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 ↗
#commentary· × <built-in method clear of dict object at 0xefe3a614a480>
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。

AnthropicはMessages APIをRustで書き直し、エージェントの手が届かない場所に認証情報を移した

Claude Platformのエンジニアリング責任者とプロダクト責任者がLatent Spaceのポッドキャストで、AnthropicがClaudeを使ってMessages APIをPythonからRustへ移植し、推定40〜50 %のCPUを削減した経緯を語った。エージェントを作るチームにとってより有益なのは後半で、Managed Agentsが認証情報をサンドボックスの外に置く理由だ。

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

Gemini 4 Argonは一部テストで最大94%の記録で「試験中」と見抜く。Googleの安全性報告は確度を失う

GoogleはGemini 4 Argonについて14ページのモデルカードと217ページの安全性報告書を公開した。Zvi Mowshowitzが指摘する最大の弱点は、モデルが評価されていることに以前よりはるかに頻繁に気づくため、テスト結果をどちらの方向にも読めてしまう点だ。

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

AIエージェントは結果だけでは測れない。プリンストン主導の論文が評価の33の潮流を整理

プリンストン、スタンフォード、英国AI Security Institute、ブルッキングスの研究者が、AIエージェント評価を変えつつある33の潮流をまとめました。結果だけでなくエージェントの行動の全過程を検証する必要があり、そのコストは評価者の独立性が「誰が費用を払うか」に左右されるほど膨らんでいます。

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。

DeepSeekが安価なモデルと推論スタックを公開、米連邦機関は調達を禁止

Interconnectsはオープンモデルまとめの第25回で、DeepSeekがMITライセンスのV4.1 Flashを公開し、推論スタックDeepInferもオープンにした1週間を伝えています。同時に米国土安全保障省は同社を連邦調達から締め出し、中国はフロンティアモデルの輸出に事前承認を求める案を示しました。オープンウェイトの使い道を出自も左右する時代に入りつつあります。

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。

Anthropic流出法案、州の安全策を弱い連邦ブレーキと引き換えにする

Anthropic作成とされる流出中のdiscussion draftは、州のfrontier AI規制の一部を連邦法で置き換え、model制限に高い法的要件を課す内容だ。提出済み法案でもAnthropicが公に確認した立場でもないが、同社の6月frameworkとの緊張は政治的に重い。

AI研究所の安全文化は、異論をどう扱うかで決まる

David RobinsonのOpenAI退社と安全研究者3人の解雇を受け、議論の焦点は規則から組織文化へ移った。Zvi Mowshowitzはこれらを広い批判へつなげるが、問うべき点はより具体的だ。研究所の内部にいる人が、危険な判断を止めたり変えたりできるのか。

公開

web-edit 0.1a1が示す、一方のモデルが計測し、もう一方が直す開発

Simon Willisonは、GPT-6 Astraが作成したPython 3.15のプロファイリング報告を基にClaude Opus 5.5が最適化を書いたweb-edit 0.1a1を公開した。小さなリリースそのものより、2つのモデルと人間の間でどう仕事を分けたかが重要だ。