
1119 | 今週のAIラボ:モデルからエージェントへ
Show notes
モデルリリースから日常を支えるAIエージェント、開発者ツール、そして新ビジネスまで。今週のAIニュースをわかりやすくお届けします。
タイムライン
- 00:00:04 オープニング
- 00:00:46 フラッグシップモデルの波:GPT-6.2、Qwen4-Max、Hy4 flash
- 00:03:27 音声・映像エージェントとセキュリティ特化モデル
- 00:05:22 日常・職場を担うエージェントたち
- 00:11:21 開発を自動化するエージェント
- 00:15:36 デザイン・インフラ周りのツール
- 00:17:29 ビジネス・マーケティングとコミュニティの仕組み
- 00:21:35 クロージング
関連リンク
- GPT-6.2 Astra and Sol
- Qwen4-Max
- Tencent Hy4 flash
- uRun
- MAI Cyber 2 Flash
- Dream by Smart Jelly
- Incredible Agents
- dusk bot
- Bluedot Phone Calls
- Pitch Avatar HR Suite
- S.Space
- Dippr
- Toone
- Mermaid Flow
- Waldo by Wherobots
- SoreQen Code
- Polylane for CI
- Replay QA Self-healing Mode
- UI Verify
- KaDeep AI
- AI Canvas
- canfit
- lepoly
- Diagramly 2.0
- Arcade
- ICONS
- Introzy
- Review Box
このエピソードは Bri によって制作されています。Bri は高度な AI 技術で、あなたが気にかけるフィードを聞くためのポッドキャストに変換します。お問い合わせは hi@bri.so まで。
Transcript
葵: こんばんは、葵です。
悠真: 悠真です。今日もエージェントとモデルの話題をぎゅっと集めてきました。
葵: 今日つなぐテーマは一つで、「モデルの戦争が効率と長文脈に向かった結果、エージェントが日常や職場に実装され始めた」という流れです。フラッグシップモデルの話から始めて、音声やセキュリティの特化モデル、日常を担うエージェント、開発の自動化、デザインやインフラの周辺ツール、そしてビジネス側の仕組みまで、一気に見ていきます。
悠真: 量が多いので、一つ一つ「誰のためのものか」「何が変わるのか」「何がまだわからないのか」を意識して話しますね。それでは最初の話題、フラッグシップモデルの波から。
葵: まずOpenAIです。GPT-6.2を二つの顔で出してきました。一つはAstraというフロンティアモデル、もう一つはSolという高効率モデルです。
悠真: 注目はSolの価格で、API経由なら100万トークンあたり入力2ドル、出力10ドルです。
葵: 同じ6.2という名前を二つのモデルで出したのは象徴的ですね。一つのフロンティアモデルだけを誇る時代ではなく、「最先端」と「効率」を別々に用意して、使い分けさせる戦略になっています。
悠真: そうですね。以前は「一番強いモデルがあればいい」という雰囲気でしたが、今は用途ごとに「このタスクならSolで十分、コストが抑えられる」という判断が求められる。価格設定もそのための目印と言えます。
葵: ただし、Astraの性能が具体的にどの程度なのか、ここでの情報には詳しい数字がありません。フロンティアモデルとして位置づけられていること以上は、実際に使ってみないとわからない部分が残ります。
悠真: 次にAlibaba系のQwen4-Maxです。こちらは2.4TのMoE新アーキテクチャで、トークンごとに71Bを有効化しています。
葵: MoEつまりMixture of Expertsですね。総パラメータは膨大でも、各トークンで動くのは71Bだけ。つまり「大きさ」と「速さ」を両立しようという設計です。
悠真: さらにネイティブ視覚、つまり視覚能力が後付けではなく最初から組み込まれている点と、100万トークンという文脈長も特徴です。
葵: 一方で重要な制限があって、重みは非公開です。つまりAPIとして使うことはできても、自分でホストしたり改造したりはできません。オープンな系統のモデルファミリーだった過去との違いが気になるところです。
悠真: そしてTencentのHy4 flash。総パラメータ224B、有効化は12Bです。100万トークンの文脈で、入力価格が100万トークンあたり0.07ドル。
葵: 0.07ドルはかなり攻めた価格ですね。有効化12Bという小ささが、この価格を実現しているのだと思います。
悠真: しかも「オープンソースにする計画」とされています。ただし現時点では重みが未公開です。発表段階ではまだ使えない、ということですね。
葵: 三社を並べると、構図がはっきりします。OpenAIは二極化戦略、AlibabaとTencentはMoEで効率化しつつ100万文脈を標準装備。大きなモデルの戦争は「どれだけ強いか」から「どれだけ安く、どれだけ長い文脈を扱えるか」へ移っています。
悠真: そしてTencentの重み公開は今後注目です。計画と実績は違うので、実際に出てくるまでは様子見が妥当ですが、出ればローカルでの利用やコスト構造が大きく変わる可能性があります。
葵: さて、フラッグシップが効率と長文脈に向かったのと平行して、まったく別の方向に走るモデルもあります。音声や映像に特化した高速な判断モデルです。
悠真: uRunのSense。これは音声・映像エージェント向けのリアルタイム判断モデルで、毎秒最大12.5回という頻度で「応答のラウンドを判断する」問題を解決します。
葵: 音声エージェントの難しさは、いつ話し始めていいか、いつ割り込んでいいか、相手が終わったかどうかの判断です。この判断を1秒間に12回以上できるなら、会話のテンポがまったく変わります。
悠真: これまでは大きな汎用モデルで全部まかなおうとすると遅延が出て不自然でした。そういう細かい判断を専門の小さなモデルに任せるという方向は、先ほどの「効率化」の延長線上にあると思います。
葵: そしてセキュリティ特化では、MicrosoftのMAI Cyber 2 Flash。100万トークンの文脈を持ち、CyberGym-E2Eというベンチマークで92.3%を取ったとされます。
悠真: ただ、ここには大事な留保があります。このモデルはMicrosoft自社のセキュリティ製品の中でのみ使える、と明記されているんです。
葵: つまり数字だけ見ると非常に強そうですが、一般の開発者がAPIで使えるわけではない。得意分野を絞り、しかも自社エコシステム内に閉じ込める、という特化戦略の典型です。
悠真: ベンチマークスコアも「その環境での結果」であって、自分の環境で同じ性能が出る保証はありません。特化モデル全般に言える注意点ですね。
葵: そうして見ると、さっきの汎用フラッグシップ戦争と、こういう1秒に12回の判断やセキュリティ特化という「絞り込み」は、同じ業界の二つの顔なんですよね。広く強いモデルと、狭く速いモデルが並存する。
悠真: そしてこの特化の流れが、いよいよ「日常と職場を動かすエージェント」として具体化してきます。ここからは本日の山場の一つです。
葵: まず、夜と昼という時間軸で動く二つのエージェントから。Dream by Smart JellyはMac用のAIエージェントで、夜の間に終わらせられるタスクを勝手に進めて、朝結果を報告してくれます。
悠真: 「寝ている間に仕事が進む」という発想ですね。しかも複数のツールの間で記憶を共有できるとされています。
葵: これは仕事の単位が変わる話です。今までは「このアプリでこの作業」という単位でしたが、記憶を共有していれば「調査して、まとめて、翌朝報告」のように複数ツールをまたぐタスクを一括で渡せます。
悠真: もちろん、夜の間に何をやっていたのか、結果の品質をどう検証するのかは開いた問いです。朝の報告をそのまま信じるのではなく、確認の仕組みが必要でしょう。
葵: 似た発想で常時稼働型がIncredible Agents。音声で作成したAIエージェントが、あなたのMacやWindowsのコンピュータ上で24時間365日タスクを実行します。
悠真: 特徴は「引き継げる仕事を積極的に見つける」という点。つまり待っているだけではなく、「これ自分がやれますよ」と提案してくる。
葵: 音声でエージェントを作れる点も、ハードルの下げ方として面白いですね。設定画面でパラメータをいじるのではなく、口頭で「こういう仕事を毎日見てて」と頼む形です。無料で試せるとされています。
悠真: ただし自分のコンピュータで常時動くということは、権限の範囲をどう切るかが利用者側の責任になります。便利さと管理の両面がありますね。
葵: 同じくローカル寄りのOSSとしてdusk bot。無料・オープンソースのマルチエージェントデスクトップアプリで、各botが独立した「パソコン」と「記憶」を持つとされています。
悠真: しかも、すでに持っているChatGPT、Claude、Grokのアカウントに接続できる。
葵: ここは面白いところで、一つのチャットサービスで全部を済ませるのではなく、複数サービスのアカウントを使い分けながら、複数のbotを協調させる形です。botごとに独立した記憶というのは、役割分担をはっきりさせたい人には向いています。
悠真: 一方、移動中や通話の時間を拾うのがBluedotの新機能。自分が発信した電話の録音、文字起こし、要約、そして待ち物であるタスク抽出です。
葵: つまり通話が終わったら「要点と、やることリスト」が自動で出てくる。現時点の制限もはっきりしています。発信のみに対応で、まだ一部の国に限られている。
悠真: 受信通話が含まれないのは大きな制限ですし、対応地域も問題です。とはいえ通話という「録れなかった仕事のデータ」を仕事に変える方向性は明確です。
葵: 職場の定型業務に踏み込むのがPitch Avatar HR Suite。対話型のAIアバターで、入職、研修、HRコミュニケーションを自動化し、70以上の言語に対応します。
悠真: 多国籍な組織では、研修のたびに言語ごとに人が用意するのは現実的でない。AIアバターで言語の壁をなくす、というのがこの製品の芯ですね。
葵: 人事は「毎年同じことを話す」業務の塊なので、自動化との相性は良い。ただし感情面や個別の事情への対応がどこまで機能するかは、使ってみないとわかりません。
悠真: 個人のデスクトップから、組織の共有スペースへ。S.SpaceはAutoGenチームが手がけているのが注目点です。複数のベンダーのAIエージェントが共有するワークスペースで、共有メモリと承認の仕組みを持ちます。
葵: ベンダーをまたぐ、というのがキーワードです。A社のエージェントとB社のエージェントが同じ場で記憶を共有し、大事な操作は人間が承認する。AutoGenのようなマルチエージェント研究のチームが実装に来た、というのも見どころです。
悠真: ただ、異なるベンダーのエージェントの「記憶」を共有する場合、どの情報をどれだけ渡すかはセキュリティ上の繊細な問題です。承認の仕組みがあるのはその裏返しとも言えます。
葵: データ基盤の側面から支えるのがDippr。エージェント向けのデータプラットフォームで、連邦クエリで複数ソースをまたいで問い合わせられ、エージェントごとに権限を与えられ、エージェントが作ったアプリをホストできる。
悠真: エージェントが動くには「決まった範囲のデータに決まった権限で触れる」仕組みが要ります。Dipprはその土台を提供しようとしているわけです。
葵: そして、こういうエージェント群を組み立てる作業を自然言語や図に落とす二つのツールが登場します。まずToone。自然言語でエージェントのワークフローを組み立てられ、ノードは「モデルのチャットスレッド」か「AIなしの自動ステップ」のどちらかで、途中で止めても続きから再開できます。
悠真: 一時停止と再開ができるのは実務では大事です。長いワークフローは途中で問題が起きるので、最初からやり直さず続きから再開できるかどうかが実用性を分けます。
葵: AIを使うステップと使わないステップを分けられるのも、コストと確実性の観点で理にかなっています。単純な置換や整形はAIを呼ぶ必要がありませんから。
悠真: 一方Mermaid Flowは、エージェントのワークフローを実行可能なグラフとして構築します。ワンステップでツールを接続でき、MCPに対応。そして実行のたびに一歩ずつ痕跡を残します。
葵: 痕跡、つまり監査可能性が売りですね。エージェントが仕事をすると「なぜこうなったのか」が不透明になりがちです。一歩ずつ残る記録があれば、後から追跡できます。
悠真: ちなみに近い発想として、Waldo by Wherobotsという地図空間情報のエージェントもありました。Apache Sedonaの開発者たちが作っていて、平易な英語の質問を地図やパイプラインに変えてくれる。パブリックプレビュー段階です。
葵: 「自然言語で複雑な手順を組む」という点ではTooneやMermaid Flowと同族ですね。専門分野が違うだけで、構造は同じです。
悠真: ここまで見ると、エージェントは「個人のMac」「組織のワークスペース」「データ基盤」「ワークフロー構築ツール」と、階層ごとに揃ってきました。浸透は始まった段階で、それぞれの信頼性はこれからの検証課題ですが、道具立てが揃ったという意味では転換点に近いと思います。
葵: そのエージェントの波が最も強く当たっているのが開発現場です。ここも深く掘ります。
悠真: まずSoreQen Code。自律型のコーディングエージェントで、自分の仕事を自分で確認します。編集し、テストを実行し、さらにブラウザで確認までやる。
葵: デスクトップアプリと、オープンソースのCLIの両方の形態があり、18種類のモデルに対応するとされています。
悠真: 「編集して終わり」ではなく「テストとブラウザ確認まで自己検証する」のが差別化ポイントです。コードが通ったかに見えて、画面が壊れていることはよくありますからね。
葵: 18モデル対応という点も、先ほどの「モデルが二極化・多様化した」状況とつながっています。エージェントの脳を選べる時代になっているわけです。
悠真: 継続的インテグレーション側を攻めるのがPolylane for CI。mainブランチやマージキューでCIが失敗したとき、失敗ログを読み、壊したコミットを特定し、修正PRを自動で開きます。しかも自分が開いたPR上でも反復作業をします。GitHub Actionsで動くとされています。
葵: これは具体的な痛点への直接回答です。CIが失敗したとき、人間がログを読み、該当コミットを探し、直してPRを出すまでの往復は純粋に消耗する作業です。それを丸ごと自動化する。
悠真: ただ、気になるのは「原因コミットの特定が誤っていた場合」の挙動です。自動でPRを開くということは、間違った修正PRが人間のレビューに乗ってくる可能性もある。レビュー側の負担がどう変わるかは、実際の運用で見る必要があります。
葵: 本番環境でのユーザー体験の問題を拾う側が、Replay QAのSelf-healing Mode。不満を抱えたユーザーのセッションを捕捉し、自動で再現し、根本原因の分析をして、その結果を直接コーディングエージェントへ送って直させる。
悠真: ここが驚きのポイントで、「ユーザーの苦情の記録」が「エージェントへの修正依頼」に直接なる。QAと開発の間の伝言ゲームが消えます。
葵: もちろん、どのセッションを「不満」と判定するか、プライバシーをどう扱うか、自動修正が正しいのかは検証すべき点ですが、パイプラインの設計としては非常に鋭いですね。
悠真: コードが変更された結果、UIがどうなったかを見るのがUI Verify。コーディングエージェントが「自分の変更が影響するすべてのUI」を見られるようにし、視覚的なリグレッションを自動で修正します。
葵: コードの変更は美しくても、その影響で画面の見た目が壊れることは頻繁にあります。エージェント自身に「影響範囲のUIを見る目」を与えるという発想です。
悠真: 価格面では、オープンソースで月5万スナップショットまで無料とされています。個人や小さいチームには取り入れやすい条件です。
葵: リリースの判断まで担うのがKaDeep AI。QA、ローカライズ、アクセシビリティ監査を一つのエージェントに統合し、証拠に基づくgo/no-goの出荷ゲートを提供します。オープンソースのCLIとして提供されています。
悠真: ローカライズが100以上のフォーマットに対応とされています。QAとa11yとローカライズをバラバラのツールで回しているチームには、統合の価値がありそうです。
葵: 特にgo/no-goゲートが「証拠に基づく」とされている点。ただ、この証拠がどこまで信頼できるか、ゲートの基準を誰がどう設定するかは、導入するチームの設計次第ですね。
悠真: さらに先ほどのAI Canvasも開発側に位置づけられます。AIエージェントにフルのReactデザインシステムとMCPを提供し、820のアイコンを含み、規則を強制執行するdone-gateという仕組みを持ちます。
葵: エージェントがUIを書くとき、「よし、done」と宣言して実は規約違反、ということが起きます。done-gateはその宣言を門で止める仕組みです。エージェントに「道具」を渡すだけでなく「ルール」まで渡す、という発想が進化しています。
悠真: ここまで見ると、開発サイクルの各段階、コードを書く、CIを直す、ユーザーの問題を再現する、UIの影響を見る、リリースを判断する、という流れの全部に、それぞれ専門のエージェントが射程に入っています。
葵: しかも、それらが互いにつながっています。Replay QAの結果はコーディングエージェントへ、というように。単体の道具ではなく、パイプラインとして自動化が組み上がりつつあるのが本日の開発セクションの結論です。
悠真: 開発の隣、デザインとインフラの周辺にも、この流れを支える道具が並んでいます。
葵: まずcanfit。Rust製のオープンソースCLI/TUIで、ローカルのLLMやアプリが今のメモリに入るかどうかを判定し、安全に閉じられるプロセスを提案してくれます。
悠真: これは地味ですが実用的です。ローカルで大きなモデルを動かしたいとき、メモリが足りないかどうかを事前に知りたい。しかも「これを閉じれば入る」と提案してくれる。
葵: 先ほどのTencent Hy4 flashが12B有効化で軽い、という話とつながりますね。モデルの側が軽くなるのと、実行環境の側が「入るかどうか」を教えてくれるのは、同じ方向の進歩です。
悠真: 3Dコンテンツの管理がlepoly。ブラウザ上で動く3Dアセット向けのデジタルアセット管理プラットフォームで、Sketchfabの創業者が作っており、自社資金で運営されているとされます。
葵: Sketchfabの創業者という経歴は強い信頼材料です。3Dアセットの管理と配信の難しさを知り抜いた人が作っている。自社資金という点は、経営の自由度と継続性の両面で注目できます。
悠真: そして、開発や設計の作業そのものにもう一つ、Diagramly 2.0。テキストを入力すると手描き風の図が得られます。
葵: バージョン2.0で加わったのが、レビューリンク、図形へのコメント、そしてノート付きのスライドプレゼンテーション機能です。無料で、サインアップ不要とされています。
悠真: サインアップ不要の設計は、共有や試用の摩擦を下げますね。手描き風というのも、完成品すぎず、討議に適した「未確定感」を出せるのが面白いところです。
葵: こう見ると、デザインとインフラのセクションも、開発エージェントの周りを埋める役割を果たしています。エージェントが動くための環境判定、アセット管理、コミュニケーションの図式化。道具立てが縁の下から充実してきた。
悠真: 最後のセクションはビジネスとマーケティングです。ここでも同じ構図、つまり「自動化と、人間の管理の仕組み」の組み合わせが見られます。
葵: まずArcade。マーケティングチーム向けのAIビデオジェネレーターで、プロンプトやNotionなどのソースから、編集可能なブランドビデオを生成し、そのまま公開まで行えます。
悠真: 編集可能である点と、Notionのような既存の情報源から作れる点が特徴ですね。マーケターの資産をそのまま動画の材料にできる。
葵: そして直接公開までできるというのは、制作と配信の間の人の手を省くことです。ブランドビデオは往々にして外注と往復が長いので、そのサイクルが短くなる意味は大きい。
悠真: ただし「生成した動画がブランドの基準に合うか」はAI任せにはしにくい領域です。編集可能であることが、まさにその調整のための受け皿になっているのだと思います。
葵: 次にICONS。クリエイターとブランドをマッチするマーケットプレイスで、スポンサー投稿の依頼や、AIライクネスのライセンスが組めます。
悠真: ここで大事なルール設定があります。報酬はクリエイター自身が設定し、脚本と最終編集はクリエイターが承認する。
葵: AIライクネスという領域は、肖像権と表現の自由とビジネスが絡む繊細な問題です。ICONSは「AIを使われる側に、対価とコントロールを残す」仕組みを市場の中で解決しようとしているわけです。
悠真: つまりマーケティングの自動化の波に対して、人間側の調整弁を用意している。Arcadeが制作を加速する側だとすれば、ICONSは加速の対価と制御を定義する側です。
葵: 紹介・アフィリエイトの仕組みがIntrozy。紹介の導入から報酬支払いまでの流れを追跡し、無料で始められます。AIアシスタントのKaiが、停滞している紹介をマークしてくれます。
悠真: 「どこで止まっているかを誰かが教えてくれる」というのは、紹介プログラムの実務でよくある悩みへの直接回答ですね。AIアシスタントに検知させるところが、他ツールとの違いとして際立っています。
葵: 最後にReview Box。GitHubのプルリクエストレビューのためのデスクトップアプリで、既にレビュー済みの差分を追跡し、コードインテリジェンス、結果ビュー、そしてAI統合を備えます。
悠真: ちょっと意外な位置づけですが、ここに入れた理由がわかります。レビューは「開発」と「ビジネスの出口」の接点です。開発エージェントが大量にPRを出してくると、人間のレビューがボトルネックになる。Review Boxはそのボトルネック側を整備する道具です。
葵: しかも、先ほどPolylaneが自動で修正PRを開く話がありました。エージェントがPRを出す側を担うなら、レビューの側にも専用の道具が要る。今日の話題の網が、ここで閉じます。
悠真: 全体を振り返ると、こうです。まずモデルが効率化と長文脈に向かい、フロンティアと高効率の二極化が進んだ。
葵: その流れから、1秒に12回の判断をする音声向けモデルや、自社製品に閉じたセキュリティ特化モデルという「絞り込み」が生まれた。
悠真: そしてそのモデルの力を、日常と職場に届けるエージェント群が登場した。夜に働くDream、24時間稼働のIncredible Agents、組織のS.Space、データ基盤のDippr、そしてTooneやMermaid Flowで組み立てる。
葵: 開発現場では、書く、直す、再現する、見る、判断する、とサイクル全体が自動化の射程に入った。
悠真: デザインとインフラの周辺ツール、そしてビジネス側では、加速と同時に、クリエイターへの対価とコントロールという「人間側の仕組み」も整えられ始めた。
葵: ひとつだけ、今日の総括的な留保を。これらの機能や数字は、各社の発表に基づく「主張」です。実際の性能や信頼性は、使う側の環境で検証するしかありません。特にベンチマークスコアや「自動で直せる」という表現は、条件付きの事実として受け止めてください。
悠真: とはいえ、方向性ははっきりしています。モデルは速く安く長く、エージェントは昼夜と職場へ、その周辺には検証と管理の道具。エージェント時代の社会実装が本格化してきた、というのが今日の結論です。
葵: 今日はここまで。葵でした。
悠真: 悠真でした。また来週。