エージェントが主役になるAIと、移行を迫られるインフラ

Metaが初の有料AIモデルを投入、API価格で既存プレイヤーを攪乱

MetaがMuse Spark 1.1を公開した。同社初の有料AIモデルだ。最初のMuse Spark（内部コードネームAvocado）は4月にクローズドパートナー向けのみでリリースされ、パブリックAPIはなかった。今回は開発者ポータルを開設し、ウェイティングリスト形式で外部開発者を受け付ける。ただしOpenRouter等のサードパーティ経由では提供されない。Meta独自のインフラでの配信に限定している。

価格が挑戦的だ。入力1百万トークンあたり1.25ドル、出力は4.25ドル。新規アカウントには20ドルの無料クレジットが付く。OpenAIやAnthropicのトップティアモデルと比べて約4分の1という。Zuckerberg自身が「他のラボの価格は非常に極端でマージンが高い」と指摘し、フロンティアモデルをはるかに安く提供できると主張している。

この価格設定だけでも話題だが、注目すべきはMetaの戦略転換そのものだ。これまで開発者がMetaの最新モデルを使うなら、Llamaのウェイトをダウンロードしてセルフホストするか、サードパーティのクラウドプロバイダーに頼るしかなかった。Muse Spark 1.1はMeta自身のホストインフラをAPIで直接呼び出せる。マネージド推論を求める開発者にとって、運用オーバーヘッドを下げつつ最新モデルにすぐアクセスできる選択肢が増えたことになる。

エージェント能力とコーディング性能の強化も見逃せない。Wangは「コーディング能力はエージェント能力全体に奉仕するものとして構築する必要がある」と語り、サードパーティの開発ツールとの連携ベンチマークで競合を上回ったと主張している。Zuckerbergは社内ベンチマークでGoogleのGeminiを複数項目で上回ったとも発言。自社モデルがGoogleの全モデルを初めて超えた可能性があると言及した。

実務にどう響くか。エージェント型のワークフローを組むチームにとって、API呼び出しや外部ツール連携の安定性は死活問題だ。コーディング性能がエージェント能力の基盤になるというWangの前提は、実際のプロダクションでAIに何をさせるかを考えると納得感がある。テキスト生成より、API呼び出しやコード記述、ワークフロー調整に時間を割くエージェントが増えている現場なら、なおさらだ。

一方で気になる点もある。オープンソース戦略から独自プラットフォーム戦略への明確なシフトだ。Llamaの2025年春リリースが期待を下回ったとされる中、WangをScale AIから引き抜いて事実上のやり直しを図った。その結果がクローズドな配信と有料APIという形で表れた。セルフホストの自由度を重視する開発者にとって、この方向性は歓迎できないかもしれない。価格競争力はあっても、ベンダーロックインの懸念は消えない。

ingress-nginxが2026年3月で終了する、移行の論点はどこにあるのか

Kubernetes SIG NetworkとSecurity Response Committeeが、コミュニティ管理のingress-nginxコントローラーを2026年3月で引退させると発表した。以降はリリースもバグ修正もセキュリティパッチも一切提供されない。ただし引退するのはコントローラー実装だけで、KubernetesのIngress API自体は残る。この区別を混同していると話がずれる。

なぜここまでの保守が難しかったか。メンテナーが実質1〜2人で、空き時間で回している状態だったという。機能追加やセキュリティ対応を続けるのがすでに限界だったわけだ。

影響範囲は小さくない。調査では44%のユーザーが移行計画を持っていないと回答している。いま動いているクラスタの入り口がそのまま止まるわけではないが、セキュリティ修正が来なくなるということは、計画的な移行を急ぐ必要がある。

移行先としては大きく2つの道がある。1つはContourなど別のIngressコントローラーへの置き換え。もう1つはGateway APIへの移行だ。

（Gateway APIは、従来のIngress APIよりも柔軟なトラフィック管理を可能にする、Kubernetesの次世代標準APIである）

Contourへの横移しは、既存のIngressリソースをそのまま流用できる分、短期的な手間は少ない。ただしnginx.ingress.kubernetes.io/*のアノテーションはすべて機能しなくなる。これをContourのアノテーションかCRDに手で翻訳しなければならない。

（CRD: Custom Resource Definition。Kubernetesに独自のAPIリソースを定義する仕組み）アノテーションの数が多いほど、この作業が移行の本体になる。

Gateway APIへの移行は、構造的な制約を解決する方向への投資だ。ロール指向の設計でインフラ担当とアプリ開発者の責務が分かれるし、トラフィック分割やヘッダマッチング、クロスネームスペースルーティングが標準化されている。ただし学習コストとYAMLの書き直しが発生する。ingress2gatewayのような変換ツールはあるが、手動での調整は避けられないだろう。

どちらを選ぶかは、チームの制約による。移行の工期が取れず、すぐにリプレースしなければならないなら、Contourへの横移しが現実的な一時しのぎになる。ただしIngress APIは機能凍結されており、将来の拡張は見込めない。長期的にはGateway APIに向かうことになるのはほぼ確実だ。

いずれにせよ、まず手元のアノテーションを棚卸しすることが第一歩になる。どのnginx固有の機能に依存しているかを把握しないと、移行先の選択も工数の見積もりもできない。

ChatGPTがCodexを飲み込み、スーパーアップへ加速

OpenAIがCodexデスクトップアプリをChatGPTアプリに統合した。すでにCodexを入れている人には次回アップデートで自動的に新アプリが届く。アプリアイコンはCodexのまま残せる。見た目の変化は小さい。でも中身は大きく変わっている。

新アプリにはChat、Work、Codexの3つのモードが並ぶ。ここで注目なのがチャットの位置づけだ。かつてのメイン画面はサイドバーの機能の1つに過ぎない。WorkとCodexが2つの柱。チャットはその補佐。OpenAIにとって対話はもう主役ではない。

WorkはCodexのエージェント能力をコーディング以外のタスクに広げたもの。ドキュメントやスプレッドシートを起点にタスクを起動できる。Slack、Teams、Google Drive、SharePoint、カレンダー、CRMといった外部サービスと連携し、データを引き込んで作業する。クラウドで実行されるScheduled Tasksも備えている。モバイルとデスクトップをまたぐタスクの継続も可能だ。

この構成、どこかで見たことがある。AnthropicがClaudeアプリでやっていることとほぼ同じだ。Claude Codeのユーザーがコーディング以外の作業にツールを使い始め、そこからCoworkが生まれた。OpenAIも同じ軌跡を辿っている。Codexの週間アクティブユーザーは500万人に達し、エンタープライズ向け収入は直近で週50%の増加を見せたという。開発者以外の流入がすでに起きていた。

もう1つの動きはAtlasの終了だ。独自ブラウザの実験はここで打ち切られ、Chrome拡張機能に役割を譲る。ブラウザを独自に作るより、既存のブラウザの脇に座る方を選んだ。エコシステムに乗る判断と読める。

統合が進む一方で懸念もある。1つのアプリにWorkとCodexが同居する場合、リソースの分離や権限管理をどう設計するのか。コードを書く文脈と社内文書を扱う文脈ではアクセス範囲が異なるはずだ。コンテキストの境界をアプリ内でどう引くのか、まだ分からない。

それでも方向は明確だ。OpenAIはChatGPTをスーパーアップにする。CodexもAtlasも1つのブランドに集約する。チャットは機能の1つに過ぎない。エージェントが仕事を代行する世界で、対話は入り口にすぎないという宣言かもしれない。

GPT-5.6が3モデル同時リリース、エージェント用途でFable 5を引き離す

OpenAIがGPT-5.6を公開した。Sol、Terra、Lunaの3モデルを同時に投入するのは初めての試みだ。SolはAnthropicのFable 5と直接競合するフラッグシップ。Terraが汎用、Lunaが高速・低価格という棲み分けになっている。

API価格は見ておきたい。Solが入力100万トークン5ドル・出力30ドル。Terraが2.5ドル/15ドル、Lunaが1ドル/6ドル。Fable 5の半分のコストで同等の性能が出せるなら、マイクロサービスで複数モデルを使い分けているチームはコスト見積もりをやり直す必要がある。

注目はエージェントベンチマークの差だ。Agents' Last ExamでSolがFable 5を13.1ポイント上回った。

（Agents' Last Examは、AIエージェントの自律的な問題解決能力を測定するための最新の評価指標である）長時間の自律タスクでこの差は大きい。コーディングベンチマークでもTerminal-Bench 2.1とDeepSWE 1.1でSolがFable 5を上回り、コストも低い。

なぜこの差が出たのか。OpenAIは「モデル内部で軽量プログラムを書いて実行できる」と説明している。ツールの調整、中間結果の処理、進捗監視をモデル自身がやれるため、トークン消費と往復回数が減るという。外部でオーケストレーション層を書いていた部分が、モデル内に取り込まれた形だ。実務で言えば、Function Callingのループを回す手間が減る可能性がある。

（Function Callingとは、モデルが外部ツールの実行に必要な引数を生成し、システム側で実行して結果をモデルに戻す一連の処理を指す）ただ、どの程度のタスクで恩恵があるのかは手を動かさないと分からない。

新モードの「ultra」も見逃せない。4エージェントを並列で走らせる仕組みで、Anthropicの「ultracode」と同じアプローチだ。トークンを燃やす代わりに速度と精度を稼ぐ。CodexのUltraモードはPlus以上のプランで利用できる。CI/CDパイプラインに組み込むなら、コストと速度のトレードオフをどこに設定するかが論点になる。

安全性についても触れておく。OpenAIは政府の承認を待ってからリリースした。Fable 5が輸出規制で一時停止まみれた前車の轍がある。サイバーセキュリティでは「脆弱性の発見と修正の方が、攻撃の実行より得意」とOpenAI自身が書いている。 defendersに有利な性能傾向だと言える。

エンタープライズAIのベンチマークは「データのノイズ」を無視している

DevRevがEnterprise AI Agent Benchmarkの初版を公開した。データセット、評価ハーネス、判定基準、結果、トレースまで全部オープンにして、誰でも自社システムに対して実行できる形にしている。

そもそもなぜこれを作ったか。DevRevのCTOであるAhmed Bashirがカンファレンスで繰り返し聞いたのは「業界をリードするAI」という売り文句だけ。どの指標で? どう測ったのか? 答えはいつも曖昧だった。フロンティアラボが投資するTAU-BenchやAgent's Last Examのような既存ベンチマークは、難解な推論タスクを評価するものだ。でもエンタープライズの実際の仕事は、化学の難問みたいなものではない。適度な難易度のタスクが、散在するデータと不揃いなフォーマットと権限の壁に阻まれて時間を食う。Bashirが言う通り、タスクの複雑さはすでに解決済みの問題で、これから測るべきはデータの複雑さだ。

このベンチマークで一番面白いのがscale-invariant ground truthという設計だ。中規模ソフトウェア会社をモデルにしたデータセットを1x、4x、16x、64xの4スケールで用意している。正解は全部同じ。増えたデータはノイズで、正しく動くエージェントなら出力すべきではない。1xでは約40%のチケットが質問に関連するが、16xでは2.5%に落ちる。コンテキストウィンドウが小さいうちは針を探すのは簡単だが、本番のデータ量になると崩れる。このショートカットを突く設計だ。

評価軸は3つ。precisionは正しい出所と監査可能なパスがあるか。efficiencyはコストが質問に紐づくかデータサイズに紐づくか。safetyは権限境界を守り、全アクションがトレース可能か。独立したLLMジャッジが結果を検証し、スコアと一緒にトレースの提出が必須になっている。

現時点で公開されているのは4段階のうちL1とL2だけ。L1は2〜3ソースにまたがる検索と統合。L2は複数ステップの思考だが単一ドメインで、アクションは取らない。L3は複数ドメインにまたがる問題解決、L4は完全な自律性になる。自動運転のレベル分けと同じ考え方だ。L4はコードの変更が必要になるとPandeyは話している。

ベンチマーク自体はLaude InstituteのTerminal Benchの上に構築されていて、UC BerkeleyのAlexandros Dimakis教授が方法論をレビューしている。ただしL3とL4はまだコミュニティの助けを借りて構築していく段階だ。実際のエンタープライズ運用で求められるのはL3以上の領域だろう。そこが埋まらなければ、このベンチマークもやはり「部分的な評価」にとどまることになる。

まとめ

AIの主役がチャットからエージェントに替わっている。OpenAIはチャットを機能の1つに降格させ、WorkとCodexを2本の柱にした。Metaもエージェント能力とコーディング性能の強化を売りにしている。GPT-5.6に至っては、モデル内部で軽量プログラムを書いて実行する。外部でオーケストレーション層を書いていた部分がモデル内に取り込まれる流れだ。Function Callingのループを回す手間が減る可能性がある一方で、どの程度のタスクで恩恵があるのかは手を動かさないと分からない。

エージェントが実務で動くなら、ノイズとコンテキストの境界が壁になる。DevRevのベンチマークが指摘する通り、本番データのノイズの中から正解を探す難しさを既存の指標は無視している。OpenAIのアプリ内でコーディングと社内文書の権限をどう分離するのかも不透明だ。タスクの複雑さはすでに解決済みで、これからはデータの複雑さとアクセス制御に向き合う段なのだろう。

インフラの移行も同じ時期に重なる。ingress-nginxが2026年3月で終了し、Gateway APIへの移行かContourへの横移しを迫られる。アノテーションの棚卸しから始めないと工数も移行先も決められない。AIモデルのAPI価格競争も、ベンダーロックインの懸念とセットで考える必要がある。Metaが独自インフラに限定したのはその表れだ。

実務への影響は単純ではない。エージェントのオーケストレーションがモデル内に取り込まれ、インフラの構成もGateway APIへ移るなら、開発チームはコスト見積もりとアクセス権の設計を見直すことになる。モデルの性能向上だけでなく、データのノイズと権限の境界にどこまで耐えられるか。そこが次の論点だ。

参照記事

記録日: 2026-07-10