
AIソロプレナーの開発週報|Gemini 4 Carbon・Hydrogen、Muse Ember登場。AIは使い分ける時代へ【11/9〜11/15】
こんにちは。AIソロプレナーの坂本です。
私は普段、AIを活用しながら一人でシステム開発やプロダクト開発、PM業務などを行っています。
この週報では、AI駆動開発に関する直近1週間のニュースから、私が気になったものをピックアップし、実際の開発や事業にどう影響するのかを考えていきます。
今回の対象期間は、2026年11月9日(月)〜15日(日)です。
今週はGoogle、Metaから新しいAIモデルが登場しました。さらにCloudflareやAWSからも、AIをシステムに組み込む際に役立ちそうな更新が発表されています。
全体を見て感じたのは、すべての処理に高性能なAIを使うのではなく、仕事に応じてモデルを使い分けることが、ますます重要になってきたということです。
それでは、今週のニュースを振り返っていきます。
1. Gemini 4 Carbon・Hydrogenが登場。難しい仕事と日常作業で使い分ける
11月10日、Googleの「Gemini 4 Carbon」がGitHub Copilotで一般提供されました。続いて13日には「Gemini 4 Hydrogen」も登場しています。
この2つは、得意とする仕事が異なります。
Gemini 4 Carbonは、複雑なコーディング、推論、セキュリティを意識した開発などを得意とするモデルです。
一方、Gemini 4 Hydrogenは、高速で効率的なコーディング、ツール実行、複数ステップの作業に適したモデルです。
私のように普段からAIを使って開発している立場では、この使い分けが気になります。
例えば、Next.jsの画面を少し修正したり、既存の関数を変更したりする仕事であれば、Hydrogenのような軽快なモデルで十分かもしれません。
しかし、複数のモジュールにまたがる不具合調査や、データベースの移行を伴う設計変更などは、Carbonのようなモデルに任せたほうがよい可能性があります。
なお、GitHub Copilotでは、HydrogenはProプランから利用対象ですが、CarbonはPro+以上が対象です。いずれも段階的に提供されています。
私はCopilot Proを利用しているため、まずはHydrogenを日常的な小規模修正で試してみたいと思います。
重要なのは、モデルの性能ランキングではありません。
どの仕事を、どのモデルに任せれば、品質・時間・費用のバランスがよいのか。
今後のAI駆動開発では、この判断そのものが設計の一部になりそうです。
公式情報:
2. Metaの低価格モデル「Muse Ember」。AIの処理単価が変わるかもしれない
11月9日、Metaが新しいAIモデル「Muse Ember」を発表しました。
Muse Emberは、複雑な推論だけでなく、AIエージェントが繰り返し実行する小さな仕事を効率よく処理するためのモデルです。
特徴的なのは価格です。
100万トークン当たりの料金は、入力0.10ドル、キャッシュ入力0.004ドル、出力0.50ドルとされています(通常の短いコンテキストでの価格)。
これはかなり気になる設定です。
AIを使ったシステムでは、必ずしも毎回難しい推論をしているわけではありません。
例えば、私が開発しているCRMのsmartCCでは、問い合わせ内容の分類や要約、情報の抽出などが考えられます。
また、noteの運用を管理するnote studioでも、キーワードの抽出や記事の分類など、比較的定型的な処理があります。
こうした仕事を高性能モデルにすべて任せる必要があるのか。
Muse Emberの登場は、そこを見直すきっかけになりそうです。
ただし、単純にトークン単価が安ければよいわけではありません。
安いモデルでも分類を間違えれば再処理が必要になります。人間が修正する回数が増えれば、結果的にコストが高くなることもあります。
私なら、同じデータを複数モデルに処理させて、次のような項目を比較します。
正しく分類できた割合
指定したJSON形式を守れる割合
処理時間とAPI利用料金
再試行や手直しを含めた実質コスト
見るべきなのは、100万トークンの価格よりも、正しく処理できた1件当たりの費用です。
高性能モデルでなければ解けない仕事もあれば、低価格モデルで十分な仕事もある。
AIの利用が増えるほど、この違いは大きな意味を持つと思います。
公式情報:
3. Cloudflare AI SearchがD1に対応。検索機能の実装が楽になる?
11月12日、CloudflareのAI Searchが、D1データベースを検索対象として直接利用できるようになりました。現在はベータ版です。
これまでデータベースの内容をAI検索に使おうとすると、検索用のデータを別途準備したり、更新を同期する仕組みを作ったりする必要がありました。
今回の更新では、D1に対して読み取り専用のSQLを指定すると、その結果を検索用の文書として取り込めます。
さらに、データの追加・更新・削除についても定期的な同期が行われます。
これは、個人的にかなり興味があります。
私は最近、Cloudflare Workers、Hono、D1などを使った小規模なアプリケーションの構成も検討しています。
例えば、FAQを管理するシステムを考えてみます。
D1にFAQを登録し、その内容をAI Searchで検索できるようにする。ユーザーが質問すると、関連するFAQを探して回答につなげる。
こうした構成で、独自のデータ同期処理を減らせる可能性があります。
もちろん、気になる点もあります。
特に確認したいのは、データを変更してから検索結果に反映されるまでの時間です。
FAQの内容を修正した場合に、古い回答がいつまで検索されるのか。削除した情報がいつ検索対象から消えるのか。
さらにSaaSで使うなら、顧客ごとのアクセス権限も重要になります。
まずは公開情報だけで小さく試して、検索精度と同期時間を測ってみたいところです。
公式情報:
4. AWS AgentCore Runtime V2が東京リージョンでも既定に
11月12日、AWSはAmazon Bedrock AgentCoreの新しいRuntime V2を、新規ランタイムの既定設定として提供開始しました。
東京リージョンも対象です。
新しいランタイムでは、初期化済みのエージェントからスナップショットを使ってセッションを起動できます。
また、仕事がないときにはコンピューティングリソースをゼロまで縮小できる仕組みになっています。
AWSの発表によると、2GBのコンテナイメージを使用した場合、起動時間は従来の29.7秒から、75パーセンタイルで2秒未満に短縮されています。
これは常時稼働するシステムよりも、必要なときだけ動くAIエージェントに向いていそうです。
例えば、定期的なデータ分析や夜間の集計、外部サービスから情報を取得して処理するエージェントなどです。
私が開発しているsmartCCでも、将来的にはこうした処理を本体から切り離し、独立したエージェントとして実行する構成が考えられます。
ただし、新しい仕組みだからすぐに乗り換える、という判断はしません。
現在の構成と比べて、起動時間、月額費用、障害時の復旧方法、運用の複雑さを確認する必要があります。
また、既存ランタイムが自動的にV2へ移行するわけではない点にも注意が必要です。
AIエージェントを動かす基盤も、通常のアプリケーションと同じように、運用まで含めて設計する時代になってきました。
公式情報:
5. Codex CLI 0.169.0。地味だけど重要な「信頼設定」の修正
11月13日、OpenAIのCodex CLI 0.169.0がリリースされました。
今回、私が注目したのはプロジェクトの信頼設定に関する修正です。
非対話実行時に未信頼のディレクトリを扱う場合、workspace-writeを指定していても、プロジェクト固有の設定やMCPが有効にならないようにする修正が含まれています。
AIを使って開発していると、MCPやプロジェクト設定は非常に重要です。
特に私は複数のリポジトリでCodexやClaude Codeを利用しているため、プロジェクトごとにルールやツールを使い分けています。
こうした環境では、CLIを更新した後に突然MCPが利用できなくなると、設定の不具合だと思ってしまうかもしれません。
しかし、原因がプロジェクトの信頼状態である可能性もあります。
だからといって、すぐにサンドボックスを無効にしたり、実行権限を広げたりするのは避けたいところです。
対話実行とバッチ実行では挙動が異なる場合もあるため、更新後の動作確認は必要だと思います。
AIエージェントが自律的に作業する範囲が広がるほど、何を実行できるかだけでなく、何を実行させないかが重要になります。
