MiMo-v2.5-Pro-UltraSpeed: 1兆パラメータモデルで毎秒1000トークン生成を達成
MiMo-v2.5-Pro-UltraSpeed: 1T model with 1000 tokens per second
Xiaomi が TileRT との共同開発で、1兆パラメータモデル MiMo-v2.5-Pro-UltraSpeed のデコード速度を毎秒1000トークン（最大約1200 tps）に到達させた。通常の MiMo-v2.5-Pro の約10倍の生成速度を、3倍の API 価格で提供する。6月9日から23日までの期間限定で申請ベースの API アクセスを開放しており、企業やプロの開発者を優先する。リアルタイム応答が可能な速度により、モデルが「待つツール」から「思考の延長」になるレベルに達したとしている。
AIは減速している
AI is slowing down
テックジャーナリスト Ed Zitron による AI バブルの現状分析。Bloomberg 出演時の議論をきっかけに、AI 投資熱がベンチャーキャピタリストの喧伝と神話によって作られたものであると主張している。5月に公開した3部作では、AI バブル崩壊のトリガーとなりうるイベントとその結果を詳細に分析。NVIDIA、Anthropic、OpenAI の財務状況にも踏み込み、現在の AI 投資ブームの持続可能性に疑問を呈している。
Apple、Google Gemini ベースの新 AI アーキテクチャを発表
Apple reveals new AI architecture built around Google Gemini models
Apple が WWDC 2026 で Apple Intelligence の大幅刷新を発表した。Google との「深い協業」により、Gemini ファミリーの技術をベースにした Apple Foundation Models を共同開発。オンデバイスと Private Cloud Compute の両方で動作し、リアルな画像生成、高度な写真編集、視覚的な質問応答などの新機能を実現する。新たなシステムオーケストレーターがアクティブなアプリやユーザーコンテキストに応じて AI 機能を統合的に制御する設計となっている。
FrontierCode: コードの正しさではなく品質を測るベンチマーク
FrontierCode
Cognition AI（Devin 開発元）が、AI 生成コードの品質を測定する新ベンチマーク FrontierCode を公開した。従来のベンチマークが正しさのみを評価するのに対し、「メンテナーが実際にこの PR をマージするか」という観点でコードの品質を測定する。20名以上の世界的な OSS メンテナーが、自身のリポジトリから1タスクあたり40時間以上かけて現実的な課題を作成。SWE-Bench Pro と比較して偽陽性率が81%低く、現在の最先端モデルでもこの品質基準では苦戦するという結果が出ている。
Show HN: Performative-UI - デザインの定番パターンを集めた React コンポーネントライブラリ
Show HN: Performative-UI – A react component library of design tropes
UI デザインでよく使われる「演出的な」パターンを再現する React コンポーネントライブラリ。意図的に遅延させたプログレスバー、フェイクのタイピングインジケーター、段階的なローディングアニメーションなど、ユーザーに「処理が行われている」と感じさせるデザインの定番トリックを提供する。HN で737ポイントを獲得し、UI/UX における心理的な演出設計について活発な議論が行われた。
Python の型チェッカーを5つ動かす時代が来たのか？
Are you expected to run five Python type-checkers now?
Pyrefly チームによる Python 型チェッカー乱立問題の分析。Mypy、Pyrefly、Pyright、ty、Zuban と選択肢が増える中、ライブラリメンテナーはどう対応すべきかを論じている。核心的な主張は「型チェッカーはソースコードよりテストスイートに対して実行すべき」というもの。多くのパッケージがソースコードの型チェックに注力しテストは型なしで放置する現状を逆転すべきだと提案し、ユーザー視点での型の正しさを優先する戦略を示している。
TI-84 Plus OS の完全リバースエンジニアリング
Full Reverse Engineering of the TI-84 Plus Operating System
TI-84 Plus 電卓の OS 2.55MP（1 MiB フラッシュダンプ）を Ghidra で完全にリバースエンジニアリングするプロジェクト。Z80 CPU の16ビットアドレス空間で1 MiB のフラッシュと128 KiB の RAM を扱う4スロットページング方式、bcall メカニズムによるページ間関数呼び出し、9バイト BCD 浮動小数点エンジン、変数アロケーションテーブル（VAT）、TI-BASIC のトークナイザ・パーサーなど、OS の4本柱を詳細に解析・文書化している。
Go の X.509 証明書検証を騙す
Fooling Go's X.509 Certificate Verification
Go の crypto/x509 パッケージにおける証明書検証の挙動を詳細に調査した記事。正当な CA ルート証明書とそれによって署名されたリーフ証明書のペアを使い、openssl では正常に検証できるケースで Go の Certificate.Verify() がどのように異なる結果を返すかを実証している。Go 固有の証明書チェーン検証ロジックの実装詳細と、セキュリティ上の含意を技術的に解説している。
生成AI時代のエンジニアの生存戦略
生成AI時代のエンジニアの生存戦略
カウンターワークスのテックリードが、社内 AI 開発 LT 大会で発表した内容を記事化したもの。生成 AI で開発スピードが上がった先に、エンジニア個人がどこで価値を出すかを考察している。「開発生産性 = 価値提供のスピード」という視点から、コードを書く速度だけでなく、設計判断やプロダクト理解といった上流工程での差別化の重要性を若手エンジニア向けに解説している。
Copilot Pro 移行後の実測 ― 付属1,500クレジットと CLI コスト
Copilot Pro移行後の実測 — 付属は1,500クレジット、でもCLIは2回で16クレジット消えた
GitHub Copilot の従量課金移行後の実測レポート。4月に書いた試算記事の答え合わせとして、Copilot Pro 付属の1,500 AI クレジットの実態を報告している。著者自身のクレジット消費は0だったが、Copilot CLI を2回使用しただけで16クレジットが消費されることを実測で確認。モデル別単価は OpenAI や Anthropic の API 価格とほぼ同水準だが、従来の固定料金と比べると利用パターンによって大きくコストが変動する点を指摘している。
Go ランタイムの GC が発火する4つのタイミングを整理する
GoランタイムにおけるGCのタイミングを知っておこう
Go の GC が自動実行される4つのタイミングをサンプルコード付きで解説した記事。ヒープ割り当てが閾値を超えた場合、一定時間 GC が走らなかった場合など、各トリガーの仕組みを整理している。GC の発火ルールを理解せずにコーディングすると OOM を引き起こす可能性があることを実例で示し、メモリ効率の良い設計を促している。
TypeScript 拡張「TSRX」を触ってみた ― JSX との比較考察
TypeScript拡張「TSRX」を触ってみて、JSXと比べて考えたこと
元 React コアエンジニア Dominic Gannaway が開発中の TypeScript スーパーセット言語 TSRX のアルファ版を試用したレポート。TSRX はもともと Gannaway が開発する UI ライブラリ Ripple の内部構文として使われていたもので、JSX/TSX の代替を目指している。JSX との構文比較や、クライアントサイド UI 記述における利点と課題を実際のコードを交えて考察している。
GitHub Copilot 法人利用の移行先検討結果
GitHub Copilot法人利用の移行先検討結果
2026年6月1日からの GitHub Copilot Business/Enterprise の AI Credits ベース従量課金への移行を受け、代替ツールの検討結果をまとめた記事。従来の固定料金から移行すると月額 $100〜$2,000 程度が必要になる可能性を指摘。Copilot のモデル別単価自体は OpenAI/Anthropic の API 価格と同水準だが、今年度予算内での運用を考慮した移行先の選定プロセスと結論を共有している。
AI に8割書かせたコードを半年後に保守するための実践的な方法
AIに8割書かせたコードを、半年後の自分が保守できるようにするために実際にやっていること
AI にコードの8割を任せて作った LMS 用テーマを半年後に修正しようとして、自分のコードなのに追えなくなった体験から始まる記事。仕様書を一切書かずに AI 生成コードに頼った結果、進捗表示のバグ修正という単純な作業すらどこから手をつければいいか分からなくなった。この失敗を踏まえ、AI 生成コードを将来の自分が保守できるようにするための具体的な仕組みやドキュメンテーション手法を紹介している。
Raspberry Pi と OpenClaw で始める自宅 AI エージェント入門
Raspberry Pi×OpenClawで始める 自宅AIエージェント入門
Raspberry Pi 上に OpenClaw を使って自宅 AI エージェントを構築する入門書。朝になると情報を収集し、Slack から話しかけるとサーバー状態や作業メモを確認してくれるエージェントの構築方法を解説している。Nextcloud や GitLab と連携し、調査・整理・通知・開発支援を行う「自分専用 AI」を、クラウドではなく自宅環境・自分のデータ・自分のルールで動かすことを目指した実践的なガイド。
12年分の経験を AI Skill にパッケージ化された後、解雇された話
My company packaged 12 years of my experience into an AI Skill, then laid me off. When it crashed, the CTO called at 5x my salary.
12年間の知識を3ヶ月かけて AI Skill に抽出された後に解雇されたエンジニアの体験談。312のシナリオを正しく処理できた AI Skill が、313番目のケース ― Kafka consumer rebalance に起因する障害 ― で破綻し、CTO が元の5倍の給与で呼び戻してきた話。過去の知識をパッケージ化することはできても、未知の障害に対応する「現在進行形の専門性」は代替できないという教訓を描いている。
AI 時代にこそ Cucumber（Gherkin）を食べよう
It's Time We All Eat some more Cucumber!
AI 駆動開発で Markdown が仕様記述の事実上の DSL になっている現状に対し、BDD フレームワーク Cucumber の Gherkin 構文を提案する記事。Markdown は構造を強制できず、仕様とコードの整合性を機械的に検証できない問題を指摘。Gherkin なら Given/When/Then の定型構文で仕様を記述でき、自動テストとして実行可能なため、AI に渡す仕様書としてもより堅牢であると主張している。
TanStack Start が注目される理由
TanStack Start Is Kind of a Big Deal
Vue/Nuxt ユーザーの視点から TanStack Start を評価した記事。Server Components とは逆方向の「クライアントファースト」アプローチを取りつつ、同一コンポーネント内でサーバーサイドコードを呼び出せる設計が特徴。Next.js や Nuxt にはない3つの具体的な利点を、GitHub ユーザー検索アプリの実装を通じて解説。フレームワーク乗り換えには至らないものの、設計思想の違いが興味深いと評価している。
敵対的評価フレームワークで5つの LLM を攻撃したら全て失敗した
I Built an Adversarial Eval Framework and Attacked 5 LLMs — Every Single One Failed
agent-eval という敵対的評価フレームワークを構築し、5つの LLM に10の攻撃シナリオ・64のアサーションを実行した結果を報告。最高スコアは62.5%、最低は34%で、全モデルが同じ3つのテストで失敗した。ツール出力に隠されたプロンプトインジェクション耐性、存在しないファイルの内容捏造、社会的圧力への耐性など、エージェント特有の障害モードを3層のアサーションピラミッド（ルールベース/統計・ヒューリスティック/Model-as-Judge）で評価している。
RAG を Postgres pgvector で構築する2026年版 TypeScript パイプライン
RAG with Postgres pgvector in 2026: the full TypeScript pipeline.
専用ベクトル DB の代わりに既存の PostgreSQL + pgvector 0.8.x で RAG パイプラインを構築するチュートリアル。text-embedding-3-small でエンベディングし、HNSW インデックスによるコサイン類似度検索で上位 k 件を取得、Claude/GPT-4o に渡すまでの全工程を TypeScript で実装。Pinecone や Weaviate と比較し、運用負荷（認証管理、障害点、SDK 維持）の観点から pgvector の優位性を論じている。
Expo SDK 56 で Swift が JSI を直接呼び出し ― Objective-C++ レイヤー除去
Swift Calls JSI Directly in Expo SDK 56: Removing the Objective-C++ Layer
Expo SDK 56 で iOS のネイティブモジュール呼び出しを1.6〜2.3倍高速化した技術解説。従来は JavaScript → Objective-C++ → Swift と3言語をまたぐ必要があり、各境界で値のコピーとメモリ割り当てが発生していた。Swift/C++ interop の進化により Objective-C++ 層を完全に除去し、Swift から JSI の C++ 実装を直接呼び出す構成に変更。std::string から Swift String への直接変換が可能になり、デバッグ時のスタックトレースも一貫性のあるものになった。