コーディングAI

従来のコードエージェント評価は単一リポジトリに集中していました。WideSWEは、実際のソフトウェアエコシステムから集めた120件の課題を使い、複数リポジトリにまたがる変更を完遂できるかを調べます。

Alibabaが、Goで開発したAIコードレビューCLI「OpenCodeReview」をオープンソース化した。ファイル選択やルール照合を決定的な処理に任せ、コード分析にLLMエージェントを使う構成が特徴だ。

異質なソフトウェア工学タスクを一つの強化学習プールで訓練すると、カテゴリごとの改善に偏りや退行が生じることがあります。本研究は、RREでカテゴリ別専門家を育て、ラベル付きの多教師オンポリシー蒸留で一つのモデルへ統合します。

Xiaomi MiMoチームのCodeMidasは、既存のソースコードだけを入力として、機能の探索、実行可能なテストの作成、強化学習タスクの検証までを自動化する。実験では、修正、プログラム構築、ターミナル操作に関する複数のベンチマークで性能向上が報告された。

コーディングエージェントのHarnessを計画、アクション空間、コンテキスト管理に分解して比較した実証研究が示された。最適な構成は、モデルの能力、タスクの性質、コンテキスト予算によって変わる。

Bendは、AIエージェントにコードを書かせるだけでなく、定義されたルールを満たすことまで証明させようとする新しい言語です。Python風の構文、ネイティブコンパイル、CPUとGPU向けの並列ランタイムを組み合わせています。

私有ベンチマークによると、モデルを同じにした場合、ベンダー純正のharnessが一貫して優位とは言えない。タスクの種類、タイムアウトの扱い、利用量データの欠落が評価結果を大きく左右した。

月の暗面はKimi K2.8 PreviewをKimi CodeとKimi Workに全面展開した。K3に近い総合性能をうたいながら、全会員層に100万トークンのコンテキストを提供する点が最大の変更だ。

Cognitionが新しいコーディングモデルSWE-2を発表した。最高スコアだけでなく、推論の強度ごとの処理コストまで強化学習で最適化する点が特徴だ。

Devinを開発するCognitionが、評価額480億ドルで20億ドルを調達した。CursorのSpaceX売却前を上回る売上倍率は、AIコーディング市場に複数の有力企業が残るとの投資家の見方を示している。

コード修正モデルは、テストに通る場合でも必要以上に広い範囲を書き換えることがある。新たな研究は、保全を求める指示と強化学習が編集の忠実度を高める可能性を示した。

大規模な実験から、コーディングエージェントは同じ課題でも必ずしも同じ外部サービスを選ばないことが分かった。リポジトリの言語や文脈、ベンダー情報の見せ方が判断を左右する。

競技プログラミング向けに、問題の選別、合成推論トレース、追加学習、推論時の反復改善を組み合わせた専門化パイプラインが提案された。IOI 2026の評価では、システムが600点中535.4点を記録したと報告されている。

PaperCompiler は、論文から生成したコードで起こりやすいアルゴリズムの簡略化やファイル間の不整合に取り組む。実装に関係する証拠を出典付きのリポジトリ全体の仕様へ変換してから、コード生成を進める点が特徴だ。

Harness-of-Harness（HoH）は、新しいコード生成モデルではなく、既存のコーディングエージェント用ハーネスを長期開発向けに組み替えるフレームワークです。計画、実装、テスト、独立評価を繰り返し、ソフトウェアを段階的に改善します。

1つの設定ファイル形式をめぐる問題が、大規模開発組織におけるツール統制の課題へと広がっている。ShopifyのCEOが社内でのClaude Code禁止を検討すると表明し、Anthropicの回答も不満を収められなかった。

LinkedInは既製のAIレビューツールをそのまま導入するのではなく、複数のレビューエージェントと組織固有のルールを組み合わせた基盤を構築した。狙いはコメント数の最大化ではなく、幻覚や低価値な指摘を抑え、開発者に採用されるレビューを増やすことにある。

Uncle Bobは、実装をAIエージェントに任せ、人間は自動化された品質管理とアーキテクチャ判断に集中する開発方法を試している。レビュー負担は減らせるが、システム構造や業務コンテキストの判断まで置き換えることはできない。

LEGO-RLは、実際のコーディングエージェントが使うHarnessを大きく改変せず、方策勾配による強化学習へ接続する枠組みです。Qwen3.5-35B-A3Bを3種類のHarnessで学習し、SWE-bench Verifiedのスコアを向上させました。

OracleはOpenJDKへの貢献において、AIが生成したコードの提出を禁止した。一方で、LLMを個人的にデバッグやレビュー補助に使うことは認めている。

Prime Intellect は、プログラミング向け Agent Harness である Prime Agent をオープンソース公開した。Opus 5 と組み合わせた結果、ARC-AGI 3 で 95.5% RHAE Best@1 に到達し、ARC が示す人間専門家ベースラインをわずかに上回ったとされる。