CATEGORIES · 03 / 05
AI
モデル、プロンプト、alignment の周辺。数値と哲学の境界線で書く記事。（74 本）
コーディング評価の signal と noise を運用者目線で切り分ける
2026 年 2 月、OpenAI がコーディングベンチマークの noise を実名で開示しました。壊れたテスト・データ汚染・統計のばらつきという 3 つの noise を、自組織で AI コーディングツールを評価する運用者の目線で切り分ける方法を、信頼区間と内製 eval の観点から整理します。
ZCode を運用者目線で読む — GLM-5.2 の公式ハーネスとロックインの綱引き
GLM-5.2 を作った Z.ai が、自社モデル専用のコーディング・ハーネス ZCode を公開しました。Goals による長時間タスク、遠隔ステアリング、3 段の料金を確かめつつ、モデル提供者が自前ハーネスを出す構図を最適化とロックインの綱引きとして運用者目線で読みます。
OpenAI 初の自社チップ Jalapeño を運用者目線で読む — 自社シリコンは API 利用者に何をもたらすか
OpenAI が初の自社設計チップ Jalapeño を 2026 年 6 月に発表しました。Broadcom と共同設計した推論専用チップで、初期デプロイは 2026 年末予定。NVIDIA 依存を下げるこの自社シリコンが、API 利用者の価格・可用性・ロックイン・供給主権に何を意味するかを運用者目線で 4 つの論点に整理します。
Moebius を運用者目線で読む — 0.2B の画像インペインティングが 10B 級に並ぶとき
わずか 0.22B パラメータの画像インペインティングモデル Moebius が、11.9B の FLUX.1-Fill-Dev と 6 ベンチで同等以上を主張しています。「2% のサイズで並ぶ」という数字を、運用コスト・推論速度・オンデバイス展開・採用前チェックの観点で運用者目線に翻訳し、ベンチの『匹敵』をそのまま信じる前に確かめるべき点を整理します。
Apertus を運用者目線で読む — 完全オープンモデルと Sovereign AI の損得
重み・学習データ・学習レシピまで全公開する基盤モデル Apertus を、自前で運用する側の損得で読み直します。Sovereign AI が解くのは賢さではなく依存のリスクで、完全オープンの実利は監査のしやすさにありました。品質ギャップと撤退の容易さも踏まえ、全面置換ではなく保険として持つ構えを整理します。
大きいモデルほど幻覚が減るは成り立つか — AA-Omniscience を運用者目線で読む
AA-Omniscience の幻覚率ベンチで、商用大型の GPT-5.5 が 86%、MIT ライセンスでより小さい GLM-5.2 が 28%。「大きいほど幻覚が減る」という直感が崩れた結果を入り口に、知能指数と幻覚率という別々の軸をどう読み分け、自分のタスクでどう測るかを運用者目線で整理しました。
ノルウェーの小学校 AI 原則禁止を運用者目線で読む — 「手順を飛ばさせない」設計
ノルウェーが 2026 年 8 月から小学校で生成 AI を原則禁止にしました。年齢で段階分けされた規制の中身を整理し、「子どもが学習の手順を飛ばす」という懸念を、AI プロダクトやプロンプトを作る側の設計要件として運用者目線で読み直します。
自分は LLM の重みの中にいるのか — 学習データ帰属を運用者目線で読む
intheweights.com が投げる『あなたは学習済みモデルの重みに含まれるか』という問い。memorization と membership inference の違い、なぜ『含まれる』の判定が難しいのか、そして fine-tune や RAG で自分が『他人を重みに入れる側』になったときの運用者の責任を整理します。
ローカルLLMが「使える」に変わった2026年 — 75% パリティを運用者目線で読む
M2 Mac (64GB) + LM Studio で Gemma 4 / Qwen 3 / GPT-OSS がフロンティアの約 75% に届いた、という HN 首位記事を運用者目線で読みます。75% の但し書き、どのタスクをローカルに寄せ、残り 25% をどこで払うか。コスト・プライバシー・精度の損益分岐を、自分が運用者になる覚悟込みで整理します。
日本語 RAG をローカル SLM に任せていいか — 4 モデル 15 問ベンチを運用者目線で読む
Gemini 2.5-flash と qwen 系のローカル SLM を同じ 15 問の日本語 RAG で比べた実測記事を起点に、品質・コスト・運用負荷の三軸でどこまでローカルに寄せられるかを運用者目線で整理します。サイズが大きいほど良いとは限らない、という結果の読み方も書きます。