2026.08.16

「安全である」という宣言ではなく、評価手法が能力に追いつかなくなった事実（評価の飽和）と、自社が業界全体の加速に寄与している事実を自分から書いている点が読みどころ。エージェントを業務で回す側にとって、ベンダーの安全主張をどの粒度で読むべきかの物差しになる。

足場（scaffold）を外す方向の変更。TODO の明示管理はモデルが弱かった頃の補助輪で、新しいモデルでは外したほうが素直に動くという判断が製品側に降りてきた。自作ループやプロンプトに「TODO を書き出させる」工程を組み込んでいる場合、新モデルでは無駄になるか逆効果になりうる。同時に fork サブエージェントが既定になり、並列化の設計単位が「新しい文脈を渡す」から「今の文脈ごと分岐させる」へ移る。

18GB は 32GB メモリのマシンで現実的に回るサイズで、256K コンテキストと画像入力がローカルに降りてきた意味は大きい。外部にコードや資料を出せない案件で、エージェントループを丸ごと手元に閉じる選択肢が一段実用に近づく。

先週 MIT 公開された DeepSeek Harness が、公開から1日で主要ランタイムに載った。ハーネス（ループ）とモデルが別々に流通しはじめた具体例で、「どのループで、どのモデルを、どこで動かすか」を独立に選べる状態が現実になりつつある。

「AI が書いたかどうかを機械で判定できる」という期待に対し、公式が自分で限界を4つ（検出器未提供・処理の証明にすぎない・編集で消える・短文は不可）明示した。この印を根拠に AI 利用の可否を審査しようとする組織が出てくる前に、何を証明できて何を証明できないかを押さえておく価値がある。

上限に当たった時点で人間の再操作が要るなら「寝ている間に回す」運用は成立しないが、自動再開があるなら上限は停止ではなく遅延になる。cron や常駐エージェントを組んでいる側は、リトライ設計を1段簡略化できる。

参照が1枚から30枚に増えると、うまい言い回しを探すプロンプト職人芸そのものが合理性を失う。探索の対象が「文章の書き方」から「素材の調達と役割の割り当て」へ移り、さらに「渡した参照をどの強さで守らせるか」の宣言が新しい設計変数になる。動画に限らず、参照を多く渡せる生成一般に効く考え方。