【速報】Anthropic、Claude Haiku 5.5をリリース！ ・Haiku 4.5より平均約75%低いコストで実行 ・処理にかける労力を調整可能 ・安全性が向上、不適切な挙動が大幅に減少 本日より、AWS、Google Cloud、Microsoft Azureを含む全プラットフォームで提供開始！

🖥 たった9Bのオープンモデルが、ターミナル操作ベンチでClaude Haiku 4.5に迫る。しかもデータもモデルもコードも全公開です。 タイトル：Tmax: A simple recipe for terminal agents URL： ターミナルエージェントのRL学習に、シンプルで再現可能なレシピを与えたAi2/UWの研究です。注目ポイントを3つに絞って紹介します。 🧩 構成的なデータ生成パイプライン ドメイン・スキル・検証器・ペルソナ・難易度など9つの軸の組み合わせでタスクを大量合成し、Gemini-3-ProがDockerfileとユニットテストまで生成します。高コストな品質検証は省き、RL側でpass率0を弾くだけ。結果として従来比2.5倍超・14,600環境のTmax-15Kを安価に構築し、汚染ゼロかつ最も難しいデータになりました。 ⚙️ シンプルなoutcome-only RLレシピ 報酬は「タスク達成したか」だけ。素朴なGRPOは長期エージェントで崩壊するため、logprobの乖離をマスクするDPPO、FP32のLMヘッド、大きなグループサイズ（32）で安定化します。Qwen 3.5 9BをこのレシピでTerminal-Bench 2.0で27%まで引き上げました。 📈 強さと汎化、そして全公開 2B〜27Bの全サイズでQwenベースラインを改善。さらにSWE-Bench Verifiedが44→53.5、AIMEが73→91と非ターミナル評価でも向上し、ハーネスやモデルファミリを越えて汎化します。データ・モデル・コードはGitHubで完全公開。 オープンなターミナルエージェント研究の強力な土台になりそうです。 #ターミナルエージェント# #強化学習#

お知らせです！！ 『ペーパーハウス』の製作陣が贈るNetflixドラマ『ビリオネアズ・シェルター』 が先程190以上の国で公開されました！ Haikuという役で出演しております。 夢に見た海外ドラマ。撮影期間は全てが圧倒的でした。 ぜひ！ぜひ！！ご覧ください！！！ #ElRefugioAtómico#

TL;DR 実際の顧客対応エンジニアが経験する「曖昧な要求」「隠れた制約」「的外れな依頼」を再現したベンチマークFDE-Gymが登場しました。最強モデルでも95タスク中15%しか解決できず、弱いモデルは何もしないより悪い結果を出すことが分かりました。 タイトル: FDE-Gym: The Last Mile of AI Delivery URL: ポイント 🎯 18業界・20シナリオ・95タスクを、要求の明確さを4段階(ルール提示済み〜的外れな依頼)に分けて評価します 📉 最高性能のClaude Opus 5.5でもスコアは0.56、「解決」とみなせるタスクは95件中14件(15%)のみです 🧩 最大のボトルネックは「隠れた制約の発見」。ルールを与えられれば0.82取れるのに、自分で探させると0.28も急落します ⚠️ 弱いモデル(Claude Haiku 4.5など)は95タスク中79件でベースライン(何もしない)より悪い結果になりました 💸 顧客への質問には「接触コスト」がかかる設計で、質問しすぎるエージェントはスコアを0.14〜0.22失います 📊 他のベンチマーク(Terminal-Bench等)で88〜90%の成功率を出すモデルでも、FDE-Gymでは0.19〜0.56に沈みます コストや会話量と最終スコアに相関がないという結果は、「頑張って動く」ことと「顧客の数字を実際に改善する」ことの間に大きな断絶があることを物語っていると思います。 #AIエージェント# #ベンチマーク#

# Claude Agent SDKの便利だけど知られていない機能 🌍 複雑なタスクの進捗、見失っていませんか？構造化タスクトラッキングで可視化できます！ Claude Agent SDKには、エージェント実行中のタスク管理と進捗表示を行う組み込み機能があります。 📌 タイトル：構造化タスク(Todo)トラッキング 🔗 URL： 🧩 概要 `TaskCreate`、`TaskUpdate`、`TaskGet`、`TaskList` の4つのツールを使って、エージェント実行中の構造化タスク管理が可能です。これらのタスクトラッキングツールは Claude 3.x 系、Opus 4〜4.7、Sonnet 4〜4.6、Haiku 4.5 でのみデフォルトで提供され（Claude Code v2.1.268 以降、TypeScript SDK は v0.3.268 以降がこの既定を同梱）、それ以外のモデルではオプトインが必要です。エージェントは複数ステップの作業を自動的にタスクとして登録し、`pending` → `in_progress` → `completed` のライフサイクルで進捗を管理します。従来の `TodoWrite` は全リストを毎回上書きしていましたが、新しい Task ツールでは個別のタスク単位で作成・更新できるため、より細かい進捗追跡が実現できます。 🛠 使い方 ```python # Python - TaskCreate/TaskUpdate のストリームを監視 from claude_agent_sdk import query, ClaudeAgentOptions, AssistantMessage, ToolUseBlock async for message in query( prompt="React アプリのパフォーマンスを最適化してください", # 既定で Task ツールが提供されないモデルでも有効化する options=ClaudeAgentOptions(env={"CLAUDE_CODE_ENABLE_TODO_TOOLS": "1"}), ): if not isinstance(message, AssistantMessage): continue for block in message.content: if not isinstance(block, ToolUseBlock): continue if == "TaskCreate": print(f"+ {block.input['subject']}") elif == "TaskUpdate" and block.input.get("status"): # ストリーム上のキー名は修復前の生の形（id / task_id の場合がある） task_id = ( block.input.get("taskId") or block.input.get("id") or block.input.get("task_id") ) print(f" {task_id} -> {block.input['status']}") ``` ```typescript // TypeScript - タスクの作成と更新をリアルタイム表示 import { query } from "@anthropic-ai/claude-agent-sdk"; for await (const message of query({ prompt: "Optimize my React app performance", // 既定で Task ツールが提供されないモデルでも有効化する options: { env: { ...process.env, CLAUDE_CODE_ENABLE_TODO_TOOLS: "1" } }, })) { if (message.type !== "assistant") continue; for (const block of message.message.content) { if (block.type !== "tool_use") continue; if ( === "TaskCreate") { console.log(`+ ${block.input.subject}`); } else if ( === "TaskUpdate") { // ストリーム上のキー名は修復前の生の形（id / task_id の場合がある） const taskId = block.input.taskId ?? ?? block.input.task_id; if (taskId && block.input.status) console.log(` ${taskId} -> ${block.input.status}`); } } } ``` 🏗 本番システムへの組み込み方 ・タスクの進捗をUIのプログレスバーやチェックリストに反映して、ユーザーに作業状況を可視化します ・`TaskCreate` の結果から `taskId` を取得し、マップで管理することで完全なタスク一覧を構築できます ・`TaskList` のツール結果を監視してスナップショットを取得し、ダッシュボードに表示します ・3ステップ以上の複雑なタスクで自動的にタスクが作成されるため、長時間実行の監視に活用できます 💡 ユースケース 📋 大規模リファクタリングの進捗をリアルタイムでチームに共有する 🔄 CI/CDパイプラインでエージェントの各ステップの完了状況を追跡する 📊 マルチステップのコード分析で、どの分析が完了したかをダッシュボードに表示する ⚠️ 注意点 ・`TaskCreate` の入力には `taskId` は含まれません。対応する `tool_result` ブロックから `{ task: { id, subject } }` として取得する必要があります ・既定でツールが提供されないモデルでは、`allowed_tools` にツール名を挙げる、`tools` オプションに列挙する、`env` で `CLAUDE_CODE_ENABLE_TODO_TOOLS=1` を設定する、のいずれかでオプトインが必要です（オプトインしないと該当の `tool_use` ブロックはストリームに現れません）。逆に `CLAUDE_CODE_ENABLE_TASKS=0` を設定すると、4つの Task ツールの代わりに旧 `TodoWrite` が提供されます ・`status` を `"deleted"` に設定するとタスクを削除できます ✨ 複数ステップの作業を「何をやっているか分からない」状態で待つのはストレスフルです。タスクトラッキングを活用して、エージェントの作業をガラス張りにしましょう！ #ClaudeAgentSDK# #AIAgent#

# Claude Agent SDKの便利で実践的な使い方 💰 エージェントのコストをステップ単位・モデル別に追跡し、予算を最適化しましょう。 コストと使用状況の追跡は、`total_cost_usd` や `modelUsage` でエージェント実行のトークン消費とコストをリアルタイムに把握する機能です。 📌 タイトル：コストと使用状況の追跡 🔗 URL： 🧩 概要 ` で呼び出しごとの累積推定コストを取得し、`modelUsage` でモデル別のトークン内訳を確認できます。プロンプトキャッシュの最適化で大幅なコスト削減も可能です。 🛠 使い方 `ResultMessage` の `total_cost_usd` フィールドを読み取ります。`AssistantMessage` の `id` でデデュプリケーションしてステップ単位の正確な集計が可能です。 🏗 実践的な使い方 ・`total_cost_usd` で `query()` 呼び出しごとのコストを監視し、閾値を超えたらアラートを発行します。 ・`modelUsage` でサブエージェント用 Haiku とメイン用 Opus のコストを分解し、どこにコストがかかっているか可視化します。 ・`ENABLE_PROMPT_CACHING_1H=1` で TTL を 5 分→1 時間に延長し、短いセッションを多数回す場合のキャッシュ切れを防止します。 ・複数 `query()` の `total_cost_usd` をアプリ側で累積し、セッション横断のコスト管理を実現します。 💡 ユースケース 📊 ステップ単位のコスト可視化ダッシュボード 🔔 予算超過アラートの自動発行 ⚡ プロンプトキャッシュによるコスト最適化 ⚠️ 注意点 `total_cost_usd` は概算推定値です。権限ある請求管理には Usage and Cost API / Console を使用してください。SDK はセッション合計を提供しないため、アプリ側で累積する必要があります。 #ClaudeAgentSDK# #AI#