コンテンツにスキップ
メインサイト ニュース コンソール

GitHubの限界:OpenAIが代替買収、Anthropicは内製化、マスク氏も参入

· 量子位
国内AI

AIのコーディングが速すぎて、インフラが追いつかない

GitHub、また障害が発生したのか……。

11月3日、GitHubの公式ステータスページには1日のうちに2件の障害が記録され、そのうちの1件はGitのコアオペレーションに直接影響を及ぼしました。

続く4日には、プルリクエスト(Pull Request)などのサービスで再び異常が発生し、一部のリクエストが失敗するか、大幅な遅延が生じる事態となりました。

コードの修正を終えて同僚にレビューを依頼し、メインブランチへマージしようとした、まさにそのタイミングで足止めを食らってしまう。

ネット上ではエンジニアたちから「ちょうどいい、コーヒーでも淹れてくるか」といった自嘲気味の声も上がっていました。

Image 3

GitHubが復旧作業に追われるなか、Axiosがひとつのスクープを報じました。

OpenAIがコードホスティングツール開発元のPierreの買収を計画しているというもので、現在は買収完了(クローズ)待ちの段階にあるとのことです。

Image 4

この2つのニュースが重なったタイミングは、なんとも示唆的です。

実のところ、AIプログラミングツールを開発する主要企業の間では、自らの手でコード管理基盤を掌握しようとする動きがすでに相次いでいます。

イーロン・マスク率いるCursorは、開発者がプロジェクト全体をCursor内部に直接ホストできるようにしました。

Anthropicはさらに一歩踏み込み、自社エンジニアが日常的に酷使するメインリポジトリを、内製した新システムへと完全に移行させています。

業界をリードする企業が、なぜこぞってこの領域に目を向けているのでしょうか?

その根本的な原因は、AIによるコーディング速度が速くなりすぎた結果、既存のコードホスティングインフラが追いつかなくなっている点にあります……。

Image 5

OpenAIは自前で構築し、さらに買収にも動く

OpenAI自身も、コードの基幹インフラがボトルネックとなる痛みを深く味わってきました。

今年3月、The InformationはOpenAIのエンジニアがGitHubのサービス中断に度々見舞われており、社内で代替ツールの開発が進められていると報じました。

そして11月2日、OpenAIは社内コードのアクセスと管理を専門に担う内製のGitバックエンドPandoを正式に公開しました。

エンジニアリングチームの説明によると、以前は1人のエンジニアが一度に進めるコード変更は基本的に1件でした。しかしCodexの導入以降は、1人で同時に複数の変更を並行して進めるようになったといいます。

Image 6

さらに、コードをプッシュするたびに一連の自動CIタスクがトリガーされ、コードのプルや静的解析が実行されます。

コードを書くエンジニアの頭数が急に倍増したわけではないにもかかわらず、システムが処理すべきスループットは何倍にも跳ね上がったのです。

既存のシステムは次第に過負荷に陥り、プルやプッシュの処理速度は日に日に悪化。マージ失敗の頻度も高まっていきました。

Pandoは4月以降、社内の実際の本番開発トラフィックを処理し続けています。OpenAIの集計によると、新システムへの切り替え後、プッシュ1回あたりの所要時間の中央値は約80%も短縮されました。

自社内の開発ボトルネックを解消したOpenAIは、さらにCodexユーザーに向けて、Pierreの買収を通じてコードストレージなどのコア機能を自社製品へ直接統合することを計画しています。

Image 7

実は、Pierreの技術にすでに触れている開発者は少なくありません。

たとえば、Codexにバグ修正を依頼し、一度に5つのファイルが変更されたとします。

ファイル一覧を開いてそのうちの1つを選択し、追加・削除されたコードを1行ずつ確認していく――。

このうち前者のファイルツリーUIに採用されているのがPierre製のTreesコンポーネントであり、後者の差分表示に使われているのが同じくPierre製のDiffsです。これらのツールはすでにCodexに組み込まれていました。

Image 8

さらに、PierreはCode Storageというコア事業も手掛けており、AIフルスタックアプリ開発プラットフォームのLovableなどを顧客に抱えています。

ユーザーがLovableで自然言語の指示をいくつか入力するだけで、完全なWebサイトが素早く立ち上がります。その裏側では、コードとコミット履歴を保持するために、プロジェクトごとに1つ以上のGitリポジトリが必要となります。

Pierreが今年8月に開示したデータによると、Lovableでは当時週に800万個以上の新規リポジトリが作成されており、ピーク時には毎秒250個に達していました。

OpenAIは買収完了後、このCode Storageの機能をCodexに深く統合する計画です。

将来的には、AIによるコード生成、差分の確認、バージョンの保存、リポジトリの管理に至るまで、すべてをCodexプラットフォーム内でワンストップで完結できるようになると期待されています。

現在、この買収取引は規制当局の承認などの手続き待ちとなっています。

Cursorがコードホスティングを開放した日、GitHubもダウンした

記憶に新しいところですが、8月14日にSpaceXがCursorの買収を完了しました。

そのわずか3日後、Cursor独自開発のコードホスティングサービスOriginが早期テストを開始しました。

皮肉なことに、まさにその8月17日、GitHubで7時間47分に及ぶ大規模障害が発生したのです。

CursorチームのメンバーであるMatt Palmerは当時、「本当はもっと早くOriginをリリースしたかったが、GitHubが『ま・た』落ちた」と冗談交じりに投稿しました。

Image 9

Originは開発者に2つの選択肢を提供しています。 新規プロジェクトの場合、直接Origin内にリポジトリを作成してコードをCursorにプッシュでき、その後のコードレビュー、コメント、ブランチのマージといった作業は完全にGitHubから離れて完結できます。

すでにGitHub上でホストされている既存プロジェクトの場合は、Cursor側にミラーのみを同期させることも可能です。

開発者がCursor内で投稿したコメントは、コラボレーターがGitHubに戻っても閲覧可能で、全体のコードベースは依然としてGitHubをメインソースとして維持されます。

Image 10

ここで、ひとつの現実的な問いが生じます。

コーディングからレビュー、マージに至る一連のフローがCursor内でスムーズに完結するのであれば、ユーザーがわざわざGitHubを開く理由はどれほど残るのでしょうか?

たとえ既存プロジェクトのリポジトリの拠点がGitHubに残っていたとしても、レビュアーの作業の中心はすでにエディタ内へと移り始めています。

Claudeが書くのが速すぎて、Anthropicは自前で構築した

OpenAIやCursorが主にクライアントやツール層に開発チェーンを統合しているのだとすれば、Anthropic社内では、開発スループットの爆発的増加によって底层のコード管理システムそのものをゼロから作り直すことを余儀なくされました。

その根本原因もまた、Claudeのコード生成速度があまりにも圧倒的だった点にあります。

Anthropicが開示したデータによると、今年5月時点で同社がマージしていたコード変更は1日平均約2,500件でした。それが9月には、1日あたり3万件以上へと急増しました。

これは、チームが日常的に運用するメインブランチに、毎日3万回以上のマージが押し寄せることを意味します。

Image 11

自動テストなどに用いられるCIタスクだけでも、コードのプル頻度は1日に約2,500万回に達しました。

ピーク時には数百のGitミラーレプリカを運用して同時アクセス負荷を分散していましたが、メインリポジトリの更新頻度が指数関数的に跳ね上がったことで、レプリカ間のデータ同期と整合性の維持は極めて困難になりました。

エンジニアたちが綿密に分析したところ、高頻度でコードをプルしている呼び出し元の大部分は、24時間稼働し続けるAgentや自動化タスクであることが判明しました。

多くのタスクは特定のファイルのどの行が修正されたかを確認したいだけであり、リポジトリ全体をローカルに完全クローンする必要はまったくありません。サーバー側で差分を計算し、その結果だけを返せば十分だったのです。

この発想に基づき、Anthropicは独自設計のバージョン管理システムScionを開発しました。

Scionではオンデマンド・プル型のアーキテクチャを採用し、クライアント側は現在の変更に必要なファイルのみを取得。履歴の追跡、コミットの作成、ブランチのマージといった高負荷な計算は、すべてサーバー側で処理するようにしました。

結果として、7人のエンジニアがClaudeの支援を受けながら5か月をかけてこの内部バージョン管理システムと専用のコードレビュープラットフォームAntiqueを作り上げ、社内のメインコードベース全体をこのシステムへと移行させました。

Image 12

もっとも、Scionは現時点ではAnthropic社内の超大規模・超高頻度変更を伴うコアリポジトリに特化して運用されています。

Claude Codeのオープンソースプロジェクトや外部向けコミュニティリソースなどは、現在もGitHub上で管理されています。

1日3万件の変更、誰がレビューするのか?

コードの読み込み効率が改善され、ストレージのパイプラインが開通したあとに浮上したのが、さらに厄介な難題でした。

毎日生成されるこれほど膨大な量の変更に対して、その品質と妥当性をどのように判定すればよいのでしょうか?

最近の対談のなかで、AnthropicのAddy Osmaniが同社での実践例を明かしています。

第1の防衛線として、まずはClaude自身に自動初期レビューを担当させます。その際、実際のユーザーと同じように機能ロジックを検証できるよう必要な環境を提供します。

Image 13

たとえばWebページの修正であれば、AI自らがブラウザを立ち上げてページのレイアウトやインタラクションをチェックし、該当するテストスイートを実行します。

人間のエンジニアは、操作の録画画面やスクリーンショット、自動テスト結果など、AIがまとめて提示した検証のエビデンスチェーンを確認するだけで済みます。すべての変更には厳格に責任者が割り当てられており、本番反映後に不具合が生じた場合は、担当者が責任を持って対応する体制が敷かれています。

Image 14 △Claude Codeチームが公開したコード変更の検証・リリースフロー

また、Anthropicのエンジニアリングブログでは、より過酷な並行実行のシナリオにも言及しています。

1回のテストを実行している間に、メインブランチ上ではすでに数百、数千件の全く新しい変更が並行してマージされている可能性があるのです。

これほど巨大なスループットを前にしては、リポジトリ全体をグローバルロックして順番待ちでマージする従来のアプローチは完全に破綻してしまいます。そのためチームは、マージ後・リリース前に行う高頻度な自動回帰テストへと重点をシフトさせました。

Anthropicも、高い並行性が求められる環境下でコードのコンフリクト(競合)を完全に回避することは不可能だと率直に認めています。

同社によれば、Claudeがコードコンフリクトを検知して解消するレスポンス速度は人間のエンジニアより総じて速いとのことですが、現時点では具体的な定量評価指標は公表されていません。

One More Thing

ここまで読んできて、「押し寄せるAIの波に対し、老舗のコードホスティング巨人であるGitHubは何をしているのか?」と疑問に思う方もいるでしょう。

もちろん、GitHubも手をこまねいているわけではなく、底层アーキテクチャの全面的な再構築を進めています。

10月28日、GitHub公式は今年に入ってから累計400万個のCPUコアと160PBの高速ストレージを増強し、Azureのクラウドネイティブインフラへの移行を着実に推進していることを明らかにしました。

Image 15

ハードウェアの増強にとどまらず、並行スケジューリングのメカニズムにも抜本的な改善が施されています。

従来は、複数のAgentがそれぞれ異なるブランチに変更をコミットしようとしても、書き込みフェーズにおいてリポジトリ単位の制約により直列の順番待ちに巻き込まれることがありました。GitHubは現在、階層型並行最適化を進めており、異なるブランチなどの参照(Ref)更新ロジックを分離することで、待機レイテンシの大幅な削減を図っています。

Image 16 △左:リポジトリ全体でキューイング/右:異なるブランチなどの参照更新を並行処理可能に

また、コードコミット後に殺到する大規模な自動テストの読み込みに対応するため、GitHubは読み書き分離(Read/Write分離)アーキテクチャを導入しています。コード読み込みのリクエストが急増した際には、読み取り専用クラスタのみを動的にスケールアウトさせることで、読み書きの競合によるブロッキングを完全に防ぐ仕組みです。

これらの基盤改修は、現在段階的にカナリアリリースが進められています。

OpenAIやCursorによるコードホスティングへの直接参入から、Anthropicによるバージョン管理システムのゼロからの再構築、そしてGitHubによるインフラの総力刷新に至るまで――。

AIがもたらす生産性の爆発によって生じたコードの「奔流」は、ソフトウェアエンジニアリングのインフラを全方位から塗り替えようとしています。

そして、現場の第一線にいる開発者たちの願いは、いたってシンプルです。

「コードも書けた、テストも全部通った。あとはブランチにマージするだけだから……頼むからもう落ちないでくれ」

Image 17

参考リンク:
[1]https://x.com/FrenchBoulou/status/2117919227147640978
[2]https://x.com/pierrecomputer/status/2117999036175188183
[3]https://www.axios.com/2026/11/04/openai-pierre-computer-github
[4]https://www.anthropic.com/research/redesigning-source-control
[5]https://www.youtube.com/watch?v=AnsXWH2_EBU

#国内AI#OpenAI#Claude#4Allapi.com

4All API チームによる投稿

原文リンク:https://www.qbitai.com/2026/11/508449.html

主流 AI モデル API をお探しですか?4All API は OpenAI / Anthropic / Google Gemini / Qwen / DeepSeek など数十種類のモデルを単一の API キーで呼び出せます。公式準拠の価格、エンタープライズ品質の通信路、5 分で接続完了。

4All API コンソールに登録 →