プログラミング 【geek-terminalニュース】エージェント8体で待ち時間短縮？1〜16体比較の最新情報
📝 本日のニュース概要 並列エージェントは何体が得なのか。SwarmChatチームによるProgramBenchの予備実験では、8体が1時間で平均隠しテスト通過率80.9%、単独が6時間で81.2%に達したと報告されています。ただし、総トー...
プログラミング
プログラミング プログラミング 【geek-terminalニュース】AIコード神話に冷水、コード量ではなく“完成ソフトウェア量”を測れ
📝 本日のニュース概要 以前お伝えしたAI生成コード・レビュー工程論の続報です。AIコーディングエージェント導入でコード行数、コミット、PRは増えた一方、IssueやEpicの解決率には同じ伸びが見えなかったという報告を軸に、生成、検証、レ...
プログラミング 【geek-terminalニュース】AIコーディングの主戦場がモデル性能表からハーネス設計へ移り始めた
📝 本日のニュース概要 以前お伝えしたAgentOps設計論の続報です。Claude Code周辺の失敗モード、Plan mode論争、CuaやDynamo、NanoHarness研究を手がかりに、AIコーディングエージェントの勝敗を分ける...
プログラミング 【geek-terminalニュース】NVIDIA SoL-Pi、モデルを変えずにコーディングエージェントのトークン交通量をほぼ半減か
📝 本日のニュース概要 以前お伝えしたStrands HarnessやAgentOps文脈の続報です。NVIDIAのSoL-Piは、AIコーディングエージェント本体ではなくハーネス層を最適化し、トークン消費を最大49%削減したと報じられてい...
プログラミング 【geek-terminalニュース】AIコード検証ループの最新情報
📝 本日のニュース概要 以前お伝えしたAIコードレビューや検証不能な生成物問題の続報です。今回は、AIが書いたコードそのものではなく、“完成しました”を疑うための画素採点、終了フック、セッションログ監査、人間レビューの設計に焦点を当てます。...
プログラミング 【geek-terminalニュース】Real-SWE再燃とSWE-2低コスト評価の最新情報
📝 本日のニュース概要 以前お伝えしたSWE-Bench系評価の続報。非公開の実務コードベースで測るReal-SWEと、Kimi K3をポストトレーニングしたと報じられるSWE-2を軸に、コードAI評価が“デモで動く”から“実務ベンチで安く...
プログラミング 【geek-terminalニュース】Meta Muse Spark 1.3、コーディングAIの本当のコスト指標に踏み込む
📝 本日のニュース概要 以前お伝えしたMeta Muse Sparkの続報です。Muse Spark 1.3をめぐり、コーディングタスクでのツール呼び出し約20%減、トークン使用量約25%減という報道が出ています。単なる正解率ではなく、エー...
プログラミング 【geek-terminalニュース】Codex×Claudeサブエージェント実行の最新情報
📝 本日のニュース概要 単体モデルの性能競争から、CodexとClaudeをどう並列実行し、セッション間で文脈を受け渡すかという開発OS的な論点へ。公式に確認できるサブエージェント仕様と、Reddit/Zennで盛り上がるruntime・s...
プログラミング Vercel vgpu.sh公開か、ブラウザGPUがAIエージェント実行基盤になる最新情報
📝 本日のニュース概要 Vercel発のWebGPUライブラリ「vgpu.sh」を深掘り。ブラウザ、ヘッドレスNode.js、CI、CPUサンドボックスまでをまたぐ“agent-first”なGPU実行基盤という発想が、AIエージェント時代...
プログラミング 【geek-terminalニュース】AIコーディングエージェントの完了判定PR、夜間量産レビュー運用が次のボトルネックに
📝 本日のニュース概要 AIがコードを書く段階から、AIが開いたPRをいつ完了扱いするのか、翌朝どう捌くのかへ論点が移っています。Claude Codeの公式機能、Reddit/HN/lobste.rsの現場反応、CI緑だけでは危ない理由を...