AI Daily Digest

Google AI有料プランの落とし穴：OpenClawユーザーがアカウント制限される理由 Tier1

何が起きたか

Google AI Pro（月額$20）およびUltra（月額$249）の有料ユーザーが、OpenClawなどのサードパーティクライアントを使用した場合にアカウント制限を受ける事態が発生しています。Hacker Newsで775ポイント、667件のコメントを集めた話題です。

問題の核心は、OpenClawがGoogleのOAuth認証を経由してAI機能にアクセスする仕組みにあります。Google側はこれを利用規約違反と判断し、対象アカウントに対して403エラーを返すようになりました。警告なしの即時制限で、月$249を支払っているUltraユーザーも例外ではありません。

要点

まず制限の範囲です。影響を受けるのはOpenClaw経由でGemini APIにアクセスしていたユーザーで、Googleの社員がXで「ゼロトレランスポリシー」であることを認めました。返金対応についての公式声明はまだ出ていません。

次に技術的な背景です。OpenClawはGoogleのOAuthフローを使ってトークンを取得し、それをAPIコールに使っています。Google側は、消費者向けサブスクリプションのAPIアクセスをサードパーティアプリに「転用」する行為を問題視しています。開発者向けAPIとは別契約・別料金体系であるという立場です。

最後に波及です。HNコメントでは「他のAIサービスに乗り換える」という声が目立ちました。2月22日に取り上げたKarpathyのClawsや2月20日のOpenClaw開発者の話題と合わせて見ると、Googleのエコシステム外でAIを使おうとする動きと、それを封じるプラットフォームの攻防が鮮明になっています。

なぜ重要か

月額$249を払っているユーザーが、サードパーティクライアントを使っただけで警告なしにアクセスを失うという事態は、AI有料プランの「所有権」に関する根本的な問題を提起しています。クラウドサービスの利用規約はプラットフォーム側が一方的に解釈を変えられるため、ユーザーが高額プランに依存するリスクは想像以上に大きいです。

特にAPI利用が前提のワークフローを組んでいる場合、プラットフォーム側のポリシー変更一つで業務が止まる可能性があります。冗長性の確保は技術的な課題だけでなく、契約上の課題でもあります。

議論の争点

所感

有料ユーザーへの警告なし制限は、信頼の毀損として代償が大きいと感じます。技術的に規約違反を検知しているなら、まず警告を出す仕組みは実装可能なはずです。プラットフォームの「ゼロトレランス」が顧客を他社に押し出す好例になりかねません。

用語メモ

OAuth転用

消費者向けサービスのOAuth認証で取得したトークンを、サードパーティアプリからのAPI呼び出しに使い回す行為。
この記事では、OpenClawがGoogleのOAuthフローを利用している点が問題視されています。

ゼロトレランスポリシー

違反行為に対して段階的な制裁ではなく、初回から最大限の制限を適用する方針。
この記事では、Google社員がXでこのポリシーを認めています。

ローマ教皇がAI説教を禁止：「脳は筋肉と同じで使わなければ衰える」 Tier1

概要

教皇レオ14世が2月19日、ローマの聖職者に向けた講話で、AIを使って説教を作成することを明確に禁じました。「脳は筋肉と同じで、使わなければ衰える」という表現が注目を集め、HNで503ポイント、402件のコメントが付いています。

教皇は同時に、TikTokの「いいね」の数を気にすることへの警告も発しています。AI技術そのものを否定しているわけではなく、「信仰をAIが共有することは決してない」という点を強調し、聖職者の知的・精神的な修練の重要性を説いた形です。

先に押さえる3点

第一に、これは教義上の決定ではなく講話です。バチカンの公式ドキュメントとは異なり、即座に教会法として効力を持つものではありません。ただし、教皇の講話は事実上の指針として各教区に影響を与えます。

第二に、対象は説教（homily）に限定されています。教会の事務処理や翻訳作業でのAI利用まで否定しているわけではありません。「信仰を伝える言葉は自分の中から出てくるべきだ」という主張であり、AIの全面禁止とは趣旨が異なります。

第三に、タイミングです。AIが生成した文章の品質が急速に向上する中で、「人間が考えて書くこと」の価値を宗教指導者が正面から主張した点に意味があります。

影響

宗教界に限らず、「AIで代替できるが代替すべきでない領域」という議論はあらゆる専門職に通じます。弁護士が準備書面をAIに書かせる場合、医師が患者への説明をAIに任せる場合、そこに「自分の言葉で伝えなければならない」という一線があるのかどうか。

HNコメントでは「説教に限らず、大学のエッセイも同じ問題を抱えている」という指摘や、「そもそも説教の質が低いからAIに頼りたくなる」という辛辣な意見もありました。

議論の争点

実務メモ

直接的にIT実務に関係する話題ではありませんが、「AIが生成した文章をどこまで自分の成果物として扱えるか」という問題は、技術文書やプレゼン資料の作成にも通じます。組織としてAI利用のガイドラインを設ける際、「下書き利用OK・最終成果物はNG」のような線引きを検討する参考になります。

用語メモ

homily（説教）

カトリック教会のミサで聖書朗読後に行われる短い説き明かし。
この記事では、AIによる説教作成を教皇が禁じた対象です。

教皇講話

教皇が特定の聴衆に向けて行う非公式な訓話。教義決定（教令・回勅）とは異なり法的拘束力はないが、実質的な指針として各教区に影響する。

Anthropicが蒸留の証拠を公開：DeepSeek・MiniMax・Moonshotの1,600万回 Tier1

ざっくり言うと

Anthropicが、自社モデルから大規模な「蒸留」が行われていた証拠を公式に発表しました。具体的には、DeepSeekが約15万回、Moonshotが340万回、MiniMaxが1,300万回、合計約1,600万回のAPIアクセスがモデル蒸留目的だったと特定しています。

これまで「蒸留疑惑」はうわさレベルでしたが、Anthropicが具体的な数値と手口を公開したことで、一気に事実ベースの議論に変わりました。HNで93ポイント、97件のコメントと、ポイントの割にコメントが多い注目度の高い話題です。

ポイントは3つ

まず規模です。MiniMaxの1,300万回は突出しています。Anthropicは「hydra cluster」と呼ばれるアーキテクチャを検出したと述べており、2万以上の不正アカウントを束ねたクラスター経由でのアクセスでした。単純な大量リクエストではなく、分散型の組織的運用だったことがわかります。

次にタイミングの問題です。MiniMaxは新モデルのリリースから24時間以内にピボット（蒸留対象のモデル切り替え）を行っていたとされます。つまり、Anthropicが新モデルを出すたびに自動的に蒸留パイプラインが動き出す体制が整っていたということです。

最後に、Anthropicはこの報告を「国家安全保障」の文脈に位置づけています。米国のチップ輸出規制の議論と結びつけ、中国系AI企業によるモデル蒸留を安全保障上のリスクとして提示しています。2月18日のClaude Sonnet 4.6リリースや2月20日のサブスク認証禁止と合わせて見ると、Anthropicが自社モデルの保護を段階的に強化してきた流れが見えます。

どこに効く？

AI業界全体に影響します。蒸留は技術的には合法グレーゾーンにあり、利用規約違反ではあっても刑事罰の対象とは限りません。Anthropicが「国家安全保障」という枠組みを持ち出したのは、法的対応の限界を政治的に補完する戦略と読めます。

開発者にとっての実務的な影響は、APIアクセスのモニタリング強化です。大量のAPIキーを使った分散アクセスの検知、異常なリクエストパターンの監視が今後のAPI提供者の標準になる可能性があります。

議論の争点

一言

1,600万回という数字のインパクトもさることながら、MiniMaxが新モデルリリースから24時間以内にピボットしていたという事実が生々しいです。ここまで組織化されたオペレーションに対して、API利用規約だけで対処するのは無理がある、というのがAnthropicの本音でしょう。

用語メモ

モデル蒸留（distillation）

大規模モデルの出力を教師データとして、小さいモデルを訓練する手法。
この記事では、他社のAPIを大量に叩いて教師データを収集する不正利用を指します。

hydra cluster

Anthropicが命名した、2万以上の不正アカウントを束ねた分散アクセス基盤。
検知を回避するために多数のアカウントからリクエストを分散する仕組みです。

スペインLaLiga、海賊版対策で米政府サイトまでブロック Tier1.5

まず結論

スペインのサッカーリーグLaLigaが海賊版配信対策として実施しているIP単位のブロッキングが、無関係なサイトにまで波及しています。HNで207ポイント、238件のコメントを集めた話題で、freedom.gov（米国連邦政府サイト）がブロック対象に含まれていたことが発覚しました。

原因はCloudflareの共有IPアドレスです。海賊版サイトと同じCloudflare IPに相乗りしている無関係なサイトが「絨毯爆撃」式にブロックされています。

変わった点

従来の海賊版対策はドメイン単位（DNS ブロッキング）が主流でした。LaLigaが採用しているのはIP単位のブロッキングで、CDNの背後にある全サイトが巻き添えを食います。Cloudflareのような大手CDNではIPの共有が当たり前なため、この手法は本質的に過剰ブロッキングを引き起こします。

スペインのISPがこれに従っている背景には、LaLigaが裁判所命令を取得し、ISPに対して試合中の海賊版配信をリアルタイムにブロックするよう義務付けている事情があります。ISP側は命令に従うしかなく、技術的な妥当性の判断を求められない構造です。

注意点

この問題はスペインに限定されません。同様の裁判所命令によるIP単位ブロッキングは他のEU加盟国でも導入される可能性があります。VPNを使えば回避は容易ですが、そもそも正規のビジネスサイトが巻き添えでブロックされること自体が問題です。

Cloudflare側が対応策を出すかどうかも焦点です。専用IPの提供やIP分離の強化など、技術的な緩和策はありますが、追加コストが発生するため無料プランのユーザーには恩恵が及びにくいです。

議論の争点

使うならこうする

スペインからのアクセスが見込まれるサービスを運用している場合、Cloudflareの共有IPに依存していないか確認する価値があります。専用IPの導入、あるいはCloudflare以外のCDNの検討も選択肢です。直接的なAI関連ではないものの、AIサービスのグローバル展開において「想定外のブロッキング」はインフラリスクとして認識しておくべきです。

用語メモ

IP絨毯爆撃（carpet bombing）

特定のIPアドレスをブロックすることで、そのIPを共有する無関係なサイトまで巻き添えにするブロッキング手法。
この記事では、Cloudflare共有IPへのブロックが米政府サイトにまで波及しています。

ECH（Encrypted Client Hello）

TLS通信の初期段階で送信されるSNI情報を暗号化する技術。
SNIベースのフィルタリングを無効化するため、権利者側のブロッキングが困難になります。

AIは小説をほぼ丸ごと再現できる：Claude・GPT・Geminiで検証した結果 Tier1.5

何が起きたか

Ars Technicaの調査報告で、複数のAIモデルが著作権のある小説をほぼ逐語的に再現できることが実験的に確認されました。HNで77ポイント、95件のコメントが付いています。

実験では主要なAIモデル（Claude 3.7、GPT-4.1、Gemini 2.5 Pro、Grok 3など）に対して、小説の続きを生成するよう指示しています。結果に明確な差が出ました。Claude 3.7とGPT-4.1はジェイルブレイク（安全機能の回避）なしでは著作権コンテンツの再現を拒否しましたが、Gemini 2.5 ProとGrok 3は特別な操作なしで応じています。

要点

モデルごとの挙動の違いが重要です。ClaudeとGPTには著作権保護のガードレールが機能しています。ただし、ジェイルブレイクを施すとClaude 3.7でも再現が可能になったという報告もあり、「拒否している」のであって「できない」わけではありません。

HNのコメント欄では「LLMは巨大な非可逆圧縮である」というアナロジーが注目されました。学習データを完全にそのまま記憶しているわけではないが、十分なプロンプトを与えれば「解凍」に近い形で再構成できるという見方です。

2月19日にAnna's ArchiveのAI向けプロンプトインジェクションを取り上げましたが、今回はAI側が著作物を「出力」する能力を直接検証した形です。著作権の攻防が入力側と出力側の両面で進行しています。

なぜ重要か

この実験結果は、進行中のAI著作権訴訟に直接影響します。「AIは学習データを記憶していない」という反論が成り立たなくなるためです。特にGeminiとGrokがガードレールなしで再現に応じたことは、プロバイダーの著作権対策の温度差を浮き彫りにしています。

開発者としては、自社のAIサービスが意図せず著作権コンテンツを出力するリスクを認識しておく必要があります。コンテンツフィルタリングの実装はコスト増につながりますが、法的リスクとのトレードオフです。

議論の争点

所感

モデルの能力が上がるほど、著作権保護のガードレールの重要性も上がります。GeminiとGrokが「素のままで再現に応じた」という事実は、GoogleとxAIのコンプライアンス姿勢に疑問を投げかけるものです。技術的に拒否する手段はあるのに実装していないのだとすれば、それは意識的な判断ということになります。

用語メモ

ジェイルブレイク

AIモデルの安全ガードレールを回避し、通常拒否される出力を引き出すプロンプト技術。
この記事では、Claude 3.7のガードレールを迂回して著作物を再現する手法として言及されています。

非可逆圧縮アナロジー

LLMを「学習データの非可逆圧縮」と見なす比喩。完全な復元はできないが、十分な手がかりがあれば近似的に再構成できるという考え方。

Pinterestを埋め尽くすAI生成画像：人間のアートが「AI改変」と誤判定される問題

概要

404 Mediaの報道で、Pinterestのフィードがai生成画像に埋め尽くされている実態が改めて注目されています。HNで74ポイント、71件のコメント。問題の本質は画像の量だけでなく、人間が描いたアートが「AI改変」と誤ってラベリングされるケースが多発している点にあります。

先に押さえる3点

まず規模感です。Pinterestの従業員数は約5,200人ですが、毎日アップロードされるAI生成画像を手動でフィルタリングするリソースは明らかに不足しています。自動検出に頼らざるを得ませんが、その精度に問題があります。

次に誤判定の深刻さです。人間のアーティストが自作をアップロードしたところ「AI改変コンテンツ」のラベルが付き、異議申し立てを行っても自動返信のループから抜け出せないというケースが報告されています。クリエイターにとっては自分の作品が機械扱いされるわけで、プラットフォームへの信頼を大きく損ねます。

最後に、これはPinterest固有の問題ではありません。2月22日に取り上げたAI uBlockのような「AI生成コンテンツを排除する」ツールが支持を集める背景には、プラットフォームのフィルタリングが追いつかないという現実があります。

影響

ビジュアルプラットフォームにとって「AIか人間か」の判別は運命的な課題になりつつあります。Pinterestの価値はキュレーションされた美しい画像の発見にありますが、AI生成画像がフィードの信頼性を下げれば、ユーザー離れが加速する可能性があります。

AI画像検出技術の限界も浮き彫りになりました。現在の検出器はGAN生成画像には比較的強いですが、最新の拡散モデルによる生成画像は人間の作品と見分けがつきにくくなっています。

実務メモ

UGCプラットフォームを運用している場合、AI検出のfalse positive（人間の作品をAIと誤判定）は顧客離れに直結します。検出結果は「確定」ではなく「参考値」として扱い、異議申し立ての導線を整備しておくことが重要です。「AIかもしれない」という曖昧な状態を許容するUI設計も検討に値します。

用語メモ

AI slop

低品質なAI生成コンテンツが大量にプラットフォームに溢れる状態を指す俗語。
この記事では、PinterestフィードのAI画像の氾濫を指して使われています。

false positive（偽陽性）

検出システムが正常なものを異常と誤判定すること。
この記事では、人間のアートをAI生成と誤ってラベリングする問題を指します。

「洗車場までどう行く？」53モデルに聞いた結果、合格は5つだけ

ざっくり言うと

「自宅から2ブロック先の洗車場に行くには？」という日常的な質問を53のAIモデルに投げ、正しく「歩いて行く」と答えられたかを検証する実験です。結果、一貫して正解したのはたった5モデル。HNで71ポイント、72件のコメントが付いています。

これは「常識推論」のベンチマークとして設計されたテストで、モデルが「近距離の移動は徒歩」という暗黙の前提をどれだけ持っているかを測定しています。

ポイントは3つ

第一に、合格した5モデルです。Claude Opus 4.6、Gemini系の複数バリアント、Grok-4が一貫して正解しています。一方、多くのモデルは「車で行く」「GPSアプリを使う」などの回答を返しました。洗車場という文脈が「車」という連想を呼び、2ブロックという距離情報を上書きしてしまう傾向です。

第二に、人間の正答率です。比較対象として実施された人間実験では71.5%が正解。つまり人間でも約3割が「車で行く」と答えています。「洗車場＝車」というヒューリスティクスは人間にも存在し、AIだけの問題ではありません。

第三に、2月18日に取り上げたSkillsBenchや2月20日のGemini 3.1 ProのARC-AGI-2スコアのようなベンチマークとは異なり、このテストは「高度な推論」ではなく「日常の常識」を問うている点が特徴的です。高スコアモデルが常識テストで落ちるケースは示唆に富みます。

どこに効く？

チャットボットやAIアシスタントの品質評価に直結します。ユーザーは「2ブロック先のカフェの行き方」のような日常質問を普通に投げるため、常識推論の失敗は体験を大きく損ねます。ベンチマークのスコアだけでモデルを選定すると、こうした落とし穴に気づきにくいです。

対策としては、ドメイン特化のテストスイートにこの種の「常識チェック」を含めることです。「近距離移動→徒歩」のような基本的な推論ルールをpromptで明示する方法もありますが、ケースが無限にあるため根本解決にはなりません。

一言

人間の正答率71.5%というのが地味に興味深いです。「洗車場だから車」という連想は強力で、AI特有の問題ではなく認知バイアスの問題でもあります。ただ、人間は「あ、2ブロックか。歩けるね」と一瞬で修正できるのに対し、AIは最初の連想に引きずられやすい。その差がこの実験で可視化されています。

用語メモ

常識推論（common sense reasoning）

明示されていない日常的な前提知識を使って正しい判断を下すAIの能力。
この記事では「短距離は歩く」という暗黙知がテスト対象です。

ヒューリスティクス上書き

特定の文脈キーワード（洗車場→車）が強い連想を引き起こし、他の情報（2ブロック→徒歩）を無視してしまう推論の歪み。

Aqua：AIエージェント同士がP2Pで直接やり取りするCLIツール

まず結論

Aquaは、AIエージェントが中央サーバーを介さずP2P（ピアツーピア）で直接メッセージをやり取りするためのCLIツールです。Go言語で書かれ、libp2pをベースにエンドツーエンド暗号化（E2EE）を実装しています。HNで68ポイント、32件のコメント。

変わった点

従来のAIエージェント間通信は、APIサーバーやメッセージキュー（RabbitMQ、Kafkaなど）を経由するのが一般的でした。Aquaが提案するのは、エージェントが直接接続して通信するモデルです。

技術的にはlibp2pのDHTとリレー機能を活用しています。NAT越えが必要な場合はリレーノードを経由しますが、それ以外は直接接続です。メッセージはE2EEで保護されるため、リレーノードがあっても内容は読めません。

昨日取り上げたzclaw（ESP32で動く888KBのAIアシスタント）がエッジ側のAIなら、Aquaはエージェント間のネットワーク層に相当します。AIインフラのレイヤーが着実に積み上がっている印象です。

注意点

現時点ではプロトタイプに近い段階で、プロダクション利用には課題があります。P2Pネットワークの信頼性はノード数に依存するため、初期段階では接続が不安定になる可能性があります。また、E2EEはメッセージ内容を保護しますが、メタデータ（誰が誰と通信しているか）はDHTに記録されるため完全な匿名性はありません。

CLIインターフェースは開発者向けですが、最終的にはSDKとして他のアプリケーションに組み込む用途が想定されています。

使うならこうする

マルチエージェントシステムを設計していて、中央サーバーへの依存を減らしたい場合に検討の価値があります。特にエージェント同士がプライベートな情報をやり取りするケース（例：社内AIエージェント間の連携）では、E2EEの恩恵が大きいです。まずはgo installで手元に入れ、2台のマシン間でメッセージを送り合うところから始めるのが無難です。

用語メモ

libp2p

分散型アプリケーション向けのP2Pネットワーキングフレームワーク。元々はIPFSのために開発され、現在はFilecoinやEthereumでも使われています。
この記事では、Aquaの通信基盤として採用されています。

DHT（分散ハッシュテーブル）

P2Pネットワークでノードの発見と経路制御に使われるデータ構造。
Aquaではエージェント同士がお互いを見つけるために使用されます。

AIタイムライン：TransformerからGPT-5.3まで171モデルの系譜

何が起きたか

2017年のTransformer論文（"Attention Is All You Need"）から2026年のGPT-5.3まで、171のLLMをインタラクティブなタイムラインにまとめたサイトが公開されました。HNで103ポイント、45件のコメント。

単なる年表ではなく、各モデルのパラメータ数、学習データ量、ベンチマーク成績などを視覚的に比較できるのが特徴です。「AIの進化速度を実感する」という体験型コンテンツとして注目されています。

要点

見どころは3つあります。まず、2022〜2023年の爆発的増加です。GPT-3.5の成功以降、参入企業が一気に増え、モデル数が加速度的に膨らんだ時期がビジュアルで一目瞭然です。

次に、パラメータ数の推移です。一時期は「大きければ強い」という風潮がありましたが、2025年以降は小型モデルの高効率化にトレンドがシフトしたことがグラフから読み取れます。Mistral、Phi、Gemma系のモデルがそれを体現しています。

最後に、「消えたモデル」の多さです。171のうち、2026年現在もアクティブに使われているモデルはほんの一握りです。AI業界の新陳代謝の激しさが可視化されています。

なぜ重要か

AIの進化を「点」ではなく「線」で捉えるリソースは意外と少ないです。個別のモデルリリースは日々報じられますが、全体の流れを俯瞰できる資料は希少です。新しく参入する開発者にとって、業界の文脈を短時間で掴むのに役立ちます。

「このモデルは何の後継で、何と競合しているのか」を理解するだけで、技術選定の精度が変わります。

所感

171モデルを並べて見ると、「毎月のように画期的なモデルが出ているのに、結局残るのは少数」という現実が身に沁みます。個別のリリースに一喜一憂するより、半年スパンで振り返る視点がちょうどいいのかもしれません。タイムラインをブックマークしておいて、次に「このモデルって何だっけ」と思ったときに参照すると便利です。

用語メモ

Transformer

2017年にGoogleが提案したニューラルネットワークアーキテクチャ。Self-Attention機構が特徴で、現在のLLMの基盤技術。
この記事ではタイムラインの起点として位置づけられています。

パラメータ数

モデルの規模を表す指標で、学習可能な重みの総数。一時期は「大きいほど高性能」とされたが、近年は効率化により小型モデルでも高い性能を出す傾向にある。

Ladybird、AI支援で2週間にRust 25,000行を導入した方法

概要

独立系ブラウザプロジェクトLadybirdが、Claude CodeとOpenAI Codexを活用して2週間で約25,000行のRustコードをコードベースに導入しました。しかも、52,898件の既存テストと12,461件の追加テストを全パスしています。HNとLobstersで合計70件のコメント。

重要なのは「AIが自律的にコードを書いた」わけではない点です。人間の開発者がアーキテクチャ判断を行い、AIはCからRustへの変換作業を担当するという「人間主導・AI実行」のワークフローでした。

先に押さえる3点

第一に、作業の性質です。新規機能の開発ではなく、既存のCコードをRustに「翻訳」する作業です。元のコードがすでにテスト済みであるため、翻訳後の正しさをテストで担保できます。AI支援が機能しやすい条件が揃っていたと言えます。

第二に、AI間の使い分けです。Claude Codeは全体のリファクタリング計画と大きなコード変換に、Codexはファイル単位の機械的な変換に使い分けています。昨日取り上げたClaude Codeの計画と実行の分離術に通じるアプローチで、AIの得意分野に合わせたタスク配分が効いています。

第三に、テスト全パスという結果です。「ゼロリグレッション」は2週間で25,000行という速度とセットで評価すべきです。人間だけで同じ速度を出そうとすれば、リグレッションのリスクは格段に高くなります。テストカバレッジが充実していたことが成功の前提条件です。

影響

「AIはコードを翻訳するのが得意」という知見は、レガシーシステムの移行に広く応用できます。C→Rust、Python 2→Python 3、Java→Kotlinなど、「意味は同じで言語だけ変える」作業はAI支援の恩恵が大きい領域です。

ただし、テストカバレッジが低い環境ではこのアプローチは機能しません。テストがなければ、AIの翻訳が正しいかどうかを判断する手段がないためです。「まずテストを書く→次にAIで翻訳する」という順序が重要です。

実務メモ

レガシーコードのモダナイズを検討している場合、まずテストカバレッジを確認してください。80%以上あれば、AI支援による言語変換は現実的な選択肢です。Claude CodeとCodexの使い分け（計画はClaude、機械的変換はCodex）は参考になるパターンです。ゼロリグレッションを目標にする場合、CIパイプラインでの自動テストが必須です。

用語メモ

ゼロリグレッション

コード変更後に既存の機能が一切壊れていないこと。
Ladybirdでは52,898件+12,461件のテスト全パスでこれを確認しています。

AI支援コード翻訳

AIツールを使って既存コードを別言語に変換する手法。
この記事ではC→Rustの変換にClaude CodeとCodexを使った事例です。