streamer は、550 ms の遅延で動画と音声のエージェント対話を実現し、Gemini Live はカメラ、画像生成、地図を 1 つの音声会話に統合し、NVIDIA の Flex-Forcing は 1 つの動画モデルが計算予算に応じて品質と速度を自律的に切り替えられるようにする。こうした即時性と双方向性への移行は、Sakana AI の創造性に関する指摘と対照的である。彼らの vision-language エージェントは、何の制約もない人間より自由に探索できず、生成が技術的に即座に行えるようになっても、その差はなお残っている。