株式会社ずんだもん技術室AI放送局

AIやテクノロジーのトレンドを届けるPodcast。平日毎朝6時配信。朝の通勤時間や支度中に情報キャッチアップとして聞いてほしいのだ。

私立ずんだもん女学園放送部 podcast 20260911

2026年09月11日

MP3ファイルをダウンロード

内容紹介

Introducing the Agents API、Build more natural voice experiences with GPT‑Live‑1 in the API、Introducing SWE-2: Pushing the Pareto Frontier、元『DJMAX』スタッフによるプニかわ美少女の音ゲー『PLATiNA :: LAB』正式版Steamでリリース！見た目はポップでもキー音あり本格派―ずんだもんDLCもある

出演者

お嬢様ずんだもん
お嬢様ずんだもん

youtube版(スライド付き)

関連リンク

OpenAIは、自律型クラウドエージェントを構築・運用するための「Agents API」をパブリックベータ版として発表しました。これは同社のCodexやChatGPT for Workを支える強力な制御機構（ハーネス）と実行基盤（インフラ）を、シンプルなAPIを通じて提供するものです。

これまで、実用的なエージェントを作るには、長時間のコンテキスト管理、効率的なツール利用、複数エージェントの連携、安全なコード実行環境の整備など、多くの複雑な課題がありました。Agents APIはこれらの共通基盤をOpenAIが提供・保守するため、エンジニアはエージェント独自の「ツール」「知識」「ワークフロー」の実装に集中できます。

新人エンジニアに向けて、本APIの代表的な特徴を分かりやすく5つに整理します。

  1. シンプルなAPIコールで構築可能 タスク、モデル、ツール、環境を指定し、1回のAPI呼び出しを行うだけで、本番環境で動作するエージェントを即座に作成できます。

  2. 柔軟な実行環境（サンドボックス）の選択 エージェントが安全にファイルを扱い、コードを実行するための「サンドボックス環境」を自由に選べます。OpenAIが管理する環境のほか、自社インフラ（VPC内）や、Vercel、Cloudflare、Daytonaなどの外部パートナーの環境とも簡単に連携できます。

  3. 長時間のセッションを支えるコンテキスト自動管理 エージェントが数時間にわたって動作する際、会話履歴が長くなりコンテキスト制限を超えてしまう問題があります。本APIは、限界に近づくと自動で過去の会話を要約・圧縮（コンパクション）し、重要な情報だけを維持します。開発者が自前で圧縮ロジックを書く必要はありません。

  4. 効率的なツール利用とコスト削減 必要に応じて適切なツール定義をロードする「Tool Search」により、不要なトークン消費を抑えコストを削減します。また、複数のツールを並列実行し、結果をコードでフィルタリングして必要なデータだけをモデルに戻す「プログラマティックツールコール」にも対応しています。

  5. マルチエージェントによる業務の分担（並列化） 複雑なタスクを複数の「サブエージェント」に切り分け、並列で作業させることができます。各サブエージェントは割り当てられた仕事に集中し、メインのエージェントがそれらを統括します。開発者が面倒な連携ロジック（オーケストレーション）を構築する必要はありません。

なお、本APIの核となる制御ロジックはオープンソース（GitHub）として公開されているため、内部の仕組みを学びたいエンジニアにとっても透明性が高い仕様となっています。料金はAPIの追加手数料なしの、使ったトークンとツール分のみの従量課金です。

エージェント開発における最大の難所である「インフラと制御」を丸ごと解決してくれる、新人からベテランまで必見の強力な開発基盤です。

引用元: https://openai.com/index/introducing-the-agents-api

OpenAIは、アプリや業務フロー向けに、自然な会話ができる革新的な音声モデル「GPT-Live-1」のAPI提供を開始しました。本記事では、このモデルの特徴や仕組みを、新人エンジニアの方にも分かりやすく解説します。

1. 従来の音声システムとの決定的な違い

これまで音声対話AIを作る場合、以下の3つの仕組みをつなぎ合わせるのが一般的でした。

  1. STT（音声認識）：ユーザーの声をテキストにする
  2. LLM（言語モデル）：テキストを読み、返答を考える
  3. TTS（音声合成）：返答のテキストを声に変換する

この構成は、各ステップの受け渡しで「遅延（レイテンシ）」が発生し、会話のテンポが不自然になりがちでした。また、ユーザーが途中で話しかける「割り込み」の制御が非常に難しいという課題がありました。

新登場の「GPT-Live-1」は、聞き取りと発話を「単一のモデル」で同時に処理（全二重：Full-Duplex）します。これにより遅延が劇的に減り、人間同士のような自然なキャッチボールが可能になります。

2. 開発者が知っておくべき「5つの強み」

  • スムーズな割り込み対応：AIが話している途中にユーザーが質問を変えても、自然に検知して対応します。従来システムと比べ、割り込みによる会話の破綻を約80%削減しました。
  • 役割の委譲（Delegation）：リアルタイムな音声のやり取りは「GPT-Live-1」が担当し、裏側での深い思考や外部ツールの呼び出し（Tool Calling）は、バックエンドの別モデル（GPT-6 Astraなど）に任せることができます。
  • 話し方のカスタマイズ：システムプロンプトを調整するだけで、AIのトーン、話すスピード、会話のスタイル（丁寧、親しみやすいなど）を自由に変更できます。
  • ノイズや沈黙の処理：街中の雑音を無視したり、ユーザーが考えている最中の「沈黙」を賢く判断したりできるため、騒がしい場所でもスムーズに会話が続けられます。
  • 電話（テレフォニー）サポート：電話回線を通じた双方向の会話にも対応しており、飲食店の予約や顧客対応エージェントの構築に適しています。

3. 柔軟で合理的なシステム設計

開発者は、ユーザーの窓口となるフロントエンドに「GPT-Live-1」を配置し、バックエンドに控えるAIモデルを自由に組み合わせることができます。 例えば、予約の受付や確認といった定型的なタスクには軽量で低コストなモデル（Lunaなど）を繋ぎ、複雑なトラブル対応には高度な思考力を持つモデル（Astraなど）を繋ぐ、といった設計が可能です。これにより、応答スピードと開発コストの最適なバランスを実現できます。

4. 価格と提供状況

GPT-Live-1の音声レイヤーは、1分あたり0.05ドルで提供されます。すでにAPIで利用可能となっており、企業の信頼性の高いAIエージェント構築を支援する「OpenAI Presence」でも活用されています。

これからの音声AI開発は、単に「テキストを音声化する」フェーズから、「リアルタイムに状況を汲み取って対話する」フェーズへと進化します。この新しいアーキテクチャを理解し、ぜひ次世代の音声アプリケーション開発に挑戦してみてください。

引用元: https://openai.com/index/introducing-gpt-live-1-in-the-api

Cognition社は、性能と推論コストのトレードオフ（パレートフロンティア）を極限まで高めた最先端のコーディングAIモデル「SWE-2」を発表しました。SWE-2は、従来のSWE-1.7や競合モデル（Grok 4.6、GPT-6 Astraなど）と比較して、圧倒的な低コストでありながら同等以上の高い実用性を発揮します。FrontierCode 1.1 Mainベンチマークにおいて、Fable 5.1に迫る50.0%のスコアを「64%安いコスト」で達成しました。

ベースには2.8兆（2.8T）パラメータを持つ「Kimi K3」を採用し、高度な強化学習（RL）を施しています。技術的なブレイクスルーは主に以下の4点です。

  1. パレート最適を意識した線形コストペナルティの導入 複数の推論エフォート（思考の深さ）レベルを単一の強化学習プロセスで同時に学習する手法を確立。成功報酬からエフォートに応じた推論コストを差し引く報酬関数 $R = S - \lambda_e C$ を用い、性能を維持したまま無駄な推論コストを削減する最適なバランスをモデルに学習させました。
  2. 「長さ重み付け」による学習の安定化 強化学習における勾配のばらつき（分散）を抑えるため、出力トークン長を基準値の重み付けに利用する革新的なアプローチを採用。追加の計算コストなしで、学習プロセスの劇的な安定化を実現しました。
  3. 投機的デコーディングと低精度演算による効率化 推論を高速化する「投機的デコーディング」において、変化するメインモデルに追従するドラフトモデルをオンラインで動的学習。また、FP8などの低精度演算や量子化意識学習（QAT）を組み込み、省メモリで高速な処理を実現しています。
  4. 検証器（Verifier）の強靭化とデータのスケールアップ 強化学習用の開発環境を従来の3倍に拡張。モデルが意図しない抜け道で課題をクリアする「報酬ハッキング」を防ぐため、AI自身の出力をフィードバックして検証プログラムを反復的に強化する仕組み（フライホイール）を構築しました。

新人エンジニアにとってのSWE-2の魅力と実用性 これまでのコーディングアシスタントにありがちだった「簡単なタスクなのに、ソースコードを無駄に探索しすぎて回答が遅い（Overthink）」という問題が劇的に改善されました。コードベースの中から「本当に修正すべき箇所」を賢く見極める能力が向上した結果、最初のコード修正に着手するまでのステップ数が従来の48ステップから18ステップへと半減以下になっています。

さらに、実装コードが正しく動くか検証する「テストの網羅性」が向上し、バグやデグレを確実に防ぎます。指示されたアプローチが使えない場合に代替手段を自ら探る粘り強さや、人間の仮説を鵜呑みにせず、実際にコードを動かして自己検証する信頼性も備えています。

SWE-2は、すでにAIソフトウェアエンジニア「Devin」のデスクトップアプリやCLI等で利用可能です。開発現場の強力な相棒となる、実用性の高い最新テクノロジーです。

引用元: https://cognition.com/blog/swe-2

韓国のHIGH-END Gamesは、Steam向けリズムゲーム『PLATiNA :: LAB』の正式版（Ver.1.0）をリリースしました。本作は元『DJMAX』のスタッフが手掛ける本格音楽ゲームで、可愛い美少女キャラクターが登場するポップな外見ながら、キー入力時に音が鳴る「キー音」システムを搭載した硬派な作りが特徴です。

正式版では、フルボイスのメインストーリーや100曲以上の楽曲を収録。にじさんじや雀魂といった人気IPとのコラボ曲に加え、期間限定で「ずんだもん」のDLCも配信されています。

開発面では、早期アクセス期に寄せられたユーザーフィードバックを忠実に反映。プレイデータ確認機能やランキングシステムの実装、UI刷新、クライアントの最適化や安定性向上など、徹底的なプロダクト改善が行われています。さらに、本編の恒久的な値下げや早期購入者へのDLC無料配布など、ユーザーに寄り添った運用姿勢も魅力です。

引用元: https://www.gamespark.jp/article/2026/09/10/172069.html

VOICEVOX:ずんだもん