エージェントランタイムがDeepSWEでLLMターンを80%削減、成功率も向上

Turaは、開発者が誤解を招くスキル主張、証拠のないトークン節約拡張、判断力のないエージェントによるリポジトリ破壊にうんざりしている問題を解決するために設計された、ローカルで動作するオープンソースのコーディングエージェントです。最新のDeepSWE v1.1ベンチマークで、Turaはその優位性を明確に示しました。

テストでは、20のDeepSWEタスクに対して、GPT-5.6 SOLモデルを高推論努力で使用し、各タスク60セッションを実行しました。TuraにはDirectとBalancedの2つの構成があります。Direct構成は、繰り返しのコンテキストとモデルラウンドトリップを削減することで、83.5%のトークン節約を実現し、検証成功率は65.0%でした。一方、公式のCodex CLI High構成の成功率は60.0%でした。Balanced構成は、節約した予算を推論、調査、検証により多く割り当て、80.0%の成功率に達しました（Codex CLI Highより20ポイント高い）。それでもトークン使用量は49.6%少ないままでした。

Turaの核となる革新の1つは、マクロCLIコマンドツールです。従来のコーディングエージェントが、検査、待機、パッチ、待機、ビルド、待機、テスト、待機といった複数のツール呼び出しを必要とするのに対し、Turaはcommand_runという1つのマクロツールを使用して、複数の関連アクションを1回のLLMターンに統合します。例えば、従来のエージェントが検査、パッチ、ビルド、テスト、リント検証のために5回のLLMターンを必要とするのに対し、Turaは1回の構造化マクロワークフローで処理できます。

もう1つの革新は、後方推論戦略です。従来のエージェントは現在の状態から目標状態へ順方向に推論しますが、LLMは統計的帰納モデルであるため、統計的により一般的なコードとロジックを生成する傾向があり、それは往々にして平凡で熟考不足です。Turaはモデルに、まず目標状態の1つ前の状態を統計的に推定させ、その状態から後方に推論することで、より最適な解決策を見つけられるように導きます。プログラミングタスクでは、エージェントがフロントエンドのバグ修正のような目標を見たとき、コードを書く前に完全な実行パスを推論し、失敗状態を再構築し、根本原因を特定するように導かれます。

Turaのランタイムコンテキストとプロンプトマネージャーも従来のフレームワークとは異なります。従来のエージェントは、スキルファイル、ツール出力、古いタスク履歴をセッションに蓄積することが多く、コンテキストが大きくなりすぎると重要な詳細が失われる可能性があります。Turaはコンテキストをランタイムステートマシンの一部として扱い、タスクステータス、ランタイムプロンプト、再帰的実行マニュアルを使用して、アクティブなコンテキストを現在のタスクに限定します。これにより、コンテキストがよりスリムになり、トークンコストが削減され、古いスキルや曖昧な要約が現在のジョブを誤った方向に導く可能性が減ります。

TuraのコードベースはGitHubでホストされており、npm（tura-ai）からインストールできるほか、ソースからビルドすることも可能です。CLI、TUI、GUIの複数のインターフェースを提供し、カスタムプロバイダーもサポートしています。インストールと設定は簡単で、ユーザーは初回起動時にLLMプロバイダーを設定し、モデルを選択できます。

これらの結果は有望ですが、Turaチームは、すべての構成済みプロバイダーに対して同等の品質やパフォーマンスが確立されているわけではないと認めています。Anthropic/Claude、Google/Gemini、OpenAI互換プロバイダー、ローカルプロバイダー、UIレイテンシ、ランタイム/セッションパース、クロスOS測定など、より広範なテストは今後のロードマップに含まれています。