SmallCode：4Bパラメータのローカルモデルで87%のベンチマークを達成するコーディングエージェント

RedditのLocalLLaMAコミュニティで、開発者のGlittering_Focus1538氏が「SmallCode」というコーディングエージェントを発表し、大きな反響を呼んでいる。

既存のCodexやClaude Codeといったコーディングエージェントは、GPT-5.4やClaude Opusのようなフロンティアモデルの利用を前提としている。そのため、GemmaやQwenのようなローカルモデルで動かすと、ツール呼び出しの失敗やコンテキストオーバーフロー、多段階タスクの崩壊に見舞われることが多い。

SmallCodeはこの問題に正面から取り組んだ。Gemma 4（トークンあたり4Bパラメータのみ活性化）を使い、ベンチマークタスク87/100を達成。14Bモデルを使うOpenCodeの約75%を上回る結果を出している。

鍵となる工夫は以下の通りだ。

  • 複合ツール：ファイル検索→読み込み→編集→検証の4ステップを1つのツールに統合。小規模モデルは3回以上の連続呼び出しで整合性を失いやすいため、これで失敗率を半減させた
  • 改善ループ：コード生成後に即座にコンパイル・リントを実行し、エラーを自動フィードバック。モデルが最初から正解を出す必要をなくした
  • 失敗時の分解：同じ問題に2回失敗したら、タスクを細かく分割。「200行のファイルを修正」→「45行目だけを修正」のように問題を縮小する
  • エスカレーション：分解でも解決できない場合のみ、ClaudeやOpenAIのAPIキーが設定されていれば大型モデルに自動的に委譲。95%はローカル、5%はクラウドで運用できる
  • トークンバジェッティング：小規模モデルの32k〜256kコンテキストに合わせ、ファイル全体を流し込まず、要約・切り詰めで重要なコードだけを提示
  • コードグラフ：grep検索ではなくシンボルグラフ（関数、クラス、呼び出し関係）を構築し、「認証はどう動くか」という質問に対して関連するコードだけを返す

MITライセンスでGitHubに公開されており、npm install -g smallcodeでインストール可能。LM Studio、Ollama、OpenAI互換エンドポイントに対応している。

ローカルモデルの実用性を大きく引き上げる取り組みとして注目に値する。

AI生成のスロップがバグバウンティプログラムを圧迫

フィナンシャル・タイムズが報じたところによると、AIが生成する大量の脆弱性報告が企業のバグバウンティ（報奨金）プログラムに深刻な負荷をかけ始めている。

セキュリティ研究者が手作業で発見していた時代とは異なり、現在ではAIツールを使って大量の報告が自動生成されている。企業側は膨大な「スロップ」の中から真に価値のある報告を拾い上げる必要があり、審査リソースが限界に達しつつあるという。

バグバウンティは本来、外部のセキュリティ研究者と企業を結ぶ有益な仕組みだが、AIによる大量送信がこの生態系を脅かす構図は、AI普及に伴う予期せぬ副作用として注目される。

Apple、AIコーディングアプリの扱いに変化の兆し — Replitのアップデートが契機

Apple Insiderの報道によると、AppleがApp StoreにおけるAIコーディングアプリの取り扱いを変える可能性が出ている。きっかけはReplitの最近のアップデートだ。

これまでAppleは、アプリ内でコードを実行できるAIコーディングアプリに対して厳格な規制を適用してきた。iOS/iPadOS上でコードを実行することはセキュリティ上の懸念から制限されてきた経緯がある。しかし、Replitの最新アップデートがAppleの審査を通過したことで、AIコーディングアプリの規制緩和が進む可能性がある。

開発者コミュニティではこの動きを歓迎する声が多く、モバイル環境でのAI支援開発がより一般的になる可能性を示唆している。

バチカンがAI研究委員会を新設、初の回勲（encyclical）発行へ

AP通信が報じたところによると、ローマ教皇がAIに関する専門の研究委員会を新設した。同時に、バチカンとして初めてAIに関する回勲（encyclical）の発行を準備しているという。

教皇はこれまでAIの倫理的利用について度々言及しており、Elon MuskやNVIDIAのJensen Huangらテクノロジー業界の指導者とも面会している。今回の研究委員会新設は、宗教界からAIの社会的影响に対する本格的な取り組みとして位置づけられる。

画像編集の長期タスクを自律的に計画・実行する研究フレームワーク

Hugging FaceのDaily Papersに掲載された「From Plans to Pixels」という研究が注目を集めている。

この研究は、長期的な画像編集タスクを自律的に計画・実行する体験的学習フレームワークを提案している。従来の静的な教師模倣に頼る手法ではなく、試行錯誤を通じて最適なツールと領域の選択を能動的に学習する。

構造化タスクプランナーと、ビジョン・言語ジャッジからの成果ベースの報酬で訓練されたオーケストレーターを組み合わせることで、一貫性と信頼性の高い多段階編集を実現している。

エージェント的なアプローチが画像編集領域にも浸透しつつあることを示す興味深い研究だ。