Boris Cherny は 2025 年 11 月以来もう手作業でコードを書かない、Gemini 3.7 Flash が Google Search に登場、Gemma が 10 億ダウンロード超え

8 月 23 日 の焦点は、新機能というより実際の使われ方にある。Claude Code の生みの親 Boris Cherny は、2025 年 11 月以来もう手でコードを書いておらず、Claude を 3 段階の能力で捉えていると説明する。続けて、Opus の冗長さは Anthropic にとって修正優先事項だと認めている。Google では、8 月 13 日にリリースされた Gemini 3.7 Flash が、Gemini ファミリーで最速の採用を記録し、Google Search にも入り込んだ。一方、オープンな Gemma ファミリーはダウンロード数が 10 億を突破した。Amp は自社の orb 上でホストされるアプリに読みやすいドメイン名を与え、薬剤特性予測のオープンベンチマークは、各スコアの横にノイズの下限を表示して公開した。

Boris Cherny は Claude を 3 段階で位置づけ、2025 年 11 月以来手でコードを書いていない

8 月 23 日 — Claude Code の生みの親は、モデルの進化を 3 段階に分ける。1 つ目は自分よりうまくコードを書くこと、2 つ目はデバッグからシステム設計まで、コードをめぐるエンジニアリング作業を自分よりうまくこなすこと、3 つ目はコンピュータで実行できるほとんどのタスクで大半の人を上回ることだ。彼は Claude を第 1 段階と第 2 段階の一部に位置づけ、Opus 4.8 を自分より優れていると初めて感じたモデルだと述べる。なお、TypeScript の設計者 Anders Hejlsberg にとっては、第 1 段階さえまだ達成されていないかもしれない、とも付け加えている。

Back in Nov 2025 I fully stopped writing code by hand, though I continue to code (using agents) every day. […] But engineering is more than coding.

🇯🇵 2025 年 11 月には、手でコードを書くのを完全にやめましたが、それでも毎日（エージェントを使って）コードを書き続けています。[…] ただ、エンジニアリングは単なるコーディング以上のものです。 — @bcherny の X

Anthropic は Opus の冗長さを優先課題として認め、応急対応を提供する

8 月 23 日 — Opus の欠点について問われた Boris Cherny は、率直に公に認めた。冗長さは既知の問題であり、チームにとって優先度の高い課題だという。ひとまずは、claude /config outputStyle=concise コマンドで 8 月 20 日に発表された Concise スタイルを有効化できる。これが本質的な情報だ。Concise は快適機能ではなく、チームが上流で修正しようとしている挙動に対する暫定的な応答である。

同じやり取りには、前日の 8 月 22 日 に示された使い方の助言も含まれている。Opus は反復的な最適化、つまり CPU とメモリの消費、CI 時間、レイテンシ、フレームレートなどにおいて十分に使われていないという。X でプロファイラとデータセットを使い、Y に達するまで繰り返すのが再現可能なやり方だとされる。

We know Opus is not perfect, and it is a big priority for the team to fix it.

🇯🇵 Opus が完璧でないことは分かっており、それを修正することはチームにとって大きな優先事項です。 — @bcherny の X

🔗 Opus と反復的な最適化

Gemini 3.7 Flash は記録的な採用を経て Google Search に入る

8 月 22 日 — Sundar Pichai が発表したのは新モデルそのものではない。Gemini 3.7 Flash は 8 月 13 日にリリースされた。そして彼が示したのは、Gemini ファミリーで最速の採用と、展開の拡大だ。現在このモデルは Gemini アプリに加えて Google Search でも動作している。発売当初は、Spark を通じた Pro および Ultra 加入者、Gemini Enterprise Agent Platform、API にしかアクセスできなかったため、Search への導入は露出規模を大きく変える。

評価されたベンチマーク	得られたスコア	タスクあたりのコスト (USD)
ARC-AGI-1	95,5 %	0,12
ARC-AGI-2	84,6 %	0,25

Gemini 3.7 Flash smashed previous Gemini growth records in its first week, making it our fastest growing model yet.

🇯🇵 Gemini 3.7 Flash は初週にそれまでの Gemini の成長記録を大きく更新し、現時点で最も成長の速いモデルになりました。 — @sundarpichai の X

🔗 ARC Prize が 8 月 20 日に公開した ARC-AGI スコア

Gemma は 10 億ダウンロードを突破し、Google は Awesome Gemma リポジトリを公開

8 月 20 日 — Google DeepMind の Clement Farabet と Olivier Lacombe は、オープンモデルの Gemma ファミリーが累計 10 億ダウンロードを超え、2 年間でコミュニティが 10 万件超の派生版を公開したと発表した。挙げられている展開は、その規模をよく示している。NASA、Satlyt、Starcloud は、搭載画像解析のために衛星上で Gemma を実行している。インドでは National Health Authority が Gemma 4 を Aarogya Setu 2.0 に組み込み、医療記録の標準化に使っている。研究面では、Yale と Google が Gemma を基盤に構築した C2S-Scale が、のちに生細胞で検証された抗がん治療経路を特定した。Google はこの節目に合わせ、開発者向けの成果物として GitHub の Awesome Gemma リポジトリ、つまりこのエコシステムのプロジェクトとチュートリアルの公式ディレクトリを提供している。

測定された指標	公表値
Gemma の累計ダウンロード数	10 億超
コミュニティ公開バリエーション	10 万超
Gemma Challenge に提出されたプロジェクト	1,600 超

🔗 Google DeepMind の投稿

Amp は自社の orbs 上の portals に読みやすいドメイン名を与える

8 月 23 日 — orb とは、Amp がエージェントを実行するために使うリモートで使い捨てのマシンだ。portal とは、その orb で構築中のアプリをブラウザで開くための HTTP 入口である。これまで各 portal には、t-01a0095e-9568-whatever-p1234.onamp.dev のような自動生成の読みにくいアドレスが割り当てられていた。ひと目で使う分にはよいが、チームに送るリンクとしてはかなり扱いづらい。これに代わるのが 3 つの विकल्पだ。カスタムプレフィックス、独自ドメイン、またはワークスペースドメインだ。Amp は、orb 上でホストされるアプリに使われる通常のアドレスとして park.mixfox.org を例に挙げている。設定は Portal タブから行うか、エージェントに依頼して実施できる。機能と同じくらい、表向きの動機も重要だ。portal は一時的なプレビューではなく、持続的なアプリにますます使われるようになっている。なお、Quinn Slack が確認した制限として、共有はワークスペースの境界を越えない。

🔗 Amp の発表

LEADBOARD は薬剤予測ベンチマークのノイズ下限を公開する

8 月 22 日 — FINAL-Bench のコレクティブは、薬剤特性予測のオープンベンチマークを Hugging Face に公開した。21 のテーブル、7 つの分野、212,670 の訓練用化合物、18,382 のテスト用化合物から成る。この記事は、リリースというより方法論的なデモンストレーションに近い。hERG のテーブルでは、時間分割をランダム分割に変えるだけで AUROC が 0,606 から 0,818 に上がる。分子、フィンガープリント、アルゴリズム、ハイパーパラメータが同じでもそうなる。ランダム抽出は、同じ化学系列をテストセットの両側に振り分けてしまうからだ。2 つ目の発見はラベル品質に関するもので、hERG のノイズ下限は 0,421 だった。さらに 19 の回帰テーブルのうち、単純に平均を予測するだけで 7 つにおいて最良の絶対誤差を示した。

hERG データの分割	得られた AUROC	モデルの MAE	定数の MAE
時系列、2022 年で分割	0,606	0,599	0,589
ランダム、5 乱数の平均	0,818	0,457	0,671

🔗 Hugging Face の FINAL-Bench 論文

速報

スマートフォンからのセッション開始にこれほど時間がかかった理由 — 昨日の報道の翌日、Boris Cherny は 8 月 22 日 に、デフォルトのセキュリティがスケジュールを決めたと説明した。デバイスの信頼と検証、prompt injection への保護だ。今後も追加更新が続く。🔗 @bcherny のスレッド
GitHub が Dependabot のクールダウンを再び前面に出す — セキュリティ上の問題がないバージョン更新は 3 日待機し、スキャナーが毒入りバージョンを検出する時間を確保する。セキュリティ修正は即時のまま。待機時間は cooldown で調整可能。7 月 23 日の記事が 8 月 23 日 に再掲された。🔗 @github の投稿
Montreal の Music Technology Hackathon で Stable Audio 3.0 — 8 月 22 日と 23 日 に、Music Hackspace と MUTEK とともに 48 時間のハッカソンが開かれ、音楽制作ツールをめぐって議論された。Stability AI はここでオープンウェイトを擁護し、透明性、芸術的コントロール、技術の使い方に対する発言権を主張した。🔗 クロージング動画
DOOM が GPT-5.6 Sol が設計したプロセッサ上で動く — モデルはゲーム Turing Complete 内で RV32IM プロセッサ Codex-R32 を組み立て、その上で PureDOOM の移植版がネイティブ機械語にコンパイルされて実行される。8 月 23 日 に @OpenAIDevs が共有したデモ。🔗 @Angaisb_ のスレッド

これが意味すること

この週末に新モデルは出ていない。だからこそ、日々の動きが読みやすい。変化しているのは、既存モデルの展開、それを使う人の数、そして利用時の邪魔になるものの修正だ。各社が取り組んでいるのは、発表ではなく採用である。

開発ツールに関しては、Boris Cherny の証言は、同じ文の中で示した限界によってこそ重みを持つ。彼にとってコーディングは一部の実務者には解決済みだが、エンジニアリングはまだそうではない。そして第 1 段階すら達していない人物として、ある専門家の名を挙げることも忘れていない。Opus の冗長さについての告白も同じ方向を向いている。モデルのデフォルト挙動が、それ自体で製品課題になっているのだ。outputStyle=concise のような設定上の応急処置は負担をユーザーへ移すが、Anthropic はそれを暫定的な修正と明言することで、明確に引き受けている。

スケールでの展開は、この週末に 3 つの異なる形を取った。Gemini 3.7 Flash は加入者と開発者の範囲を離れ、Search に入った。ARC-AGI-2 でタスクあたり 0,25 USD というコストに対し 84,6 % のスコアなら、経済的にも成立する。Gemma は一方で、ダウンロード数とコミュニティ版の数によって採用を測り、衛星軌道や公衆衛生への導入は、デモ用途とはまったく異なる様相を見せる。Amp は最後に、当初想定していなかった使われ方への結論を出した。使い捨てのプレビューが持続的なアプリになったなら、安定した住所が必要なのだ。

残るのは測定の問題であり、LEADBOARD はまさに良いタイミングで現れた。モデルを 1 行も変えずに得られた AUROC の 0,21 ポイント差、19 の回帰テーブルのうち 7 つでモデルを上回る定数予測。分割、ノイズ下限、単純なベースラインを伴わない公開スコアは解釈不能だ。だからこそ、同じ週末に Google が前面に出した ARC-AGI の数字には意味がある。自前の結果ではなく、検証済みモードの第三者測定だからだ。