Replitは2026年9月29日(現地時間)、モデルが自身のタスク配分を自律的に決定する新しいハーネスデザイン「Replit Agent」を発表した。従来のモデルルーターが持つ根本的な限界を克服し、メインエージェントがサブエージェントの投入力を調整することで、効率的な運用を実現する。GPT-6 Astraを基盤とするReplit Agentは、主要ベンチマークで高いパフォーマンスとコスト効率を示した。
Replit Agentは、メインエージェント（コアループ）がサブエージェントの階層（tier）と投入力（effort）を自律的に選択し、タスクの進捗に応じて調整する仕組みを採用している。このアプローチにより、GPT-6 Astraのようなフロンティアモデルは、ルーチン的な実装を低コストなサブエージェントに委任し、自身のトークンを重要な意思決定に集中させることが可能になる。
ソフトウェアエンジニアリングベンチマークのDeepSWEとTerminal-Benchの両方で、Replit AgentはGPT-6 Astra単独の運用に対してPareto-efficientな結果を示した。これは、既存のどのAstraベースラインよりも低いコストで高いスコアを達成していることを意味する。また、単一の長期稼働ワーカーを使用する従来のsidekick architectureと比較して、DeepSWEで11ポイント、Terminal-Benchで16ポイント高いスコアを記録した。
Replit Agentは、特定ドメインに特化したdomain-aware subagents、コストと能力が異なるsubagent tiers and effort、再利用可能なreusable subagents、そしてリアルタイムで投入力を調整するdynamic effort tuningという4つの主要なプリミティブを持つ。特にGPT-6ファミリーのモデルは、ターン途中での投入力変更がキャッシュを保持する特性を持つため、これらの機能が最大限に活用されている。
生産環境での観測として、トークン単価の高いフロンティアモデルが、自然と低コストのサブエージェントへタスクを委譲する傾向が確認されている。2026年9月には、GPT-6 Astraがターン全体の36%でサブエージェントをディスパッチし、汎用ワーカーへの作業委譲は20%に上り、既存サブエージェントへの復帰は42%に達した。DeepSWE v1.1ではタスクあたり2.11ドルで72%、Terminal-Bench 4.0ではタスクあたり2.53ドルで49%のスコアを達成している。
参考: Replit Blog (アーカイブ) — 2026年9月30日 01:00 (JST)
原文ハイライト"no published Astra baseline costs less and scores higher."