対象期間：2026年10月11日〜18日（日本時間、18日朝までに確認）

今週のAIでは、開発作業を最後まで進める力と、その結果を検証する仕組みに動きがありました。新モデルの発表に加え、複数モデルの協調や脆弱性修正が実際の開発環境へ入っています。前回紹介した9月のモデル発表とは別に、今週確認できた変化を整理します。

DeepSeekの更新は、作業時間と費用にも注目

DeepSeekは10月17日、「DeepSeek-V4.1-Flash-1017」を公開し、公式Web、アプリ、APIを更新しました。APIでは従来どおりdeepseek-flashを指定し、呼び出し方法と料金は据え置きです。

同社はベンチマーク改善とともに、作業時間と出力の長さを減らしたと説明しています。例えばDeepSWE v1.1の公表値は77.0ですが、これはMini-SWE-V2という実行環境での評価です。（利用するツールや設定が違えば結果も変わるため、一般業務の成功率をそのまま表す数値ではありません。）

実務では、回答の賢さに加え、修正の往復を含めた完了時間と総費用を見ることが重要になりそうです。

複数のAIで作成とレビューを分担

GitHubは10月14日、複数モデルを組み合わせる「HydraFusion」を更新し、「HydraFusion Max」を追加しました。通常版では、初稿に中程度、レビューに高い推論強度を使うなど、工程ごとの配分を調整します。レビュー役が実際の作業領域をツールで調べ、複数のモデルが並行して点検する仕組みも強化されました。

VS Code、Copilotアプリ、CLIで利用する研究プレビューで、対象はPro、Pro+、Business、Enterprise。プレビュー機能の有効化や組織の設定が条件です。Maxは難しい仕事で深い検討を重視する選択肢ですが、選ぶ際には品質と消費量を一緒に確認したいところです。

脆弱性を見つけ、修正を検証する工程へ

10月15日には、GitHubの「AI Scan」が一般提供になりました。PHPやShell、Dockerfileなど、既存のCodeQLで十分にカバーしていない領域の変更を点検し、危険性の説明や修正案を示します。公開リポジトリなどが対象で、非公開の組織リポジトリには対応するセキュリティ契約が必要です。Copilotライセンスは不要ですが、Code Security AI Creditsを消費します。

（検出結果は助言扱いで、これだけでマージを止める仕組みではありません。）チェックの対象と、人が確認する範囲を決めておく必要があります。

同日に一般提供となった「Agentic autofix」は、関連ファイルを調べて修正し、CodeQLを再実行してからレビュー用の下書きプルリクエストを作ります。対象はGitHub Enterprise Cloudの対応するセキュリティ契約で、管理者の有効化とCopilot課金方法の設定が必要です。AI Creditsに加えてGitHub Actionsの実行時間も消費します。

導入判断は「完了まで」で見る

これらの動きからは、生成したものを点検し、修正まで回す工程への広がりが読み取れます。導入時の比較には、同じ課題を使い、完成までの時間、手直しの量、総費用を記録する方法が役立ちます。コードを書けたことと、テストやレビューを通って運用できることを分けて評価するわけです。

小さな範囲で試し、検証できた工程から任せる。その積み重ねが、今週の進展を実際の負担軽減につなげる使い方だと考えられます。

公式出典

• DeepSeek公式更新履歴（10月17日）
• GitHub：HydraFusionの更新（10月14日）
• GitHub：AI Scan一般提供（10月15日）
• GitHub：Agentic autofix一般提供（10月15日）

AIの新モデルが次々に登場すると、名前と性能比較だけで情報を追いきれなくなります。そこで今回は、2026年10月17日までに確認できた公式発表から、日々の開発や仕事に関わる変化を整理します。注目したいのは、複数の作業を続けて進める力、利用コスト、そして扱える情報の広がりです。

考えて、道具を使って、作業を進める

9月29日に発表されたOpenAIのGPT-6.1 Solは、コードの修正やコンピューター操作、複数段階の業務処理を強化したモデルです。OpenAIは、いくつかの評価で上位モデルのAstraに近い成績を、より低い費用で達成したと報告しています。OpenAI公式発表

こうした進歩が意味するのは、依頼できる作業の単位が広がることです。開発なら、既存コードを調べ、変更し、テスト結果を見て修正する、といった一連の工程が対象になります。実際に使う際は、最初に目的と変更範囲、完了条件を渡すことが重要になりそうです。

性能と同じくらい、待ち時間と費用が効く

Anthropicが9月28日に発表したClaude Sonnet 5.5も、日常的な開発作業の効率を重視しています。同社によると、前世代より出力が30％以上速く、テストではタスク当たりの費用が最大30％低下しました。通常の入出力トークン単価は同じでも、必要なトークンが減ることで費用を抑えられるという説明です。Anthropic公式発表

ここで大事なのは、APIの単価と、仕事を一つ終えるまでの総額を分けることです。何度もやり直すモデルでは、安い単価でも時間と費用がかさみます。導入時には同じ課題を試し、成功率、所要時間、人が直した量まで比較すると、実用上の違いが見えやすくなります。

画像や動画も、仕事の材料になる

9月30日に発表されたGoogleのGemini 4 Argonでは、長い工程での推論に加え、グラフや長時間の動画を理解する能力が紹介されました。Googleは社内でのコード移行や最適化への活用も報告しています。ただし、発表時点の提供は信頼された一部の利用者向けで、一般提供とは区別して読む必要があります。Google公式発表

文章だけでは説明しにくい不具合や資料を、そのまま入力できる価値は大きいでしょう。一方、画面の小さな文字やグラフの単位を読み違えると、結論も変わります。入力の種類が増えるほど、出力と原資料を照合する手順も重要になります。

端末内で動くAIも進化している

クラウド側の大型モデルと並行して、手元の端末で動くモデルも進んでいます。Appleが6月に紹介した第3世代の基盤モデルには、端末内で動くAFM 3 CoreとCore Advancedが含まれます。後者は音声などを扱うマルチモーダルモデルで、要求に応じて一部のパラメーターを動かす設計です。Apple公式技術解説

この流れは、処理をどこで実行するかという設計にも関わります。すべての機能が端末内で完結するわけではなく、Appleもクラウド側のモデルを併用しています。対応機種や言語、データの処理先まで確認することが必要です。

小さく試し、結果で判断する

各社の評価は有用ですが、条件の異なる数値を並べるだけでは、自分の仕事に合うかは分かりません。まずはテスト追加や資料整理など、結果を確かめやすい作業から試すのが現実的です。実行権限を絞り、変更履歴を残し、人が確認する地点を決める。AIに任せられる工程が増える今こそ、この基本が使いこなしを左右します。