Claude Codeより速いBulletの実力

Claude Codeに指示を投げて、返ってくるまでの数十秒でSlackを見に行く。

それが1日に何十回も積み上がっていることには、そろそろ本気で腹を立てていいと思うんです。

YC S26発のBulletは、その待ち時間だけを狙い撃ちにして作られたAIコーディングエージェントでした。

Bulletとは何か YC S26発の速度特化コーディングエージェント

機能の多さでも対応言語の広さでもなく、速度そのものをプロダクトの真ん中に置いたエージェントです。

作っているのはYale大のCS出身で、AppLovinやCitadelでエンジニアをやっていたチームです。

もともとAIヘッジファンドを作ろうとしていたところ、開発中に自分たちがエージェントの応答待ちで時間を溶かしていることに気づいて、そっちを直す側に回ったという経緯があります。

動機がはっきりしているプロダクトは、だいたい設計もはっきりしています。

Bullet · Fast, by design.

The coding agent that gets out of your way.

www.codewithbullet.com

ローンチは2026年8月13日。

まだ日本語の情報はほとんど出ていない段階です。

現時点ではプライベートベータで、利用は無料。

この「プライベートベータ」と「無料」は後で効いてくるので、頭の片隅に置いておいてください。

なぜ速いのか 設計に組み込まれた3つの仕組み

速さを謳うツールは山ほどありますが、Bulletが面白いのは「どこで時間を失っているか」の切り分けが具体的なところです。

公開されている設計は3点あります。

1. モデルと推論レベルの自動ルーティング。単純な作業は速いモデルに流し、本当に必要な場面だけ上位モデルにエスカレーションします。全部を最上位モデルで殴らない、という判断です。

1. ターゲット型のコード検索。リポジトリ全体をベクトル化して埋め込むのではなく、関連するファイルだけを狙って読みに行きます。公式のデモでは、リポジトリのごく一部しかコンテキストに載せずにタスクを完了する例が紹介されています。

1. 独立したツール呼び出しの並列実行。検索、ファイル読み込み、コマンド実行のうち互いに依存しないものを同時に走らせます。さらに、重複した呼び出しと止まったループを検知して遮断する仕組みが入っています。

効くと思ったのは3番目の後半です。

同じファイルを何度も読み直したり、似たようなgrepを繰り返したりする挙動、心当たりのある人は多いはずです。

あれは待ち時間としてもトークン消費としても純粋な損失なので、モデル任せにせずハーネス側で潰しにいっているのは筋がいい。

公称値をどこまで信じるか SWE-bench Verified 95.8%の読み方

開発チームが出している数値はかなり強気です。

SWE-bench Verifiedで500問中479問を解いて95.8%、1タスクあたりの平均時間は119秒。

数字だけ見れば確かに上位です。

2026年8月時点のSWE-bench Verifiedは、Claude Opus 5が96%前後でトップ、Mythos 5が95.5%、Fable 5が95%あたり。

この並びに置けば、たしかにトップ3圏内に入る数字になります。

ただ、ここは冷静に読んだほうがいい。

そもそもモデル単体のスコアとエージェント込みのスコアを同じ表に並べている時点で、この比較はかなり乱暴です。

そのうえで、留保が3つあります。

まず、SWE-bench Verifiedというベンチマーク自体が飽和しています。

上位が1ポイント以内にひしめいている状態で、0.3ポイントの差にどれだけ意味があるかは怪しい。

OpenAIは2026年初頭にVerifiedのスコア報告をやめて、より難しいSWE-bench Proを推奨する側に回っています。

次に、この数値は自社発表であって、第三者による再現検証はまだありません。

そして最大の疑問は、95.8%が「どのモデルにルーティングした結果なのか」が公開されていないことです。

Bulletの速さの正体が「軽いタスクを安くて速いモデルに振り分けている」ことなら、それはハーネスの設計力というより配分の妙になります。

配分の妙にも十分価値はありますが、「Bulletに乗り換えれば同じモデルのまま速くなる」という話とは別物です。

速度の「30〜60%」という数字も、比較対象を確認しておく必要があります。

製品ページの見出しではClaude CodeとCodexが引き合いに出されていますが、ベンチマークの説明で速度差の比較対象として名指しされているのはmini-SWE-agentという別の実装です。

同じ土俵の比較かどうかは、自分の手元で測るまで保留でいいと思います。

手持ちのClaude CodeサブスクやAPIキーをそのまま使える

設計として素直に良いと思ったのがここです。

Bulletは自前でモデルを売っていません。

すでに持っているClaude Codeのサブスクリプション、Codexのプラン、各社のAPIキー、あるいはローカルで動かしているモデル、そのどれを繋いでも動きます。

つまり月額を新しく積む必要がない。

エージェントを1本増やすたびにサブスクが増えていく現状にうんざりしている人にとって、この持ち込み型はかなり大きいです。

キーを用意しなくても試し始められるようにもなっています。

一方で、ビジネスモデルは現時点で未定だと開発チーム自身が認めています。

無料がいつまで続くかは分からず、ソースコードの公開も要望は多いものの決まっていない。

プライベートベータのツールを本番の案件に組み込むのは、この段階では早いです。

私なら検証用のリポジトリで動かして、速度の体感と生成物の質を見るところから始めます。

インストールと動かし方

CLIはnpm経由で入ります。

Node.js 18以上、対象はmacOSとLinuxです。

npm install -g @trybullet/cli
bullet

macOSにはデスクトップアプリ版もあり、こちらはApple Silicon向けの配布になっています。

ターミナルに寄せたいならCLI、画面で見たいならアプリ、と使い分けられる形です。

注意点をひとつ。

導入するのはクローズドソースのバイナリで、Linux向けの配布形態については権限まわりを不安視する指摘も出ています。

業務で使っているマシンにいきなり入れるより、隔離した環境で試すほうが安全です。

まとめ 速度がボトルネックなら試す価値はある

現在地を整理すると、こうなります。

• 速度に全振りした設計思想は明確で、モデルルーティング・ターゲット型検索・並列実行という3つの打ち手も理にかなっている
• 公称の性能値は強気だが第三者検証はなく、ルーティング先のモデル構成も非公開
• 手持ちのサブスクやAPIキーを持ち込めるので、金銭的な試用コストはほぼゼロ
• プライベートベータでビジネスモデルも未定。本番投入は時期尚早

私の見立てとしては、「Claude Codeの生成品質には満足しているが、待ち時間だけが不満」という人に一番刺さるツールです。

逆に生成の質そのものを上げたいなら、これは解になりません。

速度の問題と品質の問題は別のレイヤーにあるので、そこを混ぜて期待すると確実に外します。

エージェントの応答を待っている時間を1週間分だけ記録してみると、たぶん想像より長いはずです。

その数字を見てから試すかどうか決めても、遅くはありません。