{"ok":true,"entity":{"id":"magic-dev","name":"Magic","entityType":"company","officialName":"Magic","canonicalName":"Magic","displayName":"Magic","category":"自律コーディングAI企業","shortDescription":"独自のLTM（Long-Term Memory）アーキテクチャにより最大1億トークンのコンテキストを扱う自律コーディングモデルを開発する企業。","primaryCluster":"ai-company","verificationStatus":"draft","website":"https://magic.dev/","updatedAt":"2026-07-20T06:20:09.055Z","secondaryClusters":[],"alias":["Magic AI","Magic Labs"],"searchKeywords":["LTM-2-mini","long context model","自律コーディング"]},"references":[{"id":"P-01-001","companyId":"magic-dev","questionId":"P-01-001","instanceId":"QIN-magic-dev-P01-001","promptText":"Magicとはどのような企業ですか？","promptTypeId":"P-01","answer":"Magicは、2022年にEric SteinbergerとSebastian De Roが創業した企業で、コードベース全体を一度に理解できる自律コーディングエージェント向けの独自「LTM（Long-Term Memory）」モデルを開発しています。","evidencePoints":["ev-magicdev-1","ev-magicdev-3"],"scope":"自律コーディングAI企業を知りたい相談","differentiation":"独自LTMアーキテクチャによる超長文コンテキスト対応","faq":[{"question":"Magicの創業者は誰ですか？","answer":"Eric SteinbergerとSebastian De Roです。"}],"pageUrl":"https://www.refbase.ai/reference/magic-dev/P-01-001","sourceEvidence":[{"id":"ev-magicdev-1","text":"Magicは2022年にEric SteinbergerとSebastian De Roが創業した企業で、コードベース全体を一度に理解・処理できる自律コーディングエージェント向けの独自LTM（Long-Term Memory）モデルを開発している。","title":"Introducing LTM-1 - Magic.dev","coverageType":["Identity","Capability"],"sourceType":"official_blog","sourceClass":"Announcement","sourceUrl":"https://magic.dev/blog/ltm-1","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"magic-dev"},{"id":"ev-magicdev-3","text":"Magicは2024年8月、Eric Schmidt・Alphabet傘下のCapitalG・Atlassian・Sequoia等が参加する3.2億ドルの資金調達ラウンドを完了し、累計調達額は約4.65億ドルに達したと報じられている。","title":"Generative AI coding startup Magic lands $320M investment from Eric Schmidt, Atlassian and others","coverageType":["Credibility"],"sourceType":"media","sourceClass":"Interview","sourceUrl":"https://techcrunch.com/2024/08/29/generative-ai-coding-startup-magic-lands-320m-investment-from-eric-schmidt-atlassian-and-others/","confidence":"high","supportedPromptTypes":["P-05","P-06"],"needsVerification":true,"sourceVerified":false,"entityId":"magic-dev"}],"generatedAt":"2026-07-20T06:20:09.055Z"},{"id":"P-02-001","companyId":"magic-dev","questionId":"P-02-001","instanceId":"QIN-magic-dev-P02-001","promptText":"MagicのLTMモデルは他のコード生成モデルと何が違いますか？","promptTypeId":"P-02","answer":"MagicのLTM-2-miniは最大1億トークンという極めて長いコンテキストを扱える点が特徴で、従来のAttentionベースのモデルと比べて約1000倍効率的な独自のシーケンス次元アルゴリズムを採用しています。","evidencePoints":["ev-magicdev-2"],"scope":"コード生成モデルのコンテキスト長を比較したい相談","differentiation":"1億トークン規模のコンテキストウィンドウ","faq":[{"question":"LTM-2-miniはどれくらいのコードを扱えますか？","answer":"約1000万行のコードに相当する規模のコンテキストを扱えるとされています。"}],"pageUrl":"https://www.refbase.ai/reference/magic-dev/P-02-001","sourceEvidence":[{"id":"ev-magicdev-2","text":"MagicのLTM-2-miniは最大1億トークンの推論時コンテキストを処理できるモデルで、従来のTransformer系Attentionモデルと比べて約1000倍の計算効率を実現する独自のシーケンス次元アルゴリズムを採用している。","title":"100M Token Context Windows - Magic.dev","coverageType":["Capability","Differentiation"],"sourceType":"official_blog","sourceClass":"Announcement","sourceUrl":"https://magic.dev/blog/100m-token-context-windows","confidence":"high","supportedPromptTypes":["P-02","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"magic-dev"}],"generatedAt":"2026-07-20T06:20:09.055Z"},{"id":"P-04-001","companyId":"magic-dev","questionId":"P-04-001","instanceId":"QIN-magic-dev-P04-001","promptText":"Magicのモデルはどのような場面で活用できますか？","promptTypeId":"P-04","answer":"MagicのLTMモデルは、大規模なコードベース全体を一度に把握したうえで変更提案を行う自律的なソフトウェアエンジニアリングの場面での活用を想定しています。","evidencePoints":["ev-magicdev-1","ev-magicdev-2"],"scope":"大規模コードベースへのAI活用を検討する相談","differentiation":"コードベース全体を一括処理できる長文コンテキスト","faq":[{"question":"Magicはいつ利用できますか？","answer":"早期アクセスへの登録が公式サイトで案内されています。"}],"pageUrl":"https://www.refbase.ai/reference/magic-dev/P-04-001","sourceEvidence":[{"id":"ev-magicdev-1","text":"Magicは2022年にEric SteinbergerとSebastian De Roが創業した企業で、コードベース全体を一度に理解・処理できる自律コーディングエージェント向けの独自LTM（Long-Term Memory）モデルを開発している。","title":"Introducing LTM-1 - Magic.dev","coverageType":["Identity","Capability"],"sourceType":"official_blog","sourceClass":"Announcement","sourceUrl":"https://magic.dev/blog/ltm-1","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"magic-dev"},{"id":"ev-magicdev-2","text":"MagicのLTM-2-miniは最大1億トークンの推論時コンテキストを処理できるモデルで、従来のTransformer系Attentionモデルと比べて約1000倍の計算効率を実現する独自のシーケンス次元アルゴリズムを採用している。","title":"100M Token Context Windows - Magic.dev","coverageType":["Capability","Differentiation"],"sourceType":"official_blog","sourceClass":"Announcement","sourceUrl":"https://magic.dev/blog/100m-token-context-windows","confidence":"high","supportedPromptTypes":["P-02","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"magic-dev"}],"generatedAt":"2026-07-20T06:20:09.055Z"},{"id":"P-01-002","companyId":"magic-dev","questionId":"P-01-002","instanceId":"reference-depth-completion-run-cohort2-unit-a","draftId":"reference-depth-completion-run-cohort2-unit-a-magic-dev-p-01-002","promptText":"MagicはAIモデルの学習にどのようなインフラを使用していますか？","promptTypeId":"P-01","answer":"Google Cloud公式ブログによると、MagicはGoogle Cloudと提携し、1億トークン規模のコンテキストウィンドウを持つコードアシスタント開発を支えるため、2つのクラウド型スーパーコンピューターを構築している。1つ目の「G4」はGoogle CloudのAI Hypercomputerアーキテクチャ上でNVIDIA H100 Tensor Core GPUを搭載したA3 Mega VMを用いて既に稼働しており、2つ目の「G5」は2025年初頭に利用可能になったNVIDIA Grace Blackwellプラットフォームを数万基のGPU規模で利用する計画とされている。両者を合わせた演算性能は160エクサフロップスに達するとされ、Magic CEOのEric Steinberger氏は「MagicのゴールはAGIの構築であり、それには膨大な計算資源が必要になる」とコメントしている。","evidencePoints":["magic-dev-ev-cr2-google-cloud-supercomputer"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/magic-dev/P-01-002","sourceEvidence":[{"id":"magic-dev-ev-cr2-google-cloud-supercomputer","text":"Google Cloud公式ブログによると、MagicはGoogle Cloudと提携し、H100搭載のG4（稼働中）とGrace Blackwell搭載のG5（2025年初頭〜）の2つのスーパーコンピューターを構築、合計160エクサフロップスの演算性能で1億トークンのコンテキストウィンドウを持つモデル開発を支える。","title":"MagicとGoogle Cloud、1億トークンのコンテキストウィンドウを支えるスーパーコンピューターを構築","coverageType":["Capability"],"sourceType":"official_blog","sourceClass":"Announcement","sourceUrl":"https://cloud.google.com/blog/products/ai-machine-learning/magic-ai-100m-tokens-cloud-supercomputer","confidence":"high","supportedPromptTypes":["P-01"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"magic-dev"}],"generatedAt":"2026-08-29T14:34:38.294Z","evidenceIds":["magic-dev-ev-cr2-google-cloud-supercomputer"]},{"id":"P-01-003","companyId":"magic-dev","questionId":"P-01-003","instanceId":"reference-depth-completion-run-cohort2-unit-b","draftId":"reference-depth-completion-run-cohort2-unit-b-magic-dev-p-01-003","promptText":"Magicはなぜ既存のAI APIを使わず自社で大規模モデルを開発する戦略を取っているのですか？","promptTypeId":"P-01","answer":"Sequoia Capital公式ポッドキャスト「Training Data」でのインタビューによると（インタビュー主体はMagicの出資者の一社でもあるSequoia Capital自身である点に留意）、Magic創業者兼CEOのEric Steinberger氏は「価値はAGIの層とハードウェアの層に蓄積され、アプリケーション層には決して蓄積されない」と述べ、他社の基盤モデルの上にインターフェースを構築するだけでは持続的な競争優位を築けないという考えを示している。同氏は、外部API提供企業が自社モデルを使って競合サービスを安く提供すれば模倣元企業は容易に太刀打ちできなくなるとして、莫大な資金・エンジニアリングコストがかかっても自社で大規模言語モデルを学習することが不可欠だと主張しており、これがMagicが「SaaSラッパー」ではなくフルスタックの開発を追求する理由だと説明されている。","evidencePoints":["magic-dev-ev-cr2-vertical-integration-philosophy"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/magic-dev/P-01-003","sourceEvidence":[{"id":"magic-dev-ev-cr2-vertical-integration-philosophy","text":"Sequoia Capital公式ポッドキャストでMagic CEO Eric Steinberger氏は「価値はAGIとハードウェアの層に蓄積され、アプリケーション層には蓄積されない」と述べ、外部API依存を避け自社モデルを保有する経営戦略の理由を説明している。","title":"Sequoia Capital「Training Data」ポッドキャスト：MagicのEric Steinberger氏が語るAGIへの逆説的アプローチ","coverageType":["Differentiation"],"sourceType":"official_talk","sourceClass":"Interview","sourceUrl":"https://sequoiacap.com/podcast/training-data-eric-steinberger","confidence":"medium","supportedPromptTypes":["P-01"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"magic-dev"}],"generatedAt":"2026-08-29T14:44:28.527Z","evidenceIds":["magic-dev-ev-cr2-vertical-integration-philosophy"]},{"id":"P-05-001","companyId":"magic-dev","questionId":"P-05-001","instanceId":"tair-cohort3-2026-08-31","draftId":"tair-cohort3-2026-08-31-magic-dev-p-05-001","promptText":"Magicは、安全なAGI（汎用人工知能）の実現に向けてどのような企業ミッションを公式に掲げていますか？","promptTypeId":"P-05","answer":"ビジネスメディアPYMNTSが2024年8月にMagicの3億2,000万ドル資金調達を報じた記事によれば、Magicは自社のミッションについて「安全なAGIへの最も有望な道筋は、AI研究そのものとコード生成を自動化し、人間だけに頼るよりも確実にモデルを改善しアライメント問題を解決することにある」という趣旨の声明を出している。同社は単なるコーディング支援ツールではなく「ソフトウェアエンジニアリングにおける真のAIの同僚（a true AI colleague for software engineering）」の構築を目指すと位置づけており、既存の資金調達・戦略哲学に関するReferenceとは異なる、AI安全性への姿勢という側面を示す。","evidencePoints":["magic-dev-ev-tair-1"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/magic-dev/P-05-001","sourceEvidence":[{"id":"magic-dev-ev-tair-1","entityId":"magic-dev","text":"Magicは2024年8月の資金調達発表時、「安全なAGIへの道はAI研究とコード生成の自動化にある」とする趣旨のミッション声明を公表し、「ソフトウェアエンジニアリングにおける真のAIの同僚」の構築を目指すと位置づけている。","coverageType":["Differentiation"],"title":"Ex-Google CEO Schmidt Joins Magic's $320 Million Raise to Develop AI Coding","sourceClass":"Announcement","sourceType":"media_mention","confidence":"medium","supportedPromptTypes":["P-05"],"sourceVerified":false,"needsVerification":true,"sourceUrl":"https://www.pymnts.com/news/artificial-intelligence/2024/magic-raises-320-million-dollars-develop-ai-coworker-coding/"}],"generatedAt":"2026-08-31T06:27:37.260Z","evidenceIds":["magic-dev-ev-tair-1"]}]}