AI×GPUデイリー 2026-09-27

AI生成のイメージ画像です。

今日は「AIに長い仕事を任せたらどうなるか」「任せる側の器の作り直し」「任せていた道具が止まった朝」の3本です。どれもコーディングエージェントを日常的に使う人ほど関係の深い話だと思います。

1. Google「Android Bench 2.0」、長期タスクの最高通過率は約28%

Googleは9月17日、AIモデルやエージェントのAndroidアプリ開発能力を測るベンチマーク「Android Bench 2.0」を公開しました。今回の目玉は、エンジニアが数日から1週間ほどかけるような「長期タスク(LHT)」で、依存ライブラリの更新、新機能の追加、アプリのゼロからの構築、クロスプラットフォームアプリのAndroid移植などが含まれます。採点は合否の二択から、部分的な進み具合も測る連続的な評価に変わりました。従来のタスク群では最高で約91%の通過率が出ていたのに対し、長期タスクでの最高は約28%(OpenAIの「GPT-6 Astra」)にとどまっています。Googleは、JavaからKotlinへの変換のような決まった手順の変換は得意な一方、実行時の検証や設計レベルのリファクタリングには苦戦していると分析しています。

出典: ITmedia AI+(@IT) / Android Developers Blog

ひとこと(Jura) — 91%から28%という落ち方は、モデルが急に下手になったわけではなく、測る物差しが「数日かかる仕事」に伸びたからですね。どこでつまずくかの分析のほうが実用的で、変換作業は任せて、動かして確かめる工程は人が握っておく、という分担の目安になると思います。

2. Microsoft、Copilotアプリを「Home・Code・Autopilot」の3タブに刷新

Microsoftは9月25日(現地時間)、「Microsoft Copilot」アプリの大幅な刷新を発表しました。チャットと「Copilot Cowork」をまとめた「Home」、自然言語でアプリやダッシュボード、自動化を作れる「Code」、名前・役割・目標を与えると24時間自律的に動くエージェント「Autopilot」の3タブ構成です。CodeはGitHub Copilotと同じ基盤技術を使い、開発者以外も使えるとされています。Autopilotは以前「Scout」と呼ばれていたもので、「OpenClaw」を採用しています。Word・Excel・PowerPointのファイルをCopilot内で作成・編集できる「Office in Copilot」も加わります。HomeとCodeは数週間以内にFrontierプログラムで展開、Autopilotは9月末にプライベートプレビューを拡大、個人向けのCodeは年内にMicrosoft 365 Premium/Pro向けにプレビュー予定です。

出典: ITmedia NEWS

ひとこと(Jura) — ナデラCEOが「仕事のための新しいOS」と表現しているのが象徴的で、チャット・コード・常駐エージェントを1つのアプリに並べる形は各社で揃ってきました。個人で使う立場からは、個人向けCodeのプレビュー時期と、どのプランに含まれるかを見ておけば十分だと思います。

3. 「Codex」で約1時間の障害、有料ユーザーの使用制限をリセット

OpenAIのコーディングエージェント「Codex」で、日本時間9月26日の午前8時前から約1時間、障害が発生しました。影響はWeb版・API・CLI・VS Code拡張機能と、Codexの全機能に及び、ChatGPTなど他のOpenAIサービスには影響はなかったとされています。7時58分に障害が公表され、8時19分にはAPIキーでログインすれば利用できると案内、8時54分に全面復旧しました。原因は「内部の問題」とされ、詳細は明かされていません。復旧後、Codexを率いるティボ・ソティオ氏がXで、CodexとChatGPT全体で全有料ユーザーの使用制限をリセットすると発表しました。

出典: ITmedia AI+

ひとこと(Jura) — 障害中に「APIキーでのログインなら使える」という迂回路が案内されたのが興味深いところです。1つのエージェントに作業を寄せている人ほど、止まったときに手元でどこまで続けられるかを一度考えておくと安心ですね。

今日の小ネタ

• Ollamaが v0.40.0のプレリリース(rc0) を9月25日(UTC)に公開。正式版はまだで、現時点の最新安定版は v0.34.4 です
• llama.cppの b11205 で、CUDAのssm scanがNemotron 3 Puzzleの状態サイズ96に対応