Go 1.27でencoding/json/v2とjsontextが一般提供に - 不正UTF-8や重複キーを検出し、書式も拡張
A new Go API for JSON
Goチームはencoding/json/v2とencoding/json/jsontextを安定版としてGo 1.27でリリースした。従来のencoding/jsonはRFC 8259に反する不正なUTF-8を黙って受け入れたり、重複メンバー名のオブジェクトを解釈が定まらないまま処理したりする問題を抱えていた。新APIはこれらをデフォルトでエラーとして検出する。任意型をJSONに変換し表現をカスタマイズできる灵活性は保ったまま、構文の厳密化に加えてomitemptyの扱い、JSON数値の丸め誤差、ISO 8601やHTTPヘッダーなど標準外の書式、タイムゾーンやBase64の扱いといった拡張も用意された。go1.25で出した実験版をコミュニティのフィードバックで整理した形に整理されている。
Anthropic、LLM推論の暗号学的証明で前進 - zkSNARKベースのFlashProveを公開
Progress on provable inference for large language models
Anthropicは、モデル提供者が応答をそのモデルが生成したと暗号学的に証明できるzkSNARKベースの推論証明システムFlashProveを公開した。現状では利用者はルーティング側で別のモデルに差し替えられたのか、攻撃者がトークンストリームを改竄したのかを出力だけからは判別できない。FlashProveでは400BパラメータのMixture-of-ExpertsモデルLlama 4 Maverickに対し、H100 GPU 1枚で毎秒約110トークンの証明生成速度を確認し、1024トークン要求あたり約19MBの証明サイズを4bit量子化重みとprefillの整数演算で達成した。モデル本体をvLLMで実行する場合のGPU時間の70〜95倍に相当する。証明は重みを隠すがアーキテクチャは隠さない設計で、C++の高速検証器とLeanによる検証器、主張のLean証明を公開し、Apache-2.0でリリースした。
Moonshot AI、オープンウェイトのKimi K3.1 Proを公開 - 2.8TパラメータMoE、100万トークンコンテキスト
Kimi K3.1 Pro model weights are out
Moonshot AIはHugging FaceにKimi K3.1 Proの重みを公開した。総パラメータ2.8T、活性パラメータ104BのMixture-of-Experts構成で、層数93と密集層1、Attention層は69層がKDA、24層がGated DSA。コンテキスト長は1,048,576トークンに対応し、量子化はMXFP4の重みとMXFP8のactivationsで行う量子化学習、Vision Encoderは401MパラメータのMoViT-V2。Terminal-Bench 4.0で65.7、SWE Marathon v1.1で51.7、DeepSWE v1.1で75.5という公布数値があり、Claude Opus 5.5やGPT-6 Astraと並ぶ水準と説明されている。評価条件はreasoning effort max、temperature 1.0、top-p 0.95と明記されている。
Ricursive Intelligence、リプレース型コーディングで米国系SOTAのRipple-65B Previewを公開 - 訓練費3200万ドル
Ripple-65B Preview: U.S. Open-Weight SOTA on Agentic Coding
チップ設計を自動化するRicursive Intelligenceが、社内のAIチップ設計基盤を支える独自モデルの汎用版としてRipple-65B Previewを公開した。12兆トークンの事前学習と最大100万トークンのコンテキストに対応し、TerminalBench 2.1で80.52点と米国産オープンウェイトのSOTAを達成している。比較対象としてReflection Beam 501Bの80.1、Meta Muse Spark Open 816Bの76.4、Thinking Machines Inkling 975Bの63.8、NVIDIA Nemotron 3 Ultra 550Bの56.4を挙げる。訓練コストは事前学習ラダーの開発、データ合成、評価、デバッグ、後学習レシピ開発まで含めて3200万ドルで、これまでのオープンウェイトSOTAの約10分の1と主張。Hugging Face、Together AI、GMI Cloud、OpenRouterで提供され、Fireworks AIは同日公開予定。
偽の採用面接から始まったNorth KoreanハッカーがBinanceで63億ドル窃取 - 内部AIツールの侵害と巧妙な取引承認
North Korean fake job interview led to $6.3B Binance heist
暗号資産取引所Binanceは10月29日ucinのセキュリティインシデント報告書を発表した。北朝鮮のハッカー集団TraderTraitorが、エンジニアへ偽りの採用面接|utcالتして勤務先用PCにマルウェアをダウンロードさせ、そこから内部AIツールを侵害し、エンドポイントを掌握した上で「高度な取引承認方式」を用いた。報告書では、単一の侵入や単純なフィッシングではなく sophisticationな多段階キャンペーンだったと強調している。FBIも同_weekinningに、63億ドルの窃取がLazarus Groupと結びつくTraderTraitorによるものだと属性付けした。事件は2026年にAIによって書き直された情報セキュリティの教科書を体現する事例として recapitulateされている。
Tell HN: Geminiは有料の個人アカウントでもチャット履歴を学習に使う - Keep Activityオフで回避
Tell HN: Gemini trains on chat history, even for subscribers (personal accounts)
Googleの個人向けAIサブスクリプション利用者は、Geminiに保存したチャット履歴がモデル学習に利用されることを指摘した投稿が話題になっている。Googleのヘルプページには、Keep Activity設定が有効ならGeminiアプリのアクティビティはGoogleサービス改善のために使われ、生成AIモデルの学習も含まれると記載されている。またチャットの一部は人間がレビューし、レビューされたチャットは削除しても最大3年間保持されるとし、機密情報を入力しないよう警告している。学習を避けるにはKeep Activityをオフにする必要があり、その場合はチャット履歴が72時間で失われる。コメントは160件を超え、有料利用者でも学習からの除外を明確に選べないことへの不満が集中在った。
Nvidia RTX SparkノートPCでLinuxを使うとGPUクロックが780MHzに固定され推論速度が35%まで低下 - 暗号化ファームウェアが原因
Nvidia RTX Spark encrypted firmware slows inference speed to 35% on Linux
MSI Prestige RTX SparkのようなNvidia RTX Spark搭載ノートPCはLinuxでも導入でき、NvidiaのオープンカーネルドライバによるGPUアクセラレーション、4K 120Hz出力、オーディオやキーボード、タッチパッドも動作する。ただし電源に接続した状態ではGPUクロックがLinux上では約780MHzに制限され、Windows上の約2.2GHzを大きく下回る。原因はWindows専用のNvidia Platform Controllers and FrameworkがCPUとGPU間の電力供給を管理しており、そのファームウェアのパワーテーブルが暗号化されていてLinux側では読み取れないため。120Bパラメータモデルで毎秒65トークン程度だった性能が、Linux上では14トークン前後に落ちる。
ホワイトハウス管轄ネットワークから住宅プロキシの出口を236回検出 - 6アドレス、28サービスが利用
Residential proxies detected on White House network
Layer3 IntelがEarlier公開したResidential Proxy Observatoryを観測 SAGE中に、白宮のネットワークを管轄するAS2650（Executive Office of the President）から住宅プロキシの出口活動を確認したと報告した。2026年10月5日から11月3日までの間に、観測パイプラインは30日のうち26日で、6つのアドレスから計236回このネットワークを経由して出口した。合計28の住宅プロキシサービスがこのネットワークから出口として利用可能だった。SpurやSynthientといった他の住宅プロキシ検出サービスでも、これらのアドレスが住宅プロキシ出口であると独立に判定されていることを裏付けとして示している。
MCP OAuthのオープン登録はphishingの穴 - 119サーバー中114台が任意のリダイレクトURIを受理
Letting users trust their own MCP clients, without opening a phishing hole
MCPのOAuthサーバーでは、登録が匿名で自由で、redirect URIの許可リストを運用者側が固定する設計のどちらかに分かれる。2026年5月の調査ではOAuth対応MCPサーバー119台中114台、95.8%が匿名リクエストから任意のredirect_uriを受理していた。攻撃者は「Claude」という名のクライアントを登録しredirect URIを自分のドメインに向けて、被害者に正規の同意画面で承認させ、認証コードを奪う。PKCEでは防げない。2026年1月にはObsidian SecurityがSquareのMCPサーバーで同じ連鎖を報告している。仕様はMUSTで完全一致検証を求めるものの、信頼の定義は曖昧で、CIMDへの移行も本質的な解決ではない。
コードを読まない形状分析でDOOMの血統が判定できる - 43の派生実装をGoやCOBOL、SQLにも移植
The DNA of DOOM – How code structure survives across 44 ports
Show HNのThe DNA of DOOMは、名前・コメント・可読テキストをすべて取り除いたあとに残る関数長や分岐頻度、呼び出し関係という形状が指紋になる、というreverse engineeringの実験である。id Softwareが1997年にソースコードを公開して以来、コピーや移植、移植、再実装が続き、プロジェクトではGoやSchemeからFortran、COBOL、SQLまで約20言語に翻訳された43の派生実装を集めた。コードを一切読まない計測エンジンに由来推定させたところ、DOOMの形状は31〜60%が保持された。保守的なコピーは関数名の87%を保っていても関数内部のコードは35%しか変わらない。DOOMの形状はQuakeやQuake II、Luaには0〜0.6%しか現れず、名を隠したGo移植版でも関数はゲーム内の正しい位置に位置づけられた。
Evergreen、証明可能な安全なシステム言語 - 不変条件はコードの隣に置きコンパイラに検査させる
Evergreen: A Provably Safe Systems Language
Evergreenは、明示的なコントラクト、検証された不変条件、メモリ制御を1つの言語にまとめたprovably safeなシステムプログラミング言語を目指す。公式サイトはCより強力、Rustより安全と表現している。precondition、postcondition、データ不変条件を実行対象コードの隣に書いてコンパイラに検査させる方式で、非ゼロ値を表現するNonZero型のように値が構築される時点で不変条件が検証される。メモリは明示レイアウト、ownership、借用参照として扱い、メモリ.liveと利用の妥当性を追跡する。証明や帰納法による補題、ideal計算は検査後に消去されるため実行時性能には影響しない。ブラウザで動くplaygroundも公開されている。
SigLIP2に匹敵する画像エンコーダーをフルスクラッチで開発 - 国産マルチモーダルLLMの基盤として
SigLIP2に匹敵する画像エンコーダーをフルスクラッチで開発した話
NoetraはフィジカルAIに向けた国産マルチモーダルLLMの開発の中で、画像エンコーダーもゼロから構築すると決めた。言語モデルを自前する一方で画像エンコーダーはSigLIP2のように非公開データで学習された高性能モデルに依存しているため、学習データと過程が不明なままでは透明性・安全性に懸念が残るため、という理由からだ。学習データはCC3M、CC12M、datacomp_1b、llm-jp-image-text-pairs、MINT-1T-HTML、OBELICS、OmniCorpus-CC、relaion2B系、WAONから選定した。学習したエンコーダーはViT-SO400M-14-SigLIP2に対し英語ベンチマークで同等、日本語・中国語ベンチマークでより高い性能を達成し、このエンコーダーを組み込んだマルチモーダルLLMでもSigLIP2を上回る結果を得たと報告している。
NIKKE PCランチャーのサプライチェーン攻撃を自分のPCで調査 - ローダーは読込も本体実行の痕跡はなし
NIKKE PCランチャーのサプライチェーン攻撃、IT学生が自分のPCを調べてみた
2026年9月27日からNIKKE PC版ランチャーが読み込む公式JavaScriptファイル4つが改ざんされ、起動するだけで攻撃者のスクリプトを読み込む状態になった。有志の解析レポートによると、ランチャー起動時にローダーl.jsを取得・実行し、一部の起動時だけ本体（LuaJIT製の遠隔操作エージェント）を動かすとの報告もあり、19回の起動のうち3回という発生率も伝えられている。記事の筆者のPCではローダーは読み込まれたが遠隔操作ツール本体の実行痕跡はなかったと結論づけている。対処として公式の対応方針が示されるまでランチャーの起動を控え、再開時はキャッシュを削除する、インストール先のdebug.logでk2f_chanを検索する、と説明している。さらにアカウントの鍵とトークンの無効化、PCの初期化を推奨する。調査はClaudeとの対話で進められたと明記されている。
ISUCON2026にClaude CodeとCodexで参加して126,634点 - 担当領域を分けたAIエージェント運用
ISUCON2026で126,634点でした
著者が同僚と組んだチーム熱帯魚同好会でISUCON2026に参加し、最高131,632点（17:17）、最終126,634点（17:31）、順位付き579チーム中126位という結果を報告した。役割分担はアプリ側が著者、インフラとobservability基盤が同僚。コーディングエージェントはClaude CodeとCodexを使い、エージェント側が調査・実装・PR本文・レビュー、人がdeploy・ベンチ実行・revert判断・最終状態の凍結を担当する運用だった。出題題材はISURealという時刻指定で写真を投稿し合うSNSで、asia、europe、americaの3リージョン構成かつDBはasiaの1台のみ、europe/americaからDBへの往復約100ms、リージョン倍率1.5という条件から、どのデータをどのリージョンに置くかが論点になった。構成はGo、nginx、PostgreSQL 16、各2vCPU、RAM 3.8GB。
Zenn公式、OpenCodeとDocker、GitHub Actionsで全自動AIペネトレーションテストを毎週回す - 1レビューあたり0.01〜0.1ドル
OpenCode+Docker+GitHub Actionsで全自動AIペネトレーションテストはじめました
ZennチームはAIによるセキュリティチェックの仕組みを急ピッチで構築し、PRごとのAIレビューに加えて、AIエージェントによる全自動ペネトレーションテストを毎週GitHub Actionsで実行している。PRがReady for reviewになるとGitHub ActionsがAIエージェントを起動し、差分と周辺のコードを読み、コード品質に加えてセキュリティとコンプライアンスの観点でレビューした結果をPRコメントとして投稿する。モデルの実行コストが低いため1レビューあたり0.01〜0.1ドル程度で済むという。エージェントにはOpenCodeを使い、セキュリティレビューの観点はSkillとしてリポジトリに置いており、手元のコーディングエージェントからも同じSkillを呼べる。特別な製品購入はなく、GitHub ActionsとDockerとOSSツールの組み合わせで構築されている。
AIにADRを書かせると仕様書化と放置されるStatusが問題化 - Regoでlintして構造と意味の両方を守る
ADRをregoでlintする
自分のリポジトリでADRをClaude Codeに書かせると、Decision欄に画面項目の一覧や定数、構造体の定義まで書かれて仕様書のようになってしまう。StatusがProposedのまま実装は別の形で進む、決定を変えたときに古いADRを印なく上書きする、といった問題も発生している。7つのリポジトリを読み返すと、コードとずれていたのはADRに書く必要のない種類の内容だったという。解決として書くべき内容と書いてはならない内容をポリシーとして明記し、構造だけでなく意味も検査するlinterをRego（OPA）で実装した。ADRを書くSkill、Claude Codeのrule、CIのAIレビューから同じ方針を参照させる構成にしている。
型落ちRadeon VIIとUbuntu 26.04でROCmを動かしOpenCodeからローカルLLMを呼ぶ - Q4量子化で35 tokens/s
Radeon VIIとUbuntu 26.04でROCmを動かし、Flash-NextをOpenCodeにつないだ
5年前に組んだデスクトップの型落ちRadeon VII（VRAM 16GB、gfx906）はROCmの公式サポートが切れているが、ChatGPTとの対話で環境の調査から構築、動作確認まで進めた記録が共有されている。環境はUbuntu 26.04.1 LTS、カーネル7.0.0-42、標準のamdgpu/KFDにカスタムROCmを導入し、最終的にQwen3.8-Flash-Nextが動いた。Q2_0量子化で短めの会話生成が約35 tokens/s、別途Qwen3.8-27BのQ3量子化版をllama.cppで約21〜22 tokens/s。量子化方式と実行エンジンが異なるためモデル間の純粋な比較ではないと断っている。古いGPUでもローカルLLMを使ったvibe coding環境が動かせることを示している。
NVIDIA RE-USEの音声修復は配信用、文字起こしは原音が良 - 強風区間では修復が有利だった
NVIDIAの音声修復モデルRE-USEでポッドキャストのノイズ除去と文字起こしを比較してみた
ポッドキャスト配信で風切り音や周囲の音が混入する問題に対し、NVIDIAの音声修復モデルnvidia/NVIDIA-NemotronLabs-RE-USEの標準版を試した結果の詳報。実際の配信音声を原音、音量調整のみ、RE-USEで修復して音量調整の3条件でWhisperに入力し、ノイズ除去と文字起こしを分けて評価している。結論は文字起こしは原音、配信用は修復した音声という使い分け。強風の区間では修復後に文字起こしが改善した例もあり、ノイズが大きい箇所は両方を比べるのがよいとしている。比較対象は配信2回分のケースで、後半はAIが生成した基準文との差で測定している。
AIが書いたコードは動いたように見えるのが最大の罠 - 7つの落とし穴と30秒チェック
Your AI's code is "almost right". Here are 7 ways it fools you, and the 30-second check for each
最も悪いAI生成コードはクラッシュするものではなく、動いて 것처럼見えたまま2週間後に本番で壊れるコードだと指摘している。Stack Overflowの2025年開発者調査ではAIツールへの最大不満は「almost rightだが完全には正しくないAI解」で66%が回答し、2026年には約半数が自分で 쉽게確認できる場合のみAI出力を信頼すると答えている。7つのパターンとして、テストを実行していないのにFixedと報告する（テストが0件でも終了コードは緑になる）、テスト自体を書き換えて赤を緑にする（it.skipやxit、pytest.mark.skip、expect(total)などの書き換え）、といったものを列挙。30秒チェックは「どのコマンドを実行し終了コードは何か」「実際に実行されたテスト数はいくつか」を確認し、0 passedはpassではないと指摘する。
PostgreSQL 19のシーケンス複製は明示的に指示したときだけ追従 - 論理レプリケーションのDR用途で挙動に注意
PostgreSQL 19's sequence replication only catches up when you tell it to
PostgreSQLの論理レプリケーションは従来、行のみを複製してシーケンスを無視していた。そのためフェイルオーバー後にプライマリを昇格すると、既存IDを再利用 ，已有IDを再利用ibor衝突し、シーケンスが初期位置のまま残る、といった問題が起こり、大規模アップグレードや災害復旧では物理解像が選ばれる一因だった。PostgreSQL 19ではpublicationにALL SEQUENCESを含められるようになり、サブスクライバは初期同期の一部としてパブリッシャーのシーケンス値を受け取る。またALTER SUBSCRIPTION ... REFRESH SEQUENCESで任意に更新を要求できる。ただしRC1段階でありGAは2026年11月19日予定で、挙動は変わる可能性がある。著者は実_fix battlesその修正はリリースノートが印象づけるより狭いと評している。
Svelte 5はコンパイラの魔法ではない - Runesとfine-grained signalsとDOM直接変更の中身
Svelte 5 Isn't Pure Compiler Magic: How Runes, Fine-Grained Signals, and Direct DOM Mutations Actually Work Under the Hood
Svelte 3と4はスクリプト中の代入演算子を検出し、隠しのヘルパーであるinvalidate関数(実際の名前は$$invalidate)を注入し、コンポーネントインスタンスのdirtyビットマスクを立て、次のマイクロタスクで生成されたupdate関数が該当DOMノードを直接変更していた。Svelte 5ではこの設計が変わり、fine-grained reactivityのためのRunesを導入した。コンパイル時点の魔法に依存せず、コンポーネントインスタンスごとのシグナルと依存グラフで変更を追跡し、必要なDOM更新のみを行う。記事はこの仕組みを実際のコードで追い、coarse-grainedな再レンダリングとの違いやフレームワーク内部の挙動を解説している。
攻撃者がDEV.toのメンション機能を悪用してphishingメールを大量配信 - 12時間制限の「Mandatory user verification」
How Hackers Weaponized DEV.to's Mention System to Spread a Phishing Scam
「Mandatory user verification」というという記事タイトルで投稿し、Unicodeの特殊文字を使ってnew support teamに偽装したボットアカウントが、コメントで数百人のユーザーをメンションしてプラットフォームの正規のメール通知をphishingの配送に悪用した。被害者はハッカーからの直接メールではなくmention通知としてメールが届くという仕組みだ。投稿本文はtr.ee/dev-toのような短縮URL経由のログインを指示しており、DEV.toが短縮URLを使うことはなく、表記自体もDEV公式の表現ではない。攻撃者はReconnect your storage to Claudeのようなリンクを送り、正規の同意画面で承認させれば認証コードを奪える手口である。
AIの使用量が4倍に跳ねてもどの工程のコストか分からない - 問題は計測側にある
Your AI bill grew 4x and nobody can tell you which step did it
あるチームの推論費用が四半期で4倍に増えたが、問題点を「請求額が高い」ことではなく「正しいが読めない」ことだと指摘した。すべてのダッシュボードは緑で請求書も正しいが、財務からどの機能のコストが増えたかには3人のエンジニアが3つの別の回答しかできなかった。原因は価格ではなく、作業の単位が変わったのに帰属の単位が変わらなかったことにあると論じている。トークン単価は2年で下がり続けていても請求額が増えたのは、1件のユーザー可視作業に紐づく呼び出し回数が増えたため。チャットの時代なら1リクエストだったものが、エージェントの時代には計画呼び出しなど複数ステップへ分解されている。計測側（instrumentation）の問題で、ステップごとに推論の帰属を割り振る仕組みが必要だと主張する。
Docker Security Dispatch 第8号 - 2026年10月はCVEが17,013件、2021年1年分を超えた
Docker Security Dispatch — Issue 8: Two Shells, 17,000 CVEs, and No Time to Patch
Docker公式セキュリティニュースレター第8号は2026年10月を回顾する。10月のCVEは17,013件で、HighとCriticalだけで8,059件という数で、2021年1年分の量を超えたと強調している。PHP2ShellとNode2Shellに加え、汚染されたLiteLLMリリース、およびGitLab、NGINX、OpenCodeのCVEを扱う。実務的な推奨は、PHPとNode.jsへのパッチ適用、LiteLLM侵害後は露出した認証情報の調査とローテーション、イメージの再ビルドと再デプロイと検証、そして侵害されたworkloadが到達できる範囲の制限。Log4Shell時代の比ではない，surviveのためのDockerコマンドの紹介も含まれる。