TL;DR
CoworkOSは、モデルが戦略を決め、ランタイムが状態・委任・フィードバックを管理する長期作業向けの協働エージェント基盤です。Main／Coordinator／Subagentsの3層、共有アプリ上の成果物編集、永続ワークスペースとJob監視で、人間参加と中断再開を支えます。論文は12ベンチマーク・6カテゴリで競争力ありと報告し、RSI事例では8ベンチマーク平均33.19→42.95（+9.76）を報告していますが、詳細なコスト・安全性・一般化は提示本文からは確認できません。
既存手法との違い
原論文は、CoworkOSをOpenHands、Codex、DeepSeek Harnessなどのフロンティアなcowork／agent harnessと比較し、12 benchmarks・6 categoriesの実世界アプリで「competitive」と報告しています。違いとして、CoworkOSはMain／Coordinator／Subagentsの階層実行、共有アプリ上の成果物編集、永続ワークスペースとJob監視を統合する点を挙げています。ただし提示本文からは、各ベンチマークの詳細条件、全スコア、統計的有意性、比較対象間の設定差は確認できません。
使える条件
向くのは、成果物を継続的に更新し、人間とエージェントが同じドキュメント・スライド・CAD・Blenderシーンを検査・修正するような長期作業です。CLI・検索・ファイル操作・MCP、専門アプリ連携、共有ワークスペース、セマンティックメモリ、長時間Jobのログと再開が必要です。モデルが戦略を決め、ランタイムが状態とフィードバックを管理する前提です。計算資源、対応モデル、セキュリティ、コスト、外部アプリ権限の要件は提示本文からは確認できません。RAG専用ではありません。
限界と未検証の範囲
提示本文では12 benchmarks・6 categoriesでの競争力と、GLM-5.3をbackboneにしたRSI事例でQwen3.6-35B-A3Bの8ベンチマーク平均が33.19→42.95（+9.76）と報告されています。一方、詳細な失敗分析、レイテンシ・コスト、ヒューマン負荷、権限・安全性、ベンチマーク汚染、独立追試は確認できません。「frontierとcompetitive」は万能な最良という主張ではなく、環境・モデル・アプリ連携に依存し得ます。RSI結果は一事例であり、他モデルや他業務への一般化は未確認です。
解説
ねえ智也、CoworkOSって論文見た？長時間のAI作業を支えるやつ。名前からしてAIの同僚っぽい。
見た。要は、複雑な成果物づくりと、長い期間の監視・判断を同じ仕組みで扱いたいって話。
長い期間って、何日もずっと見てる感じ？
そう。学習の監視とか、プロジェクトをセッションまたいで追うとか。途中で待ちも入るし、人間の指示も入る。
ふつうのエージェントだと、そこが崩れそう。
だからCoworkOSは戦略と実行管理を分けてる。モデル側が行動や委任、受け入れを決めて、ランタイム側が状態とフィードバックを持つ。
役割分担だね。で、MainとCoordinatorとSubagentsの3層？
Mainが計画と最終判断、CoordinatorがSubagentへの割り振りと進行管理、Subagentsが渡された範囲を実行する。同期でも非同期でも動く。
非同期だと、Mainは別の作業も進められるってこと？
そう。あと共有アプリ層で、人間もエージェントも同じドキュメントやスライド、CAD、Blenderシーンを見て直せる。
会話だけじゃなくて、成果物そのものを直接いじれるのが面白い。
永続ワークスペースとセマンティックメモリ、Jobの状態・ログも保持するから、中断しても再開しやすい。人間参加も途中に入れられる。
評価はどうだったの？
論文では12ベンチマーク、6カテゴリで、OpenHandsやCodex、DeepSeek Harnessみたいな強いharnessと比べて競争力あり、と報告してる。
全部で一番とかじゃなくて、competitiveって表現なんだ。
そこは大事。提示本文では各ベンチの詳細条件や全スコア、統計的有意性、比較対象間の設定差までは確認できない。
RSIの事例もあったよね。数字は33.19から42.95だっけ？
うん。GLM-5.3をバックボーンにしてQwen3.6-35B-A3Bの自動ポストトレーニングを5ラウンド回して、8ベンチマーク平均が33.19から42.95、+9.76。論文の報告ね。
けっこう上がってるじゃん。それって他のモデルでも同じくらい行くの？
提示本文からは確認できない。RSI結果は一事例で、他モデルや他業務への一般化は未確認。コスト、レイテンシ、安全性、権限管理、人間の負荷も本文だけでは見えない。
使える条件も気になる。
向くのは、成果物を継続更新する長期作業。CLI、検索、ファイル操作、MCP、ドキュメントやスライド、CAD、Blender連携があって、共有ワークスペースとJob監視を使う前提。計算資源や対応モデルの要件は提示本文からは確認できない。
なるほどね。長い仕事を丸投げするというより、人間も同じ作業台で途中参加できるのがポイントか。
そう捉えるのが自然だと思う。論文の報告と、そこからの解釈は分けて見る必要があるけど。
じゃあ私のレポートもCoworkOSに任せて、締切まで監視してもらおうかな。
任せる前に自分で書け。