Jev の派生実装と検証記事が日本語圏を占め続け、Hacker News では Grok 4.7 と Xiaomi MiMo-V2.6 の公開が並んだ

2025 年に書かれたサンドボックスの基礎解説が、programming・security・unix タグで再び上位に入った。

コメントでは、OpenBSD の pledge と unveil が扱われていないことへの疑問がまず出ている。Chromium や Firefox のような大きなものから小さなアプリまで機能している実例だ、という指摘である。

Capsicum が広まらなかった理由としては、ファイルディスクリプタを事前に開いて openat を使う形にプログラムを組み替える必要があり、FreeBSD 固有の libcasper も要る点が挙げられている。Landlock や unveil なら 10〜20 行で済むという比較や、LD_PRELOAD のシムで既存コードを包む方法、WASI が capability 方式へ舵を切ったという指摘も並ぶ。

前日に Hacker News で首位に立った記事が、Lobsters でも ai・privacy タグで上位に残っている。ChatGPT の広告コレクターが、他サイトでの行動を ChatGPT アカウントに結びつけていると報告する内容である。

コメントでは、タイトルは釣り気味だが中身は技術的な分解であって意見記事ではないとして、off-topic の投票理由を問う声が出ている。LLM の話題は一定の反発を呼ぶ、という返答も付いている。

対処としては、ChatGPT を使わないことに加えて OpenAI の広告サーバーをブロックする手も挙げられている。uBlock Origin の既定リストの 1 つである EasyPrivacy が該当すること、Firefox のクロスサイト Cookie 分離で防げるのではないか、という指摘も並ぶ。

デスクトップの操作体系が長く変わっていないことを問う発表動画で、design・video タグで投稿されている。

コメントでは、技術が「完成」していてはいけないのか、という疑問が出ている。2003 年の macOS や Windows のデスクトップで十分で、この 20 年のデスクトップ環境の変更に価値を感じたことがない、という立場である。

これに対し、モニタの解像度と横幅が上がり、計算機が強力になって並行作業が増え、スマートフォンなど他の機器と共存する必要が出たため目標自体が動いている、という反論が返されている。1996 年に約 100 万画素だった手元が今は約 1700 万画素なのに、使う道具は端末・ブラウザ・ワープロ・表計算のままだ、という観察も並ぶ。

OSNews の記事で、Motif のフォークが今も保守され更新され続けていると伝えている。unix タグで投稿された。

コメントでは、Motif 自体は率直に言ってひどいものだったが、自分にとって有用なソフトウェアを蘇らせて更新し続ける人々は尊敬する、という反応が出ている。1995 年に大学で UNIX とインターネットに触れた入口が Motif だったという回想も並ぶ。

記憶の中ではもっと良く見えていた、640x480 の CRT でなら確かに見栄えがした、という書き込みのほか、Motif は 1989 年に DEC や HP などの UNIX ベンダー連合が出したもので linux タグは合わない、LessTif なら Linux と結びつく、というタグへの指摘も出ている。

OpenStock は、高価な市場情報プラットフォームの代替をうたう TypeScript 製のオープンソースプロジェクトである。リアルタイム価格の追跡、個別のアラート設定、企業情報の閲覧を備えるとしている。

証券会社ではないこと、提供元の規約や設定によって市場データが遅延しうること、投資助言ではないことが明記されている。ライセンスは AGPL-3.0 で、改変・再配布・Web サービスとしての提供のいずれでも同じライセンスでのソース公開と原著者のクレジットが求められる。

README の冒頭には、Open Dev Society による別プロジェクト kitbash の告知と、暗号資産のコントラクトアドレスが併記されている。

Cua は、AI エージェントに操作できるコンピュータを与える基盤である。オープンソースのデスクトップ自動化、隔離されたクラウドデスクトップ、ローカルの macOS VM、コンピュータ操作の判断に特化した小型モデル、評価用のベンチマークをまとめて提供する。

構成要素は、Linux デスクトップを払い出す Cua Fleets、判断用の小型モデル CUA-S1、アプリを操作する Cua Driver、Tahoe VM を作る Lume、タスクを作って検証する Cua Bench に分かれる。エージェントとモデルは持ち込みでよく、Cua 側はコンピュータと自動化ツールを担う。

同プロジェクトは Computer-Use 2.0 を、エージェントが同一のタスクの中でコード・API・GUI を行き来する状態として説明している。デモでは 2 つの Driver セッションが LibreOffice Calc のセルと Inkscape のオブジェクトを選択する様子を示している。

Agent-Native は、自律的な作業と専用の UI を組み合わせたエージェントを作るためのオープンソースの TypeScript フレームワークである。各機能を action として一度定義すると、エージェントはそれをツールとして使い、UI はコードから同じものを呼ぶ。

設計の動機として、コーディングエージェントがテキスト欄だけでなく、文脈・ツール・ファイル・テスト・プレビューのある環境で動いている点を挙げる。知識労働にも同種の環境が要り、UI があればエージェントにできることが見え、点検・編集・承認・共有の手段も渡せるとする。

仕組みは 3 つの共有で説明されている。action は検証・権限・実装を両方の経路で共有し、エージェントの作業と UI の作業は同じデータに現れ、エージェントは関連する UI の状態を受け取る。

Coder は、クラウド開発環境と AI コーディングエージェントのためのセルフホスト型プラットフォームである。ワークスペースは Terraform で定義し、Wireguard のトンネルで接続し、使われていないときは自動で停止する。

Coder Agents は、AI コーディングエージェントのループを自分たちのインフラ上の制御プレーンで実行する。そのためワークスペース内に API キーを置かずに済む。

対象となる環境は EC2 の VM、Kubernetes の Pod、Docker コンテナなどで、いずれも Terraform で記述する。

投資銀行、株式調査、プライベートエクイティ、ウェルスマネジメントのワークフロー向けに、参照実装のエージェント、スキル、データコネクタをまとめたリポジトリである。

同じソースから 2 通りの使い方ができる。Claude Cowork のプラグインとして入れるか、Claude Managed Agents API 経由で自前のワークフローエンジンの背後に配置するかで、システムプロンプトとスキルは共通である。

投資・法務・税務・会計の助言には当たらないと明記されている。エージェントはモデルやメモ、リサーチノート、照合といった成果物の下書きを作るが、投資判断や取引の執行、リスクの確定、記帳、オンボーディングの承認は行わず、出力はすべて人間の承認待ちとして置かれる。

Project NOMAD は、インターネットなしで動くことを前提にした知識・教育サーバーである。Wikipedia、数千冊の書籍、講座、地図、任意でローカルの AI を、自分のハードウェア上で動かす。

Debian 系の OS であればインストールでき、推奨は Ubuntu 26.04 LTS、24.04 LTS と Debian 12 も対応する。導入はすべて端末上で完結し、ツールと資料はブラウザから使うためデスクトップ環境は不要である。

インストールは apt で curl を入れてからインストールスクリプトを取得し、sudo で実行する形が案内されている。

毎週金曜に公開される中国語の技術ニュースレター「科技爱好者周刊」を、そのまま GitHub 上で管理しているリポジトリである。記事・ソフトウェア・資料の投稿は issue で受け付けている。

2026 年 9 月の号は「再见了，React Native」（第 413 期）、「禁止 issue，只用 PR」（第 412 期）、「OpenClaw 2.0 是一个缩影」（第 411 期）と並ぶ。

8 月以前も「你需要知道的 AI 三种机制」「程序员的职业未来」「你需要知道的 AI 缓存知识」など、AI とエンジニアのキャリアを扱う号が続いている。討論区には無料の求人スレッドも置かれている。

ai-memory は、AI コーディングエージェントの長期記憶を扱う Rust 製のツールである。Claude Code を作業の途中でやめて同じディレクトリで OpenAI Codex を立ち上げても、アーキテクチャや失敗した方針、未解決の問いを説明し直さずに続けられることを目指している。

既存のエージェントにも記憶機能はあるが、メモが 1 台のマシンに置かれ、1 つのエージェントに属し、ツールを替えた時点で見えなくなるという共通の壁があるとする。

ai-memory は Claude Code、Codex、Cursor、Gemini CLI、OpenCode、Grok、Devin、Kimi、Kiro など 20 以上のハーネスが 1 つの記憶を共有する形を取る。引き継ぎは慣習ではなくプロトコルとして扱われ、型付きで所有者があり、ちょうど一度だけ引き受けられる。記憶は自分で動かすサーバーに置く。

記事は Jev を一晩叩いた実験ログを公開している。チェスでは Claude 5 Sonnet に 5 戦全勝、LoL を簡略化した MOBA ではスプリットプッシュやタワーダイブのような戦術が観察され、ESLint のエミュレーションではルール名とコードだけで正答率 86% だったと報告している。

Playwright によるブラウザ操作では、判断自体は高速だが単独ではエラーから復旧できず、Claude にログを監視させて補助させると 96% 以上の精度になったとしている。

1 リクエストは 500ms ほどでモデル単体の性能が特別高いわけではなく、真価は 256 個の質問を同時に投げて同時にスコアを得られる並列度にあるとする。confidence が 0.96 以上ならほぼ確信、0.4 以下は誤りの可能性が高いため別モデルへのフォールバックに使えると書いている。

記事は、Jev の高速な JSON 出力デモを見て「既存の LLM でもできるのでは」と考えたところから始まる。回答候補が決まっている場合、JSON 全体を自己回帰生成せず、true と false のような候補を単一トークンに対応させ、その位置の logit だけを見れば 1 回の forward pass で判断を取り出せると説明する。

選択肢が複数ある場合も A / B / C のような短い ID に割り当て、最初の 1 トークンの logit を比較すればよく、最終的な JSON はコード側で組み立てる。独立した質問は batch 推論にまとめ、共通プロンプトは KV Cache を再利用する。

この方式を Gemma3 270M で実装し、デモと同じ出力になるよう推定したプロンプトで比較したところ、JSON 出力と比べて 77 倍の高速化が得られたとしている。

記事は Jev を、状態と質問を受け取り型付きの回答を確率とともに返すモデルとして説明する。提供元の TypeSafe AI は、この種のソフトウェア向け意思決定モデルを System One Model と呼んでいる。

注目される理由として、用途は限定されるが速くて安く、入力が GPT 5.6 Luna より約 8 割引で出力は無料であること、汎用分類器として超高速な if 文のように使えること、API なので組み込みの幅が広いことを挙げる。6 月の Fable 以降 LLM の新しい話が少なかった点にも触れている。

触る手段としては TypeSafe AI の waitlist が王道で、筆者は 9/17 の 18 時に登録して 28 時に届いたとする。待たずに使う経路として Vercel AI Gateway を挙げ、無料ユーザーは弾かれるため Pro への課金が要ると書いている。

筆者は自社 CMS「Orizm」のデザインエディターを担当しており、人間が操作する GUI ツールに WebMCP を組み込めばエージェントに入稿や編集を頼めると考え、社内向けに実験実装した。

WebMCP は、サーバー側ではなくフロントエンドにツールを登録する仕組みである。エージェント側に特別な認証設定が要らずブラウザでログインしていればそのまま使えること、サーバーに保存される前の未保存データも JavaScript を介して操作できることを利点に挙げている。

定義方法は 2 種類で、フォーム要素に toolname や tooldescription を付ける宣言型と、document.modelContext.registerTool で動的に登録する命令型を、それぞれコード付きで示している。

筆者は、Issue を取る、AI に設計と実装を任せる、別の AI にレビューさせる、動作確認させる、Pull Request を作らせる、という同じ流れを毎回手で指示していたため、スキル化した。

主たる Claude Code が設計と実装、および GitHub や Codex や人間とのやり取りを担い、Codex はレビューのみを行うクロスレビュー構成である。Codex とのやり取りも Claude Code に任せるが、先入観なくレビューさせるよう気をつけているとする。

複数の会社の複数プロダクトに関わるため、スキルは特定リポジトリに閉じず ~/.claude/skills/ に置き、どのリポジトリからも呼べるようにした。名前は todays-work としている。

記事は Claude Code Issue #91870 で議論中の暫定仕様（2026 年 9 月 19 日時点）をもとに Claude Mods を解説している。従来の Hooks がコマンド実行だったのに対し、Mod は TypeScript の関数として書き Claude Code 本体に直接組み込む発展形だとする。

そのため、コマンドを叩くだけでは届かなかった画面表示の変更やツールの追加まで手を加えられる。この仕組み自体は Function Hooks と呼ばれ、構成は .claude-plugin/plugin.json、hooks/hooks.json、register.ts、型定義から成る。

Mod は外付けの拡張ではなく、標準搭載の /diff コマンドやテレメトリ機能も Mod として実装されており、2.1.277 で追加された AGENTS.md のサポートも agents-md という Mod として提供されていると書いている。

記事は Jev を、TypeSafe AI が公開した System One Model の最初のモデルとして説明する。入力は判断対象の state と、同じ state に対する questions の集合に分かれ、質問は候補から 1 つ選ぶ Choice、順序付きの基準で採点する Score、命題が正しい確率を 0 から 1 で返す Noul の 3 種類である。

複数種類の質問を 1 回の呼び出しに混ぜられ、各質問を同じ state に対して独立かつ並列に評価するため、質問を追加しても応答時間はあまり増えないと公式ドキュメントが説明している点を引いている。

公式発表値は応答時間 70〜500 ミリ秒、入力 100 万トークンあたり 0.042 ドルで出力は無料。ただし速度比較の 193.6 倍、コスト比較の 444.6 倍は TypeSafe 自身のワークフロー評価による上限寄りの結果だと公式ブログに明記されていることも注記している。

PKSHA VoiceAgent の SRE が、データ量の増加で限界に近づいた分析環境を作り直した記録である。dbt の schema.yml を唯一の定義源とするセマンティックレイヤーを Lightdash で構築し、指標の定義やテーブルの結合をあらかじめ決めることで、構造を知らなくても正しい集計にたどり着けるようにした。

Lightdash の API を包む MCP サーバーを用意し、AI クライアントから自然言語で同じ指標を引けるようにしている。権限境界は BI 層に置き、PII の列は専用テーブルに隔離して user_attributes を持つ人だけに見せ、AI 経由でも PII の値は LLM に返さない。

設計と実装は 1 人が担い、SQL を含めほぼ全てのコードは Claude Code が書いたとする。着手から公開まで 1 か月、OSS の Lightdash をセルフホストしてライセンス費はなく、運用はクラウド利用料の月 1,200 ドル前後に収まっている。

日本トレカセンターでは ChatGPT、Claude、Cursor など AI ツールが乱立し、社内でどんなプロンプトが使われているか把握できないこと、費用が跳ね上がったことが課題だった。そこで全社員の AI の入り口を 1 つにまとめた。

社員の手元には AI エージェントの OpenCode を配り、リクエストを自前でホストした LLM ゲートウェイ LiteLLM に通す。各プロバイダーの API キーは LiteLLM だけが持ち、社員は個別のキーに予算上限を設定する。予算は月単位で決め、社員ごとに週次の上限をかけている。

LiteLLM を選んだ理由として、複数プロバイダーを同じインターフェースで呼べること、新しいモデルが出てもつなぎ先の差し替えで試せることを挙げる。コストは導入前の 10 分の 1 以下に収まったとしている。

記事は Jev を「超短い回答だけを超速で返す AI」と説明し、実際に触る部分だけを扱う。2026 年 9 月 19 日時点の状況が土台で、当初は waitlist への登録が必要だったとする。

21 日時点では waitlist への登録なしでコンソールを使えるようになっており、メールアドレスの登録だけで 5 ドル分のクレジットが付く、という追記が入っている。

手順は typesafe.ai にアクセスし、メール登録を経てコンソールに入り Playground を開く流れである。Playground には条件をテキストで入力する欄と質問を入力する欄があり、記事ではポエムを入力して AI が書いたものかどうかを判定させている。

海外で SIM を差し替えて SMS の確認コードが届かなくなった体験から始まり、機内モードでも出る認証アプリの 6 桁がどこから来るのかを調べている。RFC 6238 を読んで Python で 20 行足らず書いたところ、Google Authenticator と同じ数字が出たとする。

認証アプリの 6 桁は登録時に共有した秘密の値と現在時刻からスマホの中だけで計算しており、通信していない。SMS が弱いとされるのは、電話番号という乗っ取れる経路に依存し、SIM スワップ、番号の再発行、中継フィッシングに晒されるためだと整理する。

認証アプリは SIM スワップには強いが中継フィッシングには負け、正しい 6 桁を偽サイトに打てば終わる。パスキーはどのサイトに対する応答かが署名に含まれる点が違う、と結んでいる。

筆者は「なんでもCopilot」「JAWS-UG Sales」「雪かき部」の運営に関わっており、仕事の繁忙、プライベートのゴタゴタ、心ない言葉、運営としての存在価値への悩みという 4 つが同時期に重なり、運営を降りることを考えていたと明かす。

転機は運営メンバーとの飲み会で、悩みを打ち明けたわけではないが「遠慮せずやりたいことをやってほしい」というメッセージを全員から受け取ったことだとする。

そこから自分にできることと出せる価値を自問し、投影資料の更新や SNS での盛り上げ、オフライン開催時の交流促進、営業ならではの視点を入れたアウトプットへと行動を移していった経緯を書いている。

エンタープライズで外部サービスを使うにはデータ送信に伴う社内審査やセキュリティルールの確認が要り、新しいサービスを本番システムに採用するまで時間がかかる。そこで短期的に Amazon Bedrock の軽量 LLM で Jev を代替できないかを検証している。

比較対象に選んだのは AWS の最軽量・最安のテキスト専用モデル Amazon Nova Micro である。選定理由はコストで、入力 100 万トークンが Jev の 0.042 ドルに対して Nova Micro は 0.035 ドルとやや安い。

ただし Jev は出力が無料で課金は入力のみ、Nova Micro は出力 100 万トークンあたり 0.14 ドルが加わる入力＋出力課金である。記事では Nova Micro に架空の顧客からのメールを与えて評価させ、代替できるかを確かめている。

筆者は Web エンジニアを目指して学習中で、カリキュラムで生成 AI セキュリティを扱い、Prompt Injection、Jailbreak、情報漏洩、RAG のセキュリティ、企業で AI を使う際のガードレールを学んだ。

受講前は「個人情報や機密情報を入力しない」「回答を鵜呑みにしない」という理解だったが、「漏洩するかどうか」と「そもそも外部の AI サービスへ渡してよい情報なのか」は分けて考える必要があると気づいたとする。

例として、友人との旅行の日程を整理するために氏名や連絡先や予約情報をそのまま入力する場面を挙げ、学んだ内容を自分の利用に当てはめて情報を 4 つに分類している。

記事は Jev を、文章を生成せず分類・判定・スコアリングなどの意思決定に特化したモデルとして説明する。型付きの結果と確率・confidence を返し、現時点ではテキスト入力のみで画像・音声・動画には対応していない。

Jev が候補になる条件として、入力がテキストであること、出力候補を事前に決められること、意味的な判断が必要なこと、教師データが十分にないこと、高速・低コストに処理したいことを挙げる。出力形式は厳密だが判断結果は確率的で決定論的ではないため、決定論的な処理が必要ならルールベースを使うべきだとする。

ルールを完全に記述できるか、テキスト以外を扱うか、十分な学習データがあるか、文章やコードを生成する必要があるか、という分岐で 4 つを選び分けるフローチャートを示している。