GitHubの新しいAIコーダーは秘密の武器です

GitHubは2025年11月10日に新しいAIコーダーを登場させましたが、ほとんど誰も気づきませんでした。定期的なchangelogのエントリーの中で、同社はRaptor miniがGitHub Copilotの「公開プレビューとして展開されている」と発表しました。Visual Studio Codeのドロップダウンから利用可能です。キーノートもなく、ブログでの詳細もなく、GitHubにとって最も重要なモデルかもしれないものについての1段落の通知だけです。

発売に関する沈黙は意図的に思えます。GitHubは、公開ベンチマークやモデルカード、既存のGitHub CopilotモデルやClaudeのような競合と比較した精緻化されたGPT-5ミニを説明する技術論文なしにRaptor miniを発表しました。開発者たちは「迅速で正確なコードの補完と説明」という漠然とした約束と、エージェントモードとすべてのGitHub Copilotのインタラクションタイプに対応しているとのメモだけを受け取りました。

競合他社のやり方と対比してみてください。Googleが新しいGeminiのバリアントを発表するときや、OpenAIがGPT-5を更新するとき、彼らは数時間にわたるライブストリームを開催し、詳細な仕様書を発表し、厳選されたデモやリーダーボードチャートでソーシャルフィードを埋め尽くします。それに対して、Raptor miniはまるで夜間ビルドのように登場しました。派手なプロモーション映像も、選ばれたパートナーの引用もなく、「今存在しており、選択できます」とだけ伝えられました。

その低いプロファイルは、奇妙な緊張感を生み出しています。紙の上では、Raptor miniは本格的なハードウェアを搭載しています：おおよそ264,000トークンのコンテキストウィンドウ、64,000トークンの出力制限、およびVS Code内でのツール呼び出し、複数ファイルの編集、エージェントワークフローの完全なサポート。しかし、GitHubは自身の大型モデルに対する単一のレイテンシチャート、精度グラフ、または比較も公表することを拒否しました。

ベンチマークの代わりに、早期採用者には挑戦が与えられます。Raptor miniが何ができるのかを知りたいのであれば、実際のコードベースに指示を与え、苦労してその結果を見つける必要があります。これはまさにBetter Stackのチームが行ったことで、モデルにゼロから実際のリアルタイム衛星追跡ダッシュボードを生成させ、どれだけ早く動作するスタックを組み立てられるかを測定しました。

Raptor miniの控えめなデビューは、GitHub Copilotを一種のブラックボックス実験に変えてしまった。GitHubがその性能を自慢することを拒否しているため、このモデルを理解する唯一の方法は、新しい社員を扱うように接することだ。実際の作業を与え、差分を検証し、その謎が正当化されるかを確認する。

GitHubの新しいモデルラインアップでの「Mini」はおもちゃを意味するわけではありません。公式には、Raptor miniは一般的なコーディングとライティング用に調整されたGPT-5 miniのバリアントであり、GitHubはこれをGitHub Copilot内での迅速かつ正確な補完および説明のために最適化されたエンジンとして位置づけています。これは、Visual Studio Code内のすべてのGitHub Copilotモード、すなわちチャット、インライン提案、編集、完全なエージェントワークフローをサポートしています。

GitHubの簡素な変更ログ投稿では、Raptor miniが「汎用コーディング用にファインチューニングされたGPT-5ミニモデル」であることのみが確認されていますが、他の詳細はトークやポッドキャストを通じて漏れ出ています。内部では、約264,000トークンのコンテキストウィンドウと64,000トークンの出力ウィンドウを搭載しており、これは「ミニ」というブランド名からは期待されるものよりも、重量級モデルに近い数字です。

VS Codeチームのジュリア・キャスパーは、その期待値を再設定しようとしています。「これはミニですから、注意してください」と彼女はMicrosoftのポッドキャストで述べ、モデルが速度と「より小さなタスク、複雑でないもの」に最適化されていることを強調しました。これらの場面では、深いシステム設計ではなく、即時のフィードバックが求められます。広範なリファクタリングやグリーンフィールドアーキテクチャの場合、彼女は依然として開発者にClaudeや完全なGPT-5のような大規模なファミリーに向かうことを促しています。

その名前自体が、かなり従来の内部コードネームの上に重ねられたブランディングの取り組みです。Casperは、RaptorをGitHubがモデルやサービスに使用する「鳥のグループ」テーマに合わせて選ばれたコードネームとして説明しています。それに対してマーケティングは、やや神秘的で動物をテーマにしたものを推し進め、「Raptor mini」という乾燥したアルファベットと数字のSKUの代わりに落ち着きました。

開発者は「ミニ」という言葉を見てサイドキックモデルを想定しました：ドキュメント文字列やユニットテスト、場合によってはクイックな正規表現に適しています。しかし、初期の実際のレポートによると、特に日常的な編集や機能作業において、サイドカーというよりもむしろデフォルトのワークホースに近いものと記述されています。

そのラベルと現実との不一致は、コミュニティのテストで明らかになります。例えば、Better StackのチームはRaptor miniに、サードパーティのAPIを接続し、Expressバックエンド、バニラJavaScriptのフロントエンド、CSS、さらにはThree.jsを使った3Dグローブを組み込んだ完全なリアルタイム衛星ダッシュボードをゼロから構築するよう依頼しました。その結果、約45秒で動作するプロトタイプを提供しました。実際には、Miniは「制限された」よりも「レイテンシ最適化された」ように見えます。

ミニブランディングは、264,000トークンのコンテキストウィンドウという数字と正面衝突します。これは、数百ページのコード、ドキュメント、ログを一度に取り込む能力を持つことを意味し、全体の中規模なモノレポや、フルのReact/Nodeスタック、そのREADMEファイルやAPIリファレンスを1つのプロンプトに収めることができます。開発者にとっては、GitHub Copilotがフロントエンド、バックエンド、テスト、設定にわたる機能について常に以前のコンテキストを失うことなく推論できることを意味します。

そのような大きなウィンドウは、レガシーコードとのインタラクションの仕方を変えます。20,000行のJavaサービス、複雑なwebpack設定、失敗した統合テストを実装した後、Raptor miniにエンドツーエンドでバグを追跡するように頼むことができます。小さなスニペットを貼り付ける代わりに、そのモデルをあなたのリポジトリ全体を一週間かけて読んだ新入社員のように扱います。

出力サイズも静かに重要です。64,000トークンの出力ウィンドウを持つRaptor miniは、一度に何万行ものコードや差分を生成できます。これにより、以前は複数回の処理、マージ、そして人間の手間を必要とした操作が可能になります。

大規模なリファクタリングが突然、一度きりのプロンプトになります。以下のことをお願いできます： - コールバックからasync/awaitへの移行をパッケージ内のすべてのクラスに対して行う - サービス全体でカスタムログレイヤーをOpenTelemetryに置き換える - 複数のモジュールのための完全なテストスイートを一度の実行で生成する

それらはおもちゃの「ミニ」ワークロードではなく、そこでブランディングは意図的に誤解を招くように見え始めます。公式なメッセージはRaptor miniを速度と「小さなタスク」に最適化されたものとして位置付けていますが、その生のコンテキストと出力仕様は多くのフラッグシップモデルに匹敵するか、またはそれを上回ります。この名称は機能の限界を示すよりも、より重く高価なオプションを食い合わないようにするためのポジショニングの動きのように見えます。

エージェントモードは、これらの仕様が抽象的な数字でなくなり、新しいIDEの基本要素のように感じられ始める場所です。全体の作業スペースが264kのコンテキストにロードされることで、エージェントは複数ステップの編集を計画し、数十のファイルを開いて修正し、インポートを更新し、テストを再生成しながら、プロジェクトの整合性のあるビューを保持できます。複数ファイルの編集はもはや脆弱なファイルごとの作業ではなく、モデルによって統一された一貫した操作になります。

GitHubの公式チェンジログのエントリー、Raptor MiniがGitHub Copilotのパブリックプレビューとして展開中では、これらの数字がいかに極端であるかをほのめかすだけです。仕様には「ミニ」とありますが、その動作は予算ラベルの裏に隠れたフル機能のコーディングエンジンにずっと近いものです。

Better Stackはおもちゃの問題から始まりませんでした。代わりに、チームはRaptor miniに、全くのゼロからリアルタイム衛星ダッシュボードを構築するよう依頼しました。このモデルはオートコンプリートのように扱うのではなく、契約エンジニアのように扱いました。前提はこうです：GitHubの「mini」コーダーがエンドツーエンドのアプリを出荷できれば、そのラベルは「小さい」とは限らず、「真剣な作業に十分速い」という意味に変わります。

この課題は、彼らのYouTube実験「GitHubが新しいGitHub Copilotモデルを静かにリリース…しかも本当に優秀！」から直接派生したものです。単一の機能やリファクタリングではなく、国際宇宙ステーションや選ばれたスターリンク衛星の位置をリアルタイムで追跡し、それを地図や地球儀に表示する生産スタイルのウェブアプリを求められました。

その範囲は、ポッドキャストでマイクロソフトのジュリア・キャスパーが説明した「小さなタスク」を直ちに超えます。リアルタイムダッシュボードはフルスタックの動作を強いられます：バックエンドAPIの統合、フロントエンドのレンダリングロジック、状態管理、そしてUXの忠実度の近似。これらの層のいずれかでつまずくモデルは、ブースターではなくボトルネックに変わります。

テストを現実的に保つために、Better Stackは実際のチームがジュニア開発者に仕様を引き渡す方法のように、入力を制約しました。Raptor miniは以下の3つの主要な成果物を受け取りました： - N2Y.io衛星APIのドキュメントを含むMarkdownファイル - 必要な機能と動作を説明した高レベルの指示ファイル - 目標とする「スペースダッシュボード」UIを示すFigma由来のデザイン画像

これらの入力は、GitHub Copilotが現在サポートしているすべてのモダリティに対応しています：長文のドキュメント、自然言語の要件、そして画像ベースのデザインのヒントです。このモデルは、N2Y.ioのドキュメントから認証情報とエンドポイントを解析し、Figmaのスクリーンショットからレイアウトとスタイリングを推測し、両者を指示ファイルの機能仕様と調整する必要がありました。

合成ベンチマークではなく、このセットアップは現実的なグリーンフィールドスプリントのように機能します。スターターレポはなく、あらかじめ結合されたフレームワークもなく、これらのファイルの中に存在する以上のサポートはありませんでした。成功は、単に見栄えの良いスニペットを生成するのではなく、三つの異なる情報源を一つの一貫したコードベースに統合することを意味していました。

エンターを押してから45秒後、完全なフルスタックアプリが出現しました：Expressバックエンド、バニラJavaScriptフロントエンド、CSS、HTML、ライブAPIコール、そしてFigmaモックアップにほぼ一対一で合った青みがかったUI。ボイラープレートウィザードもスターターテンプレートもなく、ただRaptor miniが仕様書、APIドキュメント、デザイン画像を読み取り、実際に動作する衛星ダッシュボードを吐き出しました。

最初のバージョンでは、N2YO APIからライブの軌道データを取得し、画面上で衛星をアニメーションさせ、シンプルなリアルタイム更新ループを組み込みました。重いフレームワークの代わりにシンプルなExpressサーバーを選び、約500行のJSバンドルとプレーンCSSを使用した単一のHTMLファイルを提供しました。これにより、ビルドツールのドラマはゼロになり、瞬時にリロードできました。

最初は視覚的な表現がデータの忠実度に追いついていませんでした。アプリは動く点を表示しましたが、世界地図や地球儀がなかったため、「地球」の上での位置が地理的に意味を持つかどうかを判断する方法がありませんでした。そこで次の指示で、Raptor mini にSVG世界地図を提供し、衛星の軌道をその上に重ねるように求めました。

その一つの動きが、ダッシュボードを抽象的なアニメーションから本物の地理空間ツールに変えました。衛星は認識可能な大陸を横切り、モデルは緯度・経度の座標を2D SVGにプロジェクトするための計算を処理しました。しかし、それでも十分ではありませんでした。ブリーフには平面的な地図ではなく、3D地球儀が必要でした。

単一のフォローアッププロンプトがデザインを進化させた：Three.jsを使用して、その地図を球体に包み込み、3Dで衛星を配置し、すべてをリアルタイムで更新する。Raptorは3Dシーン、カメラ、照明、およびコントロールのミニスキャフォールドを構築し、既存のAPIポーリングをテクスチャ付きの地球を周回する軌道マーカーに接続した。

「クールなデモ」から「本番用の美しいもの」になるまでに約7～8回のプロンプトを重ねました。主にカメラコントロールの調整、軽微な数学的バグの修正、インタラクションの滑らかさを向上させる作業です。各イテレーションは数秒で戻ってきたため、改良はビルドを待つのではなく、タイムラインをスクラブしているような感覚でした：プロンプトを調整し、コードを再生成し、ブラウザを更新するのです。

最終的なダッシュボードは、プレミアムSaaSランディングページのようなものでした：回転し、ズーム可能な3D地球、輝く衛星軌道、リアルタイムの更新があり、すべてはAIモデルがほぼ自動的に組み立てたコードによって駆動されていました。

ミニマリズムはRaptor miniの衛星ダッシュボードデモの静かなスターとなりました。ゼロからリアルタイムアプリを構築するよう求められた際、モデルはバックエンドにシンプルなExpressサーバー、フロントエンドにバニラJavaScript、HTML、CSSを選びました。バンドラーもトランスパイラもなく、午前2時にデバッグするフレームワーク特有のルーティングマジックもありません。

その選択は重要です。プロンプトからブラウザまで1分以内で移行する必要がある概念実証には、Expressと静的アセットを組み合わせることでほぼ妨げなく実現できます：`node server.js`、ポートを開く、出荷。Next.js、Vite、またはRemixを避けることで、Raptor miniは通常の設定ファイルの迷路、環境の不一致、そして不透明なビルドエラーを回避しました。

フロントエンドでは、モデルは約500行のJavaScriptを生成しました。これはまだスクロールして大まかに把握できるサイズです。コードは責任を明確に分けており、N2YO APIから衛星データを取得するセクション、一つはDOMの更新用、そしてThree.jsを使った3D地球儀の処理用の明確なブロックがあります。神の関数も、すべてを行う1,000行のReactコンポーネントもありません。

構造は、ミッドレベルのエンジニアが良い日にはチェックするようなものに見えました。明確な関数名、予測可能なデータフロー、回転、ズーム、衛星選択のようなインタラクションのためのシンプルなイベントハンドラーが整っています。CSSも同様にシンプルで、青みがかったダッシュボードテーマ、レイアウトグリッド、レスポンシブの調整を扱う単一のスタイルシートが、ユーティリティクラスの混乱なしに機能しています。

モダンなフレームワークを避けたことで、まったく新しいクラスの頭痛を排除しました。`node_modules`の膨張もなく、TypeScriptの設定のズレもなく、開発環境とビルド間でのReactバージョンの不一致もありませんでした。たった1ページのデモには、サーバーサイドレンダリングやファイルベースのルーティングは、アーキテクチャのコスプレに過ぎなかったでしょう。

その制約は実用的な知性として読み取るべきであり、限界ではありません。Raptor miniは、問題に対してスタックを整列させました：1ページ、リアルタイムの更新、迅速な反復。より重いモデルやスタックを選ぶかどうかを決めようとしている開発者にとって、GitHub自体のAIモデル比較 - GitHub Docsは、Raptor miniを速度最適化されたオプションとして位置付けています。このプロジェクトは、過剰なエンジニアリングを避けるべき時を知っていることも示しています。

速度はRaptor miniを、静かに競争する主力モデルとは異なる重さのクラスに置きます。GitHubはそれをGPT-5、Claude、xAIのGrok Code Fastといった強力な競合と位置付けていますが、生の推論で彼らに対抗しようとはしていません。代わりに、開発者が最も感じるもの、つまりエディター内のレイテンシーで勝つことを目指しています。

クロードとGPT-5は、システムデザイン、マルチサービスアーキテクチャ、または深いアルゴリズム探求を求めるときに活躍します。一方、Grok Code Fastはパワーユーザー向けの積極的な補完に力を入れています。Raptor miniの提案はよりシンプルで、ほぼ瞬時にインラインの提案を行い、複数行の補完やリファクタリングを行いながら、GitHub Copilotでのタイピングに合わせて進んでいきます。

並べて比較することで、GitHubのあいまいな変更履歴では明確に示されていなかったトレードオフがよりはっきりとわかります。大きなモデルは通常、より強力な高レベルの推論、より良い長期計画、そしてより微妙な自然言語理解を提供します。一方、Raptor miniは、より速い応答、驚異的な32万トークンのコンテキストウィンドウ、そしてファイルやモジュール全体を一度に書き換えられる64,000トークンの出力制限を備えています。

ワークフローモデルとプロジェクトモデルを考えてみてください。ワークフローモデルはエディター内にあり、1日に何百ものマイクロアシストを行います：この関数の名前を安全に変更する、コンポーネントを抽出する、これらのファイルにロギングを追加する、他の部分に触れずにこのTypeScriptエラーを修正する、などです。一方で、プロジェクトモデルは、後ろに引き下がって「請求のための新しいマイクロサービスを設計し、データモデル、API、移行計画を概説する」と言ったときに輝きます。

Raptor miniは、ワークフローカテゴリにしっかりと位置付けられています。以下の点において優れています： - タイプ中の迅速なインライン補完 - 複数ファイルにわたるローカライズされたリファクタリング - 大規模なコードベース全体での一貫したパターン適用 - より遅いチャットモデルへの往復なしに、文脈における不明なコードの説明

GPT-5、Claude、またはGrok Code Fastは、以下のような場合にいまだにより効果的です： - アーキテクチャレビューとトレードオフ分析 - 非自明なアルゴリズム設計 - 複数のシステムやドキュメントにわたるクロスサービス推論 - 長文の計画文書やRFC

これらのモデルのいずれかを「最高」と呼ぶことは本質を見失っています。新しいイベント駆動型アーキテクチャを描いている開発者は、おそらくClaudeやGPT-5に頼るでしょう。同じ開発者がバグ修正やテストの更新を一日中行っている場合、Raptor miniの速度の利点をすぐに実感するはずです。真の力の源は、タスクごとに適切なモデルを選ぶことであり、一つの巨大なモデルに全てを賭けることではありません。

エージェントモードはRaptor miniを迅速な補完ボックスから、あなたのリポジトリ全体をすでに読んだ新入社員に近いものに変えます。提案を一行ずつ出すのではなく、全体の作業スペースに対して操作し、数十のファイルにわたって複数のステップの編集を計画し実行します。

GitHub Copilotのエージェントモードでは、Raptor miniがプロジェクトツリーをスキャンし、フレームワークやローカルの慣習、テストを理解して、具体的な移行計画を提案します。変更セットを承認すると、コンポーネント、ユーティリティ、インポート、仕様を一括で更新します。

マルチファイル編集は抽象的に聞こえますが、避けていた複雑なリファクタリングに使用するとその実力を実感できます。コアAPIメソッドの名前を変更するように指示すると、関数定義だけでなく以下のことも自動で行います： - 複数のパッケージにわたるすべての呼び出し箇所を更新します - 壊れたインポートやバレルファイルを修正します - 関連する単体テストや統合テストを再生成またはパッチします

さて、より高いリスクを伴うリクエストを想像してみましょう。「プロジェクト全体でこのボタンコンポーネントをMaterial-UIからTailwind CSSに変更してください。」Raptor miniは、264,000トークンのコンテキストウィンドウを持ち、デザインシステム、共有コンポーネント、レイアウトファイルを同時に読み込み、その後JSXを書き換え、`@mui/material`から`<Button>`を取り除き、Tailwindユーティリティクラスに接続された意味的な`<button>`要素に置き換えることができます。

巨大な差分を一度に出す代わりに、エージェントモードは逐次処理で作業できます。最初は、既存のプロップをTailwindクラスにマッピングする新しい`Button`ラッパーを作成し、そのラッパーへの全ての使用を移行し、Material-UIの直接インポートを削除し、最後に残ったテーマプロバイダーやスタイルを整理します。あなたはプルリクエストのレベルで監視し、個々のファイルでの監視は行いません。

これは、インライン補完を速くするのとは異なる種類の生産性向上です。オートコンプリートはタイピングの時間を数秒短縮しますが、ワークスペース全体のリファクタリングは作業の全カテゴリを取り除きます。AIシステムがクロスカッティングな変更、つまりフレームワークの入れ替えやデザインシステムの移行、APIのバージョンアップを信頼できるように実行できると、これらを「いつかやるべき」タスクとして扱うのをやめ、通常の作業のようにスケジュールに組み込むようになります。

Raptor miniのスピードはこの効果を増幅させます。人間が慎重にgrepやテストを行うのに1日かかるようなリファクタリングが、「変更を説明する → プランをレビューする → 差分を確認する」という5～10分のループに変わります。この変化、手作業から監視された自動化への移行こそが、AIが単なる賢いオートコンプリートバーではなく、本当の仲間のように感じられるポイントです。

Raptor miniの静かなデビューは、「すべてを支配する一つのモデル」から専門化された、狭い範囲のアシスタントへとAIコーディングツールのシフトを示しています。すべてを試みる単一の巨大チャットボットの代わりに、GitHubは、あなたのエディター内に存在し、あなたの作業スペースを理解し、あなたの代わりにアクションを実行する迅速でコーディングファーストのモデルに賭けています。

開発者は単に回答を求めているのではなく、数百のファイルにわたって実行される編集、リファクタリング、マイグレーションも必要としています。264,000トークンのコンテキストウィンドウにより、Raptor miniはワークスペースネイティブのエージェントへと変貌し、モノレポの重要な一部を取り込み、それについて考え、プロンプトの膨張に屈せずに正確なマルチファイルの変更を適用することが可能です。

従来の大規模言語モデルは、企業のコードベース全体を投げかけると苦戦します。コンテキストの制限に達したり、APIを誤認したり、プロジェクト固有の慣習を見失ったりします。より小さく、専門化されたアクションモデルは、仕事を絞ることでこれを解決します：コーディング、リファクタリング、テスト生成、リポジトリを意識したナビゲーションなどを、Visual Studio CodeやGitHubのようなツールに直接接続します。

一つの巨大な一般モデルの代わりに、未来はAI専門家のチームのように見えます。あなたは次のようなものを持つかもしれません： - 日常的な編集のための高速インライン補完モデル - リポジトリ規模のリファクタリングエージェント - テストとCIに焦点を当てたレビュアー - 依存関係や秘密漏洩に調整されたセキュリティスキャナー

LangGraphやCrewAIのようなエージェントのフレームワークは、すでにモデルを役割、ツール、記憶を持つ構成可能な作業者として扱っています。Raptorミニスロットはその世界観にうまく組み込まれています：APIを呼び出し、プロジェクトツリーを読み取り、計画、ドキュメンテーション、インフラを担当する他のエージェントと調整することができるコーディングエージェントです。

開発者は、単一のチャットスレッドを細かく管理する代わりに、これらのAIチームをますます調整するようになります。1人のエージェントが移行を計画し、別のエージェントがRaptor miniを使用してコードの変更を実装し、3人目がドキュメントを更新し、4人目がCIでチェックを実行します。人間の開発者はテックリードとなり、制約を設定し、差分をレビューし、出荷のタイミングを決定します。

GitHubの公式ドキュメントは、このエコシステムアプローチを示唆し、GitHub CopilotのサポートされているAIモデルのページでモデルごとのさまざまな機能やトレードオフを一覧表示しています。Raptor miniは実験というよりも、その専門的でエージェントファーストのスタックの最初の目に見える部分のように見えます。

GitHub Copilot ユーザーは Raptor mini を試すために秘密の URL やベータキーを必要としません。VS Code を開き、GitHub Copilot 拡張機能がインストールされていることと、GitHub Copilot 対象の GitHub アカウント（Free、Pro、または Pro+）にサインインしていることを確認してください。モデルのドロップダウンに新しいプレビューモデルが表示されるように、VS Code と拡張機能を最新バージョンに更新してください。

GitHub Copilot Chatパネルを開いてください（Windows/LinuxではCtrl+Shift+I、macOSではCmd+Shift+I、またはアクティビティバーのGitHub Copilotアイコンを通じて）。チャット入力ヘッダーで、モデルセレクターのドロップダウンを見つけてください。通常は「自動」または一般的なGPT-5ベースのモデルに設定されています。それをクリックし、リストから「Raptor mini（公共プレビュー）」を選択してください。表示されない場合は、アカウントがまだロールアウトを受けていない可能性があります。

一旦有効にしたら、その速さを活かすために、少しずつ小さな精密なプロンプトから始めてください。例えば以下のようなものを試してみてください： - 「この関数をより効率的にリファクタリングし、変更点を説明してください。」 - 「この200行のメソッドを平易な日本語で説明し、潜在的なバグを指摘してください。」 - 「このファイルのユニットテストをJestを使って生成し、エッジケースに焦点を当ててください。」 - 「このReactコンポーネントをJSDocで文書化し、プロップの型チェックを追加してください。」

264,000トークンのコンテキストウィンドウを感じるために、複数のファイルにわたって安全で低リスクなリファクタリングを行います。例えば： - 「このユーティリティ関数を更新し、src/内のすべてのインポートとテストを含めて新しいシグネチャを適用してください。」 - 「このReactフックの名前を変更し、プロジェクト内のすべての使用箇所を更新してください。」 - 「この重複したロジックを共有ヘルパーに抽出し、これら3つのファイル間で接続してください。」

エージェントスタイルのマルチファイル編集を捨てられるブランチにプッシュしてから、コミットする前にすべての差分を確認してください。成功や失敗を見つけたら、それらをGitHubのGitHub Copilot ディスカッションで共有し、チームがRaptor miniをより早く調整できるようにしましょう。それを使い、壊し、この「ミニ」モデルがあなたの日常のワークフローをどのように再構築するかをGitHubに正確に伝えてください。

GitHub Copilotのラプターミニとは何ですか？

Raptor Miniは、GitHub Copilotにおける新しい実験的なAIモデルで、Fine-tunedされたGPT-5ミニを基にしています。VS Code内で直接、高速のコード補完、説明、およびエージェントベースのタスクに最適化されています。

Raptor Miniは他のCopilotモデルとどう異なるのでしょうか？

Raptor Miniは、リファクタリングや複数ファイルの編集など、日常のコーディングタスクにおいて速度と効率を優先しています。大規模なモデルは複雑なゼロからの生成に優れていますが、Raptor Miniはあなたのワークフローに素早く統合された一部のように感じられるように設計されています。

Raptor Miniを有効にして使用するにはどうすればよいですか？

VS CodeでRaptor Miniを有効にするには、Copilot Chatビューを開き、上部のモデルセレクターをクリックして「Raptor Mini（プレビュー）」を選択してください。現在、ほとんどのCopilotユーザー向けにパブリックプレビューで利用可能です。

Raptor Miniは無料で使用できますか？

Raptor Miniは、公開プレビュー期間中、料金プランに加入しているユーザー（割り当て乗数1）に対して無料で利用でき、無料プランのユーザーにも提供されます。この内容は、プレビュー終了後に変更される可能性があります。