AIコーディング

主要ニュース

1. 1

   IBMがGranite 4.2発表、Apache 2.0で展開

   IBMは言語モデル「Granite 4.2」を3B、8B、30Bの3サイズで公開した。約15兆トークンでゼロから学習し、最大512,000トークンのコンテキストウィンドウに対応する。 8Bと30B版はエージェント型RLトレーニングを経て、ツール使用、コード作成・実行、実サンドボックス環境でのウェブ検索が可能。30B版は3つのエージェントベンチマークすべてで首位で、全モデルがvLLMまたはSGLangで動作する。国内の企業が言語モデルをOSSとして活用する際の選択肢が広がる可能性がある。

   IBMはパラメータ数わずか4億7,000万のGranite Speech 5.0 Turbo CTCモデルも発表。Open ASR Leaderboardで従来の最速モデルの2倍の速度を実現し、3時間分の音声を1秒で文字起こしできる。

2. 2

   Cursor登壇者のAIコード生成システムに称賛

   Cursorの登壇者が、自身がコードに触れずに月間数百件のPRを生み出すシステム構築の実践経験を共有。Xで公開されたワークショップ動画で紹介された。 この動画はAI駆動開発に関する実践的で率直な洞察を提供し、過度に熱量の高いオンラインコンテンツとは対照的。シリコンバレー外でこうしたリソースにアクセスする難しさも浮き彫りにする。国内のAI開発現場では、コードに触れない開発手法が実践段階にある可能性がある。

   筆者は同種の実践的なAIエンジニアリングコンテンツを提供するコミュニティ、Discord、動画、XやRedditのアカウントを探している。

3. 3

   Kraftapp AI、言葉だけでアプリ構築・集客まで

   Kraftapp AIが、説明文からアプリを構築し、ランディングページやSEOページ、メール配信まで自動生成するサービスを発表した。Claude、GPT、Gemini、DeepSeekからモデルを選択できる。 従来のAIビルダーはプレビュー公開で終わるのに対し、Kraftapp AIは支払い機能やPostgresを含むバックエンドを標準装備し、「有料ユーザーがいる状態」までを目指す。構築後の集客計画まで自動生成する点が特徴だ。国内の開発者が、言葉だけで有料ユーザーを抱えるアプリを構築できる可能性がある。

   無料プランは50クレジットから開始。Starterは月25ドルで125クレジット、Proは月75ドルで500クレジット、Scaleは月250ドルで1,875クレジット。クレジットは失効しない。

4. 4

   論文検索にハイブリッド検索を採用

   Papers with Codeの検索機能の仕組みを技術解説。キーワード検索と意味検索を組み合わせ、単独よりも高い精度を実現した。 PostgreSQLとpgvector、テキスト埋め込みにQwen3-Embedding-0.6B、実行中のモデルにHugging Face Inference Endpointsを使用。同じ基盤が各論文ページの関連論文推薦にも使われている。

   記事ではHugging Face Inference Endpoints、Jobs、Bucketsが検索を支える仕組みを詳述。筆者はHugging FaceとPapers with Codeの開発者。

5. 5

   IBMが推論特化LLM「Granite 4.2」発表

   IBMは初の推論特化型大規模言語モデル（LLM、テキストを理解・生成するAIシステム）「Granite 4.2」を、3B・8B・30Bの3サイズで公開した。各モデルは約15Tトークンでゼロから事前学習され、コンテキストウィンドウは512Kトークンに拡張された。 8Bと30Bモデルにはエージェント訓練が施され、ツールの使用、コードの編集・実行、ウェブ検索が可能なエージェントとして動作する。全モデルに思考／非思考の切り替えとネイティブなツール呼び出し機能が搭載され、業務自動化や複雑なタスクに実用的だ。国内企業が業務自動化向けに同LLMを導入する可能性がある。

   モデルはApache 2.0ライセンスで公開され、大型モデル（8B・30B）は実際のサンドボックス環境内でエージェントとして動作でき、より自律的なAIワークフローを実現する可能性がある。

6. 6

   Andrew Ng氏、DeepLearning.AIをAIエンジニアリング中心に再始動

   Google BrainとCourseraの共同創業者であるAndrew Ng氏が、DeepLearning.AIをAIエンジニアリングに焦点を当てて再始動する。この方針は、1万件以上の求人情報の分析と、AI専門家や採用担当者への数十回のインタビューに基づいている。 Ng氏の枠組みは、AIアプリケーションの構築と展開、ソフトウェアエンジニアリングの基礎、コーディングエージェントの活用、ビルドの形成という4つの主要スキルを強調する。この投稿は、これらのスキルがAIエンジニアという職種を超えて重要だと主張し、解説では、LLMは初心者の下限を引き上げる以上に、熟練開発者の上限を引き上げると指摘している。国内のAIエンジニアは、熟練開発者の生産性向上に直結するスキル習得が求められる可能性がある。

   コーディングエージェントの活用スキルは急速に進化しており、複数エージェントの調整や、エージェントが本番データベースを壊すといった落とし穴の回避が含まれるようになっている。また投稿は、ビルドの形成におけるプロダクトセンスとビジネス文脈の重要性を強調しており、これは元のAIエンジニアリングに関するエッセイでは想定されていなかったスキルだ。