Claude Codeの利用制限に開発者コミュニティが反発

AnthropicがClaude Codeの利用制限を強化したことで、開発者コミュニティで大きな議論が巻き起こった。

YouTuberのTheoが公開したスレッドが発端で、サードパーティ製ラッパー（T3 Codeなど）を経由した利用に対して、公式サポートパスを通っていても劇的なレート制限の引き下げが行われたと主張した。彼はサブスクリプションをキャンセルし、キャンセル画面のスクリーンショットを投稿した人にオープンソースへの寄付を行うキャンペーンを展開。多数の開発者がこれに同調し、目立つ解約の動きが生じた。

一方で、Anthropicが開発者に大幅に補助された定額トークンを提供する義務はないとする見方も存在し、エコシステムはAPI経済への明確な移行と、高価なモデルと安価なモデルの賢いルーティングに向かうとの指摘もある。

実用的な教訓としては、サブスクリプションを前提としたハーネスは安定したプラットフォーム基盤ではないという点が挙げられている。プロバイダー・モデルの抽象化とBYOK（Bring Your Own Key）対応が、エージェント開発者にとって急務となりそうだ。

GitHubがCopilot Appを公開、VS Codeもエージェントウィンドウを追加

コーディングエージェントのUIが「エージェントファースト」へと収束する動きが加速している。

GitHubは技術プレビューとしてGitHub Copilot Appを発表した。デスクトップ環境で並行ワークストリームの管理、リポジトリやPRのライフサイクル管理、モデルの柔軟な選択が可能な、GitHubネイティブのアプリケーションだ。Conductorが開拓したフォームファクターを大手が追認する形となっている。

同じタイミングで、VS Codeもエージェントウィンドウを追加。マルチエージェント・マルチプロジェクトのワークフロー、vscode.dev/agents経由でのブラウザ・モバイル対応、BYOK改善、ターミナル出力圧縮によるトークン効率化などが盛り込まれた。

オープンソース側では、Nous ResearchのHermes AgentがCodexランタイム統合を追加し、OpenAI基盤の実行をChatGPTサブスクリプション経由で再利用可能にしている。KimiのWeb Bridge拡張機能も、ブラウザ上の人間的な操作を各種コーディングCLIに公開する試みとして注目される。

LangChainがエージェント改善ループの基盤を構築

LangChainがエージェントインフラのリリース群を発表した。

SmithDBは、エージェントのトレースデータに特化して設計されたデータベースで、オブジェクトストレージと独自のストレージ・クエリパスを採用している。LangSmith Engineはトレースを消費して失敗をクラスタリングし、コード上の問題を特定して修正・評価を提案する仕組みで、受動的な監視から能動的な改善ループへの転換を狙う。

さらにLangChain Labsも発表され、プロダクションのトレースを学習シグナル・評価・ターゲット機能改善に変換する継続学習の応用研究が始動した。

Figureのヒューマノイドが24時間自律稼働を実証

ロボティクス企業のFigureが、自律型ヒューマノイドの24時間連続稼働をライブストリーミングで実証した。

Helix-02ポリシーを完全にオンボードで実行し、異常ケースに対する自動リセットを含め、テレオペレーションなしで小包仕分けを人間同等のスループットで24時間以上継続したと発表。

評価は二極化している。一部は「Figure社そのものへの懐疑」を示しつつも、ロボティクス全体の加速傾向には肯定的で、連続アップタイムの実証としては最も明確なデモの一つとの評価がある。

Anthropicとゲイツ財団が2億ドルで提携

AnthropicとBill & Melinda Gates Foundationが、AIを活用した社会貢献に向けて2億ドルを拠出すると発表した。

市場原理ではAIが届きにくい低中所得国向けに、Claudeの利用クレジットと技術支援を提供する方針。ワクチン開発の加速や学習支援アプリの開発を通じ、AIを公平に活用できる環境の整備を目指す。

Datadogが時系列予測モデルToto 2.0をオープンソース公開

Datadogが時系列予測の基盤モデルToto 2.0をApache 2.0ライセンスで公開した。

4Mから2.5Bパラメータまで5つのオープンウェイトモデルをリリースし、BOOM・GIFT-Eval・TIMEの各ベンチマークで1位を獲得。時系列予測においてスケーリング則がようやく明確に成立する証拠が得られた点も意義深い。

Qwen3.5でRLレッドチーミング→防御強化の実験

RedditのLocalLLaMAコミュニティで、Qwen3.5をRLで自己ジェイルブレイクさせ、発見された攻撃で防御を強化する実験が報告された。

GRPOが同じジェイルブレイクに収束する問題を、クラスタリングによる報酬分散で解決。7つの戦術ファミリーを発見し、防御率を64%から92%へと向上させた。フィクション・クリエイティブ・フレーミングが最大のクラスタ（34%）だったとのこと。