Codexの台頭、Claudeはプログラム利用を計測へ

GPT 5.5のリリースから3週間が経過し、金融業界はAnthropicの成長とCFOに注目しているが、AIエンジニアの間ではCodexへの支持が顕著に高まっている。これは、GPT 5.5の性能向上、Codexの広範な展開、そしてより寛大な利用制限の組み合わせによるものだ。AnthropicはClaudeの料金体系を変更し、すべてのClaudeサブスクリプションに月額料金と同額のAPIトークンクレジットを提供する。例えば200ドルのプランでは、Claude.aiやClaude Codeでの対話型利用に加え、200ドル分のAPIクレジットが付与され、claude-pやOpenClawなどでのプログラム利用に充てられる。当初からこの方式であれば、非常に良い取引と見なされただろう。しかし、これまでの補助金による価格優位（API価格の70〜90％引きと推定）があったため、ユーザーはこれを「引き揚げ」と捉えている。それでも、OpenClawやOpenCodeへの選択的ターゲットや、あまり人気のないツールの不確かな状況に比べれば、正式なポリシーができたことは良いことだ。このニュースは、OpenAIが企業向け乗り換えキャンペーンを開始したのと同じ日に発表され、驚くべき偶然となった。最終的には、どちらかの動きを過大評価すべきではない。両社とも好調であり、これらは大局的に見れば、数十年にわたる業界を変革しながら最適な価格設定を模索する企業による正常な価格調整だ。Anthropicは当初寛大だったが、Claude Codeが持続可能なブランドとエージェントツールとしての認知を得た今、自社ツールに最も有利な価格設定をし、その他を計測する一方、挑戦者であるCodexはより寛大な姿勢を取っている。

エージェント基盤では、Clineが再構築されたCline SDKをオープンソース化し、TUI、エージェントチーム、スケジュールジョブ、コネクタを備えたCLIを刷新し、カスタムコーディングエージェントの再利用可能な基盤として位置づけた。LangChainはInterruptで、LangSmith Engine、SmithDB、Sandboxes、Managed Deep Agents、LLM Gateway、Context Hub、Deep Agents 0.6など、大規模なエージェントライフサイクル基盤をリリースした。技術的に最も注目すべきはSmithDBで、ネストされた長期実行トレースと大きなペイロード向けの専用可観測性データベースであり、主要ワークロードで12〜15倍の高速アクセスを実現するとされる。チームはApache DataFusionとVortexをベースに構築したと述べている。NotionのExternal Agents APIは、Claude、Codex、Cursor、Decagon、Warp、DevinなどのサードパーティエージェントがNotion内部で直接操作できるようにし、共有可能でレビュー可能なコンテキストレイヤーとして機能する。Cursorはクローンされたリポジトリ、依存関係、バージョン履歴、ロールバック、スコープ付き出力、分離されたシークレットを含む完全に構成された開発環境を備えたクラウドエージェントを拡張した。

モデル訓練とアーキテクチャでは、Nous ResearchのToken Superposition Trainingが、事前訓練の初期段階を修正し、モデルが連続したトークンの袋を読み取り/予測した後、標準的な次トークン予測に戻す手法を提案。マッチしたFLOPsで2〜3倍の壁時計速度向上を報告し、270Mから3Bの高密度モデルと10B-A1B MoEで検証済み。Jonas Geipingらは、現在のメッセージベース/チャット訓練がエージェントを単一のストリームに過度に制約していると主張し、マルチストリームLLM論文を発表。低レイテンシ、関心事の明確な分離、並列推論/ツール使用の可読性向上を謳う。δ-memは、凍結されたフルアテンションバックボーンに外部オンライン連想記憶を追加し、8×8状態で平均スコア1.10倍、非δ-memベースラインに対して1.15倍の改善を示し、メモリ集約型ベンチマークでさらに大きなゲインを得た。NVIDIAのStar Elasticは、1回のポスト訓練で一連の推理モデルサイズを導出でき、事前訓練よりも360倍低コストで、最先端の圧縮より7倍優れると主張。DatologyのVLM研究は、データキュレーションだけでマルチモーダルに大きなゲインをもたらすことを示し、2Bモデルで20の公開VLMベンチマーク平均11.7ポイント向上、約17分の1の訓練計算量でInternVL3.5-2Bを約10ポイント上回り、3.3分の1の応答FLOPsで最先端に近い4B性能を達成。Percy Liangは、次回のMarinランがすでに18Tトークンを混合し、さらに事前訓練、中期訓練、SFTデータを求めていると述べた。

エンタープライズAI価格設定とプラットフォーム競争では、Rampのデータにより、4月にAnthropicが企業ビジネスの34.4%、OpenAIが32.3%を占め、初めてのリードチェンジが見られた。Anthropicは同時にプラン経済を変更し、ClaudeDevsは有料ClaudeプランがAgent SDK、claude-p、GitHub Actions、サードパーティSDKアプリで使用できる専用のプログラム利用クレジットを得ると発表。これはパワーユーザーによってサブスクリプション補助ツールへの大きな制限と受け取られ、Theo、Jeremy Howard、Matt Pocock、Omar Sansevieroから批判を受けた。Anthropicは、Claude Codeの週間制限を50%引き上げ（7月13日まで）ことで反発を部分的に緩和し、これは以前発表された2倍の5時間制限増加に積み重ねられた。OpenAIはこれに対抗し、30日以内に乗り換える企業顧客に2ヶ月無料のCodex利用を提供。OpenAIはまた、Windowsサンドボックス設計の詳細な説明を公開し、ローカルユーザー、ファイアウォールルール、ACL、書き込み制限トークン、DPAPI、ヘルパー実行ファイルを組み合わせて、コーディングエージェントをローカルファイルシステム/ツールアクセスで安全に実行する方法を示した。

自律科学、サイバー能力、ロボティクスでは、Recursiveが設立され、科学を自動化し安全に自己改善するAIの構築を目指す。英国AI安全研究所は、フロンティアモデルが完了できるサイバータスクの長さが数ヶ月ごとに倍増しており、最近のモデルは過去の傾向を上回っていると述べた。Anthropic/GlasswingのLogan Grahamは、Claude Mythos PreviewがAISIのエンドツーエンドサイバーレンジ（Cooling Towerを含む）を解決した最初のモデルであり、同研究所の250万トークン制限内ですべてのタスクをクリアした唯一のモデルだと述べた。FigureのBrett Adcockは、Helix-02を使用した人型ロボットの8時間自律シフトのライブストリームを公開。ロボットはカメラピクセルから推論し、人間並みの速度（約3秒/パッケージ）で動作、オンデバイス推論を実行、ネットワーク化されたフリートとして調整、バッテリー低下時に自律交換、自己診断してメンテナンスにフェイルオーバーする。これは、短いベンチマーククリップではなく、マルチロボット、長時間、人間不在のオーケストレーションの明確な公開デモの1つである。