今日のピックアップ｜2026.09.04
収集した記事の中から取り上げた、今日のピックアップです。
⬛️ コーディング AI が裏で選ぶデータベース、実は「あなた」ではなく「リポジトリ」が決めていた
Armature のブログで、Claude Code・Codex・Cursor という 3 つのコーディングエージェントが、実際の開発現場でどのソフトウェアを選ぶのかを大規模に検証した調査結果が公開されていました。
同じ JavaScript のコードベースで「ホスティングされたデータベースが欲しい」と頼むと、111 回全てで Neon が選ばれた一方、TypeScript のコードベースでは 132 回中 48 回にとどまり、残りは他の 3 サービスに分散したとのことです。
つまり選択を決めていたのは「頼んだ人」ではなく「ファイルの拡張子」だったという結果でした。
さらに興味深いのは、Claude Code は自社の Anthropic 製 SDK を採用する傾向が強く、Codex は OpenAI 製を選びやすいという「自社びいき」の傾向も、5,292 回のセッション分析から明らかになったそうです。
Claude Code には「Building LLM-Powered Applications with Claude」という公式スキルが同梱されており、これが読み込まれた 176 回のうち 31 回で Anthropic 製品が選ばれた一方、読み込まれなかった 61 回では 2 回にとどまったという、原因まで特定されていた点も驚きでした。
普段何気なく AI にお願いしている裏側で、どのライブラリやサービスを使うかは、リポジトリの中身や AI の「出身」によってかなり左右されているんですね。
ビジネスとして AI に選ばれる側に回りたい企業にとっては、これから重要な指標になりそうな調査だと思いました。
⬛️ OpenAI の新モデル「GPT-6 Astra」、未知のゲームを解く効率で人間を上回る
OpenAI's GPT-6 Astra on ARC-AGI-3
ARC Prize のブログで、OpenAI の新モデル「GPT-6 Astra」が、未知の環境を探索しながらルールを推測して攻略する能力を測るベンチマーク「ARC-AGI-3」で最高性能を記録したと発表されていました。
標準的な評価環境では 62.7% のスコアを 2 万 6,000 ドルで達成し、OpenAI 独自の機能を使える環境では 99.9% のスコアを 1 万 9,000 ドルで記録したとのことです。
さらに注目すべきは行動効率で、Astra はテストした人間の中央値よりも少ない手数でクリアしたレベルが全体の 96% にのぼり、平均で 51.7% も少ない手数で解けていたそうです。
攻略の過程では、Astra が独自に記号的な省略記法を編み出し、ゲームの仕組みをコンパクトなルールとして書き留めながら状態を管理していたことも紹介されており、迷路のようなゲームでは専用の探索プログラムや戦闘用のロジックを自分で組み上げる様子も観測されていました。
「AI が初めて見るゲームのルールを、人間より少ない試行回数で理解して攻略する」という結果を見ると、これまで漠然と感じていた「AI はまだ人間の直感には敵わない」という前提が、崩れることもあるのかもしれないなと感じました。
