Engineering · アーキテクチャ
なぜ最新モデルは賢いのか — 能力の在りかと、ハーネスで近づけられる範囲
モデルの賢さの大半は“重み（学習で身についた中身）”に宿る。ハーネスはそのうち『段取り』を外から作り直し、強い基盤モデルの実力を実務の長さまで引き出す——ただし地力そのものは超えられません。
要点
- ✓能力は4層で捉えると分かりやすい：①地頭（事前学習）②段取り（エージェント学習）③熟考（推論時の計算）④専門技（特化学習）。
- ✓普通のモデルとの一番の差は②段取り。Fable 5 が示した『数日規模を自律で走り切る』も、本質は段取りが“重みの中”に焼き込まれていること。
- ✓長い仕事が難しいのは“複利エラー”。1手の成功率がわずかに違うだけで、何十手も続くと結果は大きく開く。フロンティアは各手の精度が高く、誤りを自分で直せる。
- ✓ハーネス（足場）は外から2つのつまみを回す：手数を減らす（N↓）／各手の精度を上げる（p↑）。スキルは“段取りそのもの”の外付け。
- ✓だから“強い基盤モデル × ハーネス”は実効品質を底上げできるが、上限は地力が決める。弱いモデルを足場でフロンティア級にはできない。だから agens は強いモデルを差し替えて使う。
“賢さ”はどこに宿っているのか
最上位ティアとして公開された Claude Fable 5（2026-06-09）のようなモデルの“賢さ”は、魔法ではなく構造で捉えられます。能力は大きく4つの層に分けられます。会社にたとえると、こうです。
- ①地頭（事前学習）— 基礎的な知識と推論の素地
- ②段取り（エージェント学習）— 仕事の進め方
- ③熟考（推論時の計算）— 答える前に考える
- ④専門技（特化学習）— 狭い領域の卓越
大事なのは、この4層のうち“モデルの中（重み）”にしかないものと、“外側の仕組み”で補えるものを分けて理解すること。ここを切り分けると、自社の構成でどこまで再現でき、どこを基盤モデル選びに委ねるべきかが見えてきます。
能力の在りか（4層）
普通のモデルとの一番の差は『段取り』
短い質問なら、普通のモデルとフロンティアモデルの差は小さい。差が開くのは“長い仕事”です。Fable 5 が訴求した「数日規模の作業を自律で走り切る」水準の正体は、②段取りが重みの中に焼き込まれていることにあります（Anthropic はエージェントを「自分で手順を決め、ツールを使い、達成の仕方を自分で握るシステム」と定義。Building effective agents, 2024-12）。
ここでいう「段取り」とは、次の総体です。
- 計画を立てる
- ツールを選ぶ
- 結果を読む
- 自分の誤りに気づいて直す
- 脱線せず最後までやり切る
これは“ハーネスがやること”とほとんど同じです。違いは、片方はそれを重みの中に、もう片方はコードで外側に持っていること。だからこそ、外側でも一部を作り直せます。
なぜ“長い仕事”だけ特別に難しいのか
1手あたりの成功率を p、仕事が N 手の連鎖を要するとき、全体の成功率はおおよそ p の N 乗になります。
- p＝95% でも、20手で約36%
- 100手では1%未満
わずかな差が、長い仕事では指数的に効いてきます。では、フロンティアモデルはなぜ長くても崩れないのか。理由は2点だけです。
- 1.各手の精度そのものが高い（p が高い）
- 2.間違えても自分で気づいて直せる（実質のミス率がさらに下がる）
METR は能力を「成功率を一定に保てる作業時間の長さ」で測り、「“半分できる”は“任せられる”を意味しない。実務で委任するには高い成功率が要る」と述べています（2026-01）。
複利エラーの崖
ハーネスは“2つのつまみ”を外から回す
全体の成功率 ≈ p の N 乗。ハーネス（足場）は、この両方のつまみに効きます。
- N を下げる — 仕事を分割して手数を減らす
- p を上げる — 検証やサンドボックスで各手の精度を上げる
agens はこれを製品の部品として備えています。
- プランナー — 仕事を分割（N↓）
- 検証ループ — テスト・批評で誤りを捕まえる（p↑）
- サンドボックス実行 — 操作を実環境で走らせ“結果という事実”で確かめる（p↑）
- スキル — 手順＝段取りを外付けして能力を足す
- メモリ・フォルダ — 成果を会話の外に持ち越し文脈を保つ（実質 N↓）
- チェックポイント／サブエージェント — 失敗の巻き戻しを局所化し、並列で手数を分ける
ハーネス設計そのものがスコアを動かすことは、研究でも繰り返し示されています。
- SWE-agent（プリンストン大, 2024）— モデルを固定したまま“ツールの使い勝手（ACI）”を作り直すだけでコード課題の解決率が +10.7pt
- Anthropic（engineering, 2025）— 複数エージェントの分担構成が単一構成を +90.2% 上回ったと報告（自社申告のため幅をもって）
- AHE（arXiv 2604.25850, 2026）— モデルを固定したままハーネスを自動進化させるだけで Terminal-Bench 2 が +7.3pt
ハーネスを6つのレイヤーで捉える
“足場”をもう少し分解すると、ハーネスは6つのレイヤーで整理できます。それぞれの役割・代表的な実装技術（2026年6月時点）・効くつまみ（p↑ / N↓）は次の通りです。
- ① オーケストレーション（制御 / N↓）— ループ制御・タスク分解・マルチエージェント協調 ／ Claude Agent SDK・LangGraph 等
- ② ツール接続（行動 / p↑）— 外部サービスに作用 ／ MCP・関数呼び出し・computer-use
- ③ 実行環境（接地 / p↑）— 安全に実行し“結果という事実”で確かめる ／ サンドボックス（コンテナ・bash/Python）
- ④ 記憶・状態（継続 / N↓）— 長い文脈を保ち中断から巻き戻す ／ 文脈圧縮・外部メモリ（RAG）・チェックポイント
- ⑤ 検証・品質（正しさ / p↑）— 誤りを捕まえ合格基準を満たす ／ テスト・LLM-as-judge・権限ポリシー（人の承認）
- ⑥ 再利用・統制（蓄積 / N↓）— 手順を再利用し信頼性を資産化 ／ Skills・監査・可観測性
ポイントは、この6レイヤーがすべてモデルの外側にあること。だから原理的に、どのモデルにも繋ぎ替えられます——これが、次の「モデルフリー」設計の土台です。
モデルフリーで近づける構成
では、できることとできないこと
外から作り直せるのは②段取り・③熟考の一部まで。①地頭と④専門技は重みの中にしかありません。だから足場をいくら足しても、“分割できない1手”が基盤モデルの実力を超えていたら解けない——検証ループは誤りを捕まえられても、正解そのものを生み出すわけではないからです。
言い換えると、足場は“モデルにできないこと”の裏返し。モデルが強くなるほど足場は外せる——複雑さは消えるのではなく、移るだけです。だから「弱いモデルを足場でフロンティア級にする」ことはできません。
足場は“できないこと”の裏返し
結論：強いモデルを“差し替えて”使う
現実的な最善手は、次の掛け算です。
- 1.できる限り強い基盤モデルを選ぶ（能力の上限を決める）
- 2.ハーネスで実務の長さまで引き出す
- 3.基盤モデルは入替可能にしておく
フロンティアの首位は数か月で入れ替わります（2026年だけでも Opus 4.8・Gemini・GPT・Fable 5）。差し替えられる組み立てなら、モデルの進化をそのまま業務品質に変えられます。
agens はこの分離を前提にした Multi-LLM 設計です。能力（スキル）・接続（MCP）・成果（フォルダ）・統制（権限分離・監査・巻き戻し）はモデルの外の層に置き、基盤モデルは構成の差し替えで選びます。設計の詳細は「モデルフリー設計」で解説しています。
実務での当てはめ — 効く／苦手／保険
関連する設計トピック
土台の全体像はエージェントハーネス（→ エージェントハーネス全体像）、モデルを差し替えても壊れない分離設計はモデルフリー設計（→ モデルフリー設計）、各手の精度を上げる実行環境はサンドボックス実行（→ サンドボックス実行）、段取りの外付けはスキルの設計（→ スキルの設計）、切り替え判断を支えるのはエージェント評価（→ エージェント評価）をどうぞ。一般概念の「AIエージェントとは」は homula.jp の学習ガイドが正本です。
よくある質問
なぜ普通のモデルとフロンティアモデルで、長い仕事ほど差が開くのですか？
ハーネス（足場）で、普通のモデルを最上位モデル並みにできますか？
agens はモデルの能力にどう関わるのですか？
最新モデルが出たり使えなくなったりしたとき、業務は作り直しになりますか？
最終更新: 2026-06