TechFlow Logo
ログイン/ 登録
ETHガス
Gwei
恐怖
gas
マイクロソフト社ホワイトペーパー実証:Harnessを外せば、同じClaudeでもパフォーマンスに大きな差が出る

マイクロソフト社ホワイトペーパー実証:Harnessを外せば、同じClaudeでもパフォーマンスに大きな差が出る

2026.11.10
共有先
Microsoftの技術白書によれば、Claude Opus 4.8を同一に使用した状態でCopilot Studioの基盤となるHarnessのみを置き換えたところ、複雑タスクの成功率が22.1ポイント向上した。Harnessは今や、大規模モデルとエージェントの間で争奪戦になっている実行層となっている。

著者:テンセント科技

11月7日、MicrosoftはAgent実行システムに関する技術白書を発表し、やや予想外の結果を示すテストデータを含めた。Claude Opus 4.8を同じように使用しながら、Copilot Studioの背後にあるHarnessだけを入れ替えただけで、複雑なタスクの成功率が22.1ポイント向上した。新しいシステムではタスクごとにモデル呼び出し回数がほぼ倍増しているものの、換算後の入力Token消費量は21%削減することが可能だ。

ちょうど10日前、Microsoftは一元的なCopilot Harnessを社内の複数製品に展開すると発表し、クラウドプラットフォームを通じて開発者にホスティングサービスを提供開始した。

11月5日、ムーンショットAI(月之暗面)はKimi Hosted Agents(ホステッドエージェント)を発表し、正式に「Harness as a Service」を提唱した。8月にはDeepSeekが独自Harnessをオープンソース化したほか、OpenAIとAnthropicもより早くから内部実行システムを開発者が呼び出せるサービスへと移行済みだ。

基盤モデルの背後にある「実行システム」が、モデル企業にとってのカギを握る存在へと変わりつつある。

Harnessをめぐる競り合い

Harnessとは、大規模言語モデルを中心構築されたAgent実行システムの一角と理解できる。これによりモデルは外部ツールを利用し、複数ステップにわたるタスクを継続的に実行でき、その実行結果に基づいて后续的なアクションを調整することが可能になる。長時間稼働する必要があるAgentに対しては、Harnessがタスク状態の保存を担当し、中断からの復旧や作業継続を可能にする仕組みとなっている。

それはAIアプリケーションとは異なる階層に位置する。例えばClaude CodeやWorkBuddyといった製品はユーザーに直接提供されるが、基盤となるHarnessは複数のアプリケーション間で再利用可能であり、開発者向けに独立サービスとして提供することもできる。Agentが担う業務が日益複雑化するにつれ、Harnessはタスク成功率、実行効率、運用コストに影響を与える重要な要素となりつつある。

AnthropicはHarnessの研究開発にいち早く注力したモデル企業のひとつであり、当初はClaude Codeにおける長時間プログラミングタスクでの課題解決を目的としていた。

2025年末、AnthropicはClaudeのコンテキストウィンドウが尽きると、次の会話セッションで以前の作業を継続できないことを突き止めた。これを受けエンジニアはClaude Code裏側のHarnessを改良し、Agentが各フェーズの終了前に進捗状況を保存し、次のセッションでそれを読み取って未完了のタスクを引き続き完遂できるようにした。こうすることで、1回のモデルセッションが終了しても、プログラミングタスク全体を継続して進めることが可能になる。

今年の4月、AnthropicはさらにManaged Agentsを発表し、このAgent実行能力をクラウドサービスとして開発者に提供した。企業が長期的かつ安定的にAgentを運用できるよう、Anthropicは基盤アーキテクチャの見直しも行っている。Harnessがタスク実行を推進し、履歴記録は個別に保存され、AI実行環境のサンドボックスも任意時点で差し替え可能となっている。サンドボックスに障害が発生しても、Agentは以前の作業から復旧できる仕組みだ。

Claude Code内の実行システムから外部開発者向けのホスティングサービスへ。Anthropicは長年培ったHarnessの機能を独立したプロダクトへと昇華させた。

OpenAIもまた、Codex裏側のHarnessをより多くの開発者に公開する道を選んだ。今年2月、OpenAIはCodexのWeb版、コマンドライン、IDEプラグインが実際には同一のAgent実行システムを共有していることを明らかにした。8月にはCodexを開放的なHarnessプラットフォームとして位置づけ直し、サードパーティ製アプリの直接的な組み込みを許可した。9月にリリースされたAgents APIでは、OpenAIがこのシステムのホスティングと保守を担当し、開発者はAgentの実行環境に直接接続できる。

この戦略によりOpenAIはCodex経由でユーザーに直接サービス提供すると同時に、他ソフトウェア企業にも基盤の実行能力を提供できる。開発者は自社のプロダクトUIやビジネスプロセスをそのまま維持しつつ、Codexに裏側での具体的なタスク実行を委ねることができる。

DeepSeekは8月13日、MITライセンスの下でHarnessの全フレームワークコードを公開し、「Everything is a Plugin(すべてはプラグイン)」を提唱した。ほぼ全てのAgent実行システムが自由組み合わせ可能なプラグイン化されている。開発者はモデルや外部ツールの差し替えに加え、Agentによるモデル呼び出しやタスク実行の方法を変更することができ、さらにはAgent自身に新規プラグインの作成とインストールを行わせることも可能だ。

Cordisに基づくこのアーキテクチャは、開発者が実行システムの構築を最初から行うことなく、自らの要件に応じた多種多様なAgentの開発を実現することを目指している。

11月5日、KimiはHosted Agentsが24時間365日対応のクラウド環境を提供すると公式発表し、企業が自社開発したエージェントを社内システムに統合したり、外部販売製品に組み込んだりする機能を実現すると同時に、「Harness as a Service」を明確に打ち出した。

Harnessの進化

実際、Harnessの注目度はモデル企業から始まったわけではない。

今年の初頭、OpenClawの急成長により業界は、基盤モデルを保有しない企業であっても、Agent実行システムの優位性によって多数のユーザーを集められる可能性があることに気づいた。2月にはOpenAIがOpenClaw創設者のPeter Steinbergerを採用し、次世代個人用エージェントの開発に参加させている。

その後、Nous ResearchはHermes Agentを発表し、エージェントが業務中で蓄積した経験を再利用可能なSkillsとして保存し、以後のタスクで継続的に改善させる試みを行った。

3月下旬、スタンフォード大学等の機関がMeta-Harnessを提案し、AIが失敗記録に基づいてHarnessコードを直接修正し、テストによって効果を検証する仕組みを導入した。テキスト分類実験においては正解率が7.7ポイント向上し、コンテキストTokenの消費量が従来の四分の一に減少した。

なぜこれらの探求にモデル企業が投資する価値があるのか。10月、シンガポール南洋理工大学は66種のモデルとHarnessの組み合わせをテストし、Harnessの入れ替えがモデル間のパフォーマンスランキング自体を変動させる可能性があると指摘した。

FrontierHarness Evalでも、同一モデルであるKimi K3において、Codexを使用した場合のタスク通過率は66.7%、DeepSeek Harness Creator使用時が63.3%、Kimi Code使用時は56.7%となった。

基盤モデル企業にとって、モデルのパフォーマンス向上を図るにあたり、モデルそのものの改良に加え、Harnessの設計と最適化への依存度が日益高まっている。

図:同一Kimi K3における異種Harness構成時のタスク通過率とコスト比較

研究陣営はHarnessが蓄積した経験を活用したモデル学習の手法も模索している。7月に提案されたCo-Harnessは、まず失敗記録を用いてHarnessを改善し、その後に最適化された実行データでモデルを学習させる方式だ。11月に公開されたHarnessFlowはより優れたHarness設計を自動探索するアプローチを取り、6種類のタスクにおいて平均スコアを10.89ポイント引き上げた。

図:Harness技術の進化タイムライン(2025年末〜2026年11月)

ただし、自動最適化にもリスクが伴う。11月初のある研究では、特定の条件下で1つのHarnessが新規タスク向けに最適化された結果、従来SWE-benchで達成していたスコアが94%から32%へと急落した事例が確認されている。モデルアップデートによって、それまで有効だった設計が無力化される可能性もある。

これはHarnessの技術蓄積が画一的で永久不変になり得ないことを意味する。継続的な改良過程の中で多様なタスクの安定性をどう保つかは、いまだ未解決の難題となっている。

業界関係者の間では、これもオープンソースモデル導入における大きな痛点だと指摘される。そのためモデル企業はHarnessサービスの販売を始めている。オープンソースフレームワークは無料で入手できるものの、企業が長期にわたり安定してエージェントを運用するには依然としてデプロイメントと保守のコスト負担が残る。KimiやAnthropicらはこれらの業務を引き受ける機会を見出し、Harnessを独立したビジネスへと成長させようとしているが、各社のアプローチは大きく異なっている。

Harnessが隠す真価

Harnessは個別有料サービス化が進んでいるが、現在の価格表を見ると、モデル推論費用が依然として収益の主柱となっている。

AnthropicのManaged Agentsはアクティブセッション時間あたり0.08ドルを徴収し、Tokenは別途計上される。公式が公開した1時間程度のプログラミングタスク例によれば総費用は0.58ドルだが、そのうちホスティング実行費が占める割合は約14%に過ぎない。

Kimiの料金体系はモデルToken、サンドボックス実行料、有料プラグインに分かれる。同社が公開した投機系金融法務分析タスクの試算コストは約30人民元だが、そのうちサンドボックス費用は0.1元未満に留まる。OpenAIはAgents APIの一般公開期間中に追加手数料を免除しており、主にモデルおよびツール使用量に基づいて課金する。DeepSeekはHarnessをMITライセンスでオープンソース化しており、直接的な課金ロジックは設定されていない。

図:6モデル企業におけるHarness課金方式とビジネスポジショニング比較

つまり現在段階において、モデル企業がHarnessから得られる直接的な収益は微小なものにとどまる可能性が高い。

では何故これほど多額の研究開発資源を投じるのか。

重要な理由は、企業が実際にエージェントを本番導入した後で顕在化するHarnessへの需要が、特定のモデルに対する依存関係よりも長く持続する可能性が高いことにある。

米国の法務サポート会社ABC Legalは従来、エージェントを従業員のPC上にデプロイし定期バッチ処理で運用していた。利用範囲の拡大に伴い、CTOのBrandon Fuller氏はこれらのエージェントを一括管理できるプラットフォームの探索に乗り出した。複数のソリューションを比較検討した末、AnthropicのManaged Agentsを選択したのは、同社が分散化した実行環境の維持管理から解放されたいと考えていたためだ。

Anthropicの情報によれば、ABC Legalは導入後わずか1ヶ月以内に50を超えるエージェントを生産環境に移行し、約310名の従業員が日常的にClaudeを活用している。従業員はソフトウェア開発の専門知識を有さなくても、設定操作のみで新規エージェントを作成可能だという。

これはホスティング型Harnessの魅力が実際の企業現場のニーズに根ざしていることを示している。ゼロからの開発・デプロイメントや長期的なシステム保守に比べ、企業は既存サービスの購入を選び、エンジニアリングリソースを自社のコアビジネスに集中させたいと考えている可能性が高い。

しかし企業が、だからといって特定のモデル企業にロックインされることを望むわけではない。

今年8月、VentureBeatが107社を対象に行った調査結果が公表された。回答企業の85%が2つ以上のエージェントオーケストレーションプラットフォームを併用しており、プラットフォーム選定基準としては29%がモデルとツールの柔軟性を最も重視し、最先端モデルとのネイティブ適合性を最優先としたのはわずか10%にとどまった。サンプルが大型テック企業に偏っているとはいえ、クライアントがモデル入れ替えの自由度を確保したいとする調達傾向が如実に表れている。

これがまさにHarness競争において新たなビジネスロジックを提供するポイントである。企業が長期的に特定のランタイムシステムを利用してくれるのであれば、プロバイダーはモデル呼び出しシェアの独占が叶わなくても、ホスティング、保守、カスタマーサクセス関連収入を持続的に獲得でき、顧客とのより安定したパートナーシップを構築できる。

こうなることで、Harnessは企業業務の実行フローに直接触れる機会を得ることになる。単なるモデルAPIと比較してHarnessは、モデル呼び出し、ツール実行、失敗時のリトライ、最終的な成果物に至るまで、1つのタスク開始から完了までのワークログを追跡・記録できる。これらの履歴は企業のトラブルシューティング支援となるだけでなく、モデル開発における有意義なフィードバック源としても機能する。

図:Harnessが記録する4種類のエージェント企業タスク実行データ

検証済みのリアルなタスクフィードバックを継続的に収集できれば、モデル企業は本番環境におけるモデルの不具合やボトルネックを早期に発見する機会を得られる。ただし、この優位性はデータ権利をめぐる明確な制限の影響を受けることになる。

ここにモデル企業に新たな課題が提示される。企業が基盤モデルの自由な入れ替え権を持ち、自社のデータを厳格に管理することを堅持する場合、Harnessがいかにして長期的な優位性を構築できるのか。

モデル企業にとってHarnessは、直接課金以上に深远な価値をもたらす可能性がある。企業の業務負荷がますますエージェントへ移管されていく中、信頼性の高いランタイムシステムを提供できる事業者こそが、採用モデルの選定や、AIが現実のビジネスにどのように関わりゆくかの方向性に影響力を及ぼす機会を手に入れられる。

誰しも知る馴染み深く、かつ陳腐なキーワードが一つある。それは「入口」である。

しかしインターネット時代から根付いたこの語りは、常にAI時代の競争における過敏な神経に触れてきた。現在、Harnessはある意味でこうした期待と想像力を受け継ぎつつある。