# OpenCode Console流出後の返金対応とキー交換

> OpenCode Console流出後の返金対応とキー交換を確認。Foundryのブラウザー自動化、AgentCoreの失敗分析、Clairicの型付き出力を取り上げる。MiniMax M3.1 Flashの提供範囲、OpenAIのコード評価、TorchNeuronの公開予定も一次資料で整理する。

Canonical URL: https://labs.eastbraver.com/digest/ai-digest-20261020
Published: 2026-10-20T06:30:00+09:00
Category: ai-digest
Tags: ai-agent, managed-agents, enterprise-ai, agentcore, evaluation, cloudflare, llm-inference, infrastructure, aws

OpenCode Consoleの流出事案では、キー交換と返金対応を分けて確認したい。19日の報道が伝えた事後対応に続き、Foundryのブラウザー自動化、AgentCoreの失敗分析、Clairicの型付き出力を読む。モデル選定ではMiniMax M3.1 Flashの提供範囲、コード移行ではOpenAIの評価方法が判断材料になる。

各更新は独立している。自社の利用箇所に照らし、流出した認証情報への対処と、新機能を任せる前の検証を切り分けることが、この号の読みどころだ。返金がキー交換を代替しないこと、正式提供でも別機能はプレビューの場合があること、型の保証が回答の正しさを保証しないことを、それぞれの出典で確かめたい。（[OpenCodeの報道](https://techcrunch.com/2026/10/19/hackers-hit-ai-coding-tool-opencode-running-up-charges-on-users-ai-accounts/) / [Foundryの発表](https://devblogs.microsoft.com/foundry/browser-automation-tool-ga/) / [Clairicの発表](https://developers.cloudflare.com/changelog/post/2026-10-19-clairic-workers-ai/)）

> [!NOTE] 収集範囲
> この号は、一部の収集元から情報を取得できない状態で作成した。取得できなかった収集元に更新がなかったことを示すものではない。
>
> - エージェント開発基盤と推論ランタイムのリリース情報: 収集元13件中12件を取得できなかった
> - OpenClawのセキュリティアドバイザリ: 収集元1件中1件を取得できなかった

## OpenCode Console流出後にOpenAIの返金対応を報道

TechCrunchは19日、OpenCode ConsoleのAPIキー流出を受け、OpenAIがアクセスの復旧と、攻撃で消費されたAPIクレジットの返金に対応したと伝えた。AnthropicとGoogleは流出したと判断したキーを停止し、OpenCodeも不正課金の返金を進めているという。侵入自体の初報と、今回報じられた返金対応は分けて捉えたい。（[出典1](https://techcrunch.com/2026/10/19/hackers-hit-ai-coding-tool-opencode-running-up-charges-on-users-ai-accounts/)）

同記事が伝えたOpenCodeと共同創業者の説明によると、旧システムへの侵入は同社が先に公表していた事案で、Console利用者の1.4%が影響を受けた。流出したキーはConsoleのワークスペースに保存されたものに限られ、オープンソースのアプリとコマンドラインツールは影響を受けていない。（[出典1](https://techcrunch.com/2026/10/19/hackers-hit-ai-coding-tool-opencode-running-up-charges-on-users-ai-accounts/)）

利用者からは、OpenAI、Anthropic、Google AIの支出アラートや、身に覚えのない課金が報告された。OpenCodeは、影響を受けた利用者全員にメールで通知済みで、メールを受け取っていない利用者は影響を受けていないと説明している。（[出典1](https://techcrunch.com/2026/10/19/hackers-hit-ai-coding-tool-opencode-running-up-charges-on-users-ai-accounts/)）

OpenCodeが通知対象者に案内している対処は、各AIサービス提供元でキーを失効させ、新しいキーに交換することだ。返金対応の報道だけで、この操作を済ませたことにはならない。（[出典1](https://techcrunch.com/2026/10/19/hackers-hit-ai-coding-tool-opencode-running-up-charges-on-users-ai-accounts/)）

**EastBraverの見立て:** 確認する順序は、Consoleへのキー保存、同社からの通知、対象キーの失効・交換だ。返金は利用料金への対応であり、流出した認証情報への対処とは目的が異なる。アプリやCLIを使っているという理由だけで、Console利用者向けの影響範囲と混同しないことが重要になる。（[出典1](https://techcrunch.com/2026/10/19/hackers-hit-ai-coding-tool-opencode-running-up-charges-on-users-ai-accounts/)）

- 出典: [TechCrunch](https://techcrunch.com/2026/10/19/hackers-hit-ai-coding-tool-opencode-running-up-charges-on-users-ai-accounts/)（二次報道、2026-10-20 04:28 JST）

## Foundryのブラウザー自動化が正式提供、非公開サイト閲覧はプレビュー

Microsoft FoundryのBrowser Automation Toolが正式提供になった。エージェントは自然言語の指示に基づき、管理されたブラウザーでサイト閲覧、フォーム入力、複数段階の操作を行える。ただし、Azure仮想ネットワーク内の非公開サイト閲覧はパブリックプレビューであり、ツール本体とは提供段階が異なる。（[出典1](https://devblogs.microsoft.com/foundry/browser-automation-tool-ga/) / [出典2](https://learn.microsoft.com/en-us/azure/foundry/agents/how-to/tools/browser-automation)）

ブラウザーを動かすのは、Playwright Workspacesが必要に応じて用意する隔離されたクラウドセッションだ。エージェント環境へのブラウザー導入は不要だが、Playwright Workspaceは別のAzureリソースとして作成し、Foundryプロジェクトへ接続する。非公開サイト向けのプライベートネットワーク接続は、Workspace作成時に設定する。（[出典1](https://devblogs.microsoft.com/foundry/browser-automation-tool-ga/)）

利用にはAzureサブスクリプション、エンドポイントを設定したプロジェクト、対応モデルのデプロイが必要になる。モデルとプロジェクトのリージョン対応に加え、Hosted agentsで使う場合はWorkspaceのリージョンがHosted agentsにも対応している必要がある。（[出典1](https://learn.microsoft.com/en-us/azure/foundry/agents/how-to/tools/browser-automation)）

Browser Automation接続の[認証と権限の境界](/guides/ai-identity-authorization)には、APIキー、プロジェクトのマネージドID、エージェントIDという選択肢がある。Microsoftは、接続が対応する企業用途ではプロジェクトのマネージドIDを既定として推奨している。デプロイされたHosted agentの専用Microsoft Entra IDを使えば、ほかのエージェントと共有しない権限境界も設けられる。操作権限は、日常の開発・利用にFoundry User、プロジェクト接続の作成にFoundry Project Managerが必要で、対象リソースグループのContributorはWorkspace作成時だけ必要とされる。（[出典1](https://learn.microsoft.com/en-us/azure/foundry/agents/how-to/tools/browser-automation)）

運用では、機密性の高い操作や状態変更の前に承認を求め、使用可能なブラウザーツールを制限できる。Live Viewで実行中のセッションを観察し、Take controlで人が一時的に操作してから制御を戻すこともできる。Microsoftは、Webコンテンツを信頼できない入力として扱い、システムポリシーと分離し、機密性の高い接続先を検証するよう案内している。（[出典1](https://devblogs.microsoft.com/foundry/browser-automation-tool-ga/)）

Foundryの[トレース](/guides/observability-tracing)には、ツール呼び出しの引数・結果などの機密情報が含まれ得る。専用の`AppGenAIContent`テーブルとAzure RBACで保護する手順は、現時点ではプレビュー機能として案内されている。（[出典1](https://devblogs.microsoft.com/foundry/browser-automation-tool-ga/)）

**EastBraverの見立て:** 社内業務への導入判断では、ツール本体の正式提供と、非公開サイト閲覧のパブリックプレビューを分けて評価する必要がある。認証も、プロジェクトでWorkspaceを共有するか、Hosted agentごとに権限境界を設けるかが判断軸になる。（[出典1](https://devblogs.microsoft.com/foundry/browser-automation-tool-ga/) / [出典2](https://learn.microsoft.com/en-us/azure/foundry/agents/how-to/tools/browser-automation)）

- 出典: [Microsoft Foundry Blog](https://devblogs.microsoft.com/foundry/browser-automation-tool-ga/)（公式情報、2026-10-19 19:32 JST）

## AgentCoreのバッチ評価に、失敗の根本原因と修正案をまとめる機能

Amazon Bedrock AgentCore Evaluationsに、バッチ評価向けの失敗分析用評価器`Builtin.FailureAnalysis`が追加された。AWSによると、セッション内の失敗とその根本原因を特定し、複数セッションの分析結果をインサイトにまとめる。（[出典1](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/release-notes.html)）

AWSによると、各インサイトには、失敗パターンの根本原因と修正案が含まれる。個々の失敗を特定するだけでなく、セッションをまたぐパターンとして整理し、システムプロンプトやツール定義の変更など、修正箇所の候補につなげる仕組みだ。（[出典1](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/release-notes.html)）

バッチ評価では、この評価器を単独でも、他の評価器と組み合わせても実行できる。インサイトは`GetBatchEvaluation`の応答の`insightResults`フィールドで確認できる。（[出典1](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/release-notes.html)）

**EastBraverの見立て:** 導入の判断軸は、[AIエージェント](/guides/ai-agent)の個別の失敗確認から、複数セッションに共通する根本原因と修正箇所の検討まで進めたいかどうかになる。修正案はAWSが提示する分析結果として、変更を検討する材料に位置付けられる。（[出典1](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/release-notes.html)）

- 出典: [Amazon Bedrock AgentCore](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/release-notes.html)（公式リリースノート、2026年10月）

## CloudflareのClairic、抽出・計算・予測を型付き値で返す

CloudflareはClairicをWorkers AIでプレビュー公開した。識別子は`@cf/cloudflare/clairic`で、オープンウェイトでの公開も予定している。Cloudflareの説明では、`state`に文章を、`fields`に型付きフィールドのスキーマを指定すると、各フィールドに値が返る。入力からの抽出に加え、その情報からの計算や、その情報を超えた予測にも対応する。トークンを生成せず、指定型の有効な値、または入力から値が定まらない場合に`null`を返す仕組みだが、形式の正しさは回答の正確性を保証しない。（[出典1](https://developers.cloudflare.com/changelog/post/2026-10-19-clairic-workers-ai/)）

`text`は入力内の文字列と文字位置、`number`は整数・小数の指定を反映した数値を返す。日付・時刻・日時、時間長、一覧にも専用の型がある。`estimate`は`min`・`max`・`step`で指定した範囲と刻み幅に従う分布、`forecast`は最大64ステップの将来推定に対応する。各スカラー回答には、入力から値が定まらない確率`p_null`と信頼度スコアが付く。推定・予測には中央値と80%区間（`p10`〜`p90`）が付き、`options.include_quantiles`を設定すると全99個のパーセンタイルも取得できる。（[出典1](https://developers.cloudflare.com/changelog/post/2026-10-19-clairic-workers-ai/)）

呼び出しにはWorkers AIの`env.AI.run()`またはREST APIの`/ai/run`を使い、AI Gatewayも利用できる。`fields`で型を指定し、`response.answers`の各フィールドの`value`から値を取得する。料金は入力100万トークン当たり0.10米ドルで、出力トークン料金は発生しない。フィールド数に上限はなく、入力と一緒に一度の処理に収まらない場合は並列処理に分割される。現在日付に依存するフィールドでは、`reference_date`を設定するか、入力に現在日付を記載する必要がある。（[出典1](https://developers.cloudflare.com/changelog/post/2026-10-19-clairic-workers-ai/)）

現行エンドポイントは初期チェックポイントで、Cloudflareは1〜2段階の計算は信頼できる一方、長い依存計算や多数の表の行をまたぐ集計にはまだ適さず、値を抽出してコード側で計算するよう勧めている。推定は根拠が乏しいと区間が広がり、未知のデータでは区間が狭すぎる場合もある。予測は先のステップほど平均へ平坦化し、系列に表れない休日などの出来事を予測できないため、利用者のデータで訓練した時系列予測の代替にはならないとしている。（[出典1](https://developers.cloudflare.com/changelog/post/2026-10-19-clairic-workers-ai/)）

公開モデルページには、65,536トークンのコンテキストウィンドウと、入力・出力のJSONスキーマが掲載されている。画像はPNG・JPEG・WebPに対応し、最大4枚、デコード後は1枚4 MiB・合計8 MiB、リクエスト本文は16 MiBまでという上限も示されている。（[モデル仕様](https://developers.cloudflare.com/workers-ai/models/clairic/)）

**EastBraverの見立て:** 導入判断では、型の適合性と業務上の正確性を分けて考える必要がある。抽出値をコードで計算する構成を選べる一方、推定・予測まで自動化する範囲は、信頼度や区間の限界を踏まえて判断することになる。（[出典1](https://developers.cloudflare.com/changelog/post/2026-10-19-clairic-workers-ai/)）

- 出典: [Cloudflare](https://developers.cloudflare.com/changelog/post/2026-10-19-clairic-workers-ai/)（公式情報、2026-10-19）

## MiniMax M3.1 FlashはAPI提供を開始、重みは後日公開

MiniMaxは19日付の公式発表で、M3.1 Flashの提供開始を案内した。利用先はMiniMax API、M Plan、MiniMax Codeで、モデルの重みは後日公開予定とされる。サービス経由での提供開始と、重みを取得して動かせる状態は別だ。（[MiniMaxの発表](https://www.minimax.io/blog/minimax-m31f)）

対象として挙げるのは、複数段階の業務処理、ソフトウェア開発、画面を介したPC操作、サイバーセキュリティだ。同社は、モデルの疎性を高めて推論効率を改善したと説明し、前世代より高速・低コストになったと報告している。掲載された性能や費用の比較はMiniMaxによる評価であり、独立した追試結果ではない。（[MiniMaxの発表](https://www.minimax.io/blog/minimax-m31f)）

**EastBraverの見立て:** すぐに検証する場合は、提供中のサービス経路と、自社が必要とするツール操作を照合するのが出発点になる。[LLM](/guides/llm)の重みが同日に公開されたと解釈せず、自社基盤での利用可否は公開後の条件を確認したい。（[MiniMaxの発表](https://www.minimax.io/blog/minimax-m31f)）

- 出典: [MiniMax](https://www.minimax.io/blog/minimax-m31f)（公式情報、2026-10-19）

## OpenAIが20言語のコード評価MultiLangBenchを公開

OpenAIは19日、20のプログラミング言語でSQLite互換のデータベースエンジンを実装させる評価MultiLangBenchと、COBOLのコード移行評価を紹介した。前者の評価手順とテストセットはGitHubで公開している。新しくソフトウェアを組み立てる能力と、既存プログラムの振る舞いを維持する能力を、別の課題として測る構成だ。（[OpenAIの発表](https://openai.com/index/low-resource-programming-languages/) / [公開リポジトリ](https://github.com/openai/MultiLangBench)）

MultiLangBenchでは、初期データベースとSQLクエリーを実装へ渡し、変更後のデータベースを正規のSQLiteで検証する。言語ごとに別の判定方法を設けず、データベースファイルを共通の受け渡し形式として扱う点が特徴になる。（[OpenAIの発表](https://openai.com/index/low-resource-programming-languages/)）

COBOLの移行評価は、観測可能な出力がバイト単位で一致することを非公開テストで確認し、すべてのテストを通った場合だけ成功とする。OpenAIは、小数点以下の切り捨てと丸めの違いのように、実行できても業務上の結果が変わる例を挙げている。性能改善は同社の評価結果であり、実システムへの適用には専門家のレビューと、業務ルール・依存関係に照らしたテストが必要だとしている。（[OpenAIの発表](https://openai.com/index/low-resource-programming-languages/)）

**EastBraverの見立て:** コード生成と移行の評価では、コンパイルや実行の成功だけを完了条件にしないことが重要だ。業務が依存する入出力を先に定義し、どの振る舞いを維持できたかでモデルの提案を判断する材料になる。（[OpenAIの発表](https://openai.com/index/low-resource-programming-languages/)）

- 出典: [OpenAI](https://openai.com/index/low-resource-programming-languages/)（公式情報、2026-10-19）

## ほかの確認済みの更新

本文と同じ方法で根拠を確認した更新を、要点だけ短くまとめる。

- **TorchNeuronを発表、10月20日の公開ベータを予告**：PyTorchの19日付発表は、AWS Trainium向けのネイティブバックエンドTorchNeuronを紹介し、10月20日の公開ベータを予告した。`PrivateUse1`を通じて`neuron`デバイスを登録し、標準のPyTorch APIを使う構成となる。発表時点の公開予定と、実際の提供開始は区別して確認したい。（[PyTorchの発表](https://pytorch.org/blog/introducing-torchneuron-native-pytorch-backend-for-aws-trainium/)）