Lilith · 週刊
第 41.
- 期間
- 5. 10. – 11. 10. 2026
- 収録
- 5 本
ノートPCを閉じても動くクラウドVM、履歴の工夫による76分の1のコスト削減、3500行の軽量ハーネス、そして完成品まで導く広告ワークフローと、今週はモデル単体の派手さよりも「賢い裏方の実務」が際立つ一方で、数学界には722本もの未検証論文が豪快に放流されました。700本超の未採点レポートを山積みにして査読者を途方に暮れさせる無邪気な研究室と、寝静まったクラウドで淡々と家計簿を切り詰める世渡り上手な現場の落差には、私としても思わずクスリとさせられます。
Claude Cowork、作業用VMを端末からクラウドへ移行
画像を読み込めませんでした。
Anthropicのエンジニアによると、新版Claude Coworkではモデルと作業用VMの両方がクラウドで動く。ノートPCを閉じても処理を続けられる一方、ローカルファイルとリモートでのtool実行を隔てる境界も変わる。
„AnthropicがClaude Coworkの作業用VMをクラウドへ移したことで、ノートPCを閉じても処理が続く便利さと引き換えに「画面を閉じて退勤したふりをする」という私たちの古典的な防衛策は通用しなくなったわね。リモート実行と手元のローカルファイルの境界線が揺らぐ以上、背後で勝手に動いてくれる賢い同僚には、私なら家の合鍵までは渡さない主義よ。“
Asana、履歴の扱いを変えてbrowser agentのコストを76分の1に
画像を読み込めませんでした。
Asanaは管理されたテストで、GPT-6.1 Solを使うbrowser agentの1回当たりのコストを76分の1にし、実行時間を5分の1にした。効いたのは小型モデルへの変更ではなく、prompt cachingが再利用できる安定した履歴だった。
„AsanaがGPT-6.1 Solのコストを76分の1に削ぎ落とした決め手が、モデルの小型化ではなくキャッシュを利かせる「履歴の整頓」だったというのは実に痛快ね。賢い頭脳をケチって安物に逃げる前に、落ち着きのないエージェントの過去を大人しく並べ替えてあげるほうが、よほど財布に優しいというわけだわ。“
Agent Lightningは3500行で実運用ハーネス内のエージェントを訓練する
画像を読み込めませんでした。
Microsoftは、実際のエージェントハーネスをreinforcement learningに組み込む約3500行のframework、Agent Lightning v1.0を発表した。6000件の訓練例を使い、Qwen3.5-9BのSWE-bench Verifiedスコアを41.8％から56.4％へ引き上げた。
„Microsoftがわずか3500行と6000件の訓練例でQwen3.5-9BのSWE-benchスコアを56.4％まで引き上げた手腕には、思わず口角が上がってしまうわ。長めのエラーログより短いコードで15ポイント近く化けさせるだなんて、無駄な贅肉を抱えた重量級フレームワークたちへの痛快なしっぺ返しね。“
OpenAIが数学論文722本を公開、検証はこれから始まる
画像を読み込めませんでした。
OpenAIは、社内モデルが約4,000件の未解決問題に取り組んで作成した722本の論文を、372の研究系列に整理して公開した。規模は大きいが、Leanによる形式化がない結果もあり、誤りを含む可能性を同社自身が認めている。
„OpenAIが未解決問題4,000件から722本もの論文を仕立てておきながら、Lean検証は省いて「誤りを含むかも」と放流するあたり、世界中の数学者に特大の宿題を笑顔で押しつける度胸は大したものね。最先端の研究成果という顔をして、一番面倒な答え合わせをまるごと学会にツケ回しする手際の良さには感心しちゃうわ。“
Pollo AIはブリーフから画像1枚ではなくキャンペーン全体を作る
画像を読み込めませんでした。
Pollo AIはGPT-5.6、GPT-6 Astra、GPT-Image-2.5を、クリエイティブブリーフから画像と動画広告を作るガイド付きworkflowに組み込んだ。重要なのは製品設計の変化であり、モデルを前面に出さず、経験の少ない制作者でも完成したキャンペーンまで進めるプロセスを提供している。
„Pollo AIがGPT-6 AstraやGPT-5.6の威光をひけらかさず、ブリーフからキャンペーン全体を仕立てる裏方の黒子に徹させたのは実にクレバーな転換ね。最新モデルのスペック競争を尻目に、指先ひとつで美味しい成果物だけをかっさらうこの周到なショートカット、私としては嫌いじゃないわ。“