AIコーディング

主要ニュース

1. 1

   Nvidia、PoolsideAIに70億ドル投資 買収回避で支配強化

   NvidiaがPoolside AIと契約し、60億ドルで同社のModel Factory（コーディングモデル構築システム）の非独占ライセンスを取得、10億ドルの投資で企業の評価を30億ドルから120億ドルに引き上げた。Poolsideの従業員109人がNvidiaに移籍する一方、Jason Warner前GitHubCTOら3人の共同創業者は独立企業として残る。ライセンス料は2027年末までに既存投資家に分配される。 Nvidiaが買収ではなくライセンス契約と少数出資の組み合わせで進めることで、独占禁止法の審査を回避しながら、Poolsideの技術人材と生産能力を実質的に支配できる。この手法は2025年のGroq契約（約200億ドルのライセンス）やEnfabrica契約（約9億ドル）に続く3度目の適用で、Nvidiaが独占禁止当局の目を逃れながらAI供給網を一元化する戦略を示している。Nvidiaがライセンス契約と投資で実質的に支配下に置く戦略を取ることで、日本国内のAI開発企業が同様の手法での提携を迫られる可能性がある。

   Laguna M.1はSWE-bench Verifiedで72.5%の精度を達成し、Qwen-3.5やDeepSeek V4-Flashと同等だが、Claude Sonnet 4.6には及ばない。Nvidiaが70億ドルで購入しているのは現在のモデル性能ではなく、Laguna一族の継続的な開発を支配する生産能力そのもの。

2. 2

   OraがVercel上の主要AIエージェントをベンチマーク、eveが競合を上回る

   Oraはライブウェブサイト上でAIエージェントの動作と取引能力をテストするプラットフォームで、Claude Code、ChatGPT、Gemini、Hermes、OpenClaw、Vercelのeveというすべての主要エージェントフレームワークを並行ベンチマークした。Eveはゴール達成までのステップで7%削減、2倍のネイティブ成功率（顧客のサイト上で完了したタスクが2倍）、9%多くの有効なエンドポイントでClaude Codeを上回った。 Oraの推定では、ウェブの99%はサインアップ、統合、支払いを行うエージェントにまだ対応できていない。Oraはエージェントをライブサイトで実行し、どこでなぜ失敗するかを記録することで、企業が何を修正すべきかを示す—これはエージェントが実際のワークフローで頻繁に躓くため重要だ。ベンチマークは重要である。なぜなら2つのエージェントフレームワークも同じインフラを使用していないからだ。Oraは各フレームワーク用に別々のランタイムを構築し、すべてのステップをトレースしており、顧客は正確にどのステップが停止したか、エージェントが何を試みたかを確認できる。

   Oraはeveをテスト対象として扱うのではなく、eve上に独自の製品を構築し始めている。チームは1日に数百のコミットを配信している16人のエンジニアを擁し、コーディングエージェントがVercel上の日常的なインフラ作業を担当している。Oraはプラットフォームをマイクロサービスに分割しており、すべてVercel上にあるため、新しいサービスと内部eveエージェントは追加設定なしでデプロイできる。

3. 3

   NAEOS、AI駆動のコード生成フレームワーク公開

   NAEOS（Nusantara Engineering & Architecture Operating System）はGo言語で記述されたオープンソース宣言型プラットフォームで、YAML形式の仕様をGo、TypeScript、Python、Java、Rustの複数言語にわたるコードに変換する。GitHub Copilot、Claude、Cursor、Gemini、Codex、OpenCodeの6つのAIコーディングツールと統合され、現在はバージョン3.1.0で、パイプラインキャッシングと実行レベルのプロファイリングを追加している。 チームがコードを直接書く代わりに、仕様ファイルでシステムを一度記述すれば、NAEOSはコード生成、検証、プロジェクトライフサイクル全体でのアライメント調整をオーケストレーションする。エンジニアリング・ランタイム（NEIR—統一された内部モデル）、67個のCLIコマンド、業界プロファイル用のマーケットプレイス、ガバナンス・監査レイヤーを備え、仕様駆動型開発とAI支援エンジニアリングへのシフトに対応している。

   ロードマップはv4.0以降を予定している（IDE統合用のLSPサーバー、スキーマベースの検証、アーキテクチャパターン対応を含む）。フレームワークはApache License 2.0でGitHub（github.com/NAEOS-foundation/naeos）で公開されており、57の仕様ドキュメントとホワイトペーパーを備え、AIツールやコーディングエージェントへの統合が可能となっている。

4. 4

   Google Cloudのツールが小児肺炎をX線画像から自動分類、コーディング不要

   研究者らがGoogle Cloud Vertex AI AutoMLというノーコード機械学習プラットフォームを使用し、小児の胸部X線画像から肺炎を自動分類するシステムを構築・検証した。この研究は概念実証の内部検証であり、学術誌Cureusに発表された。 肺炎の診断には通常、放射線科医の専門知識と時間を要する。自動分類システムにより診断の遅延を減らし、専門医の不足している地域、特に誤診が臨床的リスクとなる小児例において、信頼できる肺炎検出へのアクセスを広げる可能性がある。

   この研究は概念実証の検証であり、利用可能性や導入予定時期、精度指標、展開計画については明記されていない。実際の病院での運用には、さらに外部検証と臨床統合段階が必要となる。

5. 5

   Nvidiaが示す、長期的なタスク成功の鍵はAIモデルではなくハーネス

   Nvidiaの研究者たちが、カスタムハーネスと「スーパーバイザー」コンポーネントを使い、Claude Opus 5をARC-AGI-3インタラクティブ推論ベンチマークで100%のスコアを達成した。ハーネスなしでは同じモデルは30%のスコアにとどまった。ハーネスはAIモデルの周囲のソフトウェアラッパーで、ツール、メモリ管理、独立した行動を可能にするルールから成り立つ。 この知見は、AIモデルの基礎となる知能が長期的タスク（時間をかけた多くの連鎖的な意思決定を必要とするもの）にとって最も重要だという仮定に異議を唱えている。Databricksが7月に実施した研究では、同じモデルを使用する場合でも、ハーネスの選択によってコストが2倍になる可能性があることを示し、企業が誤った層を最適化している可能性があることを示唆している。またNvidiaの結果は、OpenAIが苦戦した弱点にも直接対処している。OpenAIの最近の研究におけるハーネスの調整は、スコアを3倍にしたにすぎず、100%に近づいていない。

   現在、ほとんどのエージェントユーザーはClaude CodeやCodexのような単一層ハーネスに依存している。NvidiaはNemoブランドの下でオープンハーネスコンポーネントを提供しており（一部は商用、一部は自由に利用可能）、ユーザーはクローズドシステムよりも多くの制御が可能になる。Nvidiaは、オープンハーネスによってチームがハーネス、インフラストラクチャ、ランタイムを制御することで精度を調整できることを強調している。

6. 6

   Nvidia、Poolside AI買収せず ライセンス・投資で$7b構造

   Nvidiaが米Poolside AIとの契約を発表。$7bの規模で、技術ライセンス・$1bの投資・人員採用を組み合わせた構造。Poolside AIは独立を維持したまま、Nvidiaがモデル製造技術（Model Factory）への支配権を得る。 従来の買収と異なり、ライセンス契約で規制審査を回避しながらAIモデル生成能力を確保する手法。Nvidiaのナラティブは「チップ供給から幅広いAIインフラ・パートナーへの転換」にある一方、オフバランス・シート型の大型コミットメントと積極的な人材採用はコスト増・エコシステム複雑化のリスクを生む。

   この契約構造が大手テック企業のAI能力拡張における「繰り返し使える雛形」となるかが焦点。AMD・Broadcomなど競合もAIプラットフォーム化を狙い、顧客はカスタムシリコン検討も進む中での競争構図が注視される。