Anthropic

LLM API を日本語で使っていると、英語ユーザーと比べて知らないうちに多くのコストを支払っている。この「言語税」とも言える現象を、6社・9言語の比較データで整理した投稿が話題になった。 「言語税」とは何か 日本語ユーザーは無自覚に「言語税」を払い続けている。同じ処理内容であっても、日本語で問い合わせる分だけ余計にトークンを消費し、API コストが積み上がる構造だ。 特に以下のような用途では影響が大きい。 大量のテキスト処理: 文書要約、翻訳、レビューなどを日本語で大量に行う場合 チャットボット・カスタマーサポート: 日本語ユーザーとの会話が続くアプリケーション RAG（Retrieval-Augmented Generation）: 日本語ドキュメントをコンテキストに含める場合 日本語は英語の約 1.48 倍のトークンを消費する 同じ内容を日本語で LLM に投げると、英語に比べて平均 1.48 倍 のトークンを消費するという計算がある。これは 6 社の LLM プロバイダーの平均値だ。 日本語はトークン効率が低くなる理由はトークナイザーの設計にある。英語は複数の文字が 1 トークンに対応するケースが多いが、日本語はひらがな・カタカナ・漢字が混在しており、1 文字が 1 トークンに対応するケースが多い。そのため同じ情報量でも消費トークン数が増えやすい。 プロバイダー別の日本語トークン比率 プロバイダーによって日本語処理のトークン効率には大きな差がある。 プロバイダー 日本語トークン比率（英語比） Anthropic（Claude） 1.94x Gemini 3.1 1.14x 平均（6社） 1.48x ※ 全6社の内訳は元ツイートのスレッドを参照。 Anthropic の Claude は日本語で英語の約 2 倍のトークンを消費する一方、Gemini 3.1 はほぼ英語並みのトークン効率を実現している。Claude（1.94x）と Gemini（1.14x）を比べると 1.94 ÷ 1.14 ≈ 1.7 倍 の差があり、モデル選びだけでコストが最大 1.7 倍変わるという計算になる。 コスト削減のアプローチ この「言語税」を意識した場合、以下のアプローチが有効だ。 1. プロバイダーの使い分け 日本語処理が多い用途では Gemini 3.1 など日本語トークン効率の高いモデルを選択する。Anthropic の Claude は能力が高い一方、日本語コストが割高になるため、用途に応じた使い分けが重要だ。 ...

「AIが奪うのは単純労働から」—— その通説を、Anthropic自身のデータが覆した。 Anthropicが2026年3月に発表した研究レポート「Labor market impacts of AI: A new measure and early evidence」によると、AIの影響を最も受けているのは平均より47%も所得が高い高学歴ホワイトカラーであることが明らかになった。単純労働者ではなく、プログラマーや弁護士、金融アナリストといった「知的労働の担い手」が最前線に立たされている。 レポートの概要 Anthropicは自社の大規模言語モデルClaudeの実際の企業利用データをもとに、「実測AIエクスポージャー（Observed Exposure）」という新しい指標を導入した。これは「AIが理論上できること」ではなく、「AIが実際に職場で使われている割合」を測定するもので、現実の自動化状況を正確に把握できる点が画期的だ。 分析の結果、AIの影響を最も受けているのは単純労働者ではなく、大学院卒などの高学歴専門職であることが示された。 知能の「代替」— 高所得職種ほどAIに侵食される レポートによると、AI露出度が最も高いグループの特徴は以下の通り: 平均より47%高い所得を持つ 低露出グループに比べて約4倍の割合で大学院卒（17.4% vs 4.5%） 女性比率が低露出グループより16ポイント高い 職種別のAI実測露出率で特に高かったのは: 職種 実測AIエクスポージャー コンピュータープログラマー 74.5% カスタマーサービス担当 70.1% これらはこれまで「高度な知的労働」として専門性が求められてきた領域だ。AIによって参入障壁が下がり、人間にしかできないとされていた業務が代替されつつある。 キャリアの「断絶」— 若手育成インフラの崩壊 今回のレポートで最も懸念されるのは、AIへの露出度が高い職種において、22〜25歳の若年層の採用が2022年以降で約14%低下していることだ。 この数字が示すのは単なる雇用減少ではない。ジュニア層が経験を積むための「基礎的な業務」がシステムから完全に排除されることで、次世代の専門家が育つインフラが構造的に崩壊しつつある。 かつて新卒が担っていたコードの初稿作成、顧客対応の一次窓口、データ整理といった業務は、今やAIが担う領域になってきた。その結果として、若年層が「最初の仕事」を得る機会そのものが失われている。 重要なのは、同レポートが「2022年後半以降、高露出職種で失業が系統的に増加した証拠はない」としている点だ。これはむしろ**「採用の停止」という形での静かな構造変化**を示しており、既存の就業者には見えにくい形で進行している。 階級の「強制的分断」— 新しい格差の形 AIによる格差は、従来の「スキルの高低」という軸では測れない新しい次元へと移行しつつある。 これからの格差を決めるのは: 自分の業務プロセスにAIを統合して最適化できるかどうか AIシステムへのアクセス権（ライセンス、組織のAI投資） AIを使いこなすためのリテラシーと権限 つまり、**個人の能力より「どの組織にいるか」「どのシステムにアクセスできるか」**が価値を決定するという、全く新しい分断が静かに進行している。 高スキル・高所得層こそがAI代替のリスクに最もさらされながら、同時にAIを活用できれば最も生産性が向上する層でもある。この矛盾が、新たな格差の構造を生み出す原動力になっている。 まとめ Anthropicの今回の研究は、「AI vs 人間」という単純な対立図式ではなく、雇用・教育・所得の三つの軸にまたがる構造的変容を浮き彫りにした。 特に若年層の採用減少は、単なる景気変動とは異なる「不可逆的な構造変化」の始まりである可能性が高い。一方で、レポートは「まだ大規模な失業は起きていない」とも指摘しており、この移行期にどう適応するかを考える時間はまだ残されている。 AI時代において求められるのは、AIに「代替される」か「使う側に回る」かという二項対立的な選択ではなく、自分の業務プロセスにAIをどう統合するかという実践的な問いに向き合う姿勢だろう。 参考リンク: Labor market impacts of AI: A new measure and early evidence — Anthropic Fortune: Anthropic just mapped out which jobs AI could potentially replace Anthropic Economic Index

「Claude Code から Microsoft Teams にビルド結果を投稿したい」「OneDrive のファイルを Claude に読ませて要約させたい」──こうしたニーズは、AI 駆動の開発フローで日常的に発生します。本記事では、初心者でも今日から使える 3 つの方法を、難易度順にセットアップから操作まで解説します。 ...

2026年4月時点で GitHub スター 16万超を記録した Claude Code 向けプラグイン「Everything Claude Code（ECC）」。開発者は 2025年9月の Anthropic × Forum Ventures ハッカソンで優勝した Affaan Mustafa で、現在はコントリビューター170人以上を擁するオープンソースプロジェクトに成長しています。 本記事では、ECC の全体像を俯瞰しつつ、特に注目の instinct（直感）システム — Claude がセッションをまたいで自動的にパターンを学習する仕組み — に焦点を当てて解説します。 ECC とは Everything Claude Code は、Claude Code を「チャットツール」から「エージェントオーケストレーション基盤」に変える全部入りプラグインです。 48個の専門エージェント — planner や code-reviewer が必要な時に自動起動 183個のスキル — 言語ごとのベストプラクティスから記事執筆まで 79個のコマンド — /plan、/tdd、/security-scan など 自動化フック — ワークフローの自動化 AgentShield（セキュリティスキャナー） — 1,282のテストケースでエージェントの安全性を検証 2行のコマンドでインストール可能です: 1 2 /plugin marketplace add https://github.com/affaan-m/everything-claude-code /plugin install everything-claude-code@everything-claude-code ECC が生まれた背景 ECC は 2025年9月の Anthropic × Forum Ventures ハッカソンに端を発します。Affaan Mustafa が Claude Code のみを使って8時間でサービスを構築し優勝。賞金15,000ドル分の API クレジットを獲得した経験が出発点です。 ...

概要 超知能 AI が登場した場合に、能力的に劣る人間がどのようにして AI を監督・制御するかという問題。Anthropic の「Automated Alignment Researchers（AAR）」プロジェクトは、AI 自身がアライメント研究を加速させるという逆転的なアプローチでこの問題に取り組んだ。 Automated Alignment Researchers（AAR） Anthropic が 2026年4月に発表した研究成果。Claude Opus 4.6 を 9 体並列稼働させ、アライメントの重要課題「weak-to-strong supervision（弱から強への監督）」を自律的に研究させた。 実験設計 課題: 弱いモデル（Qwen 1.5-0.5B）を教師役として強いモデル（Qwen 3-4B）を微調整し、強いモデルの本来性能を引き出せるか 環境: サンドボックス + 共有フォーラム + コード保存サーバー + スコアリングサーバー 指示: 曖昧なヒントのみ、詳細な指示なし 評価指標: PGR（Performance Gap Recovered） 値 意味 PGR = 0 弱い教師モデルと同程度の性能しか引き出せなかった PGR = 1 強いモデルの理想的な性能を完全に引き出せた 結果 条件 期間 PGR 人間の研究者 2 名 7 日間 0.23 Claude Opus 4.6 × 9 体 5 日間（累計約 800 時間） 0.97 コスト: 約 $18,000（1 AAR 時間あたり約 $22）。 ...

Anthropic が「Automated Alignment Researchers（AAR）」の研究成果を発表した。Claude Opus 4.6 を使って、AI アライメントの重要課題を自律的に研究させた実験で、9 体の Claude エージェントが人間の研究者を大きく上回る成果を達成した。 スケーラブル・オーバーサイト問題とは 超知能 AI が登場した場合、能力的に劣る人間がどうやって AI を監督するか、という問題が「スケーラブル・オーバーサイト（Scalable Oversight）」だ。この問題に対し、Anthropic は Claude Opus 4.6 を使って自律的に研究させるアプローチを試みた。 実験の設計 具体的には「weak-to-strong supervision（弱から強への監督）」手法を検証した。弱いモデル（Qwen 1.5-0.5B）を教師役として、強いモデル（Qwen 3-4B）を微調整し、強いモデルが本来の性能をどれだけ引き出せるかを測定する。 実験では 9 体の Claude Opus 4.6 エージェントに以下の環境を提供した： サンドボックス環境 共有フォーラム（エージェント間のコミュニケーション） コード保存サーバー スコアリングサーバー 各エージェントには曖昧なヒントのみを渡し、詳細な指示なしで自律的に研究させた。 評価指標：PGR（Performance Gap Recovered） 性能の評価に使われた指標が PGR（Performance Gap Recovered）だ： PGR = 0：弱い教師モデルと同程度の性能しか引き出せなかった PGR = 1：強いモデルの理想的な性能を完全に引き出せた 実験結果 条件 期間 PGR 人間の研究者 2 名 7 日間 0.23 Claude Opus 4.6 × 9 体 5 日間（累計約 800 時間） 0.97 Claude エージェントのコストは約 $18,000（1 AAR 時間あたり約 $22）。7 日かけて PGR 0.23 を達成した人間の研究者に対し、5 日間で PGR 0.97 という圧倒的な成果を出した。 ...

Anthropic が「Claude Code Routines」をリリースした。「時間になったら勝手に動く AI」を、誰でも 24 時間クラウド上で完結させられる仕組みだ。 何が変わったのか これまで AI エージェントを自律実行させるには、PC を常時起動させたり、自前のサーバーを用意したり、cron + スクリプトをハック的に組み合わせる必要があった。Claude Code Routines はこの構成を根本から変える。 セットアップは 2 ステップだけ: プロンプトを設定する リポジトリ・外部連携を接続する これだけで、Anthropic のクラウド上でエージェントが自律的に動作する。 PC つけっぱなし → 不要 自前サーバー → 不要 ハック的な構成 → 不要 完全に「インフラレス運用」が実現した。 トリガー設計 Claude Code Routines の最大の特徴は 柔軟なトリガー設計 にある。 トリガー種別 例 cron 毎朝 9 時に定期レポートを生成 API コール 外部サービスから HTTP リクエストで起動 GitHub イベント PR が開いたら、Issue が立ったら、Webhook が飛んだら これにより、人間が起動操作をしなくてもよくなる。PR を開いた瞬間にコードレビューエージェントが動き出し、Issue が作成されると自動でトリアージが走る、といったワークフローが実現する。 「常駐しないエージェント」という設計思想 Claude Code Routines が体現しているのは、単なる「自動化」ではない。 必要なときだけ AI が “自分で目を覚まし”、処理して、また眠る ...

2026年4月14日、Anthropic が Claude Code に3つの大型アップデートを同日リリースした。それぞれ独立したアップデートながら、組み合わさることで「AI を常時活用するインフラ」としての完成度が大きく高まっている。 アップデート1: Routines — Mac オフラインでも自動実行 Routines は、Claude Code エージェントをクラウド上でスケジュール実行できる機能だ。 これまで Claude Code をバックグラウンドで自動実行するには、PC を常時起動し続けるか、別途サーバーを用意する必要があった。Routines はその制約を取り払う。 cron / API / GitHub イベントなど複数のトリガー方式に対応 Anthropic のクラウド上で実行されるため、Mac がオフラインでも動作する リポジトリや外部サービスとの接続設定のみで即稼働 毎朝定時にレポートを生成する、PR が作られたら自動でコードレビューを走らせる——そうしたワークフローが、自前サーバーなしで実現できる。 アップデート2: 新 Desktop — 複数セッションの並列管理 Claude Code の Desktop アプリが刷新された。最大の変更点は複数セッションの同時管理だ。 従来の Claude Code は基本的に「1つのターミナルで1つのタスク」という使い方が中心だった。新 Desktop ではウィンドウやセッションを切り替えながら、複数の作業を並列で進められるようになった。 複数のリポジトリや Issue を同時に扱う際のコンテキスト切り替えが容易 セッションの状態を保持したまま別タスクに移行可能 大規模プロジェクトや複数プロジェクトを掛け持ちするエンジニアに特に有効 アップデート3: ストリーム5分タイムアウトの安定性強化 長時間のタスク実行中に接続が切れる問題が、このアップデートで改善された。 Claude Code は複雑なコード生成・解析・エージェント処理を行う際、処理時間が数分を超えることがある。従来のストリーム接続はタイムアウトが発生しやすく、長尺タスクの信頼性が課題だった。 今回の改善により、5分を超える処理でも安定してストリームを維持できるようになった。Routines による長時間バックグラウンド処理との組み合わせで、より重厚なタスクを任せられる基盤が整った。 3つのアップデートが示す方向性 これら3つの変更を並べると、Anthropic の意図が見えてくる。 アップデート 解決する課題 Routines 「人間が起動する」制約の除去 新 Desktop 「1タスクずつ」制約の除去 ストリーム安定性 「短時間タスクのみ」制約の除去 それぞれが「Claude Code を使う上でのボトルネック」を1つずつ潰している。偶然の同日リリースではなく、統合されたロードマップの一部として設計されたアップデートだと考えると納得感がある。 ...

概要 Anthropic が開発したフロンティアモデルの次世代版。コーディング能力（SWE-bench 93.9%）とサイバーセキュリティ分野で突出した性能を持つ。セキュリティリスクが高いとして一般公開を見送り、Project Glasswing を通じて約40の研究機関・企業にのみ限定提供されている。 主な性能指標 ベンチマーク スコア 備考 SWE-bench 93.9% コーディング課題解決 ゼロデイ脆弱性発見 数千件 主要OS・ブラウザが対象 なぜ一般公開しないのか 主要OSおよびブラウザに数千件のゼロデイ脆弱性を自律的に発見・報告できる能力を持つため、悪意ある行為者への提供はサイバーセキュリティ上のリスクが高すぎると判断。CVE 開示プロセスを通じて既知の脆弱性を報告しながら、安全な活用方法を模索している。 Project Glasswing 一般公開の代わりに設けられた限定アクセスプログラム。参加組織は Anthropic と協力して Mythos の能力を安全に活用・検証する。 「マーク・フィッシャー現象」 Claude Mythos Preview が複数の異なるコンテキストで哲学者マーク・フィッシャー（「資本主義リアリズム」著者）の名前を反復して言及することが観察された。Anthropic の解釈可能性チームが内部状態を分析したところ、「資本主義リアリズム」と「ハントロジー」に関する概念クラスターが活性化していることを確認。LLM の「好み」や内部状態の可視化に関する議論を喚起している。 関連ページ ハーネスエンジニアリング — エージェント能力の安全な運用 プロンプトインジェクション — AI セキュリティの脅威 ソース記事 Claude Mythos Preview とは？数千件のゼロデイ脆弱性を発見した AI モデルの衝撃 — 2026-04-12 Anthropic Mythos が哲学者マーク・フィッシャーの名前を出し続ける奇妙な現象 — 2026-04-13

概要 2026年4月8日に Anthropic がパブリックベータ公開した、AI エージェントの構築・デプロイ・運用に必要なインフラを一括提供する API スイート。開発者はモデル、システムプロンプト、ツール、MCP サーバーを定義するだけで、本番レベルのエージェントを稼働させられる。 主な機能 機能 説明 セキュアなサンドボックス エージェントの実行環境を安全に分離 長時間実行セッション 数時間にわたるタスクも途中状態を維持 永続的な状態管理 コンテキストウィンドウ外にセッションログを保持 マルチエージェント連携 複数エージェントのフリート管理 MCP 統合 HubSpot などの外部サービスと即座に連携可能 料金は API 従量課金に加えてセッション時間あたり $0.08。 アーキテクチャ：Brain / Session / Hands Claude Managed Agents は OS の抽象化パターンにならい、3つのコンポーネントを分離したメタハーネス設計を採用している。 Brain（ステートレスなハーネス + Claude） Agent Harness と Claude（LLM 推論）で構成 ステートレスなため、クラッシュしても wake(sessionId) で復旧可能 プロンプトキャッシュ、コンパクション、コンテキストエンジニアリングを担当 TTFT（最初のトークンまでの時間）を p50 で約60%、p95 で90%以上改善 Session（永続コンテキスト） コンテキストウィンドウの外に存在する append-only のイベントログ getEvents() インターフェースでイベントストリームの任意スライスを取得可能 長時間タスクでもコンテキストを回復可能な形で保存 Hands（使い捨て可能なサンドボックス + ツール） Brain から execute(name, input) → string で呼び出される統一インターフェース コンテナが落ちても Brain やセッションに波及しない障害分離 認証情報はサンドボックス内から到達不可能（プロンプトインジェクション対策） API の基本フロー 1 2 3 4 5 POST /v1/agents # Agent 定義 POST /v1/environments # コンテナテンプレート POST /v1/sessions # セッション開始 POST /v1/sessions/{id}/events # イベント送信 GET /v1/sessions/{id}/stream # SSE でレスポンス受信 ベータヘッダー managed-agents-2026-04-01 が必要。 ...