Lilith.
⌕

Lilith · 厳選ニュース

ニュース

AIで本当に起きていること。宣伝ノイズ抜きで、選び抜いた話題と文脈と意見を。

Atomフィード ↗
#simonwillison· × <built-in method clear of dict object at 0xefe3a5a29f40>
公開

Datasetteがモデル制限の不具合を修正。allowlistは安全境界として検証すべきだ

Datasette-llm 0.1a10は、agent.datasette.ioで利用可能なLLMが設定済みモデルだけに制限されない不具合を修正した。小さなalpha版の更新だが、失敗することを確かめるnegative testがなければ、allowlistは強制された規則ではなく願望に近い。

公開

DatasetteはエージェントにDB全体ではなくクエリ単位の権限を渡す

Datasette Apps 0.3a0では、エージェントがアプリの保存済みクエリを追加、削除できる一方、書き込みクエリには利用者の承認が必要です。機密データ上でAIにアプリを作らせる際の、実用的な権限設計を示しています。

公開

QwenがノートPC上で3つのゲーム用ネットワークの重みを読んだ

ノートPCで動かしたQwen 3.8 27Bが、生の重みだけを見て小規模ネットワークがPac Man、Pong、Breakoutのどれを学習したかを特定した。4件目は失敗し、成功例もそれぞれ数十分を要したため、現時点ではモデル解釈ツールの代替ではなく、重みを調べる興味深い手法である。

公開

米国勢調査局がAIをSuper Intelligenceに改称、時系列データは再び揺らぐ

米国勢調査局は大統領令14434を受け、2026年10月19日から企業調査のAI表記をSuper Intelligenceに置き換えた。2025年11月の質問変更後には大企業の肯定回答が約12%から30%へ上がっており、今回も実態ではなく測定値が動く可能性がある。

公開

他社製品にはheadless MCPを求め、自社UIだけは特別だと信じる矛盾

Ben HylakはMCPを巡るプロダクト側の盲点を一つの皮肉で言い当てた。他社のソフトはエージェントの裏側に消えてほしいのに、自社のUIだけは愛され続けると思っている。焦点はUIの消滅ではなく、顧客が製品への入口を選ぶことにある。

ゲーム開発のSpawn、月額310万ドルのFableエージェント群で毎時108件の変更を本番投入

10人規模のゲームスタートアップSpawnは、創業者ジェイコブ・サンズベリー氏によると月額310万ドルをFableクラスのAIエージェントに投じ、1時間あたり108件のコード変更を本番環境へ直接デプロイしている。マージ前の事前検証を30秒の自動ロールバックで置き換える運用だが、サイモン・ウィリソン氏は障害時のリスクが高いソフトウェアには適用しがたいと警告している。

OpenAI、対象のChatGPT ProおよびBusinessプランに月額最大500ドルのAPIクレジットを付与

OpenAIは、条件を満たすChatGPT Pro 100、Pro 200、Pro 500の契約者に対し、月額100ドル、200ドル、500ドルのプロモーション用APIクレジットの提供を開始したほか、対象のBusinessワークスペースにも月額上限500ドル、年額前払いで上限6,000ドルの共有クレジットを付与します。上位のチャット契約がAPIの実験予算を前払いする形になるため、チャットとAPIの請求を分離したまま、小規模なアプリケーションを公開する心理的ハードルが下がります。

公開

GPT-5.6の次がなぜ5.7ではなく6.1なのか OpenAI社員がモデル名の読み方を解説

OpenAIのTed SandersはHacker Newsで、Luna、Terra、Sol、Astraという名前はモデルをサイズ順に並べたもので、バージョン番号は別の三つの情報を表すと説明した。開発者はモデル選びの実用的な目安と、名前一つでは製品群を説明しきれないという率直な認めを得た。

公開

1本あたり4時間未満の作業で4本のゲーム、Simon Willisonがゲームのvibe codingに転換点を見る

Simon Willisonは、Claude Opus 5.5によってゲームのvibe codingが、昨年11月にcoding agentsが経験したような転換点を迎えたと主張する。数週間で本当に楽しく遊べるゲームを4本作り、どれも自分の作業は4時間以内で、コードは一度も見ていない。

Geminiがカンファレンスバッジ用にゲームボーイのエミュレーターを書いた だが最も手強いバグを見つけたのは本物のゲームだった

Steve FranciaはGeminiの助けを借り、GitHub Universeのバッジ上で、1フレーム16.6 msに収まるNESとゲームボーイカラーのエミュレーターを動かした。ループの下書きはモデルが担い、設計とハードウェアでの計測、ゼルダやポケモンでのバグ探しは人間が担った。

公開

ChatGPTがアカウントを凍結された人を404 Mediaに送り込み、メールまで代筆している

404 Media編集部には、ありふれた技術トラブルを抱えた人から、ChatGPTが書いたメールが届いている。ChatGPTが記者に相談するよう勧めているのだ。人間に連絡できない大手プラットフォームのカスタマーサポートが、どこへ流れ着いているかがわかる。

webframeはWebページを0.5秒でプログラムのように動かす。サンドボックスになるのは外側を隔離したときだけ

Simon Willisonは、Webページをコマンドラインのプログラムのように動かすJeff Lindsayの小さなツールwebframeを、Claude Opus 5.5に検証させた。スクレイピングではshot-scraperとほぼ同じ速さだった。一方、信頼できないJavaScriptのサンドボックスとして持ちこたえたのは、空のネットワークnamespace、bubblewrap、タイムアウトで包んだときだけだった。

OpenAIが中位モデルを半額にし、操作も覚えさせた。GPT-6.1 Terraは100万トークン1ドル

OpenAIは、コンピューター操作と画像理解に重点を置いた中位モデルGPT-6.1 Terraを公開した。APIでは入力100万トークンあたり1ドル、出力100万トークンあたり5ドルで、GPT-6.1 Solの半額にあたる。同じ事務作業を延々と繰り返すエージェントほど恩恵が大きい。

公開

AnthropicがAgent SkillsをLinux Foundation傘下の財団に譲渡。2億8000万回インストールされた標準に、ようやくバージョン管理と安全ルールが付く

AnthropicはAgent Skills標準を、昨年MCPも受け入れたAgentic AI Foundationに寄贈した。同社によればChatGPTやCursorを含む70以上のプラットフォームが採用したこの形式は、これからバージョン付きリリース、正式な変更手続き、安全ガイドラインを待つことになる。

公開

Armin Ronacher「AIが暴く脆弱性の波は、30年分の悪いソフトウェアへの報い」

Flaskの作者Armin Ronacherは、AIは楽しいが、この30年に作ってきた悪いソフトウェアの罪を今、宇宙に罰せられていると書いた。Simon Willisonはこの一文を、AIを使った脆弱性調査の記事群に加えた。PHPの二つの穴をめぐる経緯は、モデルが速めたのは主に発見であり、修正は今も人に頼っていることを示している。

Claude CodeがSQLite内のSPARQLエンジンを12時間で構築、依頼したWillison氏はコードを読んでいない

Simon Willison氏はClaude CodeをUltracodeモードで12時間以上動かし、SQLiteにSPARQL 1.1を追加するRust製拡張を書かせた。W3Cテストの639件中636件に合格する一方、本人はコードを現実的にレビューできないと認めている。

CVSS 9.2のPHP重大脆弱性2件、パッチ前日に情報が漏れ、すでにエクスプロイトが出回る

10月21日、PHP 8.2から8.5に、認証なしの攻撃者がサーバー上でコードを実行できる2件の脆弱性の修正が出た。情報漏洩でリリースは1日前倒しになり、動作するエクスプロイトもすでに出回っている。PHPを運用しているなら今すぐ更新すべきだ。

公開

「もっとずっと面白くして」が効いた:Simon WillisonがClaude Codeに遊べるRTSを作らせた

Simon Willisonは、Command & Conquer風の戦略ゲーム「Battle Drones」を公開した。12回の大型バージョンと321件のコミットを経て、主にClaude Codeのエージェントが書き上げた。転機は一つのプロンプトで、Claudeは1000回を超える模擬対戦を行ってゲームバランスを調整した。2台のスマートフォン間で音を使ったマルチプレイにも対応する。

公開

Claude CodeはレビューをPR前に移し、人間を高リスク判断へ絞った

Claude Codeチームによると、6月から9月にかけてマージ済みpull requestは2倍超に増えた一方、revertされた変更の割合は40%超低下した。要点は単独のAI reviewerではなく、多層の検査、リスク区分、素早いrollbackにある。