Claude-Code v2.1.79は、リモート制御機能を追加し、サブプロセスのハングアップを修正、メモリ使用量を改善しました。

Claude-Code v2.1.79 リリースノート
Claude-Code v2.1.79には、認証機能の改善、一般的なワークフロー問題のバグ修正、およびVSCode固有の新機能が含まれています。このリリースでは、開発者がClaude-Codeを自動化ワークフローに統合する際に直面したいくつかの課題に対処し、ツール全体の安定性を向上させています。
新機能と改善点
- 認証:
claude auth loginにAnthropic Console(API課金)認証用の--consoleフラグを追加 - 設定:
/configメニューに「ターン時間を表示」トグルを追加 - メモリ最適化: すべてのシナリオで起動時のメモリ使用量を約18MB改善
- API信頼性: 非ストリーミングAPIのフォールバックを改善し、試行ごとに2分のタイムアウトを設定してセッションが無期限にハングするのを防止
- プラグイン開発:
CLAUDE_CODE_PLUGIN_SEED_DIRが、プラットフォームのパス区切り文字(Unixでは:、Windowsでは;)で区切られた複数のシードディレクトリをサポート
バグ修正
- サブプロセス処理: 明示的なstdinなしでサブプロセスとして生成された場合(例:Pythonの
subprocess.run)にclaude -pがハングする問題を修正 - キーボード割り込み:
-p(印刷)モードでCtrl+Cが機能しない問題を修正 - ストリーミング問題: ストリーミング中にトリガーされた場合、
/btwがサイド質問に答える代わりにメインエージェントの出力を返す問題を修正 - 音声モード: 起動時に
voiceEnabled: trueが設定されている場合に音声モードが正しくアクティブ化されない問題を修正 - ナビゲーション:
/permissionsでの左右矢印キーによるタブナビゲーションを修正 - ターミナルタイトル: 起動時に
CLAUDE_CODE_DISABLE_TERMINAL_TITLEがターミナルタイトルの設定を防止しない問題を修正 - ステータス表示: ワークスペースの信頼設定によってブロックされている場合にカスタムステータス行が何も表示しない問題を修正
- レート制限: エンタープライズユーザーがレート制限(429)エラーで再試行できない問題を修正
- セッション管理: インタラクティブな
/resumeを使用してセッションを切り替える際にSessionEndフックが発火しない問題を修正
VSCode固有の更新
- リモートコントロール:
/remote-controlを追加 — セッションをclaude.ai/codeにブリッジ接続して、ブラウザやスマートフォンから続行可能 - セッションタイトル: セッションタブに、最初のメッセージに基づいたAI生成タイトルを付与
- UI修正: 応答完了後に思考ピルが「Thinking」の代わりに「Thought for Ns」と表示される問題を修正
- ナビゲーション: 左サイドバーからセッションを開いた際にセッション差分ボタンが表示されない問題を修正
これらの更新により、特にPythonサブプロセスを使用したりAPIレート制限に対処したりする自動化ワークフローにClaude-Codeを統合する開発者にとって、より信頼性の高いツールとなっています。メモリ改善とタイムアウト処理により、本番環境でのリソース使用量が削減され、スタックしたセッションを防止できます。
📖 Read the full source: GitHub Claude-Code
👀 See Also

ゴールドマン・サックスの分析によると、AIが2025年の米国GDP成長に与える影響は限定的とされる。
ゴールドマン・サックスのエコノミストによると、AI投資は2025年の米国GDP成長に「基本的にゼロ」の貢献しかなかったと報告されており、輸入ハードウェアと測定不能な生産性への影響が主要な要因として挙げられています。

db-wal-recoveryタスクにおけるTB2ベンチマーキング問題の分析
Redditの分析によると、Terminal Bench 2.0のdb-wal-recoveryタスクには問題があり、エージェントがSQLiteデータベースを開くことで証拠を誤って破壊してしまう可能性があることが明らかになりました。また、プロンプトインジェクションがリーダーボードの結果にどのように影響するかも示されています。

AI検出ツールが学生を防御的にAI利用へと駆り立てる、と研究が明らかに
教育におけるAI検出ツールは、誤検出を避けるために学生が意図的に文章を悪く書く原因となっており、一部の学生は防御的にAIツールを利用して自分の文章がフラグされるかどうかを確認しています。

Apple Silicon ベンチマーク:M3、M4、M5 MaxにおけるQwen3-VLのVision LLM分類性能
ベンチマーク結果によると、Qwen3-VL視覚LLMの分類性能はApple Siliconにおいて、M3 MaxとM4 Studioは8Bモデルでほぼ同等であり、M5 Maxは75-83%高速です。視覚タスクでは、トークン生成においてメモリ帯域幅がプリフィルよりも重要です。