Cognition×LTMが提携：AIエージェントのプロダクション適用を支える「Devin Fusion」と「SWE-1.7」

• 提携の概要: AIソフトウェアエンジニア「Devin」を開発するCognitionとIT大手LTMが戦略的提携。金融機関向け自動修復プラットフォーム『BlueVerse RightLogic』を展開。
• コア技術: トークンコストを35%削減するマルチエージェント基盤「Devin Fusion」と、ドメイン特化型強化学習モデル「SWE-1.7」を採用。
• 成果: 静的解析からサンドボックス内の実証・PR生成までを完全自動化し、CVE脆弱性バックログ消化率を60%から80%へ引き上げ。

提携の要点と解決するプロダクション課題

現代のDevSecOpsにおける最大の課題は、SAST/DAST（静的・動的アプリケーションセキュリティテスト）等のスキャンツール普及による「脆弱性アラート数の急増」と、人間側の「手動修復（Remediation）能力の限界」との乖離です。

CognitionとLTMの提携により誕生した『BlueVerse RightLogic』は、この「修復のボトルネック」を自律型AIエージェントDevinによって解決します。

• 自動PR作成と実証: アラート検知後、サンドボックス上で攻撃コード（Exploit）を実行して脆弱性を再現・実証。修正コードとテストを含むプルリクエスト（PR）を自律生成。
• バックログカバー率の向上: 従来の人間中心の運用で約60%にとどまっていたCVEバックログ消化率を80%まで拡大。

コストと速度を最適化する2つの技術基盤

大規模なコードベースに対する全推論をフロンティアモデル（GPT-4oやClaude 3.5 Sonnet等）単体に頼る運用は、遅延およびトークンコストの観点から非現実的です。Cognitionは以下の技術革新によりこの課題を突破しています。

(1) Devin Fusion（ハイブリッド・ハーネス）

役割の異なる複数の軽量モデル（サイドキック・エージェント）を統括システム（ハーネス）内で協調稼働させるマルチエージェント構成です。

• 動的ルーティング: コード構造の検索、依存関係のスキャン、単体テストの実行といった定型処理は軽量モデルへルーティング。複雑な根本原因の特定と修正ロジック構築の際のみフロンティアモデルを動員。
• 導入効果: フロンティアレベルの判断精度を維持しながら、推論コストを従来比で35%削減。

(2) SWE-1.7（ドメイン特化型強化学習モデル）

ソフトウェアエンジニアリングのコンテキスト処理に特化し、独自の強化学習（RL）が施されたコード生成・修復モデルです。

• 自己圧縮メカニズム: 長時間のデバッグやビルド、テストサイクルで発生するコンテキストウィンドウの枯渇を自動防止。
• コストパフォーマンス: 高いベンチマーク性能と低いAPI呼び出しコストを両立させ、バッチ処理でのエンタープライズ大規模運用を可能に。

主要AI開発支援ツールとの構造比較

Devinは、開発者の手元をリアルタイム補完するIDE統合型ツールとは異なり、バックグラウンドで非同期にタスクを完遂する完全自律型労働力（Agentic Workforce）として設計されています。

結論：DevSecOpsにおけるエンジニアリングの変容

CognitionとLTMの提携は、AIエージェントをエンタープライズの現場へ組み込む際の標準パターン（「マルチエージェントによるコスト最適化」×「独立サンドボックス環境での非同期実行」×「Human-in-the-Loopによる安全担保」）を明確に示しています。

これからのエンジニアリング組織においては、「脆弱性を手動で修正する作業力」から、「AIエージェントが安全かつ高効率に稼働するためのガードレールとテストパイプラインを設計・管理する能力」への役割シフトが加速していくでしょう。

参照元：Cognition 公式ブログ

関連記事：

【AIインフラ・エンタープライズ最新動向】自律型AI環境とソブリンGPU基盤の統合へ AIエージェントの企業導入における新標準アーキテクチャ