CursorがComposer 2で自社コーディングモデルに参入。「IDE + 最適化LLM」の統合体験で勝負する新時代。

何が起きているか

• Cursor Composer 2 — Anysphereが開発したCursor専用コーディングモデル。Composer 1.5を大幅に上回るベンチマーク。Standard/Fastの2バリアントで差別化
• 100万DAU・$50B評価額 — 日次100万ユーザーの巨大な実ユーザーベース。調達交渉で$50B（約7.5兆円）の企業評価が議論されている
• JetBrains ACP + Marketplace 30+ プラグイン — Agent Client ProtocolでJetBrains IDEにも展開。Atlassian、Hugging Face等のパートナーエコシステムを構築

なぜ重要か

これまでAI開発ツールは「どのLLMを使うか」が選択基準だった。 Composer 2の登場で、「どのIDEの中のLLMが最強か」に問いが変わった。 BYOKの自由度と自社モデルの統合体験——このトレードオフがユーザーの選択を分ける。

影響を受けるプレイヤー

当サイトの視点

自社モデルは「最適化」と「ロックイン」の表裏一体。当サイトはAntigravityを使ってBYOK的な開発をしているが、 Composer 2の品質次第ではBYOKの自由よりも統合体験を優先するユーザーが増える可能性がある。 現時点では「両方試して使い分ける」が最適解。

3月25日からGemini CLIの無料ユーザーはFlashモデルのみに。Proモデルは有料サブスク必須。

何が変わるか

• 無料ユーザー → Flashモデル限定 — Gemini 3.1 Pro等の高性能モデルが利用不可に
• ライセンスベースのトラフィック優先制御 — 有料ユーザーが優先される仕組みを導入
• Google AI Pro ($19.99/月) — Pro以上のモデル＋Jules/Gemini Code Assist/CLI/Antigravityの利用上限拡大
• Gemini 3.1 Flash-Lite Preview — 3/3にリリースされた軽量モデル。無料枠の実用性を補完

なぜ重要か

Geminiの「無料で最高性能が使える」は他ツールにない最大の差別化ポイントだった。 それを自ら放棄する決断は、Googleの収益化圧力の表れ。 一方で、無料枠の縮小はユーザーをClaude Code/Copilot Freeに押し流す要因になる。

代替選択肢の比較

当サイトの視点

当サイトは有料プラン(Google AI Pro)で開発を継続するため、直接的な影響は限定的。 しかし無料ユーザーへの推奨が難しくなったのは事実。 「まずは無料でAntigravity試して」と言えなくなる——これは布教面で大きなマイナス。

OpenAIがGPT-5.4の軽量バリアントmini/nanoを発表。エージェントの「裏側処理」を劇的に効率化。

何が起きているか

• GPT-5.4 mini（3/18） — API/Codex/ChatGPTで利用可能。コーディング＋サブエージェントタスクに最適化。大規模モデルの数分の1のトークン単価
• GPT-5.4 nano（3/18） — API限定。さらに軽量でレイテンシ最小化。リアルタイム応答に特化
• GPT-5.4 Thinking（3/5） — 思考プロセスの中断・修正が可能。100万トークン対応で複雑なドキュメント処理に効果的
• GPT-5.3 Instant（3/16） — 高速応答バリアント。GPT-5.4シリーズの前段として大量利用ケースに対応
• GPT-5.1の退役（3/11） — 旧モデルの段階的退役が進行。モデル更新サイクルの加速を示す

なぜ重要か

AIエージェントは1つのタスクで何十回もLLMを呼び出す。 その「裏側の呼び出し」にmini/nanoを使えば、品質を維持しながらコストとレイテンシを大幅削減できる。 「巨大モデルで考え、軽量モデルで実行する」ハイブリッドアーキテクチャが標準になる。

実際の使用例

当サイトの視点

mini/nanoの登場で「AI開発のOps費用」が劇的に下がる。 特にOSSエージェント（Cline/Roo Code等）のBYOK運用で、月$15-20で本格的なAI支援開発が可能に。 「Cursor Proを買わなくてもOSS + miniで十分」という選択肢が現実的になった。

AIコーディングアシスタントの利用拡大に伴い、GitHub公開コミットでのシークレット漏洩が34%増加。

何が起きているか

• 34%増加（年間） — 2025年のGitHub公開コミットでのシークレット漏洩が前年比34%増加。AIコーディングアシスタントの普及が主因
• Claude Code利用の公開コミットは2倍のリスク — Claude Codeで共同著作されたコミットはベースラインの2倍のシークレット漏洩率
• フォント描画攻撃 — AI assistants（Copilot/Gemini）をフォント描画の脆弱性で汚染する新攻撃手法が報告。目に見えない悪意あるコマンドを隠す
• AIツール正答率75%上限 — Waterloo大研究でAIコーディングツールの正答率は最良でも約75%。4回に1回は間違える

なぜ重要か

AIが書いたコードを「AIが書いたから安全」と信じてそのままプッシュするユーザーが増えている。 しかしAIは.envファイルの内容やAPIキーをコード内にハードコードすることがある。 人間のレビューなしにAI生成コードをマージするフローは、セキュリティの「盲点」を生む。

対策ベストプラクティス

• ① プレコミットフック — git-secrets、detect-secrets等のツールで自動検出
• ② .gitignore + .env — 環境変数は必ず.envに分離。.gitignoreで除外
• ③ GitHub Push Protection — GitHubの組込シークレット検出を有効化
• ④ AI生成コードのレビュー必須 — 「AIが書いた = 安全」ではない。人間の目視確認を必須に
• ⑤ ローテーション可能なシークレット設計 — 漏洩しても即座にローテーションできる設計にする

当サイトの視点

当サイトもAntigravityでAI駆動開発をしているため、他人事ではない。 特にsave（保存）ワークフローにプレコミットチェックを組み込んで防止している。 全AI開発者に「push前にsecrets検出」を強く推奨。

Anthropicが軍事利用を制限 → Pentagonが「サプライチェーンリスク」に指定。AI倫理の限界が試される。

何が起きているか

• Anthropicの立場 — AI（特にClaude）の軍事利用を制限する方針を堅持。攻撃的な軍事応用への利用を拒否
• Pentagonの対応 — Claudeが機密ネットワークで承認済み・深く組み込まれているにもかかわらず、Anthropicを「サプライチェーンリスク」としてブラックリスト化
• 2万4千件の不正アカウント — 中国のAIラボに関連する可能性のある不正アカウント24,000件がClaude APIの「蒸留」（逆エンジニアリング）に使われていたとの報告
• Claude内部のネガティブ反応 — Anthropic内部でのClaude評価で「不安」「フラストレーション」に類するパターンが検出。AI感情の議論が再燃

なぜ重要か

AI企業が「倫理を貫くか、政府の要求に従うか」を迫られる初の大規模ケース。 CIA/DIA等がClaude依存を深めている中でのブラックリスト化は、米国の国家安全保障に直接影響する。 AI企業の「倫理声明」がビジネスリスクになる——前例のない状況。

開発者への影響

当サイトの視点

開発ツールとしてのClaude Codeの品質は変わらない。 しかしAnthropicの企業リスクがClaude Codeの長期的な信頼性に影響する可能性は否定できない。 マルチツール戦略（特定ベンダーに依存しない）の重要性がさらに高まった。

テキスト・画像・音声・動画・センサーデータの統合処理が主流に。2026年末で$3.43B規模。

何が起きているか

• マルチモーダルAI市場 $3.43B（2026年末予測） — テキスト・画像・音声・動画・PDFを同時処理するAIの市場が急拡大
• Gemini gemini-embedding-2-preview（3/10） — マルチモーダルエンベディングモデル。テキスト・画像・動画・音声・PDFの統合検索に対応
• Gemini音楽生成ツール — テキスト・画像・動画からオリジナル音楽トラックを生成。クリエイティブ系マルチモーダルの新領域
• GPT-5.4 native computer use — コンピュータを自律的に操作するネイティブ機能。画面認識→操作の「見て動く」マルチモーダル
• Gemini 3.1 Pro Agentic Vision — 視覚的理解とエージェント操作を組み合わせた新機能。Boston Dynamicsとの連携も
• ChatGPT Agent — OpenAIのアグレッシブなエージェント展開。Computer use + 会話 + ツール操作の統合

なぜ重要か

コーディングツールの文脈では、「コードを読む」だけでなく「画面を見て理解する」AIが標準になりつつある。 UIテスト、デザイン→コード変換、ドキュメント理解など、マルチモーダルが開発効率を劇的に上げる用途が広がっている。

開発者向け活用マップ

当サイトの視点

当サイトのLABセクション自体が「AIで調査→AIで執筆→AIで公開」のマルチモーダルワークフローで作られている。 computer use機能が成熟すれば、「AIが画面を見てテストする」開発フローが日常化する。 「コードを書くAI」から「プロダクトを作るAI」への進化は確実に進んでいる。