AI開発競争の最前線：Cursor Composer 2.5の衝撃とCodex活用術の深層

AI技術の進化は、私たちの想像を遥かに超えるスピードで進んでいます。特に大規模言語モデル（LLM）を中心とした開発競争は激化の一途を辿り、日々新たなブレークスルーが報告されています。本記事では、最近発表されたCursorの高性能コーディングモデル「Composer 2.5」の衝撃、そしてAIエージェントの新たな可能性を切り開く「Codex-maxxing」の奥義に迫ります。さらに、AI業界で巻き起こった大きなニュースであるElon MuskとOpenAIの訴訟終結、そしてAIによるソフトウェアセキュリティの未来を変えるMythos Previewの革新性についても深く掘り下げていきます。

1. AIモデル開発競争の新局面：Cursor Composer 2.5の登場

2024年のAI業界は「エージェントの年」とも呼ばれ、単なる言語モデルだけでなく、より自律的にタスクを遂行するエージェントの重要性が増しています。この流れの中で、OpenAIやAnthropicといった大手研究機関がモデル開発をリードする一方で、Cursorのような新興企業が独自のモデルを投入し、競争の図式はさらに複雑化しています。

1.1. Cursorの戦略転換：自社モデル開発への注力

Cursorは以前から、SaaS型のAIコーディングアシスタントとして、ユーザーがOpenAIやAnthropicといった外部のLLMを利用するための「ハーネス」を提供してきました。しかし、今年初めにはCEOのMichael Truell氏が「戦時下」と宣言し、自社モデルの開発を最優先事項と位置づける戦略転換を発表しました。これは、基盤モデルを提供する大手企業が自らハーネス（ユーザーインターフェースやツール連携）の領域に参入し、Cursorのようなハーネス提供企業のビジネスモデルを侵食する可能性が出てきたためです。同時に、外部モデルの利用コストも高騰しており、自社でモデルを構築することの経済的合理性も高まっていました。

1.2. Composer 2.5の衝撃的な性能とコスト効率

このような背景の中、Cursorは最新の自社コーディングモデル「Composer 2.5」を発表しました。このモデルは、その性能とコスト効率において、AIモデル市場に大きな波紋を広げています。

性能ベンチマークの分析

Composer 2.5は、主要なコーディングベンチマークにおいて、既存の有力モデルに匹敵する、あるいは非常に近いスコアを記録しています。

Terminal-Bench 2.0: 69.3%
SWE-Bench Multilingual: 79.8%
CursorBench v3.1 (harder tasks): 63.2%

これらの数値は、Opus 4.7やGPT-5.5といったフロンティアモデルと比べても遜色ありません。例えば、Terminal-Bench 2.0ではOpus 4.7の69.4%にわずかに及ばず、SWE-Bench MultilingualではOpus 4.7の80.5%やGPT-5.5の77.8%と匹敵しています。Cursorの社内ベンチマークであるCursorBench v3.1では、Opus 4.7とGPT-5.5のそれぞれ64.8%（max）と64.3%（xhigh）に約1ポイント差で追随しています。これは、Composer 2.5が単なる廉価版ではなく、実用的なコーディングタスクにおいて高い競争力を持つことを示唆しています。

驚異的なコスト効率

Composer 2.5の真のブレークスルーは、その性能を維持しつつ実現された圧倒的なコスト効率です。

入力トークン: 100万トークンあたり50セント
出力トークン: 100万トークンあたり2.50ドル

これは、Opus 4.7やGPT-5.5の約半額という低価格であり、Cursorは自社モデルが類似の能力を持つモデルと比較して「最大10倍効率的」であると主張しています。

基盤モデルと今後の展望

Composer 2.5は、Moonshot AIの「Kimi 2.5」を基盤モデルとして構築されています。これにより、既存の高性能モデルの知見を活かしつつ、独自の改良を加えることが可能になったと考えられます。さらにCursorは、SpaceXAIのColossus 2トレーニングクラスター（数百万のH100 GPUに相当）を活用し、より大規模なモデルをゼロからトレーニング中であることも発表しており、今後のモデル能力の飛躍的な向上が期待されます。

ビジネスモデルへの影響：Agent Labs vs. Model Labs

Cursorのような「ハーネス・ファースト」の企業は、既存の基盤モデルを利用して高度なAIエージェントを構築するビジネスモデルを展開してきました。しかし、基盤モデルを提供する「モデル・ラボ」が自らハーネスの領域に進出し、エージェント・ラボがモデル開発に乗り出すという、両者の領域が重複し閉塞する可能性が指摘されていました。Composer 2.5の成功は、エージェント・ラボがモデル開発においてモデル・ラボと競争できる可能性を示し、市場に新たな選択肢をもたらすことになります。特に、ユーザーのプラットフォーム利用から得られるデータは、自社モデルのトレーニングにとって貴重な資産となり、この競争においてCursorに優位性をもたらすかもしれません。

ユーザーからの初期評価

Leon Lin: 「基本的にOpus 4.7モデルが10倍安くなった。テストしなければならない。」と述べた後、「非常に速く効率的なモデルだ。Opus 4.7とほぼ同等か、いくつかのケースでは同じレベルと言えるだろう。安価なモデルで、フロントエンドにも優れている。」と評価しています。
Max Weinbach: 「Composer 2.5は非常に良い。フロントエンドの簡単な反復作業だけでなく、より多くのことができるようになった。CursorではClaudeよりもこれを使うだろう。」とコメントし、Composer 2と比較しても「2.5ははるかに信頼できる」と述べています。
Elie from PrimeIntellect: XAIとの契約後、Cursorはモデルパフォーマンスとトレーニング計算の両方でフロンティアラボと競争力がある」と評価し、Cursorの戦略が成功しつつあることを示唆しています。

2. Mythos Preview：AIによる脆弱性発見の新たな地平

AIはコード生成だけでなく、コードの脆弱性を特定し、悪用可能性を証明する分野でも進化を遂げています。CloudflareがAnthropicの新しいAIモデル「Mythos Preview」に関する興味深い知見を発表しました。

2.1. Mythos Previewの革新性：単なるバグ検出を超えて

Cloudflareの報告によると、Mythos Previewは従来の汎用フロンティアモデルとは一線を画す「本物の進歩」を示しています。特に以下の2点において、これまでのモデルとは異なる種類の作業を可能にしています。

エクスプロイトチェーン構築: 従来のモデルは単一のバグを検出することに長けていましたが、Mythos Previewは複数の小さな攻撃プリミティブを組み合わせて、機能するエクスプロイトチェーンを構築できます。これは、熟練したセキュリティ研究者が手動で行うような、より複雑な脆弱性分析をAIが実行できることを意味します。例えば、解放済みメモリ使用（use-after-free）のバグから任意の読み書きプリミティブに移行し、制御フローを乗っ取り、ROP（Return-Oriented Programming）チェーンを使用してシステムを完全に制御するといったことが可能です。
プルーフ生成（悪用可能性の証明）: Mythos Previewは、バグを発見するだけでなく、そのバグが悪用可能であることを示すコードを生成できます。これはデバッグツールとして非常に価値が高く、単に潜在的な脆弱性のリストを提示するのではなく、具体的に修正すべき点を示す証拠を提供します。

Cloudflareは、他のフロンティアモデルも同じ基礎的なバグの多くを発見できましたが、それ以上深く踏み込むことは稀だったと指摘しています。Mythos Previewは、低深刻度（low-severity）のバグでもバックログに埋もれていたものを特定し、単一の、より深刻なエクスプロイトに連鎖させることが可能であり、これはソフトウェアセキュリティの分野における大きな変革をもたらすでしょう。

2.2. ソフトウェアセキュリティへの影響と今後の課題

Daniel Jeffries氏は、Mythos Previewの登場がソフトウェアの安全性に関する議論を「馬鹿げた終末論的なものから、私たちが本当に必要とする種類の対話へと」変化させると主張しています。AIがより高速なパッチ適用と、AIが連鎖型エクスプロイトへとスケールする攻撃の両方に対応するツールとして機能するようになることで、「何が正しい答えなのか？」という問いに焦点を当てる必要性が出てきます。

AIがソフトウェアセキュリティの改善に貢献する可能性は大きいですが、その一方で、AIが悪用されるリスクも常に存在します。したがって、これらのツールに関する対話は、単なる技術的な進歩だけでなく、倫理的、社会的な側面も考慮に入れる必要があります。

3. OpenAI訴訟の終焉：AI業界のドラマと法廷の現実

AI業界を騒がせたElon MuskとOpenAIの訴訟は、予期せぬ形で終結しました。この裁判は、単なる法廷闘争を超え、AI企業の内情や初期のビジョンと現状との乖離を浮き彫りにしました。

3.1. 訴訟の経緯と結果

Elon Muskは、OpenAIが非営利組織として人類の利益のためにAIを開発するという当初の契約に違反し、営利目的の企業になったとしてOpenAIとSam Altmanを提訴していました。Muskは、Sam AltmanとGreg Brockmanの役員解任、および1,340億ドルの損害賠償を求めていました。

しかし、陪審はわずか2時間の審議で、Muskの訴えを棄却する全会一致の判決を下しました。判決の理由は、慈善信託義務違反の申し立てが「時効」によって阻止されたため、つまりMuskが訴訟を起こすのが遅すぎたというものでした。これにより、Microsoftがこの違反を助長したという主張も共に却下されました。

3.2. 裁判で明らかになった舞台裏

この裁判は、OpenAIの設立初期からの経緯や、関与者たちの思惑について多くの新情報をもたらしました。

Muskの営利化計画: OpenAIは陪審に対し、Muskが2018年にはすでに、OpenAIをTeslaに統合し、営利目的の資金調達を行う計画を立てていたことを明らかにしました。Musk自身も、2017年にはすでに営利目的の会社設立の計画を記したタームシートを受け取っていたことが示されました。
「Directionally very bad」: 裁判中に公開されたSam AltmanとMira Muratiのテキストメッセージでは、AltmanがMuratiに「良いか悪いか方向性を示せるか？」と尋ね、Muratiが「方向性としては非常に悪い」と答えるという、示唆に富むやり取りがあったことも明らかになりました。

The Vergeは、この裁判が「汚い洗濯物をさらした」だけで、具体的な結論や解決をもたらさなかったと評価しています。しかし、この騒動は、AI開発における倫理、非営利と営利のバランス、そして企業の透明性といった、AI業界が直面する根深い問題に光を当てたことは間違いありません。

4. Codex-maxxing：AIエージェントを最大限に活用する9つの秘訣

AIエージェントは、私たちの働き方を根本から変える可能性を秘めています。しかし、その真の力を引き出すためには、単にプロンプトを投げるだけでは不十分です。OpenAIのCodexチームのDeveloper Experience EngineerであるJason Liu氏が提唱する「Codex-maxxing」は、Codexを単なるチャットアプリではなく、永続的なワークベンチとして活用するための9つの実践的なヒントを提供します。

Codex-maxxingの核心は、**「Context persists（コンテキストが永続する）」「Evidence enters（証拠が入力される）」「Work resumes（作業が再開される）」**という3つの要素からなる新しいオペレーティングモデルです。これらの要素を具体的な9つのヒントに落とし込むことで、より効率的で自律的なAIとの協業を実現します。

4.1. 9つの実践的ヒントの詳細

1. Durable threads (永続的なスレッド) を作業単位として使用

目的: AIとの対話を使い捨てのチャット履歴としてではなく、プロジェクトの進行に伴って成長し続ける「生きているワークスペース」として活用する。
内容: スレッドには、会話だけでなく、関連ファイル、決定事項、コマンド、エラー、生成されたアーティファクトなど、プロジェクトに関するあらゆる情報を集約します。これにより、Codexは過去のやり取りや成果物を参照し、一貫性のある作業を継続できます。個々のスレッドは、名前とスコープを意図的に設定することで、散らかったワークスペースになるのを防ぎます。
メリット: 長期的なプロジェクトにおけるコンテキストの維持と連続性の確保。Codexがこれまでに検査した内容を基に作業を継続できるため、同じ情報を繰り返し提供する必要がなくなります。Jasonは「チーフオブスタッフスレッド」「Agents SDKスレッド」「OpenAI CLIスレッド」「Codex for open sourceスレッド」「Twitter監視スレッド」など、用途に応じて異なるスレッドをピン留めし、それらを数ヶ月にわたって「圧縮」して使っていると述べています。

2. Voice (音声入力) を使ってより豊かな意図をループに伝達

目的: タイピングでは表現しきれない、より複雑な背景情報、制約、ニュアンス、不確実性をAIに伝える。
内容: 出力要求の前に、口頭で詳細な背景ストーリーを説明したり、タイピングが面倒なトレードオフについて言及したりします。作業中に音声で指示を出し、ごちゃごちゃした思考を、AIの助けを借りて構造化された指示パスに変換します。
メリット: AIがユーザーの意図をより深く理解し、的確なアウトプットを生成できるようになります。Jasonは「モデルが私の『考えたことの散らかったバージョン』にアクセスできる方が、多くの計画がうまくいく」と強調しており、洗練された指示だけでなく、思考の過程そのものを共有することの価値を説いています。

3. Steering (操縦) で作業が動いている間に操縦

目的: AIの作業を中断させることなく、リアルタイムでフィードバックを与え、方向性を修正・調整する。
内容: まずはミッション（大まかな目標）を与え、進捗を観察します。エージェントが作業を行っている間に、新たな証拠に基づいて割り込み、修正、絞り込み、または拡大します。これにより、プロンプトを最初から完璧にする必要がなくなり、作業が進行する中で方向性を進化させることができます。
メリット: AIとの協業が、よりインタラクティブでダイナミックなものになります。AIが何かを生成している間に、その結果をリアルタイムで確認し、意図と異なる点があればすぐに修正を指示できるため、無駄な作業を減らし、最終的なアウトプットの品質を向上させます。

4. Memory (メモリ) で繰り返しの操縦を減らす

目的: AIが学習した内容を構造化された形で保存し、将来の作業に再利用することで、繰り返しの指示や操縦を減らす。
内容: Codexは、設定の「パーソナライゼーション」にある「メモリ」機能を通じて、ネイティブなメモリ機能を導入しています。Jasonはさらに、Obsidianのようなファイルベースのノートシステムを構造化されたメモリシステムとして活用しています。ここでは、エージェントが学習したことが、検査、編集、差分、再利用可能なアーティファクトに変換されます。
メリット: 長期的なプロジェクトやワークフローにおいて、AIが過去の経験から学習し、ユーザーの好みやプロジェクトの慣習を記憶することで、より自律的に、かつ一貫性のある作業を実行できるようになります。Jasonは、メモリをファイルとして扱うことで、スレッドが圧縮されても有用な知識が失われず、ピン留めされたスレッドがチャットのように感じられず、同じノートブックを読んでいる異なるワーカーのように感じられると説明しています。

5. Computer and browser use (コンピュータとブラウザの使用) でループを現実世界に接地させる

目的: AIがローカルファイルやWebブラウザを通じて、現実世界の情報やツールにアクセスできるようにする。
内容: CodexにコンピュータのファイルシステムやWebブラウザへのアクセス権限を与えます。これにより、Codexはファイルを読み書きしたり、Webページを開いて視覚的に検査したり、テストを実行したり、アーティファクトを編集したり、アプリの状態を検査したりできます。
メリット: AIがより広範な情報源から証拠を収集し、現実世界で直接アクションを実行できるようになります。例えば、ローカルのコード、ドキュメント、ログ、CSVファイル、PDF、HTMLアーティファクトなどから真実を引き出す必要がある場合はコンピュータの使用が、視覚的な検査やライブドキュメントのチェックが必要な場合はブラウザの使用が、Slack、Gmail、GitHub、Notion、Vercelなどの他のシステムから真実を引き出す場合はコネクタの使用がそれぞれ有効です。

6. Remote control (リモートコントロール) でCodexをどこからでも操縦できるワークサーフェスへ

目的: デスクトップに縛られることなく、モバイルデバイスなど、どこからでもAIエージェントの作業を操縦・管理できる環境を実現する。
内容: Codexが提供するリモートコントロール機能により、スマートフォンなどのデバイスから、アイデアが新鮮なうちに意図を追加したり、プロジェクト全体を再開せずにスレッドを操縦したり、スレッドに既に存在する証拠トレイルから作業を再開したりできます。
メリット: 場所にとらわれずに作業を継続できるため、生産性が大幅に向上します。例えば、数時間かかるような複雑なプロジェクトでも、移動中にスマートフォンから進捗を確認し、簡単な指示を与えることができます。

7. Heartbeats (ハートビート) でスレッドを再び起こす

目的: AIエージェントに定期的なチェックインやトリガーに基づくアクションを設定し、長時間実行される作業を自律的に監視・継続させる。
内容: ハートビートは、ビルドやデプロイの完了確認、新しいコメントやフィードバックの監視、ソースの更新後の研究質問の再検討、保留中のタスクのフォローアップなど、特定の時間間隔（例：30分ごと）や特定のイベント（例：コメント到着）に基づいて設定できます。
メリット: AIが自律的に状況を監視し、必要なときに「目を覚まして」作業を再開するため、ユーザーは手動での介入を減らし、より重要なタスクに集中できます。Jasonは、彼自身の「チーフオブスタッフスレッド」が30分ごとにSlackとGmailをチェックし、優先順位を判断している例を挙げています。

8. Goals (目標)

目的: AIエージェントに明確で検証可能な目標を設定し、それに向けた継続的な努力を促す。
内容: 具体的な成功基準を持つ「強い目標」を設定します。通常のプロンプトでは途中で諦めてしまうような複雑なタスクでも、目標を設定することでエージェントが粘り強く問題解決に取り組みます。
メリット: AIの作業がより目的志向になり、成果物の品質と信頼性が向上します。単なる指示の実行ではなく、目標達成に向けた戦略的なパートナーとしてAIを活用できるようになります。

9. The side panel (サイドパネル) でアーティファクトを会話の一部にする

目的: 生成されたアーティファクト（コード、レポート、ビジュアルなど）を、チャットスレッドから直接検査・操作できるようにし、フィードバックループを強化する。
内容: Codexのサイドパネル機能は、単なるプレビュー機能ではなく、作業が行われる場所そのものになります。これにより、ユーザーは生成された成果物をスレッドの横で直接確認し、コメントや修正指示をリアルタイムで与えることができます。Markdown、スプレッドシート、CSV、PDF、スライドなど、様々な形式のアーティファクトをサポートします。
メリット: 抽象的なテキストの判断から、もの自体を判断するアプローチへと移行できるため、フィードバックの質が大幅に向上し、反復作業の効率が高まります。エージェントとユーザーが同じオブジェクト上で同時に作業を進めることが可能になり、共同作業の体験がよりシームレスになります。

4.2. Codex-maxxingは9つのトリックではなく、1つのオペレーティングモデル

Jason Liu氏は、Codex-maxxingが単なる9つの「トリック」ではないことを強調しています。これは、Codexをエージェント的な永続的なワークフローに変えるための「1つのオペレーティングモデル」なのです。

Context persists: スレッド、メモリ、アーティファクトが作業に場所を与え、コンテキストを永続化させる。
Evidence enters: ツール、ブラウザ、ファイル、コネクタがCodexにチェックすべきものを与え、証拠が入力される。
Work resumes: ステアリング、リモートコントロール、ハートビート、基準がループを動かし続け、作業が再開される。

このオペレーティングモデルは、現代のAIエージェントの力を最大限に引き出し、開発者がより複雑で長期的なタスクを効率的に、かつ継続的に遂行するための強力なフレームワークを提供します。

結論：AI技術の進歩がもたらす変革と実践的活用への示唆

Cursor Composer 2.5の登場は、AIモデル開発における性能とコスト効率の新たな基準を打ち立てました。これは、AI技術の民主化と、より多様なプレイヤーによるイノベーションを加速させる可能性を秘めています。同時に、Mythos Previewのようなモデルは、AIが単なる生産性ツールを超え、ソフトウェアセキュリティといった専門領域で質的なブレークスルーをもたらすことを示しています。

Elon MuskとOpenAIの訴訟は、AI業界の急速な成長に伴う組織的、倫理的な課題を浮き彫りにしましたが、AI技術自体の進歩は止まることがありません。

そして、Jason Liu氏の提唱するCodex-maxxingは、これらの強力なAIエージェントをいかに効果的に活用するかという、実践的な知見を提供します。Durable threadsによるコンテキスト管理、Voiceによる豊かな意図の伝達、Steeringによるリアルタイムの操縦、Memoryによる知識の構造化、Computer and browser useによる現実世界との連携、Remote controlによる場所にとらわれない作業、Heartbeatsによる自律的な監視、Goalsによる目的志向性、そしてSide panelによるシームレスなアーティファクト統合。これら9つのヒントは、AIとの協業を次のレベルへと引き上げるための羅針盤となるでしょう。

AI技術は、私たちの働き方、そして社会そのものを変革する力を持ち続けています。この変革の波に乗り遅れないためにも、最新の技術動向を理解し、その実践的な活用方法を習得することが、今後ますます重要になっていくでしょう。