Claude Opus 4.8 ビルドデーハッカソンの受賞者発表
Anthropic は「Claude Opus 4.8 Build Day」ハッカソンの結果を発表し、同社の最新モデルを活用した革新的なプロトタイプやアイデアを持つ参加者を表彰しました。
キーポイント
ハッカソン開催と表彰
Anthropic が主催する「Claude Opus 4.8 Build Day」において、優秀な成果を出した開発者やチームが表彰されました。
最新モデルの実証
参加者は Claude Opus 4.8 の高度な推論能力や機能を実際のアプリケーションやプロトタイプに組み込み、その可能性を検証しました。
開発者エコシステムの拡大
ハッカソンを通じて、Anthropic のモデルを活用した多様なユースケースが創出され、開発者コミュニティの活性化が図られました。
影響分析・編集コメントを表示
影響分析
このイベントは、Claude Opus 4.8 という最新モデルの実力を実社会や開発現場でどのように活用できるかを可視化する重要な機会となりました。ハッカソンの結果は、同社が単なるモデル提供だけでなく、開発者支援を通じて AI エコシステムを構築しようとする戦略の一端を示しています。
編集コメント
最新モデルの性能を実証するハッカソンの開催は、技術の成熟度と開発者コミュニティの活発さを示す指標として重要です。ただし、具体的な成果の詳細や技術的革新性の深掘りが不足している点は今後の注目点です。
6月13日、私たちはClaude Opus 4.8を活用した12時間のハッカソンに、300人以上の創業者やビルダーをサンフランシスコに集めました。応募者は1,500人を超え、そのうち310人が参加しました。世界中から集まった参加者たちは、それぞれ500ドル相当のクレジットとアイデアを実働可能なデモに変えるための1日を与えられました。
私たちは、優勝した3チームに話を聞き、彼らが何を作り、どのようにClaudeを活用したのかを伺いました。
受賞された皆様、そして参加されたすべての皆様に心よりおめでとうございます。これらのプロジェクトが、あなた自身の新たなアイデアのヒントになれば幸いです。
第1位：Tekton（ホリー・タンとオースティン・バージェス）
*ホリー・タンとオースティン・バージェスが構築したTektonは、唐時代の建築を蘇らせる3D再構築プラットフォームです。すべての構成要素は歴史的な出典に遡ることができます。*歴史的な木造建造物が火災に見舞われた際、何世紀にもわたる職人の技が失われることがあります。Tektonはそうした建物を3Dで再構築し、各パーツを文書化された出典へと遡って追跡します。
Tekton に歴史的建造物を提示すると、Claude はその建築の設計図、施工書類、写真、図面などを調査・収集し、339 の段階的な建設状態にわたって 3D モデルを構築します。モデル内の任意のコンポーネントをクリックすると、Tekton はその詳細がどこから出典されたか、なぜそこに配置されたのかを示します。チームはこの仕組みを「証拠連鎖（evidence chain）」と呼び、一次資料から検証済みモデルまでを一貫して追跡できるようにしています。このプロジェクトは学術的検証、修復作業、文化遺産の保存を目的としており、まずは唐代建築とノートルダム大聖堂の尖塔を対象に開始されました。
検証プロセスはすべて Opus 4.8 上で完結しました。独立した検証者サブエージェントが、それぞれ孤立したコンテキストウィンドウ内で各再構築結果を評価し、自己修正ループを通じてコンポーネントの配置を再確認し、すべての 20 のテストに合格するまで繰り返されました。各ビルドは歴史的記録とその出典引用と比較して測定されたため、完成したモデルは構造物が当初どのように建設されたかという文書化されたルールに従っています。
Holly Tang と Austin Burgess は 1 ヶ月前、Code with Claude イベントのコーヒー列で出会いました。デザイナーである Holly は Austin のスタートアップを手伝ってきました。「ドキュメンタリーを見るのが好きで、美しい建造物が火災で失われる姿を見るといつも悲しくなります」と Holly は語ります。彼女はすでに単一の再構築のプロトタイプを独自に作成していましたが、Austin の貢献はそれをあらゆる建築物に対してエンドツーエンドで動作するようにスケールアップした点にあります。
Tekton を構築するために、二人は段階的に作業を行いました。まずノートルダム大聖堂の尖塔をスケールしてレンダリングし、次に細部を追加し、その後構造の他の部分へと拡張していきました。完成する前に時間が尽きてしまいましたが、それでもいくつかのハッカソン参加者がこれについて質問したり、より正確にするために手伝うことを申し出たりしました。ホリーとオースティンは、Tekton をオープンソース化して、博物館、歴史家、非営利団体、政府がこれを基盤に構築できるようにしたいと考えています。
他のビルダーへのアドバイス: 何も作り始める前に、プロジェクト全体をマッピングしてください。
「私たちは、各特定のタスクに対応する約 50 のチケットを持つ完全な PRD と Notion ボードを作成しました」とオースティンは語ります。「まるで、ここがエンドツーエンドの完全なプロジェクトで、各ステップで私たちが望むものがこれだと示しているかのようでした。」計画が決まったことで、彼はビルドを別々のワークフローに分割し、並列実行しました。
2 位: Sim Francisco, Tanmayi Priya Dasari, Tejas Prabhune
*Tanmayi Priya Dasari と Tejas Prabhune は、Sim Francisco を構築しました。これは米国国勢調査データを基盤としたサンフランシスコの人口を模倣したデジタルツインであり、合成された都市を数秒で調査し、現実世界の結果を予測することができます。* Sim Francisco はサンフランシスコの人口をモデル化した稼働中のシステムです。米国の国勢調査データから抽出された 10,000 人の合成住民がおり、それぞれに独自の人口統計情報、個人的な経歴、世界観を持ち、都市の地図上に配置されてニュースに対してリアルタイムで反応します。
都市に質問を投げかけると、地区ごとに合成された有権者全体を調査します。2023 年 10 月を知識のカットオフとするモデル上で動作し、2024 年大統領選挙の結果を民主党支持 81.3% と予測しました（実際は 83.8%）、またサンフランシスコの 2024 年 3 月の提案 A（Prop A）については 70% と予測しました（実際は 70.38%）。Kalshi や Polymarket といった予測市場についても、数ポイント以内の精度で追跡しています。
Opus 4.8 はフロントエンドとバックエンドの両方を完全に記述し、バックエンドの動作をエンドツーエンドで検証しました。モデルの成果を検証するために、チームは Claude に検証者および敵対的エージェントと共に作業させ、都市の実態に即した人口統計分布を再現するバックエンドを構築させました。
Tanmayi Priya Dasari と Tejas Prabhune はカリフォルニア大学バークレー校（UC Berkeley）の電気工学およびコンピュータサイエンス専攻の学生で、キャンパス内の機械学習クラブを通じて出会いました。Tejas にとって、Sim Francisco は自身が構築中のポストトレーニング企業向けのテストとしても機能しており、シミュレーションされたペルソナが長期的なタスクに対してモデルを訓練するに十分な一貫性を保てるかどうかを検証しています。
他のビルダーへのアドバイス: 特に費用がかかる場合、最初に機能するアプローチに満足してはいけません。
チームの最初のバージョンでは、10,000 人の居住者それぞれに対して個別の推論呼び出しを行っていたため、コストが高騰しました。テジャス氏によると、「時間とともに、Claude は自ら作成した進化的クラスタリングアルゴリズムを実行し、居住者を約 300 の代表的なペルソナにバッチ処理してグループ化しました。」このグループ化されたバージョンは、Kalshi、Polymarket、および歴史的データに対する精度を維持しつつ、推論コストを 10 倍から 100 倍削減することに成功しました。
第 3 位：Custom Universe（Jake Stevens と Mauricio Pereira）
*Jake Stevens と Mauricio Pereira は、Custom Universe を構築しました。これは、単一のスマートフォン写真から完全に編集可能なフォトリアリスティックな 3D シーンを生成するリアルタイムエンジンです。*椅子のスマートフォン写真を撮影すると、Custom Universe はそれを 3D オブジェクトに変換し、シーンに配置したり、テキストプロンプトでスタイルを変更したり、レンダリング画像がリアルタイムで更新されながら移動させたりすることができます。
⟦CODE_0⟧
このプロジェクトは、特定のタスクや環境向けにロボットを訓練するために大量の合成データが必要なロボティクスラボを対象としています。ラボでは工場フロアの機械をスキャンしてシーンに配置し、その正確な環境用にロボットモデルを微調整するためのデータを生成できます。このようなセットアップを構築するには通常、物理演算と衝突ジオメトリを処理するために物理学者やエンジニアを雇用する必要がありますが、Custom Universe ではオブジェクトをドラッグしてシーンを構成できるため、チームは将来的に、例えばキッチンカウンター上でオブジェクトを 30 センチメートル動かすような精密な配置機能の追加も計画しています。
Opus 4.8 はこのプロジェクトをエンドツーエンドで構築し、ハッカソン中を通じてモデルを実行していたリモート NVIDIA H100 を操作しました。チームはまた、Claude を活用して適切な出力を生み出すモデルを特定し、Apple の RealityKit でキャプチャされたスマートフォンスキャンによるオブジェクトを Web アプリに統合するパイプラインを構築しました。
Jake Stevens と Mauricio Pereira はイベントで出会いました。Jake は Rochester Institute of Technology (RIT) のコンピュータビジョンの卒業生で、AI モデルの高速化に注力するスタートアップ Luminal を運営しています。シーンビルダーは彼が試したかったサイドプロジェクトとして始まりました。Mauricio は MIT のロボティクス卒業生で Coat Robotics を運営しており、自身が直接知る問題を持ち込みました：ロボティクスはまだ訓練データに欠けており、合成環境の構築は困難であることです。Custom Universe はオープンソースモデルとアルゴリズムに依存し、無料で利用可能です。チームによると、ユーザーは自身の GPU で実行できるとのことです。
他のビルダーへのアドバイス： Claude を使ってコードを書くだけでなく、ツールの選択にも活用してください。
「多くの反復作業では、どのモデルが適切な出力を与えているかを確認することが中心でしたので、Claude による調査を多く行いました」と Mauricio は語ります。チームはまた、統合すべき未体験の技術も Claude に任せています。「例えば、Apple の RealityKit や、スキャンしたオブジェクトをユーザーがウェブサイトに入力できるようにする方法についてです。私たちは Claude にこう尋ねました：これをパイプラインに追加してください」
Claude コミュニティ* について学ぶ* — ミートアップ、ハッカソンなどを含む Claude コミュニティプログラムについて。
サンフランシスコは、選挙結果の予測を例に用いた独立したハッカソンプロジェクトです。これは、AI によるシミュレーションされた選挙予測の使用事例として AI を活用することに対する Anthropic の推奨を示すものではありません。
原文を表示
On June 13, we brought more than 300 founders and builders to San Francisco for a 12-hour hackathon with Claude Opus 4.8. More than 1,500 people had applied; 310 took part, many traveling from around the world, each with $500 in credits and one day to turn an idea into a working demo.
We caught up with the three winning teams about what they built and how they used Claude to do it.
Congratulations to the winners and everyone who took part. We hope their projects give you a few ideas of your own.
First place: Tekton, Holly Tang and Austin Burgess
When a historic wooden building burns, centuries of craftsmanship can disappear with it. Tekton reconstructs those buildings in 3D and traces every piece back to a documented source.
Give Tekton a historical building and Claude researches it, pulling together schematics, construction documents, photographs, and diagrams, then assembles a 3D model across 339 incremental construction states. When you click any component in the model, Tekton shows where the detail came from and why it was placed there. The team calls this an evidence chain, running from source material to verified model. They built it for academic validation, restoration work, and cultural preservation, starting with Tang Dynasty architecture and the spire of Notre-Dame.
The verification ran entirely on Opus 4.8. Independent verifier sub-agents graded each reconstruction in isolated context windows, and self-correction loops rechecked component placement until all 20 tests passed. Every build was measured against the historical record and its citations, so the finished model follows the documented rules of how the structure was originally built.
Holly Tang and Austin Burgess met a month earlier, in line for coffee at a Code with Claude event. Holly, a designer, has been helping with Austin's startup. "I love watching documentaries, and it always upset me to see beautiful buildings lost to fire," Holly says. She had prototyped a single reconstruction on her own; Austin's contribution was scaling it to work on any building, end to end.
To build Tekton, the two worked in stages: they got the spire of Notre-Dame rendering at scale first, then added finer detail, then expanded toward the rest of the structure. Time ran out before the full cathedral was done. Even so, several hackathon attendees asked about it or offered to help make it more accurate. Holly and Austin want to make Tekton open source, so museums, historians, nonprofits, and governments can build on it.
Advice to other builders: Map the whole project before you build any of it.
"We built an entire PRD and a Notion board with around 50 tickets, one for each specific task," Austin says. "It was almost like, here's the complete project end to end, and this is exactly what we want for each step." With the plan set, he broke the build into separate workflows and ran them in parallel.
Second place: Sim Francisco, Tanmayi Priya Dasari and Tejas Prabhune
Sim Francisco is a working model of San Francisco's population. It has 10,000 synthetic residents drawn from US Census data, each with their own demographics, personal history, and worldview, placed on a map of the city and reacting to the news in real time.
Ask the city a question and it polls the entire synthetic electorate, neighborhood by neighborhood. Running on models with an October 2023 knowledge cutoff, it forecast the 2024 presidential vote at 81.3% Democratic against an actual 83.8%, and San Francisco's March 2024 Prop A at 70% against an actual 70.38%. It tracks prediction markets like Kalshi and Polymarket within a couple of points.*
Opus 4.8 wrote the entire front and back end and verified the backend's behavior end to end. To verify the model’s work, the team had Claude work alongside a verifier and an adversarial agent to build a backend that reproduced the city's real demographic distributions.
Tanmayi Priya Dasari and Tejas Prabhune are electrical engineering and computer science majors at UC Berkeley who met through the Machine Learning club on campus. For Tejas, Sim Francisco doubles as a test for the post-training company he's building, where he's working out whether simulated personas can stay consistent enough to train models on long-horizon tasks.
Advice to other builders: Don't settle for the first approach that works, especially when it's expensive.
The team's first version made a separate inference call for each of the 10,000 residents, which got costly. "Over time, Claude ran an evolutionary clustering algorithm it created itself," Tejas says, batching residents into about 300 representative personas. The grouped version held the same accuracy against Kalshi, Polymarket, and historical results while cutting inference cost by 10 to 100 times.
Third place: Custom Universe, Jake Stevens and Mauricio Pereira
Snap a phone photo of a chair, and Custom Universe turns it into a 3D object you can drop into a scene, restyle with a text prompt, and move around while the rendered image updates in real time.
The project is aimed at robotics labs, which need large volumes of synthetic data to train robots for specific tasks and settings. A lab can scan a machine from a factory floor, drop it into a scene, and generate data to fine-tune a robotics model for that exact environment. Building that kind of setup usually means hiring physicists and engineers to handle the physics and collision geometry. Custom Universe lets you arrange a scene by dragging objects around instead, and the team plans to add precise placement, like nudging an object 30 centimeters across a kitchen counter.
Opus 4.8 built the project end to end and operated the remote NVIDIA H100 that ran the model throughout the hackathon. The team also used Claude to work out which models produced the right output and to build the pipeline that brings phone-scanned objects, captured with Apple's RealityKit, into the web app.
Jake Stevens and Mauricio Pereira met at the event. Jake is a Rochester Institute of Technology (RIT) computer-vision graduate who runs Luminal, a startup focused on speeding up AI models; the scene builder started as a side project he had wanted to try. Mauricio, an MIT robotics graduate who runs Coat Robotics, brought the problem he knew firsthand: robotics still lacks training data, and building synthetic environments is hard. Custom Universe relies on open-source models and algorithms and is free to use; the team says users can run it on their own GPUs.
Advice to other builders: Use Claude to choose your tools, not just to write the code.
"A lot of the iteration was looking at which model was giving us the right output, so we used Claude to do a lot of the research," Mauricio says. The team also handed Claude unfamiliar technologies to integrate. "For example, Apple RealityKit, and how we were going to make sure people can input their scanned objects to our website. We asked Claude: add this to the pipeline."
Learn* about our Claude Community programs, including meetups, hackathons, and more.*
**Sim Francisco is an independent hackathon project that uses forecasting election outcomes as an example. This does not represent an Anthropic endorsement of using AI-simulated election predictions as a use case.*
関連記事
[AINews] 今日特に大きな出来事はありませんでした
Latent Space は、GLM 5.2 が依然として注目されていると指摘しつつ、AIE WF 2026 の通常チケットが月曜日に完売すると発表しました。同サイト購読者向けに限定割引を提供し、参加者には Warp や Datadog などからのスポンサークレジットも付与されます。
米国がアンソロピックの「Fable 5」発売を禁止、しかし市場は動じず
米国政府は国家安全保障上の懸念から、アマゾンの研究者らがガードレール回避手法を発見したとして、アンソロピックに対し最新モデル「Fable 5」と「Mythos 5」の販売差し止めを命じた。サイバーセキュリティ研究者らはこの措置が危険だとする公開書簡に署名し、同社も他モデルでも同様の抜け道が存在すると指摘している。
社内データ分析エージェントの構築方法について
GitHub は、大規模なデータ組織が直面する自己完結型のデータアクセスと洞察提供の課題に対し、AI を活用した信頼性の高い解決策として、社内でデータ分析エージェントを構築したことを発表した。
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み