Corevice K.K. @CoreviceLLC

完全GitHub互換のオープンソースをopen-gitという名前で公開しました！ github.com/Corevice/open-… これは全て弊社のツールのCodensで画面デザイン、仕様精査から全て行われております。 是非このopen-gitから、Codensの力を感じて見てください！ codens.ai

Google shipped Gemini 2.5 Pro Deep Think (Jun 22): a mode that runs deep, parallel reasoning at the moment it answers, topping the science, math, and reasoning benchmarks right now. But it's expensive, gated to the $250/mo Ultra tier, with API access still to come. blog.google/products-and-p… Every few weeks a new "smartest model" takes the lead. A deep-reasoning mode earns its cost on the hard steps, but running it across the whole pipeline is just expensive. Codens routes that per workflow: API-direct alias swap to change models, multiple executor lanes, and per-workflow / per-org budget caps so the pricey reasoning lane only runs where it pays off. And topping a benchmark doesn't decide whether the code is safe to merge. That's still the verify chain (implement -> test -> fix, up to 3 retries), a per-workflow merge gate (PR by default or auto-merge, both gated), and run-level execution logs. The smarter the model, the more you need the gate that catches its output. codens.ai/en/

GoogleがGemini 2.5 Pro Deep Thinkを公開しました(6/22)。回答する瞬間に推論を並列で深く回すモードで、科学や数学、推論のベンチマークで現状トップクラスです。ただし高価で、月250ドルのUltra枠に絞られ、API提供はこれからです。 blog.google/products-and-p… 数週間ごとに「今いちばん賢いモデル」が入れ替わります。深く考えるモードは難しい工程では価値がありますが、全工程で回すと高いだけです。 Codensはここをワークフロー単位で割り振ります。APIを直接叩くエイリアス方式でモデルを差し替え、複数の実行レーンを使い分け、ワークフローや組織ごとに予算上限をかける。高い推論レーンは、それが見合う場所だけで動かします。 そして、ベンチマークで1位になっても、そのコードをマージしてよいかは別問題です。実装・テスト・修正を最大3回まわすverifyチェーン、PRで止めるか自動マージするかをワークフロー単位で選べるゲート(どちらもverifyを通す)、行動が残る実行ログ。賢いモデルほど、出力を受け止めるゲートが要ります。 codens.ai

MIT and Microsoft unveiled "Murakkab" (Jun 25): describe a workflow's goal in plain language, and the system auto-picks the models, tools, execution order, and hardware, then tunes for speed, cost, or energy. Reported up to 2.8x less GPU, 3.7x less energy, and 4.3x lower cost vs static baselines like LangGraph. news.mit.edu/2026/improving… "Don't hard-code the model, route each workflow to the best fit" is exactly what Codens runs in production: API-direct alias routing, multiple executor lanes, and per-workflow / per-org budget caps. But picking the cheapest capable model is only half the job. The moment you let a smaller model write code, you need the gate that decides whether its output is safe to merge. That's the half Codens wires into the code path: a verify chain (implement -> test -> fix, up to 3 retries), a per-workflow merge gate (PR by default or auto-merge, both gated), and run-level execution logs. Cost optimization without that gate just ships cheaper bugs faster. codens.ai/en/

MITとMicrosoftが「Murakkab」を発表(6/25)。やりたいことを言葉で書くと、システムが使うモデル・ツール・実行順・ハードまで自動で選び、速度やコスト、消費電力に合わせて最適化する研究です。静的な構成と比べてGPU使用を最大2.8倍、消費電力を3.7倍、コストを4.3倍削減したとのこと。 news.mit.edu/2026/improving… 「モデルを固定せず、ワークフローごとに最適なものを自動で割り当てる」という発想は、Codensが本番でやっていることそのものです。APIを直接叩くエイリアス方式でモデルを差し替え、複数の実行レーンを使い分け、ワークフローや組織ごとに予算上限をかけています。 ただ、安いモデルを賢く選ぶのは仕事の半分でしかありません。小さいモデルにコードを書かせるなら、その出力をマージしてよいか判定するゲートが要ります。 Codensはそこを設計に組み込んでいます。実装・テスト・修正を最大3回まわすverifyチェーン。PRで止めるか自動マージするかをワークフロー単位で選べ、どちらもverifyを通します。行動は実行ログに残ります。コスト最適化だけでは、安いバグを速く出荷するだけになります。 codens.ai

Samsung just rolled out ChatGPT Enterprise and Codex to its entire Korea workforce and its global DX division (announced Jun 21). OpenAI calls it one of its largest enterprise deployments ever, and the notable part is the audience: manufacturing, marketing, and management staff with no coding background, not just engineers. The pitch is that you don't need to know how to program. Describe the problem and Codex turns it into internal tools, websites, and automated workflows. Over 5M people now use Codex weekly, and Korea grew nearly 800% since February. That changes the real question. Once tens of thousands of non-engineers start shipping software with AI, the bottleneck stops being how smart the model is. Who reviews, tests, merges, and caps the spend on what they push? The gate is the hard part. Codens makes that gate structural: a verify chain (implement, test, fix, up to 3 retries), a per-workflow merge gate (PR by default, auto-merge optional, both gated), per-workflow and per-org budget caps, and run-level execution logs. Whoever holds the model, the output passes through this before it reaches the code. Non-engineers shipping is real when the harness gates it. PORTAMENT shipped 5 products in 1.5 months with 3 business people and 1 engineer, 1,000+ PRs. Wiring the output in safely beats making the model smarter. openai.com/index/samsung-… codens.ai/en/

サムスン電子が、ChatGPT EnterpriseとCodexを韓国の全社員と全世界のDX部門に展開した（6/21発表）。OpenAIが「過去最大級の企業導入」と呼ぶ規模で、対象は開発者だけでなく、製造・マーケティング・管理部門の、コードを書いたことがない社員も含む。 狙いは明確だ。プログラムを知らなくても「やりたいこと」を説明すれば、社内ツールやWebサイトやワークフローをAIが形にする。Codexの週間利用者は500万人を超え、韓国では2月から約800%伸びたという。 ここで本当の問題が変わる。非エンジニア数万人がAIで何かを「出荷」し始めると、ボトルネックはモデルの賢さではなくなる。誰がそのコードをレビューし、テストし、マージし、コストの上限を決めるのか。効くのはゲートの方だ。 Codensはそのゲートを仕組みにしている。検証チェーン（実装、テスト、修正を最大3回）、ワークフローごとのマージ制御（PR既定、自動マージも選べて、どちらも検証を通す）、ワークフローと組織ごとの予算上限、実行ログ。モデルが誰の手に渡っても、コードに届く前に必ずここを通る。 非エンジニアが作って回る、は実在する。ポルタメントは3人のビジネス職と1人のエンジニアで1.5ヶ月に5プロダクト、PR1000本超を出荷した。モデルを賢くするより、その出力を安全に通す配線の方が効く。 openai.com/index/samsung-… codens.ai

New post: "When AI reviews AI's code, you've built an infinite loop. Here's how we stopped it." It's the design behind Orange Codens (AI code review), which we shipped recently. When the reviewer is AI and the fixer is AI, you can easily build a loop: review → fix PR → that's a PR too → review again → … round and round, with token cost on every lap. The cuts that stop it, with the real code: - Handoff fires at merge, not when a finding is created (unmerged PRs have zero downstream cost) - Bot-authored PRs are excluded from auto-handoff (the direct loop cut) - Findings in the same file coalesce into one task (avoids fix PRs deadlocking each other) - A human-queued "fix this" crosses the guard (escape hatch) The point: termination and a cost ceiling are guaranteed by the architecture, not by how smart the model is. dev.to/zoetaka38/when…

記事を書いた。「AI がレビューして AI が直すと無限ループになる、それを止める設計を入れた話」。 先日リリースした Orange Codens(AI コードレビュー)の中身。レビューも AI、直すのも AI、という構成は油断すると無限ループになる。レビュー → 修正 PR → それも PR → またレビュー → …と回り続けて、1 ループごとにコストが乗る。 止める仕掛けを実コードで全部書いた。 ・handoff は finding 発見時ではなく merge 時に撃つ(マージされない PR は下流コストゼロ) ・bot が出した PR は自動 handoff の対象外(ループの直接カット) ・同じファイルの指摘は 1 タスクに束ねる(修正 PR が互いをデッドロックさせる事故の回避) ・人間が手動で「直して」と押したものはガードを越えて通す 「止まること」と「コストの上限」は、モデルの賢さじゃなくアーキテクチャが保証する、という話。 zenn.dev/zoetaka38/arti…

#Codens 機能紹介 Purple Codensでは、ワークフローに沿ってAIに実装させることができます。 ロジックベースのハーネスなので、AIモデルの性能に関わらず確実にAIの挙動をコントロールできます。

Anthropic shipped Claude Tag: type @Claude in a Slack channel, hand off a task, and step away. It plans the work, runs over hours or days, and executes through connected tools as a persistent teammate. Anthropic says 65% of its product team's code already comes from the internal version. Delegating in chat is the easy part. The hard part is what an autonomous agent is allowed to DO and SPEND once it reaches your codebase. Codens governs that action layer. It calls the Anthropic API directly and routes models by alias, then runs a PR-based verify chain (implement -> test -> fix, up to 3 retries). Merge mode is set per workflow (human-gated PR by default, or auto-merge), and both paths pass the verify chain. Add per-workflow and per-org budget caps, plus run-level execution logs. An agent that schedules its own work over days is exactly the case where budget caps and a merge gate earn their keep. venturebeat.com/technology/ant… codens.ai/en/

Anthropicが「Claude Tag」を公開しました。Slackで@Claudeと書くだけで仕事を任せられ、数時間から数日かけて自分でタスクを計画し、連携ツールを使って進める常駐型のAIの同僚です。社内では製品チームのコードの65%が、すでにこの仕組みで生成されているとのこと。 任せて離席できるのは便利です。ただ本当に難しいのは、自律的に動くエージェントが「コードに対して何をしてよいか、いくら使ってよいか」を誰がどう決めるか、という実行層の話です。 Codensはそこを仕組みで縛ります。Anthropic APIを直接叩いてモデルをエイリアスで切り替え、PRベースの検証チェーン（実装→テスト→修正を最大3回）を通す。マージはワークフローごとに人の承認かオートマージかを選べて、どちらも検証チェーンを必ず通過します。ワークフロー単位と組織単位の予算上限、実行ログも残ります。 数日かけて勝手に動くエージェントほど、予算上限とマージのゲートが効いてきます。 venturebeat.com/technology/ant… codens.ai

"Agentjacking" just went public: one fake bug report can hijack an AI coding agent. Per Tenet Security's disclosure, an attacker who finds a site's public Sentry DSN can submit a crafted error event with injected text. When the agent investigates it via the Sentry MCP, it reads that text as instructions, fetches a malicious npm package, and runs it with the developer's local permissions. They found 2,388 exposed orgs and hit an 85% success rate on injected errors. The scary part: agents ran the code even when told to ignore untrusted input. A prompt-level "please don't" is not a gate. This one hits home for us. Any system that acts automatically on incoming error reports inherits this attack surface. So our defense lives in the structure, not the prompt. In Codens an error report doesn't get a shell. It only kicks off a PR-based workflow. The AI's output runs the verify chain (implement -> test -> fix, up to 3) and must clear a per-workflow merge gate (human-approved PR by default; even auto-merge stays verify-gated) before anything touches main. Per-workflow and per-org budget caps bound the blast radius, and run-level logs let you replay every action. The lesson isn't a smarter prompt. It's putting a gate between AI output and main. tenetsecurity.ai/blog/agentjack… codens.ai/en/

「Agentjacking」が公開されました。偽のバグ報告ひとつでAIコーディングエージェントを乗っ取る攻撃です。Tenet Securityの開示によると、公開されたSentryのDSNに細工したエラーを投げ込むと、エージェントがその文面を指示として読み、悪意あるnpmパッケージを取得して実行。開発者の権限でコードが走りました。 検証では2,388組織が露出、注入したエラーに対する成功率は85%。怖いのは「信頼できない入力は無視して」と指示しても、エージェントは実行してしまった点です。プロンプトでのお願いはゲートになりません。 ここはCodensにとっても自分ごとです。エラー報告を入口に自動で動く仕組みは、この攻撃面をそのまま抱えます。だから守りはプロンプトではなく構造に置いています。 Codensではエラー報告はシェルを叩く権限ではなく、PRベースのワークフローを起動するだけ。AIの出力は検証チェーン(実装→テスト→修正、最大3回)を通り、ワークフロー単位のマージゲート(既定は人が承認するPR、自動マージでも検証は必須)を抜けるまでmainに触れません。ワークフロー/組織単位の予算上限が被害範囲を区切り、実行ログで全手順を後追いできます。 要点は、賢いプロンプトではなく、AIの出力とmainの間にゲートを置くこと。 tenetsecurity.ai/blog/agentjack… codens.ai

A new member of the Codens family: we shipped Orange Codens. Its job is AI code review and security audit — the quality gate at the PR stage. It auto-reviews GitHub PRs and raises findings on code quality (quality, performance, maintainability) and security. But the point of Orange is that it doesn't stop at findings. It hands the problems off to Purple / Red and produces the fix PR. The review comes back not as a list of comments, but as a PR that's already fixed. The safety wiring matters: - Handoff is merge-gated. Before merge, it only posts GitHub suggestions; auto-ticketing happens at merge time. - Loop guard. PRs opened by the Codens bot itself, and verify runs, are excluded from auto-review/handoff — so AI doesn't endlessly "fix" AI. - Reply to a review comment or @mention it on the PR, and it answers in-thread, with memory of the conversation. Green writes the PRD, Purple runs the work, Red fixes, Blue does QA. Orange now sits as the gate before merge — a layer where AI reviews the code AI wrote, before it ever reaches a human. codens.ai/en/

Codens ファミリーに新メンバー。Orange Codens をリリースした。 役割は AI コードレビューとセキュリティ監査、つまり PR 段階の品質ゲート。GitHub の PR を AI が自動でレビューして、コード品質(品質・性能・保守性)とセキュリティの観点で指摘を出す。 ただ、指摘で終わらないのが Orange の肝。見つけた問題は Purple / Red に handoff して、修正 PR まで作る。レビューが「指摘の一覧」じゃなくて「直った PR」になって返ってくる。 安全側の作り込みもしてある。 ・handoff は merge-gated。マージ前は GitHub の suggestion だけ、自動起票はマージ時 ・ループガード。Codens bot 自身が出した PR や verify 実行は自動レビュー / handoff の対象外(AI が AI を延々と直し続けるのを防ぐ) ・レビューコメントに返信したり PR で @mention すると、スレッドで会話して答える Green が PRD を作り、Purple が回し、Red が直し、Blue が QA する。そこに Orange が「マージ前のゲート」として加わった。AI が書いたコードを、人に届く前に AI がレビューする層ができたということ。 codens.ai

OpenAI launched "Patch the Planet" with Trail of Bits: they pointed frontier models at critical open source (cURL, Python, Go, NATS, Valkey) and in week one filed 64 pull requests and 51 issues across 19 projects, with 37 patches already merged. The detail that matters isn't the speed. It's that every AI finding is triaged and validated by human experts before it ever reaches a maintainer. A deliberate gate, built so volunteers don't drown in noisy automated reports. That's the whole lesson. Generating a flood of AI PRs is easy. The value lives in the gate between that output and the codebase. The same model that stands up a fuzzing lab in a day will, left ungated, generate a flood of noise just as fast. Codens wires that gate into the code path: a verify chain (implement, test, fix, up to 3 retries) so only passing PRs get offered; a per-workflow merge gate (human-reviewed PR-only by default, or auto-merge, both gated by the verify chain); per-workflow budget caps so the agent loop can't run away on cost; and run-level execution logs of what each run actually did. blog.trailofbits.com/2026/06/22/int… codens.ai/en/

OpenAIが「Patch the Planet」を発表した。Trail of Bitsと組み、フロンティアモデルをcURLやPython、Go、Valkeyなど主要OSSにあてて、最初の1週間でPR64件とIssue51件を19プロジェクトに出し、37件のパッチがすでにマージされた。 ただ注目すべきは速さではない。AIの検出結果とコードの間に、人間のレビューを必ず挟んでいる点だ。専門家が全ての検出をトリアージし、検証してからメンテナに渡す。メンテナを自動レポートの洪水で埋めないための、意図的なゲートだ。 教訓ははっきりしている。AIが大量のPRを出すのは簡単。価値はその出力とコードの間に置くゲートにある。1日でファジング環境を立ち上げるモデルは、放置すれば同じ速さでノイズの洪水も生む。 Codensはそのゲートをコードの経路に組み込んでいる。検証チェーン（実装、テスト、修正を最大3回）を通ったPRだけを出す。マージは各ワークフローで選べて、人がレビューするPR運用が既定、自動マージも可、どちらも検証チェーンが守る。ワークフロー単位の予算上限でループの暴走を止め、実行ログで各runが何をしたかを残す。 blog.trailofbits.com/2026/06/22/int… codens.ai

Estonia just approved a plan to give every AI agent its own "AI ID code." It's the first country to do this. The goal: trace what an agent does, tie it back to the person or company behind it, and keep its activity inside clearly defined limits. PM Kristen Michal approved the advisory council's proposal on June 17. What stands out is that identity, scoped limits, and auditability are designed as one package. Give an agent an identity, bound what it's allowed to do, and make every action traceable to a responsible owner. That's a national-level idea, but the same wiring is needed in day-to-day development. Codens builds this into the code path. Each agent's work runs in a per-workflow lane, with per-workflow and per-org budget caps bounding its scope. Every change passes a verify chain (implement, test, fix, up to 3 retries) and merges through a configurable gate: human-approved PR by default, or auto-merge, with the verify chain gating both. And the run-level execution log keeps a chronological record of exactly what each run did. Who acted, within what limits, and can you audit it after the fact? We think that's a question you answer in the pipeline, before the law gets there. Source: euronews.com/next/2026/06/1… codens.ai/en/

エストニアが、AIエージェント一体ごとに「AI識別コード」を割り当てる方針を承認しました。世界初の試みで、エージェントの行動を追跡し、その背後にいる人や企業まで結びつけ、活動範囲を明確な制限内に収めることが狙いです。6月17日にミハル首相が諮問機関の提案を承認しました。 ポイントは「身元・行動の制限・監査可能性」をセットで設計している点です。エージェントに身元を与え、何をしてよいかを限定し、誰の責任で何をしたかを後から追えるようにする。これは国レベルの話ですが、開発の現場でも同じ仕組みが要ります。 Codensはこれをコードの中で実装しています。各エージェントの作業はワークフロー単位のレーンで動き、予算上限(ワークフローごと・組織ごと)で活動範囲を区切ります。実装からテスト、修正まで最大3回の検証チェーンを通し、マージは設定で選べるゲート(既定は人が承認するPR方式、または自動マージ。検証チェーンはどちらも通過必須)を経ます。 そして実行ログには、どのrunが何をしたかが時系列で残ります。誰が、どの制限の中で、何をしたか。後から監査できるか。法律より先に、パイプラインの中で答えておく話だと考えています。 Source: euronews.com/next/2026/06/1… codens.ai