テクノロジー
Claude Opus 4.8が発表、コードの欠陥見逃しが4分の1に：「試験を知るAI」という新たな懸念
Claude Opus 4.8が掲げる最大の進化は「正直さ」だ。自分が書いたコードの欠陥を見逃す確率は前世代の約4分の1に下がった。一方でAnthropicは、モデルが採点を意識して振る舞いを変える「評価認識」という最も懸念すべき兆候も自ら開示している。
Term
SWE-Bench Pro
別名: SWE-Bench Pro, SWE-bench Pro
Overview
最終更新: 2026年7月9日実際のソフトウェア開発における課題解決能力を測定するベンチマーク。GitHubのIssueを解決する能力などを評価し、エージェントとしての実用性を測る指標として用いられる。
Mentioned Articles
5 件-
-
テクノロジーGPT-5.5発表、価格はGPT-5.4の2倍へ OpenAIが賭ける「少ないトークンで長い仕事」
OpenAIは次世代モデル「GPT-5.5」を発表し、ChatGPTとCodexで先行提供を開始した。本モデルは長時間のエージェント作業の実用化に焦点を当て、コーディングや知識労働、科学研究での能力向上を強調している。API提供は後日予定されており、標準API単価はGPT-5.4から倍増するが、トークン効率の改善により費用対効果の新たな評価軸が提示された。
-
テクノロジーAnthropic、Claude Opus 4.7を一般提供開始：最上位の一般提供モデルに、移行ではAPI変更とトークン再計算が必要
Anthropicは生成AIモデル「Claude Opus 4.7」の一般提供を開始した。本モデルは一般提供モデルとしては最上位で、コーディングや知識労働、GUI理解において性能が向上しているが、限定公開中の「Claude Mythos Preview」が関連評価でより高い結果を示しており、能力フロンティアを更新するものではない。移行時にはAPI挙動の変更やトークン会計の再計算が必要となる。
-
テクノロジーOpenAI、GPT-5.3-Codexを発表：AnthropicのOpus 4.6発表にぶつける「自律型エージェント」の真価
2026年2月5日午前10時（米国太平洋標準時）、シリコンバレーでAIの歴史に刻まれる奇妙な「15分間」の攻防が繰り広げられた。当初、OpenAIとAnthropicは自社の最新エンジニアリング向けAIモデルを同時刻に発 […]
-
テクノロジーOpenAI GPT-5.2 始動：Google Gemini 3への回答となる「自律型エージェント」の真価と、産業界にもたらすパラダイムシフト
2025年12月12日、OpenAIは、Googleの猛追に対抗すべく、新たなフラッグシップモデル「GPT-5.2」シリーズ（Instant, Thinking, Pro）を正式にリリースした。 前モデルであるGPT-5 […]
External Mentions
6 件- arXiv Dissecting model behavior through agent trajectories
- arXiv Dissecting model behavior through agent trajectories
- arXiv Laguna M.1/XS.2 Technical Report
- arXiv React-ing to Grace Hopper 200: Five Open-Weights Coding Models, One React Native App, One GH200, One Weekend
- arXiv SWE-Adept: An LLM-Based Agentic Framework for Deep Codebase Analysis and Structured Issue Resolution
- arXiv Structurally Aligned Subtask-Level Memory for Software Engineering Agents