Open or closed AI? NvidiaのNader KhalilとSydney SykesがTechCrunch Disrupt 2026で次世代スタートアップに影響する決定を議論
- AIスタートアップがオープンモデルと特許モデルの選択を迫られる
- オープンモデルはコストと制御のバランス、特許モデルは差別化とインフラの維持が課題
- 選択はコスト、インフラ、マージン、差別化、スピードに直接影響する
#生成AI・LLM
メタのMuseがMacに対応、コンピュータ上でAIが動作可能に
- メタのAIアシスタントMuseがMacで動作可能に
- ファイルやメッセージ、カレンダーなどネイティブアプリと連携、アクセス権はオプトインで制御
- 敏感な操作は常に承認を求めるが、競争が激化している
GitHubのAI関連の話題が公開された
- GitHubのAI関連の話題が公開された
- RAGの有効性やスキルの影響、Copilotのランタイム移行が取り上げられている
- RAGの今後の活用やスキルの重要性が再評価される可能性がある
研究者がAnthropicのClaudeでOpenAIに侵入
- 研究者がAnthropicのClaudeでOpenAIに侵入した
- Discourseの脆弱性とImageMagickのメモリバグを組み合わせて攻撃、Claude Opus 4.8では不完全なエクスプロイトだった
- セキュリティ対策の遅れやCVE番号の未登録が脆弱性の残存を招いた
Higgsfieldとは？「実写と見分けつかない」動画生成AIの正体をGPT-6 Astra連携から解説
- Higgsfieldは複数の動画生成AIモデルを1つのプラットフォームで利用できるサービス
- Sora 2やVeo 3.1、Kling 3.0、Seedance 2.5といったモデルを統合し、Cinema Studioでカメラワークを制御可能
- クレジット制の消費量がモデルや動画の長さ・解像度によって大きく異なるため、利用前にプランの詳細を確認する必要がある
文章を生成しないAIもだませる？「Jev」にプロンプトインジェクションを試してみた
- Jevという選択肢で答えるAIモデルにプロンプトインジェクションを試した
- 直接命令やラベルの意味変更ではスパム判定を変更できず、偽の分類例を混ぜると56%対44%に変化
- スパム判定と判定操作の検知を別々の質問で行う設計が攻撃の検出に役立つ可能性がある
noteの収益化にAIは使える？生成AIを活用して効率的に稼ぐロードマップ
- noteで収益化する際、AIは構成案作成やリサーチに、人間は体験談や感情表現に使うべき
- AIに任せる作業は市場リサーチ、構成案作成、タイトルアイデア出し、校正要約。人間がやるべきは体験談、独自データ、感情描写、最終的な推敲
- AI生成文は無機質で読者に不快感を与えるため、一人称や感情表現を加えてリライトする必要がある
LLMの代わりになる？ 文章を生成しないAI「Jev」を日本語で試してみた
- 文章を生成しないAI「Jev」は、判断と確率を返すモデルで、LLMとは異なる出力方式を持つ
- Choice・Score・Noulの3種類の返り値形式、LLMのStructured Outputsとの出力方式の違い
- Jevは文章生成せず判断と確率を返すため、処理に応じた使い分けが重要で、実際の性能は入力内容に依存する
AI コーディングエージェントの1タスクが8時間かかる理由を、45日分のセッション履歴から測ってみた
- AIコーディングエージェントの1タスクが8時間かかる理由は、文脈の積み上げと指示の不備が主因
- コンテキストサイズが100kトークンを超えると遅延が10倍に、検証スキルのロード不足と指示の無限スコープが原因
- 指示に完了条件と時間上限を明記しないと1指示で200回以上のモデル呼び出しと400分以上の時間がかかる
「話さないAI」Jevは何が違う？ LLMと組み合わせて考える、効率化とコスト削減
- Jevはソフトウェアに組み込む「判断係」のAIモデルで、問い合わせを分類する
- Choice・Score・Noulの3つの判断機能があり、出力は無料で入力単価が低い
- Jevの入力単価はTerraの約48分の1で、出力無料の課金方式がコスト削減に繋がる
既存の LLM が CPU なら、 Jev はその GPU 版みたいなやつ
- JevはLLMの処理を高速化し、構造化データ出力を可能にした
- LLMのデコーディング層を構造化データに変更、256並列処理が可能
- 500msの遅延でリアルタイム処理が可能、日本からの通信では遅延が発生する
GPT-6 AstraとClaude Fable 5.1は何が違うのか
- GPT-6 AstraとClaude Fable 5.1は自律性と操作性の違いが明確
- Astraはタスク中に操作可能でasync tool callingをサポート、Fable 5.1は長期タスクを自律的に処理
- Astraは複数toolを並行処理しやすく、Fable 5.1は長期タスクのコストが安い
元ヤフーエンジニア社長が考える、AIを使いこなす人と使えない人の決定的な差
- AIを使いこなす人と使えない人の差は「全部任せられないか」から考えるかどうか
- 一部だけ任せるのではなくすべてをAIに任せられないか考える、音声入力で効率化
- 最後は自分で判断する姿勢が重要で、AIに頼りきると人間としての価値がなくなる
TypeSafe AI - 現時点でわかっていることまとめ
- TypeSafe AIが新しいモデルJevを発表し、チャット機能を持たない判定AIとして機能する
- choiceやscore、noulといった選択肢やスコアの判定機能と、確率の較正が特徴
- 応答速度が高速で価格が安く、ビジネス用途に適しているがチャット機能がないため制限がある
「LLMじゃないAI」が来た! TypeSafe AI「Jev」はなぜ文字列生成を捨てたのか
- TypeSafe AIがLLMではないSystem One Modelsを発表、第一弾はJev
- 並列サンプラーと型付き構造化出力、RLCDという独自の強化学習手法を採用
- 出力コストが無料で応答時間が数十〜数百倍速いが、自由な文章生成は不可
AIペルソナはユーザーの代わりになるのか？ 論文3本から探る、できること・できないこと
- LLMはUIの問題候補を挙げたり、人間と重なる定性的な論点を出したりできる
- Duan et al.はGPT-4でUIガイドライン違反を検出、Hwang and KangはAIペルソナで定性的テーマを抽出、Kuric et al.はGPTのクリック行動を実ユーザーと比較
- LLMの出力は実ユーザーの反応そのものではなく、仮説や予測として扱う必要がある
話題のJevとは？文章を書かずに判断だけを返すAIモデルをざっくり解説
- Jevは文章を生成せず、選択肢ごとの確率と確信度を返すAIモデル
- 選択肢から1つ選ぶChoice、段階評価のScore、Yes/NoのNoulの3種類の問いに対応。確信度で処理を分岐可能
- 確信度が0.9以上なら自動処理、0.5以上なら人間確認、それ以下なら人が振り分け。計算や日付比較は不得意と明記
Grok Botで遊んでみた。｜AI｜AIエージェント｜Grok Bot｜Grok｜
- Grok Botはスレッドの概念を排除し、1つの長い会話とBot分担で整理する設計
- スレッドではなく1対1の会話＋グループチャットで話題を分ける、Botの役割分担とグループチャットの使い分け
- スレッド運用に慣れているユーザーは違和感を感じる可能性がある
2026年版 LLM勢力図&モデルまとめ
- 2026年現在のLLM勢力図と主要モデルの特徴がまとめられている
- ChatGPT、Claude、Gemini、DeepSeek、Qwen、Moonshot、Liquid AI、xLSTM、Jevなどのモデルと、Transformerの代替アーキテクチャが紹介されている
- LLMの性能やアーキテクチャの選択が開発戦略に直接影響するため、モデルの特徴を理解することが重要
AIが読んでいるもの、書いているもの ― トークンの話
- AIエージェントのトークン使用量を節約する方法が説明されている
- トークンはAIが文章を処理する単位で、入力と出力の両方に影響する。読ませすぎない、考えさせすぎない、出力させすぎない、やり直させないの4つのポイントが挙げられている
- AIに必要な情報に集中させることが重要で、不要な情報や処理を減らすことでトークンを節約できる
