OpenAIの研究科学者Noam Brownは推論モデルの研究開発を専門としており、開発者に対して複雑なエージェントフレームワーク（Harness）に労力を費やさないよう公然とアドバイスしている。その理由はモデルの進歩が速すぎるため、フレームワークで実現した機能が数ヶ月後にはモデルが本来持つネイティブ能力になる可能性があるからだ。OpenAIの企業製品責任者Alexander Embiricosもこの立場に同意している。
（背景説明：AIエージェント分野の四大分類概要：フレームワーク、Launchpad、アプリケーション、Meme）
（背景補足：OpenAIがo3とo4-miniの最強推論モデルを発表：画像を思考し、ツールを自動選択、数学・コーディング性能がさらに向上）
目次
Toggle
重要ポイント
AI業界全体がエージェントフレームワークをますます厚く構築することに忙しい中、OpenAI内部の人間が「構築するな」と飛び出してきた。OpenAIの上級研究員Noam Brownは開発者に対して、複雑なエージェントフレームワーク（Harness、つまりモデルの外側にあり、ツール呼び出しとステップ分解のパイプラインを担当し、それ自体は真の思考を行わない）に多大な労力を注がないよう公然とアドバイスしている。モデルの能力向上があまりに速く、今日フレームワークで無理やり実現した機能が、数ヶ月後にはモデルが本来持つネイティブ能力になる可能性が高い。彼は開発者にフレームワークをシンプルに保ち、より多くの作業をモデル自身に任せることを勧めている。
フレームワークを構築するなと言うNoam Brownは、OpenAIの推論モデル（oシリーズ、例：o1、o3）の重要な推進者の一人であり、モデルにより多くの計算リソースを使って思考させるtest-time computeを専門としている。OpenAIに入社する前はMetaに在籍し、有名なポーカーAIや戦略ゲームAIを開発しており、そのような経歴からモデル能力について語る彼の発言には特に重みがある。
Noam Brownはかつて例を挙げて、推論モデルが登場する前は、開発者は大量のエンジニアリングによってGPT-4のような非推論モデルに複雑な分解、繰り返し呼び出し、ステップ分解、外部オーケストレーションを施し、無理やり推論行動を引き出していたと指摘した。o1がリリースされた後、これらのエンジニアリングはほぼすべて無意味になり、丁寧に構築された外部フレームワークはむしろ結果を悪化させ、問題を推論モデルに直接投げて、何の足場も追加しない方が、むしろ良い結果が得られた。
OpenAIの企業製品責任者Alexander Embiricosも同じ立場を支持しており、同社は将来モデルが自ら持つべき能力を手作業で開発することを意図的に避けると語った。今日エンジニアが徹夜で構築した機能は、次のバージョンのモデルの代わりに働いているだけであり、リリース前に置き換えられる運命にある。OpenAIのCodexチームはさらに率直に、「足場を組むのは無理な延命であり、拡張ではない」と述べている。
これは実際に燃え広がっている議論であり、全員が納得しているわけではない。LlamaIndexの創業者Jerry Liuは逆の言葉を述べており、「フレームワークこそがすべてだ」と語り、コンテキストエンジニアリング（context engineering、コンテキストをモデルに与える技術）とワークフローの設計こそが、開発者がAIの価値を引き出すのを妨げる鍵であると述べている。
反対派の実証として、2026年2月のある午後、フレームワークだけを変更しモデルを変更しなかったところ、15の大規模言語モデルのコーディング性能がすべて大幅に向上した。また、ほぼすべての稼働中のエージェントが最終的に「ツールを呼び出し、結果を取得し、コンテキストに挿入し、モデルに再度問い合わせる」という核心ループに収束することが観察されており、フレームワークのアーキテクチャ自体が製品の核心的価値である可能性がある。両陣営とも実績を挙げており、この戦いにまだ本当の勝者は出ていない。
この議論の根底にあるのは同じ問いである：モデルの進歩と競争するかどうか。それはAI業界で長く語られている「苦い教訓」（The Bitter Lesson）を思い起こさせる。計算リソースで積み上げた汎用的な方法が、長期的には人手で彫り上げた工夫に勝ることが多い。堀をフレームワークエンジニアリングに賭けることは、ある意味で次世代モデルとの賭けであり、それがあなたが苦労して構築した機能を学習しないことを賭けることになる。
この注意喚起は暗号業界にとっても無関係ではない。AIエージェントはここ2年で最もホットなテーマの一つであり、多くのチームが堀を手作業で構築した複雑なエージェントフレームワークに賭けている。Noam Brownの言葉は目の前にあり、非常に直接的である：今日構築したフレームワークは、数ヶ月後にはモデルのネイティブ能力に食われる可能性がある。そして次のバージョンのモデルがどの機能を食い尽くすかについては、誰も確約できない。Noam Brown自身も含めて。
よくある質問
AIエージェントのHarness（フレームワーク）とは何か？
Harnessはモデルの外側にあり、ツール呼び出しとステップ編成を担当するパイプラインであり、それ自体は真の思考を行わない。例えば、呼び出しと再試行を連鎖させる層のアーキテクチャがHarnessである。
なぜNoam Brownは開発者にエージェントフレームワークへの過度な投資を避けるよう勧めるのか？
モデルの能力向上があまりに速く、今日フレームワークで実現した機能が、数ヶ月後にはモデルが本来持つネイティブ能力になる可能性が高いため、過度な投資は無駄になる恐れがあるからだ。
838.6K 人気度
210.39K 人気度
70.43K 人気度
1.39M 人気度
945.85K 人気度
OpenAIの科学者は提案する：Harnessに力を入れすぎないように、次世代モデルは内蔵される可能性がある
OpenAIの研究科学者Noam Brownは推論モデルの研究開発を専門としており、開発者に対して複雑なエージェントフレームワーク（Harness）に労力を費やさないよう公然とアドバイスしている。その理由はモデルの進歩が速すぎるため、フレームワークで実現した機能が数ヶ月後にはモデルが本来持つネイティブ能力になる可能性があるからだ。OpenAIの企業製品責任者Alexander Embiricosもこの立場に同意している。
（背景説明：AIエージェント分野の四大分類概要：フレームワーク、Launchpad、アプリケーション、Meme）
（背景補足：OpenAIがo3とo4-miniの最強推論モデルを発表：画像を思考し、ツールを自動選択、数学・コーディング性能がさらに向上）
目次
Toggle
重要ポイント
AI業界全体がエージェントフレームワークをますます厚く構築することに忙しい中、OpenAI内部の人間が「構築するな」と飛び出してきた。OpenAIの上級研究員Noam Brownは開発者に対して、複雑なエージェントフレームワーク（Harness、つまりモデルの外側にあり、ツール呼び出しとステップ分解のパイプラインを担当し、それ自体は真の思考を行わない）に多大な労力を注がないよう公然とアドバイスしている。モデルの能力向上があまりに速く、今日フレームワークで無理やり実現した機能が、数ヶ月後にはモデルが本来持つネイティブ能力になる可能性が高い。彼は開発者にフレームワークをシンプルに保ち、より多くの作業をモデル自身に任せることを勧めている。
フレームワークを構築するなと言うNoam Brownは、OpenAIの推論モデル（oシリーズ、例：o1、o3）の重要な推進者の一人であり、モデルにより多くの計算リソースを使って思考させるtest-time computeを専門としている。OpenAIに入社する前はMetaに在籍し、有名なポーカーAIや戦略ゲームAIを開発しており、そのような経歴からモデル能力について語る彼の発言には特に重みがある。
Noam Brownはかつて例を挙げて、推論モデルが登場する前は、開発者は大量のエンジニアリングによってGPT-4のような非推論モデルに複雑な分解、繰り返し呼び出し、ステップ分解、外部オーケストレーションを施し、無理やり推論行動を引き出していたと指摘した。o1がリリースされた後、これらのエンジニアリングはほぼすべて無意味になり、丁寧に構築された外部フレームワークはむしろ結果を悪化させ、問題を推論モデルに直接投げて、何の足場も追加しない方が、むしろ良い結果が得られた。
労力を節約し、モデルに任せる
OpenAIの企業製品責任者Alexander Embiricosも同じ立場を支持しており、同社は将来モデルが自ら持つべき能力を手作業で開発することを意図的に避けると語った。今日エンジニアが徹夜で構築した機能は、次のバージョンのモデルの代わりに働いているだけであり、リリース前に置き換えられる運命にある。OpenAIのCodexチームはさらに率直に、「足場を組むのは無理な延命であり、拡張ではない」と述べている。
もう一方の派閥は納得していない：フレームワークこそが真の堀（守りの要）である
これは実際に燃え広がっている議論であり、全員が納得しているわけではない。LlamaIndexの創業者Jerry Liuは逆の言葉を述べており、「フレームワークこそがすべてだ」と語り、コンテキストエンジニアリング（context engineering、コンテキストをモデルに与える技術）とワークフローの設計こそが、開発者がAIの価値を引き出すのを妨げる鍵であると述べている。
反対派の実証として、2026年2月のある午後、フレームワークだけを変更しモデルを変更しなかったところ、15の大規模言語モデルのコーディング性能がすべて大幅に向上した。また、ほぼすべての稼働中のエージェントが最終的に「ツールを呼び出し、結果を取得し、コンテキストに挿入し、モデルに再度問い合わせる」という核心ループに収束することが観察されており、フレームワークのアーキテクチャ自体が製品の核心的価値である可能性がある。両陣営とも実績を挙げており、この戦いにまだ本当の勝者は出ていない。
論争は次世代モデルとの賭け
この議論の根底にあるのは同じ問いである：モデルの進歩と競争するかどうか。それはAI業界で長く語られている「苦い教訓」（The Bitter Lesson）を思い起こさせる。計算リソースで積み上げた汎用的な方法が、長期的には人手で彫り上げた工夫に勝ることが多い。堀をフレームワークエンジニアリングに賭けることは、ある意味で次世代モデルとの賭けであり、それがあなたが苦労して構築した機能を学習しないことを賭けることになる。
この注意喚起は暗号業界にとっても無関係ではない。AIエージェントはここ2年で最もホットなテーマの一つであり、多くのチームが堀を手作業で構築した複雑なエージェントフレームワークに賭けている。Noam Brownの言葉は目の前にあり、非常に直接的である：今日構築したフレームワークは、数ヶ月後にはモデルのネイティブ能力に食われる可能性がある。そして次のバージョンのモデルがどの機能を食い尽くすかについては、誰も確約できない。Noam Brown自身も含めて。
よくある質問
AIエージェントのHarness（フレームワーク）とは何か？
Harnessはモデルの外側にあり、ツール呼び出しとステップ編成を担当するパイプラインであり、それ自体は真の思考を行わない。例えば、呼び出しと再試行を連鎖させる層のアーキテクチャがHarnessである。
なぜNoam Brownは開発者にエージェントフレームワークへの過度な投資を避けるよう勧めるのか？
モデルの能力向上があまりに速く、今日フレームワークで実現した機能が、数ヶ月後にはモデルが本来持つネイティブ能力になる可能性が高いため、過度な投資は無駄になる恐れがあるからだ。