Claude Sonnet4.5が拓く「実務エージェント」時代――研究×製品×顧客の往復運動
AnthropicのCPO、マイク・クリーガー（Instagram共同創業者）が語った「Claude Sonnet4.5」とエージェント／開発者ロードマップは、モデル進化を“製品の手前と奥”の両側から駆動する実践の記録だった。以下では、ポッドキャストでの発言を手掛かりに、モデル品質、UI生成、開発者向けSDK、評価軸、運用作法まで、登場企業・事例を横断して整理する。
1. モデル進化を加速する“プロダクト⇄リサーチ”の往復運動
クリーガーは、4.5のローンチを「初日のトラフィックがSonnet4を上回った」と振り返る。「研究がモデルを作り、製品が後段で受け取る」従来像は崩れ、製品側の現場知（金融やコーディングの実使用・フィードバック）が研究の上流をも動かす体制へ。
実務では、「早期アクセス→顧客ハーネス適合→社内面のシステムプロンプトやCloud Codeの最適化」という同心円的なロールアウトが行われた。ユーザの不満（「3つ頼んだら2つで止まる」「怠惰さ」など）を具体的に潰すことで、“使える改善”が積み上がる。
2. 3つの“バイブ評価”：ゲーム、コード、資料生成
クリーガーの私的スモークテストは三点。「Virtual Boy風3Dシューティングを生成」「Cloud Codeでの横断的コード変更」「任天堂の四半期を調査し取締役会向けプレゼン作成」。
初期スナップショットから最終盤にかけ「3D表現の質」「Web/バックエンド横断のコード理解」「ファイル生成（PPT/Excel）の体裁と中身」が段階的に改善。「Arial箇条書き」レベルから“任天堂レッド＋図表の入ったデッキ”へ変わったのは象徴的だ。
3. UI生成の“好み”と視覚精度：Figma・社内ダッシュボードの実験
UI自動生成では、かつての「白地に紫トーン、角丸」の偏好を訓練で薄めたという。「モデルに“良いUIの作法”を教える」ことは重要で、Figma Makeでは、デザインの構成要素（ビルディングブロック）とLLMが橋渡しされつつある。
ただし、現状の視覚理解は、一流デザイナの“ピクセル感度”には未達。社内では、生成→ブラウザで可視化→自己評価→再生成のループをPlaywright等で回し、“見て直す”を強化中だ。ダッシュボードやレガシーUIへの“適応運転”も不可欠で、良くないUIを正しく扱える力が問われる。
4. Agent化する開発体験：Cloud CodeからCloud Agent SDKへ
APIは、「トークン入出力」から、文脈管理・メモリ・ツール利用までを包含する“課題解決プラットフォーム”へ進化。Computer Use API、Code Interpreter等を“訓練時と整合する道具”として外部にも公開し、ハーネスの再発明コストを下げる。
名称もCloud Code SDK → Cloud Agent SDKに。法務の文書処理、営業のSaaS運用、コーディング支援など、コード以外のエージェントを前提に設計思想を拡張。自社（Cloud AI/Cloud Code）と外部顧客の両方が同じビルディングブロックを共有する構図だ。
5. ベンチマークより“顧客の最難題”：Cognition、リーガル、メディカル
4.5は、計画（Planning）での改善が顕著で、Cognition（Devon）などエージェント系スタートアップの再設計を促す引き金になった。ホストは、「“計画性能+18%”の社外引用」を紹介。クリーガーは、「SweepBenchのスコア差以上に、“日々使いたくなる転換点”が重要」と強調する。
評価は、厳しい実務ハーネス（法務・医療・大規模コードベース）での“手触り”が決める。早期アクセスで顧客が非公開評価を走らせ、「最難題で+12ポイント」といった実務的勝ち筋が継続改善の指針になる。
6. “30時間自律”より対話的プランニング：信頼の作法をデザインする
長時間の自律遂行は、上限把握（記憶・整合性）に有用だが、現場では、“計画の提示→事前合意→部分委任→進捗確認”の対話的サイクルが効く。
例：巨大リポジトリのJava移行のような“走らせ切る”案件と、知的生産の“レビューを織り込む案件”では、計画の透明性と介入点の設計が鍵。4.5で見えはじめた「コード外の知的労働」への波及を、プラン提示UIとフィードバック導線で加速させるべきだ。
まとめ
Sonnet 4.5の本質は、スコアの伸長だけでなく、「最難題に対する有用性が“毎日使いたい”水準で立ち上がる瞬間」を、研究・製品・顧客が一体で早回しする仕組み化にある。UIの“味”、計画の可視化、Agent SDKと運用の作法――これらの地続きの改善が、コーディングから知的労働全般へとエージェントの可用域を押し広げている。読者の現場でも、まずは自前のバイブ評価から始めたい。
