Claude Sonnet 5 がすべてのプランで利用可能に、Claude Science がベータ開始、Amp が Orbs を発表

2026年6月30日は、AI エコシステムにとって密度の高い一日となった。Anthropic は、これまでで最もエージェント性の高い Sonnet モデルである Claude Sonnet 5 を、Free と Pro プランのデフォルトとして、ネイティブの 100 万トークンのウィンドウとともに同時リリースした。さらに、NVIDIA の BioNeMo Agent Toolkit を統合した科学研究者向けの専用ワークスペース Claude Science も発表した。開発ツール面では、Amp が未監督のエージェント実行に特化したクラウドマシン Orbs を展開し、Google は開発者向けに Nano Banana 2 Lite と Gemini Omni Flash を提供開始した。OpenAI は一方で、計算生物学における研究レベルのベンチマーク GeneBench-Pro を公開した。

Claude Sonnet 5 — Free と Pro のデフォルトモデル、コンテキスト 100 万トークン

6月30日 — Anthropic は、Sonnet ファミリーの新モデル Claude Sonnet 5 を発表した。これは、現時点で最もエージェント性の高いモデルとして設計されている。Sonnet 5 は、エージェント系ベンチマーク（BrowseComp、OSWorld-Verified）で Opus 4.8 に迫る一方、価格はより低く抑えられており、ローンチ当日から Free と Pro プランのデフォルトモデルになる。

特徴	値
API 識別子	`claude-sonnet-5`
コンテキストウィンドウ	100 万トークン（ネイティブ）
input 価格（プロモ）	$2 / 100万トークン
output 価格（プロモ）	$10 / 100万トークン
デフォルトプラン	Free, Pro
利用可能性	API、すべての Claude プラン

強調されている能力には、自律的な計画、複数ステップにわたるツール利用、レガシーコード（brownfield code）上での複雑なタスク実行、そしてコード規約へのより高い順守がある。安全性の面では、Sonnet 5 は Sonnet 4.6 より全体的に望ましくない振る舞いの発生率が低い一方、特定のサイバーセキュリティ課題では訓練なしでやや高い能力を示す。そのため、Cyber Verification Program によるリアルタイム防御付きでリリースされている。完全な System Card は anthropic.com で公開されている。

利用範囲の拡大： Sonnet 5 は、GitHub Copilot においても一般提供されている（Pro、Pro+、Max、Business、Enterprise プラン、Business と Enterprise ではデータ保持ゼロ。VS Code、JetBrains、Xcode、CLI、github.com、iOS、Android で選択可能）ほか、NVIDIA GB300 NVL72 GPU 上の Microsoft Foundry にも提供されている。

🔗 Anthropic の発表 — Claude Sonnet 5

Claude Code v2.1.197 — デフォルトモデルとしての Sonnet 5

6月30日 — 2.1.197 版の Claude Code は、CLI ツール内で Sonnet 5 をデフォルトモデルにする形で、このリリースに追随する。100 万トークンのネイティブなコンテキストウィンドウは、Claude Code セッション内から直接利用できる。$2/$10 per million tokens のプロモーション価格は 2026年8月31日 まで有効。デフォルトモデルを利用するには、2.1.197 への更新が必要である。

🔗 リリース v2.1.197 — Claude Code

Claude Science — NVIDIA BioNeMo を備えたベータ版科学ワークベンチ

6月30日 — Anthropic は、科学研究者向けに特化して設計された AI ワークスペース Claude Science のベータ提供を発表した。このアプリは、通常は分断されがちなツールを 1 つの空間にまとめる。専門データベース、Jupyter、R、HPC クラスタ端末、オンデマンド GPU 実行。

機能	説明
コーディネーターエージェント	+60 のスキルと事前設定済みコネクタ（ゲノミクス、単一細胞、プロテオミクス、構造生物学、ケモインフォマティクス）
再現可能なアーティファクト	正確なコード、環境、完全な履歴を伴う図表と原稿
計算管理	Laptop、SSH 経由の HPC クラスタ、またはオンデマンド GPU（Modal）— 1 台から数百台の GPU まで
レビューエージェント	引用を確認し、計算を検証し、エラーをリアルタイムで修正
セッションのフォーク	元の流れを失わずに 2 つのアプローチを比較
ネイティブな科学表現	タンパク質の 3D 構造、ゲノムトラック、化学構造

利用可能性： Pro、Max、Team、Enterprise プラン向けに macOS と Linux でオープンベータ（https://claude.com/science）。学術研究室や非営利組織向けには、割引価格の Team プランが予定されている。

NVIDIA BioNeMo Agent Toolkit との統合： Claude Science は、BioNeMo Agent Toolkit を本番環境で統合した最初のワークスペースであり、研究者が自然言語を通じて NVIDIA の GPU 加速ツールにアクセスできるようにする。

BioNeMo ツール	性能
NVIDIA Parabricks	ゲノム解析：数時間 → 数分
RAPIDS-singlecell	130 万の前処理済み細胞を 25 秒で処理（GPU なしでは 52 分）
nvMolKit	ケモインフォマティクスで 3,000× 高速（類似度、コンフォーマー）
BioNeMo open models	Evo 2、Boltz-2、OpenFold3
BioNeMo NIM	本番対応の推論マイクロサービス

ベータ版での反応： Allen Institute（Jérôme Lecoq）は、アクター・クリティック型エージェントを使って 100 ページ超の科学レビューを作成し、所要期間を 2 年から数週間へ短縮した。UCSF Brain Tumor Center（Stephen Francis）は、神経膠腫の疫学分析で ×10 の高速化を確認した。

IA for Science グラントプログラム： 最大 50 件の選定プロジェクトが、それぞれ最大 $30,000 分の Claude クレジットに加え、いくつかのプロジェクトには最大 $2,000 分の Modal compute を受け取れる。応募締切は 2026年7月15日、受賞者への通知は 7月31日まで。

🔗 Anthropic の発表 — Claude Science

Amp : Agents in Orbs — 未監督エージェント実行のためのクラウドマシン

6月30日 — Amp は、ローカルマシンの電源が切れている場合でも、監督なしで coding エージェントを実行するために設計された専用クラウドマシン Orbs を発表した。

特徴	値
RAM	orb あたり 32 GB
CPU	orb あたり 16 コア
料金	分単位課金の $1.66/h
起動	自動スリープ付きで高速

orb は、ターミナルまたは Amp の TUI から 1 コマンドで起動できる：amp -ox "<prompt>"。操作感はローカル実行と同じで、コードレビュー、ファイルナビゲーション、統合ターミナルが利用できる。変更は amp sync <thread-id> を使ってローカルマシンへ同期される。ローカルリソースの競合なしに複数のエージェントを並行実行でき、各エージェントの状態には Web、CLI、モバイルからアクセスできる。

分単位の課金モデルは、アクティブな操作の合間に自動スリープすることで、エージェントが入力待ちの状態にあるときや入出力処理を行っているときのコストを最小化するよう設計されている。この提案により、Amp は Anthropic の Claude Code Remote と同じ領域に位置づけられるが、明確な違いがある。共有コンテナではなく、エージェントごとに完全な専用マシン（32 GB、16 コア）を割り当てる点だ。

ワークフローの観点では、Orbs により、勤務終了時にバックグラウンドでエージェントを起動し、翌朝にはレビュー可能な pull request を、どのデバイスからでも取り戻せる。

🔗 Amp の発表 — Agents in Orbs

Nano Banana 2 Lite と Gemini Omni Flash が API で利用可能に

6月30日 — Google DeepMind は、開発者向けに 2 つの新モデルを同時に発表した。高速画像生成向けの Nano Banana 2 Lite と、会話型動画向けの Gemini Omni Flash である。

Nano Banana 2 Lite (gemini-3.1-flash-lite-image)

次元	値
レイテンシ	画像 1 枚あたり 4 秒
コスト	1,000 枚で $0.034
利用可能性	Gemini API、Google AI Studio、Gemini Enterprise Agent Platform

推奨されるレガシーモデル gemini-2.5-flash-image の置き換え先：より高品質で、より高速、より低コスト。速度を優先しながらも、プロンプトへの忠実性、人物の一貫性、画像内テキストの描画を維持する。一般向けの面でも展開されており、Search の AI Mode、Gemini アプリ、NotebookLM、Google Photos、Google Flow、Google Ads で利用できる。

Gemini Omni Flash (gemini-omni-flash-preview)

次元	値
コスト	動画 1 秒あたり $0.10
最大長	10 秒（より長い長さも告知済み）
利用可能性	Gemini API、Google AI Studio、Gemini Enterprise Agent Platform

このモデルは、自然言語による会話型の動画編集を対象としており、マルチモーダル参照（入力としての画像 + テキスト + 動画）、テキスト/グラフィックスの同期、組み込みの SynthID ウォーターマーキングを備える。現時点での制限は、長さが 10 秒に制限されること、音声参照とシーン拡張が API 経由ではサポートされないこと、シーン変更をまたぐ人物の一貫性がまだ改善の余地があることだ。

画像 → 動画の連鎖： Interactions API は、最大 3 連続までの逐次編集のためにセッション履歴を管理し、Nano Banana 2 Lite で素早く画像を生成してから Gemini Omni Flash でアニメーション化することを可能にする。Google はこの連鎖を 3 つのアプリケーションでデモしている：Anywhere（象徴的な場所への移動）、Space Lift（インテリアデザイン）、Omni Product Studio（e-commerce image→vidéo）。

🔗 Google DeepMind の発表 — Nano Banana 2 Lite と Gemini Omni Flash

GeneBench-Pro — 研究レベルの計算生物学ベンチマーク

6月30日 — OpenAI は、AI エージェントの計算生物学における推論能力を測定する研究レベルのベンチマーク GeneBench-Pro を公開した。中心概念は research taste であり、分析の方向性を定める一連の判断を指す。どのデータがどの問いを探ることを可能にするのか、初期計画をいつ修正すべきか、早期診断がどのようにアプローチを変えるべきか、という点である。

対象範囲： 129 問で、10 分野に分かれている。統計遺伝学、集団ゲノミクス、定量遺伝学、調節ゲノミクス、機能ゲノミクス、プロテオミクス、臨床ゲノミクス、がんゲノミクス、微生物ゲノミクス、法医学遺伝学。

結果：

モデル	スコア（最大推論レベル）	スコア（Pro モード）
GPT-5.6 Sol	28.7 %	31.5 %
GPT-5（構築時のベースライン）	< 5 %	—

GPT-5.6 Sol は、GPT-5.2 より約 6 倍多くの問題を解ける一方で、使用トークン数はおよそ 3 分の 2 に抑えられている。この進歩速度なら、ベンチマークは 2026 年末までに飽和する可能性がある。人間の専門家なら GeneBench-Pro の 1 問に 20〜40 時間、つまり数千ドル相当の作業がかかると見積もるだろうが、AI 推論のコストは 1 問あたり数ドルにすぎない。

方法： 問題は、評価バイアス（ground-truth leakage）を避けるために、因果構造が既知でデータがシミュレーションされた合成的な方法で構築されている。オープンソース： 代表的な 10 問が Hugging Face で公開されており、50 問のサブセットは独立した第三者ベンチマークとして Artificial Analysis に提供される。

🔗 OpenAI の発表 — GeneBench-Pro

Together AI at ICML 2026 : 8 本のオープンリサーチ論文

6月30日 — Together AI は、ICML 2026（ソウル、7月6日〜11日）で採択された 8 本の論文の概要を公開した。研究は、エージェント、学習、アルゴリズム最適化、システム、GPU カーネルまで、スタック全体（full stack）をカバーしている。

論文	層	主な結果
ThunderAgent	エージェント	エージェントのスループットが最大 3.6×
TTT-Discover	エージェント	最優秀人間を上回る（オープンモデル 120B、約 $500）
Aurora	アルゴリズム	本番環境での追加 1.25× 高速化（MiniMax M2.1 229B）
Untied Ulysses	システム	単一の 8×H100 ノードで 5M tokens（アテンションメモリ −87.5 %）
OEA	システム	MoE デコードで最大 39 % 高速

TTT-Discover は test-time に RL を適用する。各試行が次の試行の学習データになり、4 分野（数学、GPU カーネル、競技アルゴリズム、細胞生物学）で best-of-N を上回る。オープンな 120B モデルで、約 $500 のシミュレーションを用いる。Untied Ulysses は、単一の 8×H100 ノードで 5M tokens に到達する（アテンションメモリ −87.5 %）。コードとカーネルはオープンソースで公開済み。

🔗 Together AI のブログ — ICML 2026

ADK Go 2.0 — human-in-the-loop を備えたマルチエージェント・ワークフローエンジン

6月30日 — Googleは、Geminiエージェントを構築するための公式フレームワークである Go 向け Agent Development Kit (ADK) のバージョン 2.0 を公開しました。この版では、グラフベースのワークフローエンジンが一次プリミティブとして導入されています。

主な新機能：Go ネイティブのグラフ・プリミティブ（別途 DSL は不要）による複雑なエージェントの構成、人的承認が必要なシナリオ向けに組み込まれた human-in-the-loop (HITL)、自動復旧を伴う動的オーケストレーション（指数バックオフ、エラー処理、retry）、そして単純なエージェントと複雑なグラフの両方で共有される統一ランタイムによって、テレメトリと状態永続化を簡素化することです。Go 向け ADK は、既存の Python SDK を補完し、複数ステップのエージェント構成に言語の性能と型安全性をもたらします。

🔗 Google Developers ブログ — ADK Go 2.0

JetBrains AI Assistant における Copilot Agent

6月30日 — JetBrains と GitHub は、GitHub Copilot を JetBrains AI Assistant のエージェント選択器（agent picker）において第一級エージェントとして統合し、既存の Copilot プラグインを補完する形で提供すると発表しました。

この統合は ACP（Agent Communication Protocol）に基づいており、Copilot モデルをインターフェースから直接選択できること、推論の深さを調整できること、そして Copilot がプロジェクト内を推論し、変更を提案し、コマンドを実行しながら反復する複雑なマルチステップのプログラミング作業を可能にします。発表された次のステップは、NES（Next Edit Suggestions）のサポート、一般的なワークフロー向けの再利用可能な skill の呼び出し、そして IDE 内ツール間のより深いオーケストレーションです。

🔗 GitHub Changelog — JetBrains における Copilot Agent

Enterprise Copilot の cost center ごとのユーザー別 AI 予算

6月30日 — Enterprise 管理者は、cost center ごとにユーザー別の AI 予算を設定できるようになりました。この予算は、後から Enterprise チーム経由で追加されたメンバーを含め、cost center の全メンバーに自動的に適用されます。優先順位は、個人予算 > cost center 予算 > グローバル予算です。この予算は、含まれるプールの利用と追加利用の両方をカバーし、プールが尽きる前にユーザーを停止させることもできます。6月30日から REST API のみで利用可能で、請求画面は後日対応予定です。

🔗 GitHub Changelog — ユーザー別 AI 予算

Azure における NVIDIA GB300 Blackwell Ultra 上の Claude — 一般提供

6月29〜30日 — Anthropic の Claude モデルは現在、Microsoft Foundry で一般提供されており、Azure 上でホストされ、NVIDIA GB300 Blackwell Ultra GPU（Quantum-X800 InfiniBand ネットワークを備えた NVL72 システム）で高速化されています。

この統合には、ID ガバナンス、ネットワーク、credentials、インフラストラクチャレベルの実行ポリシーをカバーする NVIDIA Secure Agent Workspace Reference Design が含まれており、厳格なコンプライアンス要件を持つ企業向けに設計された枠組みです。Claude エージェントは、ドメイン固有の機能のために、NVIDIA によって検証された skill にアクセスできます。この一般提供は、2025年11月に発表された Microsoft × NVIDIA × Anthropic の三者提携に続くものです。

🔗 NVIDIA ブログ — GB300 Blackwell Ultra Azure 上の Claude

NVIDIA Omniverse + Metropolis : 業界向け AI ビジョン・エージェント

6月30日 — NVIDIA は、Omniverse（OpenUSD シミュレーション）、Metropolis（AI 動画デプロイ）、Cosmos（物理世界向け基盤モデル）を組み合わせて、産業エッジで動作する AI ビジョン・エージェントを構築するための 3 つの完全なワークフローを公開しました。

1. 目視検査（Roboflow + Corning）: Defect Image Generation skill と NVIDIA Cosmos を組み合わせることで、実画像から欠陥の合成データを生成します。Corning のベンチマーク結果は、実画像がわずか 8 枚でも平均精度 95%、最も難しいクラスで完全再現率でした。数四半期かかっていたプロジェクトが数日に短縮されます。

2. スマートシティ（高雄の Linker Vision）: 開発工数 −85%、インシデント対応時間 −80%。このパイプラインは、動画拡張に Cosmos、ファインチューニングに TAO、検索・要約・アラートに VSS を使用します。

3. Foxconn の産業運用（GB300 ライン）: DeepHow 経由で、標準手順の検証で 99% の精度、初回通過率で +3% を達成。

🔗 NVIDIA ブログ — Omniverse + Metropolis Vision AI

短報

Claude Code v2.1.196 — 組織の既定モデル — 管理者は組織コンソールから既定モデルを設定できるようになりました。個人でモデルを選択していないユーザーには、コマンド /model で「組織の既定」（または「ロールの既定」）が表示されます。🔗 v2.1.196 リリース
Hugging Face — Community Evals に統合された Every Eval Ever (EEE) — HF は、自社の Community Evals を EEE（Every Eval Ever、EvalEval Coalition、2026年2月）スキーマと相互運用可能にしました。評価結果は検証済みの帰属情報つきで HF のモデルページに表示され、ツール community_evals_converter が HF → EEE の変換を自動化し、push 前に人手レビューを行います。🔗 Hugging Face ブログ — EEE
OpenAI — GNU libunwind の18年前のバグを修正 — Nathan Bronson のエンジニアリング投稿：GNU libunwind の _Ux86_64_setcontext にある 1 命令の race condition（最初の x86_64 実装にさかのぼる）が Rockset でクラッシュを引き起こしていました。発火条件の 3 つ（高い例外発生率、高いシグナル発生率、スタックを大量に消費する signal handler）は OpenAI でのみそろっていました。修正：libgcc へ移行し、GNU libunwind に upstream へパッチを送付。🔗 OpenAI Engineering — コアダンプの疫学

意味すること

新世代モデルと 100 万トークン文脈の経済性。 Claude Sonnet 5 は、ネイティブな 100 万トークンのコンテキストウィンドウを備え、100 万トークンあたり $2/$10 という価格設定で、長期稼働するエージェントの経済性を塗り替えます。エントリーレベルの価格では文脈を切り詰める必要がありましたが、いまやコードベース全体や長時間の作業セッションを追加コストなしで含められます。Claude Code がローンチ初日からこのモデルを既定に採用し、さらに GitHub Copilot と GB300 上の Microsoft Foundry で一般提供されることは、広範かつ同時並行の配信戦略を示しています。Sonnet 5 は研究室向けモデルではなく、主要なエンタープライズ・チャネル全体に最初から展開される本番インフラです。

AI を科学研究のインフラにする流れ。 Claude Science、GeneBench-Pro、BioNeMo の統合、そして Together AI の 8 本の ICML 論文は、AI が周辺ツールだけでなく科学プロセスそのものに入り込み始めていることを示す同じシグナルに収束しています。Claude Science は HPC クラスターをオーケストレーションし、完全な履歴を持つ再現可能な成果物を生成します。GeneBench-Pro は research taste — 20〜40 時間に及ぶ分析について判断を積み重ねる能力 — を測定し、GPT-5 と GPT-5.6 Sol の間で 6 倍の改善要因を見出しています。Together AI の TTT-Discover はさらに踏み込み、約 $500 のシミュレーション学習で自己学習する 1200 億パラメータのオープンモデルが、4 つの科学分野で人間の最上位専門家を上回り得ることを示しています。これらが同時に進むことで、AI 駆動の科学インフラの輪郭が見えてきており、かつて大規模研究所にしか許されなかった分析を可能にするスケールメリットが生まれています。

クラウド・エージェントが非同期実行の標準になる。 Amp Orbs と JetBrains AI Assistant の Copilot Agent は、同じ潮流の 2 つの形を示しています。つまり、エージェントを同期セッションの文脈から切り離すことです。Amp は、開発者が寝ている間も稼働する無監督の coding エージェント向けに、専用マシン（32GB、16 コア、$1.66/h）を提供します。JetBrains の Copilot は、推論主導のマルチステップ作業のために、ネイティブ IDE のエージェント選択器に組み込まれます。どちらの場合も、エージェントは単なる対話型アシスタントではなく、実際の作業環境で意思決定できる非同期の共同作業者になります。

生成メディアが開発パイプライン経済に入ってくる。 Nano Banana 2 Lite の 1,000 枚あたり $0.034 と、Interactions API による連携を備えた Gemini Omni Flash の動画 $0.10/秒は、e-commerce、ゲーム、エンターテインメント向けアプリケーションの前提を変えます。10,000 枚の商品画像を生成しても 34 セント、しかも各画像は 40 セントでアニメーション化できます。NVIDIA GB300 インフラと Omniverse + Metropolis ワークフローは、産業側の状況を補完します。つまり、測定可能な成果を伴うエッジでの AI ビジョン（高雄での開発時間 −85%、Foxconn ラインでの精度 99%）であり、メディア生成が実験段階を離れて運用レイヤーになりつつあることを示しています。