Poolsideが「Laguna M.1」公開 — エージェントコーディングに特化した225B MoEモデル
コーディング特化型AI企業のPoolsideが、長時間のエージェントコーディングに最適化したオープンモデル「Laguna M.1」をApache 2.0ライセンスで公開した。
主なスペックは以下の通り：
- アーキテクチャ: 70層のスパースMoE（Mixture of Experts）
- パラメータ: 総計225B、アクティブ23B
- エキスパート数: 256（top-k=16）
- コンテキスト長: 256K
- 推論とツール使用をインターリーブする設計で、長期的なコーディングタスクに強みを持つとされる
Poolsideはまた、Apple Silicon（M3 Max 128GB）上で3-bit MLXビルドを公開し、約26 tok/s、ピークメモリ約100GBで動作することを示した。高額なGPUクラスターがなくても、ローカル環境での実行が視野に入るサイズ感だ。
OpenAI Codexに「Record & Replay」追加 — 作業を一度見せるだけで自動化
OpenAIは6月18日、Codexの新機能「Record & Replay」を公開した。ユーザーがMac上で作業手順を一度実演すると、Codexがその操作を分析し、再利用可能なスキルとして記憶する仕組みだ。
いわば「やって見せるだけで自動化ができる」アプローチで、従来のような明示的なスクリプト記述やプロンプトチューニングを不要にする。AIが人間の作業パターンから学習し、再現可能な手順に変換する点が特徴的だ。
日本のITmediaも速報で伝えており、実用段階での注目度の高さがうかがえる。
エージェント開発ツールの競争激化 — Cursor、Claude Code、Devinも続々
Codexの新機能だけでなく、同日に複数の開発ツール企業がエージェント自動化機能を発表しており、市場の競争が急速に激化している。
Cursorは「/automate」機能をローンチした。自然言語でタスクを記述すると、Cursorがトリガー、指示、ツールを自動設定する。Slackの絵文字トリガーやGitHubトリガー、クラウドエージェントでのコンピュータ操作にも対応する。
Claude Code（Anthropic）は「Artifacts」機能を追加し、エージェントが作業中のコードを共有可能なライブページとして出力できるようになった。社内ではすでにアーキテクチャ変更の共有やプロトタイプ提示に活用されているという。
Devin（Cognition）は、コードレビュー機能に自動セキュリティレビューを統合した。また、AppSec領域での「発見」と「修正」の分断を埋める「Devin for Security」も展開しており、セキュリティレビューがエージェントの第一級タスクになりつつある。
これら一連の動きは、AI開発の中心が「モデル単体」から「モデル＋ハーネス＋メモリ＋SCM」の統合システムへと明確に移行していることを示している。
Artificial Analysisが新ベンチマーク「AA-Briefcase」公開
評価機関のArtificial Analysisは、実際の知識労働を模した新ベンチマーク「AA-Briefcase」を公開した。複数週にわたるプロジェクト、数千の断片的入力、Slack・メール・ドキュメントのコーパスを扱い、財務モデルや取締役会資料の作成などを評価する、より現実に近い設計だ。
結果のハイライト：
| モデル | Elo | タスクあたりコスト |
|---|---|---|
| Claude Fable 5 | 1587 | $31.00 |
| Opus 4.8 | 1356 | $10.40 |
| GLM-5.2 | 1266 | $2.40 |
| GPT-5.5 xhigh | — | $3.68 |
最上位モデルでも全評価基準を満たしたのはわずか**3%**のタスクに留まっており、現実の長期タスクではまだ人間の介入が不可欠であることが浮き彫りになった。一方で、GLM-5.2は低コストながらトップクラスに肉薄しており、コストパフォーマンスの面で注目される。