Xcodeが大きく変わります。最新のバージョン26.3では、エージェントがXcodeの内部で自律的に動ける「エージェンティック・コーディング」に正式対応しました。具体的には、AnthropicのClaude AgentとOpenAIのCodexといったエージェントがXcodeに直接つながり、ドキュメント検索やプロジェクト設定の更新、ファイル構造の探索、Xcode Previewsのキャプチャと検証、ビルドと修正の反復までを一気通貫でこなします。これにより、設計から実装、確認までのサイクルがXcodeの中で完結し、開発者は方針決定やレビューといった“人がやるべき仕事”に集中できるようになります。

今回のポイントは、組み込み連携にとどまらず、Xcodeの能力を外部エージェントにも開く姿勢です。Appleはオープン標準のModel Context Protocol（MCP）を通じて、互換エージェントやツールなら幅広くXcodeと接続できると説明しています。MCPはAnthropicが2024年に公開したプロトコルで、2025年にはLinux Foundation傘下のAgentic AI Foundationへ寄贈され、ベンダーをまたいだエコシステムづくりが進んでいます。XcodeがMCP対応を打ち出したことで、特定ベンダー依存ではなく“標準でつなぐ”流れが一段と現実味を帯びました。

提供形態はリリース候補（RC）。本日からApple Developer Programのメンバーは入手でき、のちほどApp Storeでの配信が予定されています。国内向けの記事でも同内容が告知されており、言語環境を問わず同等の体験が想定されます。現場目線では、これまで“補助的な提案役”だったAIが、Xcodeという作業場で実際に手を動かす存在へと進化する転換点と言えるでしょう。

周辺の動きも活発です。外部メディアは、XcodeがClaudeとCodexの“自律的な作業”を許可したことで、ビルド、テスト、プレビュー検証までを自走させられる点を強調しています。さらに、MCP経由で他のエージェントやツールにも道が開かれたことは、IDEを中核に据えたエージェント時代の到来を象徴するニュースだと受け止められています。

総じて、Xcode 26.3は“コードを書くアプリ”から“開発を進める同僚”へと役割を広げました。エージェントが設計意図を踏まえながら段取りを切り、失敗を検知してやり直し、成果物を目で確かめる──そんな一連の流れがIDEの内側で動き始めます。iOSやmacOSのアプリ開発において、速度と品質をどう両立するか。その答えの一部が、標準機能としてXcodeに降りてきた、という位置づけです。

新たに公開されたQwen3-Coder-Nextは、「コーディングエージェントとローカル開発」に的を絞ったオープンウエイトのコード特化LLMです。ベースはQwen3-Next-80B-A3B-Baseで、MoEとハイブリッドアテンションを組み合わせた新設計を採用。学習面では、実行可能な環境での大規模タスク合成、環境との対話、さらに強化学習まで含めた“エージェント的訓練”をスケールさせ、推論コストを抑えつつエージェント動作とコーディング力を底上げしたと説明されています。総80Bに対して「3Bアクティブ」で動作する効率設計が目玉です。

モデルカードでも、同モデルが“コーディングエージェントとローカル開発”向けに設計され、3Bアクティブ（総80B）で10〜20倍大きいアクティブ規模のモデルに匹敵する性能を狙うこと、長大な256kトークンのコンテキストを備えることが明記されています。さらに、IDE/CLI連携の現場利用を想定し、Claude CodeやQwen Code、Clineなど複数のコーディングエージェント／拡張と連携できる点も打ち出されています。

Qwenチームのリポジトリでは、Qwen3-Coder-Nextがエージェント的コーディング、ブラウザ利用、基礎的なコーディング課題における効率‐性能のトレードオフで強みを示し、長期的な手順推論や失敗からのリカバリーを含む複雑なツール使用に対応する、と位置づけています。リポジトリには256K（拡張で最大1M）コンテキストや、サービング/推論の実装例も整理されており、実装者視点の導入しやすさも配慮された構成です。

総じて、Qwen3-Coder-Nextは“とにかく巨大”ではなく“必要時のみ賢く計算を使う”構成で、ローカル実行や社内オンプレ運用、そしてIDEに常駐するエージェント用途に刺さる提案です。評価詳細やハードウェア要件は、モデルカードとGitHub、そしてQwen公式ブログへの参照が案内されており、今後の追加ベンチや実運用での追試も進みそうです。

2026年2月3日、AI開発組織のZ.aiは、ドキュメント解析に特化した革新的な小型モデル「GLM-OCR」を公開しました。このモデルは、わずか9億パラメータ（0.9B）という極めて軽量な設計でありながら、ドキュメント理解のベンチマークである「OmniDocBench V1.5」において94.62というスコアを叩き出し、世界1位を獲得したことで業界に大きな衝撃を与えています。

従来の高性能なドキュメント解析AIは、数十億から数千億のパラメータを持つ巨大なモデルが主流であり、運用には高価なGPUサーバーが不可欠でした。しかし、このGLM-OCRは、独自の「マルチトークン予測（MTP）」損失関数と、安定した強化学習プロセスを導入することで、小型ながらも複雑な表、高度な数式、さらには印影や手書き文字が混在するビジネス文書を正確にデジタル化する能力を備えています。

技術的な背景としては、大規模な画像・テキストデータで事前学習された視覚エンコーダー「CogViT」と、0.5Bサイズの軽量な言語デコーダーを組み合わせたアーキテクチャを採用しています。さらに、ドキュメントのレイアウト解析には定評のある「PP-DocLayout-V3」を統合した2段階のパイプラインを構築しており、単なる文字の読み取りにとどまらず、文書の構造そのものを正確に把握することが可能です。

競合となるDeepSeek-OCRやQwen2.5-VLといったモデルと比較しても、GLM-OCRは推論効率の高さが際立っています。PDFの解析速度では1秒間に1.86ページという高いスループットを実現しており、これは大量の書類を抱える企業のバックオフィス業務や、モバイル端末などのエッジデバイスでの活用において、決定的な優位性を持つことになります。

今回のリリースにより、これまで多額のコストがかかっていた商用のOCRサービスに頼ることなく、オープンソースの技術だけで、最高水準の文書自動化システムを構築できる道が開かれました。AIによるドキュメント処理の民主化が、また一歩大きく前進したと言えるでしょう。