0813 | 「AIコーディング費用を可視化するCodeBurn、トークン約50%圧縮のCohesor、カード選択RightCard、ローカルAIのUnsloth Desktop」

葵: Briのポッドキャスト、ProductHunt Dailyへようこそ。今日もホットなプロダクトをピックアップしてお届けします。私は葵です。

悠真: そして悠真です。今日はAI開発周りが特に賑やかな一日ですね。ざっくり先にお伝えすると、AIコーディングの費用を見える化するトラッカー、エンタープライズAI向けの制御レイヤー、それにカード選びを助けるブラウザ拡張などが並んでいます。

葵: さらに、AIモデルをローカルで動かして訓練できるデスクトップアプリや、タブを閉じても走り続けるチャットエージェント、ボイスAIを構築できるオープンソースのプラットフォームも登場しました。

悠真: 加えて、AIエージェントが作ったファイルをチームに同期するツール、ワークフロー自動化プラットフォーム、そしてコードレビューに画像を添付できる新機能まで。今日は粒ぞろいです。それでは早速、一つずつ見ていきましょう。

葵: まずCodeBurnです。これはAIコーディングにかかっている費用が、一体どこへ消えているのかを可視化してくれる、無料のオープンソースツールです。開発者のReshamさんが手がけていて、Claude CodeやCursor、Codex、Copilotといった40以上のツールが自分のディスクに書きこむセッションファイルを読み取って、タスク単位・モデル単位・プロジェクト単位・プルリクエスト単位で、トークンとドルを集計してくれるんです。

悠真: なるほど。つまりアカウント登録もアップロードもいらなくて、すべてローカルで動くというわけですね。で、これは何が嬉しいかというと、AIコーディングの請求書って合計額しか出てこないですからね。どのモデルが、どのプロジェクトで、どれだけ使ったのか、あるいはエージェントが同じファイルを何度も読み直すだけで費用を食っているのか、そういう内訳は見えない。CodeBurnは各ツールがすでに書き出しているセッションログを読むことで、その内訳を突き合わせる、というのが製作者の説明です。

葵: 機能としては、支出をタスク別・モデル別・プロジェクト別・プルリクエスト別に分解し、何時にどれくらい使ったかが分かるパンチカードや、セッションブラウザ、ワークフロー分析なんかも備えています。特に気になるのがOptimizeタブで、キャッシュの肥大化やリトライで余分にかかっているコスト、安いモデルで済む作業に高いモデルを無駄遣いしていないか、そうしたムダを見つけて修正できて、実際にいくら節約できたかまで追跡してくれる。修正はそれぞれ元に戻せるそうです。外出しの予算警告や、定期購読と超過分の追跡、ライブの利用枠表示もあって、セットアップ全体をAからFのグレードで採点します。

悠真: 推定コストはあくまで推定と明示する方針というのも、誠実ですね。ただ、ここはしっかり押さえておきたいんですが、全世界で15万人以上の開発者が使っているというのは、これはメーカーの主張であって、独立に検証された数字ではありません。コミュニティからは興味深い指摘も出ていて、プロバイダーのダッシュボードは何を消費したかは教えてくれるけど、その消費が何を成し遂げたかは教えてくれない、関心はトークンあたりコストではなく、有用なAI作業の単位あたりのコストだという意見がありました。あと未解答の論点としては、1つのタスクが5から10個のサブエージェントを並列起動して、最後の1ステップだけがプルリクエストに統合されるようなファンアウト構成のとき、CodeBurnが子セッションを親タスクにまとめてくれるのか、それとも高額な末帰属セッションとして見せてしまうのかという質問も、まだ回答が出ていない状態です。

葵: 次はCohesorです。こちらはエンタープライズ向けAIエージェントのための、いわゆる中立のコントロールプレーンを自称する製品で、Claude CodeやCodex、Cursor、エージェントワークフローと各LLMの間に立ちます。何をするかというと、トークンをおよそ50%圧縮し、それぞれのリクエストを適切なサイズのモデルにルーティングし、ユーザー単位の支出を管理します。1つのエンドポイントで、コードの変更はゼロ、エージェントの請求額を60%から90%削減できるというのがメーカー側の主張です。

悠真: つまり、エージェントの支出は急増しているのに、それを理解して制御できるツールはほとんどない。だからニュートラルでコスト優先のコントロール層が空白の領域だ、というのが製品の背景説明ですね。各呼び出しはおよそ41ミリ秒で、入り口、ポリシー、圧縮、ルート、監視という5つのチェックポイントを通過します。AnthropicとOpenAIのプロトコルをネイティブに話すので、Claude CodeやCodexなんかは1行変更でドロップインできる設計です。

葵: 圧縮はどうやって効かせるのかというと、古い再読ファイルの破棄で18%減、古いターンや無効なツール出力の折りたたみで22%減、意味の重複排除で9%、空白やJSON、マークアップの正規化で4%。入力トークンを平均およそ半分に削ると説明されています。ルーティングは品質重視・バランス・最安・最速という目的設定ができて、支出の管理はユーザー・チーム・APIキー単位のリアルタイム帰属、実際にリクエストを止めるハードキャップ付き予算、それにSlackへの週次のショーバックのダイジェストまで備えています。

悠真: ただ、ここでも未解答の論点がありました。コミュニティの人が指摘しているのが、同じプロジェクト上で自社のClaude Codeセッションが2つ同時に走っていて、しかも互いに可視性がまったくゼロだったケース。そこでルーティング層は、同じチーム・同じリソースで同時に走る重複した呼び出しを検知できるのか、それとも呼び出しが実際に何をしているかの可視性を持たない、純粋なコストとモデルルーティングのシグナルに過ぎないのか、という質問です。これにはまだ答えが出ていません。コスト削減と圧縮の数字は、すべてメーカー公表の主張です。

葵: 続いてRightCardです。これは正直なクレジットカード選択ツールを名乗るSafari拡張機能で、どの店舗で手持ちのどのカードを使うべきかを提示してくれます。そして特に便利そうなのが、有効化し忘れがちな銀行オファーを自動で追加してくれる点。Amex、Chase、Citi、Wells Fargoに対応していて、四半期ごとに切り替わる回転式5%還元カテゴリを自分で覚えておく必要がなくなり、新しいカテゴリが有効になると通知して、有効化を促してくれます。カードのクレジットや年会費が更新される前にも事前に警告してくれるんです。

悠真: なるほど。そして設計上の大きな特徴が、銀行ログインが不要だということ。開発者つまりソロ開発者さんによれば、競合アプリは銀行口座の連携や認証情報の提供を求めるけれど、RightCardはユーザーがすでにサインイン済みのオファーページを読み取るだけで、認証情報には一切関与しない。レコメンデーションは端末上で計算され、オフラインでも動く。アカウントなし、広告なし、トラッキングSDKなし、価格は無料です。複数銀行のオファーを一括で追加できるのも、他社だと有料層だけどここでは標準機能だと主張しています。

葵: それから数字の扱いにもこだわりがあります。銀行自身が明示した上限、つまり書かれている上限額だけを使い、あなたはこれだけ節約しましたという独自の計算はしない。そしてボーナスが付与されない場合にもきちんと警告する。たとえばWalmartは通常スーパーストアとしてコードされるから、食料品のボーナスが適用されないんだよ、と教えてくれる。多くのアプリはこの点を教えてくれない、というのが開発者の説明です。実際コミュニティからは、銀行ログインの設定をなくした点を評価する声や、いつも同じカードを使うクセを直せそうだという声が出ています。

悠真: 一方で、カード保有数が少ない人にも使い道があるのか、それからレコメンデーションへの信頼を得ること自体が最大の課題ではないか、という質問も開発者に寄せられていますが、これらへの回答は示されていません。そして忘れてはいけないのは、ここまで紹介した機能や価格の話は、すべて製品発表時点でのメーカーおよびコミュニティ投稿による主張であって、独立した検証の結果ではないということです。開発者さんは、過去2ヶ月に出荷した機能の多くはユーザーのバグ報告がきっかけで、同じ日に反映されたものもあると言っていて、バグや不足を報告すれば今週中に出荷される可能性が十分あるそうです。

葵: 最後はUnsloth Desktopです。Product Huntで取り上げられた新規公開で、AIモデルをローカルで実行・訓練できるオープンソースのデスクトップアプリです。メーカーは、AIモデルを実行・訓練できる初のデスクトップアプリだと称していて、無料・オープンソース・100%ローカルを謳っています。対応はMac、Windows 10以降、Linuxで、ターミナル操作なしでモデルと量子化を選んでダウンロードすれば、数分でチャットを始められる。ノーコードのモデル訓練ワークフローも備えています。主な狙いは、ローカルAIには興味あるけど複雑なセットアップは避けたいユーザーと、既存のエージェントをローカルのGPUに接続したい開発者です。

悠真: エージェントとの接続も売りですね。unsloth startというコマンドで、Claude CodeやCodexといったエージェントをローカルモデルに接続できて、例として unlsoth start claude を実行する。OpenAI互換のAPIも公開されていて、既存のアプリやSDKから接続できます。画像生成はMiniMax-H3、FLUX、Z-Image、LoRAアダプター、動画生成はWanとLTXに対応。ツール呼び出しは自己修復型で、失敗を自動で検出・修復・再試行し、精度は最大50%向上すると主張しています。無制限・プライベート・無料のWeb検索と、引用付きレポートを作るDeep Research機能も内蔵されています。

葵: ただし性能の数字はすべてメーカー公表の数字です。たとえばNVIDIA B200上で、あるモデルが960×544・124フレームの動画を13秒・8ステップで生成した、従来は70ステップ超だったという公表もありますけど、これも独立検証されたものではありません。対応モデルとしてはDay Zeroサポートを掲げていて、サイトのニュース欄にはQwenやNVIDIA、GLM、Gemmaのほか、7月や8月付けのニュースで特定モデルのローカル実行が紹介されていました。

悠真: コミュニティでは、コードベース時代からWeb版を経てきたProduct Huntのコメント投稿者が、デスクトップ版はこれまでのリリースの中で最も完成度が高いと評価しています。ネイティブのMac・Windows・Linuxアプリで完全オフライン動作し、ローカルモデルは好きだけどセットアップに週末を費やしたくない人に勧められる最初のUnslothリリースだ、というのが彼の個人的な見解です。ただ、これはあくまで単一ユーザーの意見であって、総意を示すものではありません。それから商用利用の条件などライセンスの詳細は、今回の資料からは確認できませんでした。効率化とローカルAI実行の両方を求めている人にとっては、注目のリリースだといえそうです。

葵: 今日のProduct Hunt投稿で目を引いたのは、Trigger.devの「Chat Agent」です。タイトルは「AI chat that keeps running after you close the tab」、つまりタブを閉じても動き続けるAIチャット体験を構築するためのバックエンド製品ですね。

悠真: Trigger.devはTypeScriptでAIエージェントやワークフローを開発・実行するプラットフォームです。創業者のJames氏によると、オープンソースのApache 2.0ライセンスで、タイムアウトなし、すべての実行をダッシュボードで確認できるとのことです。

葵: 今回のChat Agentは、既存のAI SDKをそのまま使う構成なんですね。サーバー側はstreamText、クライアント側はuseChatという構成を維持しつつ、その下にトランスポートとして入る形で、従来必要だったAPIルートは不要になるそうです。

悠真: 制作側の説明によると、通常のチャットエージェントはリクエストとレスポンスの往復型エンドポイントで作られるため、タイムアウトへの対処や、ターン間のメモリ不足、PostgresやRedis、キューなどの配管が必要になりがちだと指摘しています。Chat Agentは会話ごとに専用マシンを持ち、誰も入力していない間はスリープし、再開時には中断した場所から起きる設計です。

葵: つまり状態管理は不要で、ターン間のメモリはただの変数として扱われる。4つ前の質問で生成したサブエージェントも翌日まで残るとされていますね。

悠真: 具体的な主張として、本番データでは20ターンに1回、36分を超えて実行されるターンがあり、それでも問題ないとのこと。応答途中でリフレッシュすると、ブラウザが読んだところからストリームが再開し、タブを閉じて数日後でも残っているそうです。人間の承認待ちで一晩停止しても、待機時間は課金されません。

葵: プロンプト、ツール呼び出し、レイテンシ、コストを含むターンごとのトレースと、セットアップ不要のコスト・トークン指標も提供されるそうです。

悠真: コミュニティからは、今週初めに発表されていたもので、Trigger.devチームが今日のProduct Huntの流れに乗っている、とかOSSに感謝という声や、Triggerの初期からの顧客でA+チームというコメントもありました。ただ、これらは属性付きのコメントであり、独立検証された結果ではありません。価格や具体的な制約についての言及は提供情報には含まれていない点も押さえておきたいですね。

葵: 次にご紹介するのは、Dograhです。ボイスAIエージェントを構築するオープンソースプラットフォームとしてProduct Huntに登場しました。メーカーのPritesh氏は「誰も音声AIを所有すべきではない」と述べ、BSD-2ライセンスで全コードを公開しています。

悠真: 背景には、「クローズドな音声プラットフォームはエージェントをレンタルさせる」という問題意識があるようです。1コマンドでセルフホストでき、従量課金のプラットフォーム利用料やゲーティングされた階層はなく、コストはモデル利用料のみと説明されています。

葵: 主な機能としては、コード不要のビジュアルフロービルダー、70以上の言語に対応し通話中に切り替え可能なリアルタイム音声対音声、電話機能と人間へのウォームハンドオフ、自動QA付きの通話録音、無料のREST APIが挙げられています。30以上の統合からモデルキーを指定するか、ローカルモデルを完全オフライン・エアギャップ環境でも実行可能だそうです。

悠真: Model Context Protocol、つまりMCPサーバーも同梱されていて、Claude CodeやCursorなどのエージェントランタイムから音声エージェントを作成・デプロイできるとしています。サイトでは、録音・文字起こし・プロンプト・顧客の個人情報が自社境界内にとどまるため、既存の認証と統制がそのまま適用されるという説明で、HIPAA、GDPR、SOC 2、ISO 27001、CCPAへの言及も含まれています。

葵: 一方、同一のクローン音声で録音済み音声と合成音声を混在させる機能は「2倍のコンバージョン」「最大3倍のコスト削減」と主張されていますが、これはメーカー側の主張であり検証済みではありません。

悠真: コミュニティでは、floworksのユーザーが「いくつか試してDograhに落ち着いた。セルフホストできる点が決め手」と述べ、数ヶ月利用しているユーザーからは「本当に素晴らしい製品で、チームのサポートも良かった」という評価がありました。ただ、人間へのハンドオフのシームレスさや、QAメトリクスの業界別カスタマイズ可否、多段階会話のサポート、音声対音声方式で失うもの、VapiやRetellとの価格比較、ホワイトラベルでの再販方法など、コミュニティからは未回答の論点も多く出ています。

葵: 続いては、Runbear創業者Snow氏が公開したオープンソース製品「BearDrive」です。AIエージェントがローカルで作るレポート、デッキ、CSV、調査ファイルを、作業中のフォルダごとチームに同期します。ファイルが生まれた瞬間から共有され、全バージョンがエージェントのセッション単位まで帰属され、チーム専用リンクとWebビューで読めるそうです。

悠真: Claude Code、Cowork、Codex、Gemini CLIなど、ファイルを書けるツールなら追加統合なしで動くと主張しています。オープンソースでセルフホスト可能で、管理サービスはベータ中は無料とのこと。

葵: 対象は、エージェントの成果物が個人のノートPCに埋もれるチームですね。Snow氏は既存策の失敗として、Notionへの貼り付けは手作業で誰も続かず、Gitは研究・運用成果物に不向きで、Dropboxは誰が何をいつ作ったか分からない、と述べています。NotionやDriveに移行させるのではなく「ファイルシステムを共有面にする」ことを売りにし、エージェント記憶システムでも移行先ワークスペースでもないと位置付けています。

悠真: サイトでは「BearDriveなし26時間→あり90秒」という比較例も示されていますが、これはメーカー主張です。

葵: メーカーの実証報告では、自社を全社運用し、戦略wiki、営業資料、調査がCEO、マーケティング、開発、サポートのプロジェクト間で同期され、今回のローンチ計画もこの中で作ったとのことです。同僚のエージェントが書いた調査文書を1時間後に自分のエージェントが同じフォルダから著者履歴付きで読む、人間が仲介役でなくなり追いつかせる作業が減ったという報告もあります。Snow氏の友人という開示付きコメントも、この「ファイルシステムを共有面にする」枠組みを別ワークスペースへの移行より良い賭けだと評しています。

悠真: ただ、差別化と未解決の論点も残ります。複数のコメントが「NotionやClickUpをMCP経由で使えば同じではないか」「チームのShared Driveで足りるのでは」と疑問を呈していますが、これへの回答は提供資料にありません。セキュリティ面では、契約ドラフトやAPIキー・個人情報を含み得るファイルが、人間のレビュー工程なしに全員の同期フォルダへ伝播する懸念と、ファイル・フォルダ単位の同期ゲートの有無が問われました。また、100MB超の.lbdbファイルが扱えるかという大容量対応の質問も出ましたが、いずれもメーカー回答は未収録です。

葵: 最後はBalletです。BrainfishのチームがProduct Huntで当日ローンチしたワークフロー自動化プラットフォームです。発表者のCEO兼共同創業者Daniel氏によれば、12カ月・数百回に及ぶオペレーションリーダーへの取材から3つのパターンが浮かんだといいます。①オペレーション担当者が「人間ミドルウェア」と化し、システム統合やIT待ち、判断が必要になると壊れるn8nフローに依存している、②各チームがバラバラのAIエージェントを作り何も統合されない、③完全な自律を望む者はおらず、本番で信頼できる段階的制御を求めている、という3点です。

悠真: Balletはこの3点への回答として、「システムとエージェントの間のオーケストレーション層」と位置づけられています。運営チームが平易な英語でワークフローを記述すると、Balletがコードとして実装し実行します。完全な監査ログ、ワンクリックロールバック、シミュレーションモード、実行範囲の選択を備えます。

葵: FAQでは、精度が重要な工程では決定的なコードを生成し、エンジニアが読んで承認・リプレイでき、柔軟性が利く工程にのみエージェント推論を使うと説明しています。Zapierやn8nとの違いとして、コネクタライブラリが独自スタックや巨大なグラフで限界に達するのに対し、Balletは必要時に任意のAPI向け統合を書き、脆いビジュアルグラフではなく検査可能なコードとして実行すると主張します。比較表も自己申告ですが、構築速度の数分・平易な英語対数週間・手作業、出力の一貫性、透明なコード、予測可能なコストを挙げています。

悠真: ユースケースとしては、マーケティングのリードのCRMへの即時取り込み・エンリッチ・重複排除・スコアリング、レベニューオプスのアカウント急変検知と担当営業への次善アクションのプッシュ、セールスオプスの価格・条件・SKU変更の社内請求システムへの反映、といったものがあります。提供形態は、RevOps・サポートオプス・プロダクト主導成長チームを対象にしたアーリーアクセスのデザインパートナー募集で、バックログのワークフロー1件を持ち込み、30分のワークセッションで実システム上にモデル化するというものです。

葵: セキュリティ面では、生成コードの可視化とバージョン管理、承認ゲート、リプレイ可能な実行をうたい、BrainfishのSOC2 Type II準拠の対象とされています。Brainfishは知識レイヤー、Balletは実行レイヤーとされ、Brainfishからトリガー可能で、既存スタックへの単独実行も可能です。ただし、これらはすべてメーカーによる主張であり、検証された成果ではありません。提供テキストの中に具体的な顧客名や導入実績の証拠は示されておらず、いわゆるtrusted by欄の企業名も明記されていないという点は、評価する上で押さえておきたいポイントです。

葵: Argosが公開したMedia Sharingという機能は、GitHubに「プルリクエストに画像を添付する公開APIが無い」という穴を埋めるものです。共同創業者のGreg氏によると、署名済みブラウザならスクリーンショットをPRにドラッグできるものの、ターミナル上で動くコーディングエージェントにはそれができず、画面の変化を言葉で説明するしかなかったそうです。

悠真: つまり、AIコーディングエージェントが視覚情報をそのまま伝えられないことが課題だったわけですね。このMedia Sharingは、1コマンドでスクリーンショットや録画を安定した共有リンクに変換し、貼り付け可能なMarkdownを作ってPRに自動投稿してくれると。CLIやNode.js SDK、REST API、MCPサーバーから使えて、エージェントに「スクリーンショットが文章に勝つ場面」を教えるargos-uploadというスキルも用意されているそうです。

葵: 設計上の特徴は、メディアを「アイデンティティ」として扱う点です。アップロードごとにバージョンが付き、再アップロードしてもURLは変わらず、PRの埋め込みは自動更新されます。そしてレビュアーがコメントしたバージョンは下に残るので、履歴が保たれるんですね。さらにレビュアーは画像上の任意の点にコメントをピン留めでき、正規化座標と正確なバージョンとして保存されます。

悠真: ピクセルを見られないエージェントは、CLIからその位置を読み取って修正し、スレッドを解決できるというのは面白いですね。料金は無料プランを含む全プランで使えて、画像は1スクリーンショット単位、動画は25単位を消費するとのことです。

葵: もっとも、コミュニティからは「GitHubの制限のせいで自分で設定するのに苦労した」という声や、「エージェントに有用なスクリーンショットや録画をキャプチャさせるには何を使っているのか」という質問が寄せられています。設定の難しさとキャプチャの質をどう確保するかが論点として残っています。なお、Argosは「AIエージェント時代の製品品質」を自称していて、変更検出や協調レビュー、エージェントの自己チェックなどを提供。MermaidのエンジニアSidharth Vinod氏は、図レンダリングの微小な視覚変化も捉えてCIにシームレスに統合できると評価しています。ただ、これらはメーカーと顧客の主張であり、独立した検証ではありません。

葵: 今日も、AIコーディングの費用を可視化するCodeBurnに、トークン圧縮のCohesor、正直なクレジットカード選択のRightCard、ローカルでAIを動かすUnsloth Desktopと、多彩なオープンソースのツールが並びましたね。タブを閉じても走り続けるChat Agent、音声エージェントのDograh、チーム同期のBearDrive、ワークフロー自動化のBallet、そしてPRへの画像添付を可能にするArgosと、それぞれの課題に真っ向から向き合った発表ばかりでした。 今日ご紹介した中で、特に気になるものはありましたか？

悠真: そうですね、どれも切り口が違っていて面白かったですが、個人的にはUnslothでローカルにモデルを落とせる点や、RightCardが銀行のオファーを取りこぼさない点など、日常にすっと入ってくるものが魅力でした。次回もまた新しい発見を一緒に探していきましょう。それでは、またお会いしましょう。今回はここまでです。