GitHub Universeで発表されたCopilot Fusionは、タスクごとに最適なAIモデルを自動で選ぶ仕組みです。Microsoftはコーディング品質を保ったまま処理時間を40%短縮し、コストを最大77%下げたと説明しています。一方で同時公開されたOctoverseの数字は、9月時点でプルリクエストの40%超がAIエージェントによる下書きから始まっていたことを示しました。3月時点では17%だったので、この半年で開発の起点そのものが変わりつつあります。
GitHubがCopilot Fusionを発表、処理時間40%減を主張
GitHubは開発者向けカンファレンス「GitHub Universe」で、Copilot Fusionを発表しました。これは、コーディングタスクの各工程について、推論・コード生成・デバッグ・ツール利用のどれが必要かを見極め、単一または複数のAIモデルを組み合わせて割り当てるシステムです。Microsoft CoreAI担当のEVP、Jay Parikh氏がGitHubのブログ記事で説明しています。
Parikh氏によれば、上位モデルの「Fusion Max」はAnthropicのClaude Opus 5.5 Maxに対し、Artificial Analysis Coding Agent Indexというベンチマークで2ポイント以内の差のスコアを記録しました。しかもコストは半分、タスクあたりの処理時間は40%少なく済んだといいます。Microsoft CEOのSatya Nadella氏もLinkedInで、Fusionはフロンティアレベルの品質を40%速く、最大77%低いコストで提供すると投稿しました。Fusionを動かす統合システムは、長時間稼働するエージェントを構築するMicrosoftのマネージドサービス「Foundry」上で動いているとのことです。
これらの数値はMicrosoft側の主張であり、第三者による再現検証の有無は今回確認した出典には記載がありません。比較対象のベンチマークがどこまで実際の開発現場を反映するかも、出典の説明以上のことは分かりません。
利用形態にも変化がありました。水曜日から、GitHub Enterprise顧客は別料金のサブスクリプションを契約しなくても、Copilotの全機能を使えるようになります。代わりに、使った分のAIクレジットを支払う形です。この提供は当面GitHubの営業チーム経由で、セルフサービスでの提供は追って始まる予定です。既存のCopilot BusinessやCopilot Enterpriseの顧客は、現行プランを維持することも、新方式に切り替えることも選べます。
GitHubは「GitHub Copilot app」という、プロジェクト横断でエージェントとツールをつなぐアプリも披露しました。アプリ内の「Copilot projects」機能では、複数のリポジトリにまたがるエージェント作業を、管理されたセッションとして並行実行できます。セッションの継続性も強化され、クラウド上の1つのエージェントセッションをアプリ・VS Code・コマンドライン・Web間で移動させられるようになりました。コードレビュー向けには「Copilot code review Max」が加わり、GitHubは高重要度の問題検出においてReviewBenchで最高のF1スコアを記録したとしています。The Next Web
Octoverseが示すエージェント利用の広がり
同日公開された年次報告書「Octoverse」は、開発活動の規模を具体的な数字で示しています。2026年9月までの12カ月間で、開発者はコードを179億回プッシュしました。これは2024年と2025年の合計を上回る水準です。コミット数は343億件、マージされたプルリクエストは13億件に達しました。
最も目を引くのは、プルリクエストの起点がエージェントの下書きである割合です。9月時点で40%を超え、3月の17%から半年で2倍以上になりました。9月単月では1億1000万件に上ります。GitHubによれば、この伸びは6月頃から目立ち始め、エージェントが複数日にまたがる作業やクラウド上での実行をこなすようになったタイミングと重なるとのことです。なお、GitHub自身がこのエージェント数を「下限値」と位置づけている点は留意が必要です。検出できないエージェントの存在を認めているためで、実際の比率はさらに高い可能性があります。
GitHubのプラットフォーム全体では、開発者数が2億2500万人を超えました。国別ではアメリカが3830万人、インドが3200万人です。モデル選択の実態も明らかになりました。9月に自分でモデルを選んだCopilotユーザーのうち、61%が複数のモデルを使い分けていました。これはFusionのような複数モデルを組み合わせる発想が、ユーザー行動としてもすでに定着しつつあったことを示しています。プログラミング言語では、TypeScriptが最も使われる言語の座を維持する一方、Rustは上位言語の中で最も伸び、1年で利用が倍増しました。
これらの数字が示すのは、GitHub上での開発フローそのものにエージェントが組み込まれ始めているという事実です。ただし、この傾向がGitHub以外の開発環境でも同様に進んでいるかどうかは、今回の報告書からは判断できません。GitHubという特定プラットフォーム内の計測値である点を踏まえて読む必要があります。
用語補足：Artificial Analysis Coding Agent Index
Artificial Analysis Coding Agent Indexは、AIモデルのコーディング能力を比較するベンチマークの一つです。出典記事では、Copilot FusionのスコアがAnthropicのClaude Opus 5.5 Maxに対し2ポイント以内の差だったと紹介されています。このスコア差が実際の開発タスクでの体感差にどう結びつくかまでは、出典に説明がありません。あくまで特定の評価基準上での比較結果であり、コスト面や処理時間の優位性とは別の指標である点に注意が必要です。
注目ニュース
パナソニック子会社、約33万人分の個人情報を禁止AIサービスへアップロード
パナソニック オペレーショナルエクセレンスは、人事情報システム導入プロジェクトのメンバーが、利用を禁止していた外部の生成AIサービスに個人情報を含むデータをアップロードしたと発表しました。対象は従業員約7万5000人、元従業員約17万8000人、その家族約8万1000人の合計約33万4000人分です。同社は不正アクセスではなくルール違反によるものとし、個人情報保護委員会に報告済みです。データは削除され、サービス運営事業者への照会で学習機能が無効だったことと、保持期間が削除から30日間である点を確認したとして、二次利用はされないとしています。ただし、公表日の2026年10月23日時点では削除後30日間の保持期間中であり、データはサービス事業者内にまだ保持されていました。退職者とその家族向けの専用窓口も設けられました。ITmedia AI+
SK Hynix、営業利益632%増で2030年までの品薄継続を予測
SK Hynixの第3四半期決算は、営業利益が前年比632%増の83兆3000億ウォン（約$62bn（620億ドル）、約9兆7800億円）、売上高が328%増の104兆6000億ウォンでした。四半期売上が100兆ウォンを超えたのは初めてで、営業利益率は80%に達しています。同社はメモリ需要が供給を上回る状態が2030年まで続くとの見通しを示しました。2027年と2028年の生産能力の半分以上は、大手クラウド事業者を含む14社との長期契約ですでに埋まっています。株主還元として2026年に現金配当30兆ウォン以上を含む約100兆ウォンを計画し、株価は決算発表当日に前日比10.89%上昇しました。The Next Web
ロボティクス企業への投資、第3四半期に99億ドルへ
Crunchbaseのデータによると、2026年第3四半期のロボティクス・スタートアップへの世界的なベンチャー投資額は99億ドル（約1兆5,600億円）で、前年同期の43億ドル（約6,780億円）から伸びました。この集計は防衛関連企業を除外しています。2026年1〜3四半期累計では前年比約185%増です。国別では中国が132億ドル（約2兆800億円）、米国が121億ドル（約1兆9,100億円）で上位を占め、ドイツは17億ドル（約2,680億円）で続きます。中国ではXpeng Roboticsが9億ドル（約1,420億円）、AI² Roboticsが7億3,600万ドル（約1,160億円）を調達し、米国ではSkild AIが14億ドル（約2,210億円）規模の資金調達をしたほか、ドイツのNeura Roboticsも14億ドル（約2,210億円）を調達しました。Crunchbase News
編集後記：下限値としてのエージェント比率
Octoverseの数字で引っかかるのは、エージェント起点のプルリクエストが40%を超えたという事実そのものより、GitHub自身がこの数字を「下限値」と説明している点です。検出できないエージェントの存在を認めているということは、実態がこの数字を上回っている可能性を示唆しています。Copilot Fusionのような複数モデル運用が、9月に自分でモデルを選んだCopilotユーザーの61%という比率で定着しつつある今、この「下限値」がどこまで動くのかは、次回の計測を待つしかありません。数字の伸び方そのものより、計測の限界を認めた上での公表姿勢に注目しておきたいところです。