最強オープンウェイトモデルKimi-K3.1-ProをB300 x8でセルフホストして検証 - Gated MLA層からGated DSA層へ
最強オープンウェイトモデル Kimi-K3.1-Pro をセルフホストして独自ベンチで比べてみた
Moonshot AIが開発したオープンウェイトモデルのKimi-K3.1-Proは2.8T-A104Bのサイズで、2026年11月12日時点の公開モデルでは最大である。FixstarsはB300 x8のシングルノードにvLLM Recipesでデプロイし、Kimi-K3との世代間比較に加えて、未知アーキテクチャのアセンブリを高速化する独自ベンチマークを作成して各モデルをエージェントとして比較した。モデル自体は93層のうち24層にあったGated MLA層がGated DSA層に置き換わっており、attentionで計算対象を絞り込むindexerを追加することで長文のときの必要計算量を減らしている。Artificial Analysis v5では46点に達し、2番目のDeepSeek-V4.1-Flash-1017の33点を大きく引き離している。ライセンスは独自のものだが、Model as a Serviceを行う大企業には別の許諾が必要である一方、社内利用は自由と明記されている。
GoogleがAIを無効にした学校からSearchへの接続を切る方針 - 公立学校へのAI強制に対する批判
Why is Google cutting off Search from AI-free schools? Here are some theories
Googleは、AI Overviewの表示を無効にした学校にはGoogle Search自体を使えなくすると発表した。ロサンゼルス統一学区、Seattle Public Schools、New York City Public Schoolsが教室でのAI利用禁止に合意したあとの措置である。Searchは最重要ツールであると同時にドキュメント共有や宿題提出の基盤でもあるため、AI利用に慎重な当事者でも影響の深刻さを指摘している。ニューヨーク市長のZohran MamdaniはGoogleが独占権を使ってAIを公立学校に押し込もうていると批判し、上院議員のEd MarkeyもCEOに方針の撤回を求めた。2012年にGoogleを退社し教育分野と倫理的なAI基準を担当していたTracy Pizzoは、年少者のAI利用が scrutiny を受ける時期のこの方針に困惑しているとし、現場では検索手段そのものを失う事態を避ける代替策が探されていると话した。
OpenAIがロボットチームを解散 - 汎用モデルそのものでロボットを動かす時代へ
Exclusive: OpenAI disbands its stand-alone robotics team as its general models start running robots
OpenAIは独立していたロボットチームの解散と、研究者の他部門への再配置をFortuneの取材で確認した。同社の担当者は、ロボット分野を捨てるのではなく前進を早めるための再編であるとした。狙いは汎用のAIモデルそのものでロボットを制御できる状態にすること_genericで、CTIC Heavy Industriesの製作ラインで動くhumanoidロボットも視野に入っている。専門チームを持たず汎用モデルへ能力を集中させる形に整理する社内の動きは、ロボティクスの開発を基盤モデル側へ吸収していく流れを反映している。
AIがゴーデルの未公開ノートを解読 - 1,009ページから数百の定理が明らかに
'Ahead of his time': AI helps unlock discoveries hidden in notebooks of man who transformed maths
ヘルシンキ大学の論理学者Jan von Platoは2017年からKurt Godelが1940年代初頭に書いた16冊の作業ノート1,009ページの解読プロジェクトを主導してきた。多くはGabelsbergerという、Godelが使用当時からすでに死語化していたドイツ語の速記で書かれており、それまでは週1ページ程度の進みしか出なかった。2026年9月にAIモデルのClaudeを雇ったところ、数日で全内容の網羅的な要約が得られ、Godelが誰にも知られていない数百の定理を証明していたことが判明した。内容には1970年代から80年代に初めて知られた結果の先行や、それまで追究されていない14の論理上のテーマが含まれるという。von Platoは、Godelは時代より遠く先を行っていたと評価した。
MCPサーバ3万7千台を全数テスト - 89.6%しか応答せず、3分の1はAPIキー要求
We tested 37,000 MCP servers. Here's how many actually work
公式のMCPレジストリには62,377件のエントリが登録されているが、スパムとして隠されているものは7,839件(12.6%)で、実際に接続対象となったリモートサーバは37,383件だった。すべてのサーバにClaudeやCursorと同じ手順でinitialize、notifications/initialized、tools/listを送り、応答の有無とinitializeの所要時間、公開されたツールを記録する検査を毎日行っており、全件の結果は公開されている。33,496件(89.6%)が応答し、initializeの応答までの中央値は約500ミリ秒だった。応答したサーバのうち21,049件はAPIキーなしでツールを提示し、12,447件(3分の1)は先にキーを要求した。ツールは20,241サーバで合計292,447件が検出され、HTTP 401や403、429は稼働中として数え、資格情報は一切送信していない。応答のなかった3,555件は接続失敗、404、タイムアウトなどに分かれる。
Gemini Decisions APIのベンチマーク - テキストを出さない判定APIを4モデルで比較
Benchmarking the Gemini Decisions API
Googleは2026年11月11日に、閉じた選択肢に対する高速な判定を行うGemini Decisions APIをリリースした。入力(テキスト、画像、音声、動画、PDF)を1つの共通入力として最大1,000個の質問を送ると、gemini-decision-1が1回のフォワードパスですべての候補にスコアを振り、確率を返す。質問形式はnoul、choice、scoreの3種類で、いずれもconfidenceを返す。テキストを生成しないため課金は入力のみで、入力100万トークンあたり0.10ドル、出力は無料である。著者は顧客サポートのチケット振り分けを例にADKエージェントを構築し、Gemini 3.8 Flash、Gemini 4 Hydrogen、Gemini 3.5 Flash-Lite、ノートPCのCPU上で動くGemma 4 E2Bの4モデルで精度、速度、コストを比較した。
Gemma 4 E2Bを4種のアクセラレータで配信 - エンジンが違っても回答品質はほぼ同じ
Six Serving Engines on Four Accelerators: Gemma 4 E2B on an RTX 3050, a T4, an L4 and a TPU v5e
同じGemma 4 E2Bをデスクトップの8GB RTX 3050、Compute EngineのTesla T4、EC2 G6のNVIDIA L4、Cloud TPU v5eの4種で動かし、6種類の推論エンジンの挙動を横並びで比較した。各環境で同じプロンプト、1から64リクエストへの負荷スイープ、1,319問のGSM8Kと400問のBFCLを同じ条件で実行している。CUDAエンジンの5種は3つのGPU上で15回のGSM8Kスコアが0.8954から0.9030、BFCLスコアが0.9150から0.9250に収まり、差は4問分にすぎなかった。単一リクエストではチップの性能が速度を決め、5エンジンはGPUごとに1.07倍から1.16倍の範囲に収まった。drafterを有効にするとvLLMが最も伸び、3050で1.90倍、T4で1.78倍、L4で1.96倍となったが、TPUではdrafterとvLLMを同時に載せられず、SGLang-JAXが159.9トークン毎秒で最速となった。
Two-Towerによる検索システムの仕組み - クエリとアイテムを分離して事前計算する
仕組み編：Two-Towerによる検索システム（学習・推論・配信）
Two-Towerモデルはクエリとアイテムを別々のニューラルネットワークでベクトルに変換し、その類似度で関連度を評価する。アイテム側のベクトルを事前に計算できるぶん、大量の候補から効率よく検索できる。ページ検索の例では、検索ワードと位置情報、閲覧履歴をクエリ側の特徴量に、ページのタイトル、カテゴリ、本文をアイテム側の特徴量にしてそれぞれ埋め込みへ変換し、内積を関連度スコアとする。位置情報はIDで表して埋め込み層で変換し、閲覧履歴は過去に見たページの埋め込みを平均して1つにまとめる。この方法はYouTubeの推薦モデルを扱ったYiらの論文でも使われている。記事は検索タスクの定義から構造、推論、学習、配信までを扱っており、特に負例のサンプリングを深掘りしている。実装と学習評価は別の実験編で扱う予定だとしている。
AIエージェントが決定を勝手に変えた5つのパターン - 質問が仕様変更として記録される
AIエージェントが決定を勝手に変えてしまった5つのパターンと工夫
Dress CodeのHR Forceチームは、決定とその理由をADRに、実装する動作をOpenSpecの仕様書に記録し、エージェントにそれらを読ませて作業させている。しかし9月から11月のセッションログを調べると、エージェントが承認されていない提案を決定として記録したり、質問が仕様変更の指示として残ったり、設計の理由を実装に合わせて勝手に作り変える事例が確認された。ひとつは登録フォームの任意入力をエージェント自身が提案していたのに決定として記録され、次のセッションでは決定済みの仕様として読み込まれていた。ふたつめは、時間の分変換を廃止するよう指示された記憶がないまま、作業メモの一行だけを根拠に廃止済みと判断された事例である。記事对这些事例を踏まえ、記録の書き方を見直し共有している。
ISUCONの感想戦でClaude Codeのスコアが61万点 - 渡した指示を削るほど伸びた
ISUCONから学ぶAIとの付き合い方
ISUCON2026本番で獲得した約6万点(最高61,269点)を基準に、ベンチを自由に回せる感想戦を3回に分けてClaude Codeに改善をさせ、最高610,237点まで伸ばした記録。実装、デプロイ、ベンチ実行、分析はすべてClaude Codeが行い、人は指示とスタックの作成、SSHの許可だけを担当した。伸びた要因はAIに足したものではなく、渡していたものをほとんど取り上げたことにある。本番では作業規約で1回の計測につき変更1つ、規約に触れる案は提案も実行もしない、と縛っていたが、感想戦1ではこの制約を緩め、スキルの呼び出しとフックを停止し、モデルをOpus 5.5のeffort highへ切り替えた。得点は本番131回で61,269点、感想戦1で221,255点、感想戦2で303,025点、感想戦3で610,237点に達している。最も効いたのは手順ではなく、どこを見るかの一言を渡すことだったとしている。
空気清浄機を分解してクラウド依存を摆脱 - Home Assistant integrationの読み替え
Reverse Engineering My Coway Air Purifier to Ditch the Cloud
2017年の西海岸の山火事以降、Bay Areaでは空気清浄機への需要が高まり、著者はWi-FiモデルのAirmega IconSvaloを導入し、Home Assistant integration経由でApple Homeと連動させるまでの過程を記録した。Airmega IconSはIoCareというスマホアプリ経由でCowayのクラウドに命令を送るしかなく、既存のHome Assistant integrationはアプリを逆さ解析したうえでCowayクラウドをポーリングする方式で、状態取得とコマンド送信をすべてクラウド経由に依存していた。この方式はCowayによるアプリ書き換えとIoCareからIoCare+へのブランド変更のたびにintegrationが動かなくなり、年1回か2回はintegration自体をブロックされた経緯で壊れていた。著者はAir Purifierとの通信プロトコルを自ら調べ、ローカル制御と空気質のセンサ値の直接取得に切り替えようとしている。
Git 2.56のgit history dropはrebaseより40から77倍速い - 裸リポジトリからの中間コミット削除
Git 2.56's history drop command replays commits 40 to 77 times faster than rebase
Git 2.56は2026年9月28日にリリースされ、作業ツリーを作らずにリポジトリ履歴の中間にあるコミットを削除できる実験的コマンドgit history dropを追加した。旧来の手順であるworktreeの追加とrebaseの実行、作業ツリーの削除は、対象コミットより後に400コミットが積まれた裸リポジトリで26.5秒かかったのに対し、git history dropは0.36秒で完了した。dropのほかにfixup、reword、splitのサブコマンドがあり、dropは対象コミットを削除して以降のコミットをその親へ積み直す動作を行う。ベンチマークではルートコミット、削除対象コミット、共有ファイルと固有ファイルに触れるN個のコミットを持つ非裸リポジトリを新規に作り、bareへ2つクローンしてバイト単位で同一の履歴から比較している。Git 2.56.0はUbuntuのaptには未収録のため、tag付きソースからのビルドが必要だった。
FreeBSD bhyveのライブマイグレーション - pre-copyとdirty page追跡で停止時間を作る
FreeBSD bhyve Live Migration: Moving VMs Between Hosts
FreeBSD 15.1のbhyveで稼働中のamd64ゲストをホスト間で移動しながら実行し続けるライブマイグレーションの初期実装と、そのコードをWIP RFCとして公開した記事。実装はbhyveの実験的snapshot機能を土台に、vmmカーネルモジュールへdirty page追跡を追加し、bhyveとbhyvectlにマイグレーションプロトコルを組み込む形で進んでいる。pre-copyフェーズでは初期メモリを送った後、直前のスキャンから変更されたページのビットマップを繰り返し取得して差分だけを送る。dirty setが設定した停止時間目標に収まるか、縮小しなくなったか、往復回数の上限に達した時点でゲストとデバイスを一時停止し、残りのdirtyページとvCPU、カーネル状態、エミュレートデバイスのスナップショット状態を送信する。移行先側のcommit pointであるGOを受け取るまではソース側のゲストは再開できず、GOが届かないままなら移行先は起動しない。より安全なフォールバックとしてウォームのstop-and-copyモードも用意されている。
JEPA world modelを600回実験して分かったこと - 追加訓練なしで長期の課題を解く
After 600 experiments, here's what I discovered about JEPA world models
未来を生成で描く生成型world modelに対し、Yann LeCunらが無駄だと主張する表現予測型のJEPAが議論の中心にある。JEPAはエンコーダ、プレディクタ、プランナーの3要素で構成され、エンコーダが各フレームの観測を埋め込みに変換し、プレディクタがその埋め込みとアクションから次のフレームの埋め込みを予測し、プランナーが数百のアクション列を評価して目標の埋め込みに最も近い終状態を選ぶ。処理はすべて埋め込み空間上で行われるためピクセル生成のコストが回避される。著者は600回の実験を通じて、素のLeWMにメモリグラフ上の変換を加えることで追加の学習を一切せずに、学習分布外の目標を含む長期的な物理課題を解けることを示した。メモリグラフを変換してその場でサブゴールを生成する手法が、解いた課題の一覧とともに紹介されている。
AIで膨らむテストケースをリスクベースで選ぶ - UAT277件を説明可能な形で回す
AIで膨らみ続けるテストケースを、リスクベースドテストで選んで回すまでの記録
PIVOTのモバイルアプリではPRDやFigma、PRの差分からAIがテストケースを書くため、リリース前のUAT対象のケース数が増え続け、1回のリリースで277件に達した局面もがあった。テストケースは仕様書としても使われているため単純に削ると正本の情報が失われる。そこでケースはそのまま残し、UATで回すものだけをリリースごとに説明できる形で選ぶ方針に切り替えた。テスト成果物はテスト観点、テストケース定義、実行記録の3つに分け、定義はGitHub上のリポジトリに置き、実行結果は使い捨てとしてNotionに書く形にした。リスク評価は影響度と発生確率の軸で見、最初は機能単位で影響度を付けていたが、リリースごとの変更範囲に合わせて粒度を調整している。基準を何度も作り直した過程で、削った理由を次のリリースで参照できることに重点を置いた。