GPT-5.6 のモデル選定で同性能を1/25のコストに、Gemini 3.7 Flash と GLM-5.3 も登場 ほか6件
今日の3行
- GPT-5.6 Luna（Extra High）は $1.33 で BrowseComp 84.04% を達成し、$33.27 かかった GPT-5.5（Extra High）の 84.36% と同等性能を 1/25 のコストで出せます。
- Gemini 3.7 Flash が公開されました。導入価格は 3.6 Flash の半額で、コーディングとエージェント用途が強化されています。
- オープンウェイトの GLM-5.3 がフロンティア級コーディング性能で登場し、モデル選定と自前デプロイの採算が変わります。
1. GLM-5.3 がフロンティア級コーディング性能で登場
要点 オープンウェイトの GLM シリーズに GLM-5.3 が登場しました。フロンティア級のコーディング性能を備え、オープンウェイトの最前線を塗り替えます。
なぜ重要か オープンウェイトでフロンティア級のコーディング性能が使える選択肢が増え、モデル選定と自前デプロイの採算が変わります。
実践で使える点 モデル選定の比較対象に GLM-5.3 を加える価値があります。自前デプロイでフロンティア級の性能が使えるなら、API 依存のコスト構造を見直す検討材料になります。
原典 GLM-5.3: Frontier Coding with Emergent Cyber Capabilities
2. Gemini 3.7 Flash 公開、3.6 Flash の半額の導入価格でコーディングとエージェント用途を強化
要点 Gemini 3.7 Flash が公開されました。コーディングとエージェント向けの最もインテリジェントな workhorse モデルで、3.6 Flash の公開からわずか3週間後のリリースです。ソフトウェアエンジニアリング、知識業務、ウェブ開発のワークフローで大幅な改善を実現し、導入価格は 3.6 Flash の元価格の半額です。デバッグや課題解決などのコーディングタスクで 3.6 Flash を上回り、FrontierCode 1.1 Main で 43.6%（3.6 Flash は 34.4%）、DeepSWE v1.1 で 65.3%（同 49.0%）、WebDev Arena の Elo スコアは 1588（同 1538）を記録しています。GDP.pdf では 34.0%（同 22.0%）、AutomationBench では 30.4%（同 17.0%）と、知識集約的な分野でも向上しています。
なぜ重要か Google の主力 workhorse モデルが値下げ付きで刷新され、API のコスト見積もりを即座に見直す必要があります。
実践で使える点 コーディングとエージェント用途のコスト見積もりを再計算する材料です。今年末までの導入価格は入力 $0.75/1M トークン・出力 $3.75/1M トークンで、3.6 Flash からの乗り換えを検討する価値があります。また Gemini Spark（Google AI Pro および Ultra 向け、160以上の国で利用可能）が本日から 3.7 Flash ベースになることも、継続利用中のサービスに影響します。
3. DeepSeek Harness が公開、「Everything is a Plugin」設計の新コーディングエージェント基盤
要点 DeepSeek Harness が公開されました。「Everything is a Plugin.」を設計思想とする新コーディングエージェント基盤です。
なぜ重要か 78k スターを集めた注目の OSS で、エージェント基盤の選択肢が増え、拡張可能な自前ツールチェーンを組めるようになります。
実践で使える点 エージェント基盤の選択肢が広がり、プラグインで拡張できる自前のツールチェーンを構築する検討材料になります。
原典 deepseek-ai/deepseek-harness
4. GPT-5.6 のビルダー向けガイド公開、モデル選択と reasoning effort でコストを大幅削減
要点 OpenAI が GPT-5.6 のビルダー向けガイドを公開しました。モデルファミリーはフロンティア級のエージェント性能を大幅に手頃な価格で提供し、モデル選択と reasoning effort の調整でコストを削減できるとしています。BrowseComp では、3ヶ月前に GPT-5.5（Extra High）が $33.27 で 84.36% を記録したのに対し、GPT-5.6 Luna（Extra High）は $1.33 で 84.04% とほぼ同等の性能を達成しています。Agents’ Last Exam では、GPT-5.6 Sol の「low」reasoning が GPT-5.5 の「high」reasoning を上回りました。また、Responses API の新機能として、reasoning の永続化（retained reasoning）、ネイティブな compaction、マルチエージェントオーケストレーション、プログラム的ツール呼び出し（JavaScript でツールをオーケストレーション）を導入。ARC-AGI-3 では GPT-5.6 Sol が標準ハーネスで 13.3% だったスコアが、retained reasoning と compaction の有効化で 38.3% に向上し、出力トークンは約 6 分の 1 になりました。プロンプトキャッシュの TTL も全ファミリーで最低 30 分に延長されています。
なぜ重要か 同じ性能を 1/25 以下のコストで出せるモデル選定の具体例があり、API コストが命題の個人開発者に直接効きます。
実践で使える点 smaller model への切り替え、reasoning effort の調整、Retained Reasoning や programmatic tool calling の活用といった構成を自前ワークフローに取り入れることで、エージェント構築の経済性を改善する検討材料になります。
原典 The builder’s guide to GPT‑5.6
5. Claude Code v2.1.232、subagent フォークのデフォルト化と @ によるセッション間連携を追加
要点
Claude Code v2.1.232 がリリースされました。subagent フォークがデフォルトで有効になり、subagent_type: "fork" のサブエージェントは完全な会話とプロンプトキャッシュを引き継ぎます。また、インタラクティブセッションでのチームメイト以外のエージェント生成は、デフォルトでバックグラウンド実行になりました。プロンプトで @ を入力して別の Claude セッションを名前でメンションすると、Claude は SendMessage でそのセッションに直接到達します。SendMessage は、ライブ中のセッションと完全に一致する素の名前への配信になり、ref による確認を求めなくなりました。1台のマシン上のインタラクティブセッションは一意の名前を保持するようになりました。
なぜ重要か サブエージェントの並列実行とセッション連携が使いやすくなり、日常のエージェント運用が効率化します。
実践で使える点 サブエージェントの並列実行とセッション間の連携が日常のエージェント運用で使える選択肢になり、ワークフロー効率化の検討材料になります。
原典 v2.1.232
6. 技術書 PDF を Claude Code のスキル化する OSS book-to-skill
要点 技術書の PDF を Claude Code のスキルに変換できる OSS book-to-skill が公開されました。仕事をしながら、その場で勉強・参照・活用できる状態にします。
なぜ重要か 勉強したい技術書をその場で参照・活用できるスキルに変換でき、学習と開発を直結させる新しい手法が手に入ります。
実践で使える点 技術書をスキル化して作業中に参照できるため、学習と開発を直結させるワークフローを試す検討材料になります。