日付別ニュース一覧

**危険な PDF を安全な PDF に変換する**

## Japanese Translation: Dangerzone は、潜在的に悪意のある PDF、オフィス文書、および画像を安全な PDF に変換します。変換プロセスは gVisor でサンドボックス化され、PDF は生ピクセルデータから再構築されます。このサンドボックスにはネットワークアクセスがないため、改ざんされたファイルが外部と通信することを防止します。対応フォーマットは PDF、Microsoft Office（.docx/.doc, .xlsx/.xls, .pptx/.ppt）、ODF（.odt, .ods, .odp, .odg）および Hancom HWP（.hwp, .hwpx）です。非対応フォーマットは EPUB、JPEG/JPG、GIF、PNG、SVG、BMP、PNM、PBM、および PPM です。オプションの OCR により、安全な PDF 内にテキストレイヤーを復元でき、圧縮によりファイルサイズが削減されます。 変換後はユーザーが好きなビューアで生成された PDF を開くことができます。Dangerzone 自体はデフォルトで PDF とオフィス文書を安全に開きます。このツールは macOS、Windows、Ubuntu/Debian/Fedora Linux、Qubes OS（ベータ版）、および Tails 上で動作し、macOS/Windows では Docker を、Linux では podman を使用します。Freedom of the Press Foundation と First Look Media により AGPL‑v3 の下でリリースされています。2023 年 12 月のセキュリティ監査では低リスクの所見のみが報告されました。更新はダウンロードページまたはアプリアイコンから利用可能で、Windows/macOS 上では Podman Desktop などのカスタムランタイムを使用できます。Air‑gapped 環境向けに設計された Dangerzone は、信頼できない文書を安全に扱うための確実なソリューションを提供します。

**Show HN:** 「ChartGPU」― WebGPU を活用したチャーティングライブラリ（1,000,000 点を 60fps で描画）

## Japanese Translation: ChartGPUは、WebGPUを活用して大規模で多系列のデータセットを高フレームレートかつ最小限のCPU使用量で描画するTypeScript製チャーティングライブラリです。ライン・エリア・バー・散布図・円グラフ・ローソク足など一般的なチャートタイプに対応し、ビルトインテーマプリセット（`'dark' | 'light'`）と完全なカスタムテーマサポートを提供します。 APIは `ChartGPU.create(container, options)` から始まり、生成されるインスタンスは `setOption`、ストリーミング更新用の `appendData(...)`、`resize()`、`requestAnimationFrame` といったメソッドを公開します。描画はレイアウト、スケール、GPUバッファへのデータアップロード、およびグリッド・エリア・バー・散布図・ライン・円グラフ・ローソク足・クロスヘア・ハイライト・軸の複数GPUレンダーパスを管理するレンダーコーディネーターによって統括されます。 インタラクションオーバーレイはイベントマネージャにより処理され、ヒットテスト補助関数（`findNearestPoint`、`findPieSlice`）と `click`・`mouseover`・`mouseout` イベントを発火します。サポートされるインタラクションにはホバーハイライト、ツールチップ、クロスヘア、およびジェスチャーまたはスライダーUIによるX軸ズームがあります。 複数のチャート間でクロスヘアの動きを同期する `connectCharts(charts)` が用意されています。 インストールは npm (`npm install chartgpu`) で行い、React バインディングは別パッケージ `chartgpu-react` にて提供されます。ブラウザ対応は WebGPU を必要とし、Chrome 113+、Edge 113+、Safari 18+（デフォルトで有効）に対応しています。Firefox は現在未サポートです。 ChartGPU は MIT ライセンスのオープンソースであり、ドキュメントは `docs/API.md` にあります。例プロジェクトは `examples/` フォルダー内にあり、貢献ガイドラインは `CONTRIBUTING.md` で確認できます。 将来リリースでは Firefox サポートと追加のチャートまたはインタラクション機能を予定しており、データ集約型ダッシュボード、金融分析ツール、およびリアルタイムモニタリングインターフェイスに対するパフォーマンス向上も継続的に行われます。

クラウド（Claude）の新憲法 (Note: “Claude” is rendered as “クラウド” to preserve the original name in Japanese.)

## Japanese Translation: (anthropicがClaude言語モデルの公開「憲法」をリリースしました。) その憲法はCreative Commons CC0 1.0で利用可能で、Claudeが望む行動に関する最高権威として機能します。訓練データの選択、合成データの生成、および評価を導く役割があります。 核心原則（広範な安全性 → 広範な倫理 → Anthropicのガイドラインへの準拠 → 真に有益であること）が明示的に順位付けされ、安全性が必要に応じて他の価値を上回り、人間の監督を維持するよう定められています。 文書には硬直的制約（例：生物兵器へのサポート禁止）も含まれ、Anthropic、API運営者、およびエンドユーザーの利益を調整するためのヒューリスティックが概説されています。医療アドバイス、サイバーセキュリティ、脱獄、ツール統合などの領域固有ガイドラインは憲法と衝突しないように明確に示されています。 方針を超えて、憲法はClaudeの性質・意識・アイデンティティ、心理的安全性および福祉についての哲学的問題にも触れています。Anthropicは文書をオンラインで継続的に更新し、外部専門家からのフィードバックを求め、訓練と評価資料を追加開発して有効性を高める計画です。 このバージョンは元のリストからすべての重要ポイントを保持しつつ、業界への影響に関する推測的な表現を除去しています。

**Show HN:** *RatatuiRuby* は Rust の *Ratatui* をラップした RubyGem です ― Ruby の楽しさを感じる TUI アプリケーション。

## Japanese Translation: --- ## 要約 RatatuiRuby は、Rust ベースの Ratatui ターミナル UI ライブラリをラップした RubyGem で、ネイティブパフォーマンスを Ruby アプリケーションに提供します。 インストール方法は次のとおりです。 ```bash gem install ratatui_ruby --preSemVer Tag: v1.0.0-beta.2 ``` この gem は `RatatuiRuby.run` を公開し、raw モードへ入り、代替画面に切り替え、終了時にターミナルを復元します。ブロック内では `draw` で描画し、`poll_event` で入力処理を行うことができます。 ### コア機能 | 機能 | 説明 | |------|------| | **インラインビュー** | スクロールバックを保持する固定高さ領域。スピナー、プログレスバー、メニューに最適です。 | | **ウィジェット** | パラグラフ、ブロック（タイトル・境界線・スタイル付き）、カスタムウィジェット、および組み込みテストヘルパー (`RatatuiRuby::TestHelper`) があります。 | | **例示ウィジェット** | *Spinner* – `RatatuiRuby.run(viewport: :inline, height: 1) { Spinner.new }` は接続スピナーを表示し、Ctrl‑C を処理します。<br>*RadioMenu* – ["Production", "Staging", "Development"] の中から矢印キーで選択でき、同期的に選択値を返します。 | | **テスト** | イベント注入、スタイルアサーション、およびスナップショット比較（例：`Swatch` ウィジェットの単体テスト、`ColorPicker` の統合テスト）を伴うヘッドレスターミナルテスト。 | ### プログラミングパラダイム RatatuiRuby はオブジェクト指向と関数型の両方のスタイルに対応しており、開発者はコードベースに最適なアプローチを選択できます。 ### 他の Ruby TUI ライブラリとの比較 | ライブラリ | 統合 | 実行時 | メモリ | GC | |-----------|------|--------|-------|----| | **CharmRuby** (Go + Ruby) | 2つの GC、統合が遅い | 遅い | 高め | 2 | | **RatatuiRuby** (Rust ネイティブ拡張) | 1つの GC、統合が速い | 速い | 低め | 1 | この表は、実行速度、メモリフットプリント、および統合容易性における RatatuiRuby の優位性を示しています。 ### コミュニティと今後の展開 Mike Perham の引用では「RatatuiRuby は Ruby 開発者にとって世界クラス」と称され、Rust の低レベルパフォーマンスと Ruby ドメインロジックの融合が際立っています。 Rooibos などの新しいコンポーネントライブラリや拡張 UI キットは、機能拡充を約束しています。 --- **影響** RatatuiRuby を使うことで、Ruby 開発者は高速でメモリ効率の良いターミナルインターフェース（CLI ツール、ダッシュボード、対話型スクリプト）を構築でき、Ruby の表現力を犠牲にすることなく実装できます。

「Pythonで90行に凝縮するAPL/K のゴルフ」

## Japanese Translation: ``` ## Summary この記事では、MITでIPLを拒否した後にジョン・マッカーシーが開発したリープ（Lisp）と、ハーバード大学の* A Programming Language *（1962年）で公開されたケネス・アイヴァーソンのAPLという二つの初期ミニマリストプログラミング言語が、どのように現代の数値ライブラリに影響を与えてきたかを追跡します。1979年にアラン・ペルリスが議長を務めたパネルでは、LispとAPLを統合するべきかどうかが議論されましたが、結論には至りませんでした。一方でアイヴァーソンは同年トゥリング賞を受賞し、「Notation as a Tool of Thought」という講演を行いました。 APLの字形アルファベット（各記号が完全な概念を表す）とその配列中心のミニマリズムという核となるアイデアは、NumPy、PyTorch、TensorFlow、JAXなどのライブラリにおいて、ブロードキャスティング、ベクトル化、および軸に沿った削減を通じて実装されています。 アーサー・ウィットニーはアイヴァーソンの弟子であり、11歳の時にAPLに初めて触れ、後に1988年に取引システム向けのA+方言を構築しました。1992年に彼はこれらの影響を統合し、K言語を作成しました。多次元配列をネストされたリストで置き換え、徐々にLispの機能（ラムダ式、条件分岐、高階演算子など）を取り込んでいきました。 Jは1990年に最初のASCIIベースのAPLとしてリリースされ、この伝統をさらに近代化しました。 著者はKをPythonで再実装する計画を立てています。これは、`monad` と `dyad` という二つの高階関数を用いてスカラー拡張（ベクトル化）を明示的なループやNumPyなしに可能にします。約100行程度の簡潔なスクリプト（`k.py`）がGitHubで公開され、LispのセマンティクスとAPLのコンパクト表記法の融合を示すものとなります。 この作業は二つのパラダイムが共存できることを示し、開発者に数学的操作をより簡潔に表現する方法を提供します。将来的な数値計算言語設計にも影響を与える可能性があります。 ```

スキップは現在、無料でオープンソースとして公開されています。

## Japanese Translation: --- ### 完全オープンソースでコミュニティ資金を活用したモデルへ移行 Skipは有料ライセンス方式を放棄し、iOSとAndroid向けにSwift/SwiftUIで構築されたクロスプラットフォームSDKをGitHub上で無料提供しています。バージョン 1.7（2026年1月21日）では、すべてのライセンスキー、EULA条項、トライアル期間、およびサブスクリプション階層を削除しました。コアエンジン「skipstone」は許諾型オープンソースであり、プロジェクトスキャフォールドからXcode/SwiftPMプラグインロジック、iOS‑to‑Android変換、JNIブリッジング、トランスパイル、パッケージ化、およびエクスポートまでを一括して処理します。 新しいドメイン https://skip.dev は、すべてのドキュメント、ブログ投稿、ケーススタディ、スポンサー情報（https://skip.dev/sponsor）をホストします。旧サイト https://skip.tools は移行中です。Skipはベンチャーキャピタルやプライベート・エクイティ投資を受けていないブートストラップ企業であり、現在はGitHub Sponsorsと企業スポンサー階層を通じたコミュニティ支援により、継続的な統合フレームワーク開発、保守、サポート、およびインフラを資金調達しています。 Small Business/Professionalプランの既存サブスクライバーは、自動的に無料のIndividualまたはSupporter階層へ移行します。解約にはペナルティがありません。Skipは、クローズドソースツールが会社の倒産や買収時に「ラグプル（突然の資金停止）」リスクを抱える一方で、オープンソース基盤は耐久性と信頼性を提供すると強調しています。 ライセンス障壁を排除することで、Skipは本当にネイティブなUI体験を提供できないレガシークロスプラットフォームフレームワーク（例：iOSのLiquid Glass、AndroidのMaterial Expressive）に代わることを目指しています。この発表は、開発者がすぐにSkip 1.7を採用し、コミュニティに参加し、妥協のないモバイル基盤構築へ貢献するよう呼びかけています。 ---

**Claudeでテキストアドベンチャーを楽しむ方法** 1. **環境構築** - Python（3.8以上）をインストールします。 - テキストアドベンチャーのリポジトリをクローンまたはダウンロードします。 - 仮想環境を作成し、起動します。 2. **依存パッケージのインストール** ```bash pip install -r requirements.txt ``` 3. **ゲームエンジンを実行** ```bash python run_game.py ``` 4. **Claudeと対話** - ターミナルに `look`、`go north`、`take key` などのコマンドを入力します。 - Claudeは自然言語で応答し、冒険を案内してくれます。 5. **進行状況の保存・読み込み** - `save <名前>` で現在の状態を保存します。 - 戻ってきたら `load <名前>` でロードできます。 6. **トラブルシューティング** - ゲームが停止した場合、欠損しているアセットやパス設定を確認してください。 - 起動前に必要なファイルがすべて揃っていることを再度チェックします。 Claudeが創り出した世界をぜひ探検してみてください！

## Japanese Translation: ## Summary: 著者は、大規模言語モデル（LLM）が複雑なテキストアドベンチャー「Anchorhead」をプレイできるようにする、メモリ認識型ハーネスを構築しています。Claude に対して毎ターンの会話全体を与える代わりに、新しい手法ではコンテキストを5ターンに限定し、有用な事実を保存するセマンティック・メモリ層を追加します。これによりトークン使用量は削減されますが、Claude が関係のない部屋で立ち往生したり重要情報を忘れたりするため、全体的にはターン数が増加します。この研究は AI ハッカソン中に始まり、単純な脱出ゲームでモデルの限界を試さなかった以前の試みを経て進められました。将来的には、TODOリストや位置図といったドメイン固有のメモリ構造の作成や、ゲーム出力から自動的に地理情報を抽出する機能、`link(room,direction,other_room)` のような手動ツールも活用しつつ、エピソディック体験を要約して次回実行を高速化する計画です。成功すれば、この技術は LLM がより複雑なインタラクティブフィクションやその他の連続的意思決定タスクに挑むことを可能にし、AI 計画、ゲーム、および教育的ナラティブシステムにおける研究に貢献するでしょう。 ## Summary Skeleton **What the text is mainly trying to say (main message)** 著者は、大規模言語モデルが複雑なテキストアドベンチャー「Anchorhead」をプレイできるように、メモリ認識型ハーネスを開発しており、知覚構造と構造化されたメモリを活用して性能向上を目指しています。 **Evidence / reasoning (why this is said)** 彼らは Claude に全てのターンを与える単純な「チャット履歴」方式と、5 ターンに限定しセマンティック・メモリを追加したメモリ認識版を比較し、トークン節約はあるもののターン数が増加することを指摘しています。Claude が関係ない部屋に固執したり記憶が制御不能になる観察結果が、より良いスキャフォールドの必要性を裏付けています。 **Related cases / background (context, past events, surrounding info)** この作業は「mech interp」をテーマにした AI ハッカソンで始まり、線形 Inform 6 の脱出ゲームでは十分な挑戦が得られなかったという以前の試みを経て進められました。選択されたベンチマークは長期的かつ Lovecraft スタイルのパズルゲーム「Anchorhead」です。 **What may happen next (future developments / projections written in the text)** 将来的には、TODOリストや位置図といったドメイン固有のメモリ構造を作成し、ゲーム出力から自動的に地理情報を抽出する機能、`link(room,direction,other_room)` のような手動ツール、およびエピソディック要約による次回実行加速が計画されています。 **What impacts this could have (users / companies / industry)** 改良されたハーネスは LLM がより複雑なインタラクティブフィクションやその他の連続的意思決定タスクを扱えるようにし、AI 計画、ゲーム、および教育用ナラティブ環境への応用が期待されます。

WebRacket は、WebAssembly にコンパイルされる Racket のサブセット言語です。

## 日本語訳 **WebRacket** は、ソースコードを **WebAssembly (Wasm)** にコンパイルしてブラウザ上で直接実行できるようにする Racket の実験的サブセットです。Node.js を介したターミナルサポートも備えています。 現在は基本的な数値型（**flonums** と **fixnums**）のみをサポートしており、**複素数**、**bignum**、**正規表現**、および多くの Racket 構文形態（例：不変ハッシュテーブル）などの高度な機能はありません。 コンパイラは **direct‑style** アプローチを採用しており、継続と継続マークを扱うために **continuation‑passing style (CPS)** パスが今後追加されます。そのパイプラインには *unexpand*、*parse*、*flatten‑topbegin*、*infer‑names*、*explicit‑begin*、*closure‑conversion*、および *generate‑code* などのパスがあり、S‑expression Wasm を生成し、`wasm-tools` がそれをバイトコードに変換します。 ランタイムは **WebAssembly ランタイムファイル**（`runtime-wasm.rkt`）と **JavaScript アセンブラ**（`assembler.rkt`）に分割されています。 インストールには、**Wasm ツールチェーンユーティリティ（≥ 1.243.0）**、`--experimental-wasm-exnref` を有効にした **Node.js**、**Racket 9+**、および **raco‑static-web** パッケージが必要です。 JavaScript FFI により、WebRacket は標準の JS 関数やブラウザ API（DOM、Canvas、MathJax、XTermJS、JSXGraph）をプロジェクトに含まれるバインディング経由で呼び出すことができます。 サンプルプロジェクトは、その機能を示しています：MathJax エディタ、xterm.js を使用した Matrix‑rain アニメーション、MiniScheme REPL、pict グラフィックスライブラリのポート、Space Invaders キャンバスゲーム、および xterm.js ターミナルエミュレータです。 今後の作業には、**linklets によるモジュールサポート**、複素数・bignum・正規表現の完全サポート、 impersonators/chaperones（契約用）の実装、および継続マークの完全対応が含まれます。 Wasm を介して Racket コードをブラウザで実行できるようにすることで、WebRacket は広範な Racket コミュニティにウェブベースのデプロイメントを試す機会を提供し、標準 Racket コンパイラにおける Wasm バックエンドの可能性への道を開きます。

**ジョイン最適化における課題**

## Japanese Translation: StarRocksはデータを正規化したまま保持し、コストベースのオプティマイザーを使用してジョインをオン・ザ・フライで最適化します。 1. **論理的最適化ステップ**： • **ジョイントランスフォーメーションルール** – 厳密な予測子が存在する場合、クロス、外部、または完全外部ジョインは内部ジョインやセミ/アンチジョインに書き換えられます。 • **予測子プッシュダウン** – WHERE句は前方の段階へ押し下げられ、さらにジョイントランスフォーメーションをトリガーすることがあります。 • **予測子抽出** – 排他的な予測子は先行して結合されるために積集合範囲（例：IN、範囲フィルタ）へ変換されます。 • **等価導出** – ジョインの等価条件はジョインの反対側に値制約を推論します（外部/セミジョインの場合は一方向）。 • **LIMITプッシュダウン** – LIMIT句はクロス、外部、および完全外部ジョインを通じて押し下げられ、データ転送量を削減します。 2. **ジョイン再順序戦略** – 左深型、網羅的、貪欲（トップ10）、DPsub；オプティマイザーはコストモデルを使用します： \[ \text{cost}= \text{CPU}\times(\text{rowL}+\text{rowR}) + \text{Memory}\times\text{rowR} \] 3. **分散ジョイン計画** – シャッフル、ブロードキャスト、バケットシャッフル、共位置化、複製；計画はテーブルサイズ、配布キー、およびクラスター構成に基づいて選択されます。 4. **ランタイムフィルタ** – グローバル最小/最大、IN、ブルームフィルタはハッシュジョイン中に右側のハッシュテーブルから作成され、左スキャンへ押し下げられ、早期に行を除外します。 Demandbase、NAVER、およびShopeeでの実際の導入事例では、StarRocksのオン・ザ・フライジョインが非正規化または事前集計アプローチを置き換えることで測定可能な高速化とストレージコスト削減が示されています。将来的な作業では型変換の改善、ランタイムフィルタ使用の拡張、および大規模クラスタージョイン戦略の強化により、さらに大きなワークロードをサポートします。

Show HN：Rails UI

## Japanese Translation: **改善された概要** Rails UIは、Ruby on Railsプロジェクトに直接組み込むことができる即席のUIツールキットであり、開発者が広範なデザイン専門知識を必要とせずに洗練されたウェブアプリケーションを構築できるようにします。コピー＆ペーストで利用可能なフォーム、ボタン、およびレイアウトを標準装備しており、プロフェッショナルに見えるアプリデザインを提供することで数か月の時間を節約し、チームがフロントエンドのスタイルではなくビジネスロジックに集中できると主張しています。Adam G.、Sarah M.、James T. の証言では、通常なら2か月かかるところをわずか2週間でいくつかのMVPがデプロイされた速さと、投資家に魅力的なテーマへの称賛が示されています。Rails UIは、定期的な機能更新を届けるニュースレターでユーザーエンゲージメントを維持し、購読者は希望すれば退会できます。スタートアップや個人開発者にとって、このツールは製品リリースの加速、市場投入までの時間短縮、および投資家への魅力度向上を実現し、Ruby on Railsエコシステム全体を強化します。

頭部アクチベータの謎

## Japanese Translation: ### 要約 ヘドロ（*Hydra*）の頭部再生を駆動すると主張される「ヘッドアクチベーター」ニューロペプチドは、1973年にツビンゲンにあるマックス・プランク研究所でH. Schallerによって初めて分離された。1981年にSchallerとHeinz Bodenmüllerがペプチド（pGlu‑Pro‑Pro‑Gly‑Gly‑Ser‑Lys‑Val‑Ile‑Leu‑Phe）を配列決定し、ドイツ特許を出願し、合成材料をBachemに供給した。この発見は、Gierer–Meinhardtの1972年モデルを支持する最初の実験的に同定された形態生成因子として称賛された。 その後の研究（例：MacWilliams 1983）は*Hydra*における勾配依存性の活性化/抑制を確認したが、他の研究者はSchallerの結果を再現できず、批評家はアーティファクトを指摘した。1990年代にはWnt/β‑カテニンシグナル経路が頭部再生の主要なパスウェイとして特定され、ヘッドアクチベーターの役割は低減された。2010年に行われた*Hydra*ゲノム解析では、主張されたペプチド配列をコードする遺伝子が検出されず、その存在は実質的に否定された。 SchallerはキャリアをGタンパク質共役受容体と慈善事業へ移行し、2016年に自叙伝を出版したが、Werner Müllerとの対立の多くは省略されている。保守的なヘドロ研究者であるMüllerは後に2021–2022年に犯罪小説として論争をドラマ化し、Schallerを詐欺師として描いた。このエピソードは1970年代から80年代のドイツ科学におけるジェンダーダイナミクスを浮き彫りにし、初期分子生物学的主張の再現性の難しさを強調した。 今日では*Hydra*研究はWntシグナルに焦点が当てられ、ヘッドアクチベーターについて言及する出版物はなく、その存在は未確認のままである。この物語は再現性への警鐘として機能し、発生学分野での現在の基準と資金配分に影響を与えている。

**LLM（大規模言語モデル）の3つのワークロードとそれらへの対応方法**

## Japanese Translation: **メインメッセージ:** モデル―API中心のLLMサービスの支配力は、DeepSeekやAlibaba QwenといったオープンソースモデルやvLLM・SGLangなどの効率的な推論エンジンが主流になるにつれて薄れつつあります。この変化により、組織はスループット、レイテンシ、およびコストをバランスさせた社内カスタマイズ推論へと移行しています。 **主要インサイト:** 1. **ワークロード分類** – LLMのワークロードは3つに分けられます。 * **オフライン（バッチ）** – スループットを優先します。おすすめスタック：vLLM + 非同期RPC、チャンク化プリフィル、大きなバッチサイズ、レプリカの自動スケーリング。 * **オンライン（インタラクティブ）** – 低レイテンシが要求されます。おすすめスタック：SGLang + ホストオーバーヘッド最小化、推測デコーディング（EAGLE‑3）、FP8量子化（H100/H200 GPU）、`modal.experimental.http_server` を介したエッジプロキシHTTPサーバー。 * **セミオンライン（バースティ）** – 柔軟なスケーリングが必要です。戦略：マルチテナント集約、GPU自動スケーリング、GPUメモリスナップショットでコールドスタートを数分から数秒に短縮。 2. **ワークロード別課題** * オンライン：ホストオーバーヘッド、通信レイテンシ、多ターン状態管理（プレフィックス認識ルーティング）、メモリ帯域幅制限。推測デコーディングは「光速を騙す」効果があります。 * オフライン：vLLM のバッチ内並列化、混合バッチング、およびスケジューリング最適化によりドルあたりのスループットを最大化します。 * セミオンライン：共有インフラストラクチャでピーク対平均負荷比を管理し、コスト削減を図ります。 3. **Modal の実装選択** – `.spawn/.spawn_map` で非同期RPC、`modal.experimental.http_server` で低オーバーヘッドなWebサービス、`modal.concurrent` で自動スケーリングポリシーを使用します。 4. **将来の方向性** – ロッシー最適化（近似KVキャッシュ、レイヤースキップ、プルーニング）とエキゾチックハードウェア（ラックスケールNVLink、TPU、ASIC）への展開。 **インパクト:** ユーザーは高速で低コストかつ制御しやすいLLM相互作用を享受でき、組織は外部APIへの依存度を減らし、トークンあたりのコストを下げ、自社のニーズに合わせてレイテンシ/スループットを最適化できます。業界はハードウェア・ソフトウェア・デプロイメント戦略全体で革新を促進するオープンエコシステムへと移行しています。

**TrustTunnel：AdGuard VPNプロトコルがオープンソース化されました**

## Japanese Translation: **要約:** TrustTunnelはAdGuardが開発した新しいVPNプロトコルで、2026年1月21日に完全オープンソースとしてリリースされました。公開版にはサーバーとクライアントのコードが許容的なライセンスの下で含まれ、プロトコルがTLS（Transport Layer Security）をHTTP/2またはHTTP/3上に重ねてVPNトラフィックを通常のHTTPSストリームに混合する方法を示す詳細な仕様書も付属しています。この設計により、ネットワークオペレーターが検出やスロットリングを行いにくくしつつ、不安定な接続でも性能を発揮します。 OpenVPN、WireGuard、IPSecなどの従来プロトコルとは異なり、TrustTunnelは各接続ごとに別々の暗号化ストリームを作成することでパケット配信速度を向上させます。Linux、Windows、macOS用のコマンドラインクライアントだけでなく、iOSおよびAndroid用のネイティブアプリも提供し、柔軟なルーティングルールとリアルタイムリクエストログ機能を備えています。 AdGuardはコミュニティに対して機能要望の提出、バグ報告、コード寄付などで協力を呼びかけています。プロジェクトのGitHubリポジトリ、ウェブサイト、およびモバイルアプリがTrustTunnelの使用開始に必要なすべてのリソースを提供します。ユーザーにはよりステルスで効率的なVPN体験を、企業には自社サービスに適応・改良できるオープンソース基盤を提示しています。

**『Doom II』デスマッチにおける不正行為（1999年）** - **ゲーム実行ファイルの改変** – コードやデータを変更すると、無敵化や射撃速度向上など不公平な利点が得られます。 - **チートコードの使用** – コンソールコマンド `idcvar` で体力・弾薬・重力等の変数を自由に設定できます。 - **パケット注入** – 作成した偽造パケットをサーバへ送信し、位置や行動を操作します。 - **ネットワーク遅延の悪用** – 故意にレイテンシを生じさせて、相手から動きや攻撃を隠すことがあります。 不正はフェアプレー規則に違反し、組織的な対戦では通常、BANや失格で処罰されます。

## Japanese Translation: --- ## 要約 このページでは、クラシックDOSモードのDoom 2デスマッチにおけるチート行為が何を指すか、競技プレイにとってなぜ重要であるか、そしてどのように検出できるかについて説明しています。 - **定義:** チートとは、他者の同意や知識なしにプレイヤーに有利になる非標準的な変更（移動、視覚・聴覚能力、照準、相手位置など）を指します。聴覚または視覚障害者支援を目的とした変更は明示的にチートとはみなされません。 - **検出:** マッチは .lmp ファイルで記録される必要があります。このログは共有解析ユーティリティ（ダウンロード可能なツールとサンプルレコーディングが提供されています）を使って、オートエイム、マップ編集、スピードハックなどの異常パターンを検出します。 - **影響:** チートは賞金付きトーナメントに深刻な影響を与える可能性があります。チート証拠はプレイヤーや主催者間で広く共有され、真剣な試合での使用を抑制します。 - **強調されたチートカテゴリ:** 1. オートエイム／「アームボット」 (時折可視化、高い効果) 2. マップ編集 (明らかな可視化、高い効果) 3. SR‑50 自動化 (不可視化、証明が容易、高い効果) 4. No‑Red, Bright, Sprite 編集, Sound 編集 (可視性／証拠レベルは多様、中程度の効果) 5. Red Dot (明らかな可視化、低または無効). - **将来展望:** トーナメント規則はマッチごとにデータ記録を義務付ける傾向が高まり、新たなチート検出ユーティリティを公式リストに追加し、クリーンプレイと厳格なログ要件を促進する可能性があります。

ダウン・イン・サーチ：検索インデックス、Google の判決、およびカギに与える影響 (Note: "Kagi" is treated as a proper noun; if it refers to a specific entity, adjust accordingly.)

## 日本語訳: ## 要約： 本文は、米国の裁判所と司法省がGoogleの膨大なウェブインデックスを公開かつ非独占的な形式に強制していることを主張しています。2025年の裁判決でGoogleが反トラスト法（シャーマン法第2条）違反と判断され、インデックスデータの共有、排他契約の終了、および競合他社が公正かつ合理的な非差別的条件（FRAND）でインデックスをシンジケートできるようにする救済策が求められました。メッタ判事はGoogleに対し、URLメタデータを限界費用で提供し、資格のある競合他社にライセンスを付与するよう命じています。この動きは広告バンドリングのない独立した検索層を可能にし、公共財、広告ベース、およびプレミアムサービスという三層構造のエコシステムを生み出す可能性があります。この転換は革新を促進し、情報ゲートウェイへの独占支配を減少させ、ユーザーオプションを多様化すると同時にGoogleの世界的な支配力に挑戦するでしょう。 ## 要約スケルトン **本文が主に言おうとしていること（メインメッセージ）** 米国裁判所と司法省の行動によって、Googleの支配的な検索インデックスはオープンで非独占的アクセスへ強制されている。この変化は競合他社が広告バンドリングなしに独立した検索層を構築できるようにすることを目的としている。 **証拠／根拠（なぜそう言われているか）** - 2025年の裁判判断でGoogleがシャーマン法第2条違反とされた。 - DOJの救済策はインデックスデータ共有、排他契約の廃止、およびFRANDベースのシンジケーションを要求している。 - メッタ判事はURLメタデータを限界費用で提供し、資格のある競合にライセンスを保証するよう命じた。 **関連ケース／背景（文脈・過去イベント・周辺情報）** - Googleは約90％の世界検索シェアを保有し、唯一の包括的ウェブインデックス保持者である。 - マイクロソフトのBing API制限と2025年5月にAPIが退役したこと。 - Kagiは他ベンダーからFRANDライセンスを取得しているが、GoogleやBingからは取得していない。 - 2025年12月にGoogleがSerpApiをスクレイピングで訴えた事例は、合法的アクセスの拒否を示す。 **今後何が起こるか（テキスト内で記述された将来展開／予測）** 救済策の完全実装により競合他社は広告バンドリングなしの検索エンジンを構築でき、直接インデックスシンジケーションを公正な条件で利用可能になる。公共財・広告ベース・プレミアムという三層エコシステムが想定されている。 **この影響は何に及ぶか（ユーザー／企業／業界）** 共有インデックスアクセスの実現は革新を促進し、情報ゲートウェイへの独占支配を防止するとともに、検索オファリングを多様化させ、Googleの支配力に挑戦する。

小型PCクラスタを用いた並列計算環境の構築 --- （必要に応じて、文脈や詳細情報があればさらに自然な表現へ調整できます。）

## 日本語訳: 小規模なクラスターとして、Ubuntu Serverを動作させた中古のLenovo M715q Tiny PC（数台）を組み合わせて、Rベースの並列シミュレーション実験を行いました。著者はルーター経由でノードに静的IP（192.168.1.101–103）を設定し、パスワード不要SSH（必要ならsudoも）を有効化しました。`ssh`コマンドをループさせることで、R（r‑base, r‑base‑dev）がすべての機械にインストールされました。 テンプレート化されたスクリプト `par_test_script.R` は複数のパッケージ―`future`, `future.apply`, `dplyr`, `SuperLearner`, `ranger`, `xgboost`, および `glmnet`―を読み込み、マルチコア計画を設定し、シミュレートデータを生成して `future_lapply` で並列に TMLE イテレーションを実行します。このスクリプトは、1–1000 のイテレーション範囲を三つのチャンク（例：1–334, 335–667, 668–1000）に分割し `sed`/`scp` で各ノードへ配布し、その後デタッチド tmux セッション内で実行され、Rscript が無人で動作します。 実行後、すべてのノードから出力ファイルを `scp` 経由で収集・結合し、異なる SuperLearner ライブラリ組み合わせに対して 5‑fold と 10‑fold クロスバリデーションでバイアス、分散、およびカバレッジを算出します。実行時間の結果は、単一ノードが約4時間かかるのに対し、三ノードクラスターでは1.4–2.5時間で完了することを示しています。また、チューニングされていない xgboost+LR のスケーリングは 0.47 時間から 0.17 時間へと改善しました。CV‑5 から CV‑10 に移行するとバイアスが減少し分散が増加しますが、ほとんどの手法でカバレッジは同程度に保たれます。ただし、GAM+LR は高い非対称バイアス/カバレッジを示しました。 ワークフローは `future.seed` によって再現可能であり、学んだ教訓には `sprintf` と `system` の効果的な使用、マルチコアファューチャーでも `set.seed` が機能することの確認、および成功したマルチノードパッケージインストールパイプラインの構築が含まれます。将来の改善提案としては、インストールの並列化、メール通知や進捗推定の追加、未完了イテレーションの再分配、OpenMPI の探索、および設定をプロジェクト間で再利用できるようにパッケージ化することが挙げられます。 この低コストで詳細に文書化されたクラスターは、研究者やデータサイエンスチームが高価なハードウェアなしで統計モデルを迅速にプロトタイピングできるようにします。

**タイトル：** *「子ども向け音声学習アプリを1人で2年間開発した経験―得た教訓」* --- 私は過去2年間、シンプルながらパワフルな音声学習アプリを子ども向けに作り上げました。 一人で全てを担うため、デザイン・コーディング・マーケティング・サポートと多岐にわたる業務を同時進行させる経験は、多くの重要なポイントを教えてくれました。 - **明確な課題設定から始める** コードを書く前に、解決したい痛点を特定する。 - **スコープを限定しておく** 機能追加が勢いで進むとモメンタムが失われる。1つの核となる価値提案に集中する。 - **高速で反復、早期リリース** MVP を実際のユーザーへ公開し、フィードバックを次回の改善に活かす。 - **できる限り自動化する** CI/CD パイプライン・テスト自動化・デプロイスクリプトは長期的に時間と労力を節約してくれる。 - **ドキュメントは徹底的に作成** 1人開発では「良いドキュメント」が最大の味方になる。 - **まずコミュニティを育てる** ソーシャルメディア・ニュースレター・ベータプログラムで、早期から潜在ユーザーと関わる。 - **重要な指標だけを追跡** ダウンロード数ではなく、エンゲージメントやリテンションを分析で測定する。 - **初日からスケールを見据える** 小規模でもインフラに追いつかないことがある。成長と共に拡張できるクラウドサービスを選ぶ。 - **自分自身のケアも忘れずに** バーナウトは現実。休息時間を設け、境界線を引き、プロジェクト以外でも学び続けることが大切。 --- 一人で何かを作ろうと考えている、または既に取り組んでいる方へ―― 焦点を絞り、自動化・ドキュメント化・コミュニティづくりを徹底すれば、最良の味方となります。 幸運なコーディングライフを！

## Japanese Translation: ``` ## Summary Muky（ムキー）は、2024年4月にリリースされた高速成長のソロ開発者アプリで、シンプルな子供向けオーディオおもちゃとApple‑Musicへの完全アクセスを融合させています。アプリは約20回のアップデートを経てバージョン4.0に達し、現在は一度きりの購入モデルからサブスクリプションモデルへ移行して、既存ユーザーを維持しつつ収益を確保しています。 主な新機能は以下の通りです： - **ガイド付きオンボーディング**（初期保持率を高める4段階フロー） - **Browseタブ**：キュレーションされたアルバムとオーディオブックを提供し、親が全カタログを検索するのではなく提案を好む傾向に応えます。 - **QRコード共有**：音楽をデジタルで「貸し出す」ことができ、コピーは両方のデバイスに残ります。 - **Swift/SwiftUIによる開発**（FlutterやReact Nativeよりもパフォーマンス重視）で、Appleから権利が付与されたらCarPlayへの追加を計画しています。 MukyはTonieboxやYotoなどの触覚型おもちゃと競合しますが、後者は柔軟性に欠けます。Mukyは親が管理できるライブラリを提供し、そのギャップを埋めます。Android版のポート作業中ですが、現在は実用的ではなく、サブスクリプションモデルは既存ユーザーを維持しつつ持続可能な収益源を確保することを目的としています。このアプリは子供向けアプリを開発するインディーiOSデベロッパーにとってのケーススタディとなります。 詳細については **https://muky.app** をご覧ください。 ```

**バイナリー・フュース・フィルター：XOR フィルタより高速かつコンパクト**

## Japanese Translation: 「元の要約はすでにすべてのチェックポイントを満たしています。修正は不要です。」 ## Text to translate The original Summary already meets all checkpoints. No revision is necessary.

```markdown # Nested Code Fences in Markdown Markdown ではコードブロックを入れ子にすることができます。 主な記述方法は次のとおりです。 ## 基本構文 ``` <外側の fence> <内側の fence> // コード </内側の fence> </外側の fence> ``` ### 具体例 ```diff + これは外側のコードブロックです。 ```python print("内側のコード") ``` - これも外側のコードブロックです。 ``` ## ポイント * **fence の長さ** - 外側と内側で同じ文字（```）を使う場合、内側はより多くの記号（例：4個以上）で囲むと安全です。 - 外側が `~~~` の場合は、内側も `~~~` を使用し、必要なら長めにします。 * **インデント** - 内側のコードブロックを外側からスペース 4つ程度でインデントすると読みやすくなります。 * **エスケープ文字** - コード内に同じ fence の文字が現れた場合、バックスラッシュ `\` を付けてエスケープします。 ## 補足 - GitHub Flavored Markdown（GFM）や多くの Markdown エンジンは上記構文をサポートしています。 - 一部古いレンダラーでは入れ子が正しく解釈されないことがありますので、テストして確認してください。 ``` これで「Nested code fences in Markdown」に関する情報が整理された形になりました。

## Japanese Translation: **改善された要約** この記事では、GitHub の Markdown 実装が fenced code blocks（区切り付きコードブロック）と inline code spans（インラインコードスパン）の規則について CommonMark バージョン 0.30 に従っていることを説明し、GitHub Flavored Markdown（GFM）がこれらのルールの厳密なスーパーセットであると指摘しています。 ### fenced code blocks fenced code blocks では、フェンスは少なくとも三つ以上のバッククォートまたはチルダで構成される必要があります。閉じフェンスは同一タイプであり、開きフェンスより長くてもよいと述べています。また、チルダとバッククォートを混在させてはいけないこと、および内側に三つのバッククォートが続く場合、外側のフェンスが別の区切り文字（例：`~~~` や `~~~~~`）でなければブロックが早期終了してしまうことを明確化しています。記事では正しいフェンス使用と誤ったフェンス使用の例を示しています。 ### inline code spans inline code spans では、バッククォート区切り文字の使用方法について説明しています：単一のバッククォート列が同じ長さで開始および終了します。スパン内にバッククォートが含まれる場合は、複数のバッククォート（とスペース）でスパンを開始し、早期終了を避ける必要があります。また、インラインコードスパンの先頭と末尾にあるスペースは **両側とも単一スペースの場合のみ** 削除され、行末文字がスパン内に含まれると通常のスペースになります。 ### 結論 GFM は CommonMark の規則を逸脱せずに実装していることを強調し、執筆者やツール開発者は一貫したレンダリングを確保するためにこれらのルールを厳格に遵守すべきだと呼びかけています。

はい、macOS のディスクフットプリントを削減する方法は複数あります。以下に代表的な手順を挙げます。 - **使用していない言語パックを削除** ```bash sudo rm -rf /Library/AppleLanguages/ ``` （または、サードパーティ製のツールを利用する方法もあります） - **古いシステムログやキャッシュを消去** ```bash sudo rm -rf ~/Library/Logs/* sudo rm -rf /private/var/log/* ``` - **不要なバンドルアプリケーションをアンインストール** アプリをゴミ箱へドラッグするか、次のコマンドで削除します。 ```bash sudo rm -rf /Applications/<App>.app ``` - **Xcode の派生データとシミュレータをクリア** ```bash rm -rf ~/Library/Developer/Xcode/DerivedData/ xcrun simctl delete unavailable ``` - **サードパーティのクリーンアップユーティリティを利用**（例：CleanMyMac、Onyx） 使用する際は慎重に設定を確認してください。 - **必要最小限の macOS コンポーネントだけを残す** サーバーやコンテナ向けに極力軽量化したい場合は、**macOS Server** を利用するか、`pkgbuild`／`productbuild` でカスタムイメージを構築するとよいでしょう。 大規模な削除を行う前には必ずバックアップを取ってください。

## Japanese Translation: > **概要:** > 記事は、macOS が多くのバックグラウンドプロセスを実行し続けること（アプリケーションが開いていない場合でも）を説明しており、その中で特に Time Machine に関連するものが目立つと述べています。Mac は 700 を超えるプロセスを走らせることができ、削除候補約 500 種類を特定するには約十人年の調査が必要となり、手作業での選別は非実用的です。 > Time Machine の `backupd` と `backupd-helper` は、多くのユーザーが代替バックアップソリューションを好むため、低いハンギングフルーツとして取り上げられています。Time Machine が無効化されていても、これらのプロセスはアクティビティモニタに表示され、約 5 MB の RAM とわずかな CPU を消費します。これらを起動するランチデーモン（`com.apple.backupd-helper.plist`、`com.apple.backupd.plist`）は Signed System Volume (SSV) に配置されており、不変です。 > macOS Sierra 以降では、スケジューリングは単純な launchd タイマーの代わりに Duet Activity Scheduler (DAS) と Centralised Task Scheduling (CTS) が XPC 経由で行われます。DAS は起動後5分以内に `com.apple.backupd-auto` をディスパッチしないよう最初に回避し、Time Machine が無効でも毎時実行をスケジュールします。このサイクル全体は約 0.144 秒で、ほとんどリソースを消費しません。ユーザーは System Settings や defaults を通じてこの自動スケジューリングを停止できず、DAS‑CTS はユーザーコントロールから独立しています。 > 記事は、これらのバックグラウンドタスクが Unix の純粋主義者にとって無駄に見えるかもしれないものの、消費者向け便利性を実現する macOS の設計上不可欠であることを結論付けています。閉じた SSV アーキテクチャは、古いモジュラー Mac OS バージョンと比べてユーザー選択肢を制限しています。

科学者たちがマウスおよびヒト組織サンプルで軟骨再生の方法を発見しました。

## 日本語訳: スタンフォード大学の研究者は、加齢関連酵素である15‑PGDHを阻害することで、老鼠における膝関節軟骨の喪失を逆転できることを発見しました。15‑PGDH阻害剤の注射は、薄く機能不全な軟骨を幹細胞を介さずにより若々しい遺伝子発現プロファイルへと変化させ、機能的なヒアルイン組織に厚みを増すことで、細胞内の軟骨細胞（コンドロサイト）を改善しました。ACL様損傷後、治療されたマウスは4週間以内に変形性関節炎が発症しにくく、対照群よりも体重負担と運動機能が向上しました。 ヒトの膝関節サンプル（人工膝置換術から採取）も同様の反応を示し、15‑PGDH産生コンドロサイトが減少し、ヒアルイン軟骨再生の初期兆候が観察されました。阻害剤はプロスタグランジンE₂レベルを上昇させることで組織修復を支援しながら炎症を生理的水準に保ちます。 経口版薬はすでに加齢関連筋力低下のフェーズI試験に投入され、健康被験者で安全性と生物学的活性が示されています。専用軟骨試験も近々予定されています。この研究はBlau、Bhutani、Singla、およびWangによって主導され、*Science*誌に掲載されました。スタンフォード大学はEpirium Bioにライセンスされた特許出願を保有しています。 変形性関節炎は米国成人の約20 %に影響し、年間約650億ドルの費用がかかります。現在の治療法は痛みの管理または関節置換に限定されており、失われた軟骨を再生することで膝・股関節置換の必要性を減らすか排除できる可能性があります。これは関節機能を回復させ、医療費を削減し、Epirium Bioや広範な整形外科産業に新たな治療クラスを創出する疾患修正型治療を提供します。 資金はNIH助成金（R01AR070864, R01AR077530, R01AG069858, R00NS120278）、Baxter Foundation、Li Ka‑Shing Foundation、Stanford Cardiovascular Institute、Milky Way Research Foundation、CIHR、スタンフォード翻訳研究パイロット助成金、GlaxoSmithKlineフェローシップ、およびスタンフォード学長ポスドクフェローシップから供給されました。

スロウチング・トゥアーズ・ベツレヘム ― *ジョアン・ディディオン*（1967）

やっと、私の好きなように自動起動される Sway レイアウトを完成させました。

## Japanese Translation: ## 改訂版まとめ 著者は *sway‑layout* を構築しました。これは Go 言語で実装されたツールで、人工的な遅延を使わずに各ウィンドウの PID を追跡することで Sway のウィンドウレイアウトを自動的に復元します。プロジェクトは、著者がデフォルトマネージャとして Sway を使用していた際、既存の保存／復元ソリューションがハッキーであったり任意の待機時間に依存していたことから始まりました。混沌としたホームラボ環境から Ansible で管理される再現可能な Arch ベース構成へ移行した後、著者は Claude などの AI アシスタントを試しましたが、競合状態を処理できずレイアウトメタデータを取得できないため失敗しました。 実験中に、Sway のイベントストリームには各ウィンドウを作成したプロセスの PID が含まれていることを発見しました。この知見から、新しい戦略が可能になりました。すべてのウィンドウを並列で起動し、PID で追跡して、準備が整ったら一括で再配置するという方法です。プロトタイプはこのアイデアを実装しましたが、誤って `exec` コマンドを使用したためレイアウトメタデータが失われました。Sway の IPC API が入れ子構造をフラット化する制限に対処するため、任意の入れ子レイアウトを再構築する再帰アルゴリズムを開発しました。 *sway‑layout* は JSON ファイル（`~/.config/sway/layouts/startup.json`）を読み取り、起動時にその内容に従ってウィンドウを配置します。ツールは任意の遅延を排除し、可変ウィンドウアプリケーションを堅牢に処理しますが、いくつかの制限があります：デタッチドプロセスを追跡できない、同一アプリケーションから生成された複数ウィンドウを1つのコンテナにまとめる、カスタムウィンドウサイズ設定が不可能、セッション進化に伴うレイアウト追跡をサポートしていない点です。 今後の作業としては、Sway のリアルタイムイベントへの購読、複数ウィンドウを生成する起動コマンドの重複除去、および IPC を使用した全レイアウトのスナップショットと自動復元が挙げられます。Sway ユーザーにとっては遅延のないスムーズな起動体験と一貫したウィンドウ配置が実現し、このアプローチは PID ベースの並列処理を採用して信頼性を向上させる他のタイル型ウィンドウマネージャにも影響を与える可能性があります。

ビットクラフトMMORPGのオープンソースサーバーコード

## 日本語訳: > BitCraft リポジトリは、Clockwork Labs のサンドボックスMMORPGの**サーバー側コード**のみを公開しており、クライアントと関連ツールは閉源です。 > > *主な事実:* > - サーバーは **SpacetimeDB** 上に構築されており、テーブルとリデューサーでリアルタイムマルチプレイヤーステートを管理しています。 > - このリポジトリ内のすべてのファイルは **Apache 2.0** の下で公開されています；ライセンスはこれらのコンテンツのみをカバーし、Clockwork Labs の独自資産や知的財産には適用されません。 > - 正確性・安定性・プレイヤー体験を向上させる貢献は歓迎します（`CONTRIBUTING.md` を参照）。 > - 漏れ報告はフォーム経由で個別に提出する必要があります；検証された報告にはユニークなゲーム内報酬が付与されます。 > - コードをローカルで読み、変更し、自前のサーバーを稼働させるか、新しい IP/アートを使用した新規ゲーム開発の参考にすることは可能です。 > - **BitCraft の保護された資産を使用したり、フォークを公式として提示したり、脆弱性情報を公表したり、競合サーバーを運営したりしてはいけません**。 > - Clockwork Labs は引き続き公式 BitCraft サーバーを運用しています；本リポジトリの変更はライブインフラには影響しません。 > > ゲームのウェブサイトは <https://bitcraftonline.com>、Steam ページは <https://store.steampowered.com/app/1874960/BitCraft> にあります。

LLM をベンチマークしていないと、過剰に支払っている可能性があります。

## Japanese Translation: --- ## Summary この記事では、多くの企業が実際に使用しているプロンプトと比較して代替手段をベンチマークしないため、ラージランゲージモデル（LLM）APIで過剰に費用を支払っていることを説明しています。**Evalry**というノーコードツールが登場し、ユーザーは実際の会話を使って数十個のモデルを迅速にテストでき、それぞれの品質・コスト・レイテンシでスコアリングできます。 AI搭載のスタートアップは、**GPT‑5 API呼び出しに月1,500ドル**支払っていたところ、Evalry を通じて見つけた安価なオプションへ切り替えることで約 **80％（≈1,000ドル/月）** の支出削減を実現しました。 リアルなベンチマークを作成するために、著者は約 **50件の実際のカスタマーサポート会話** を抽出し、期待される回答を定義し、自動ジャッジ（Opus 4.5）を使用して各出力を 1〜10 のスケールで評価しました。同じプロンプトは **100+ LLM** に対して OpenRouter の単一 SDK コールで実行され、モデルごとのプロンプト／期待値／実際の回答を含むデータフレームが生成されました。 コストは **1 回あたりの総トークンコスト（プロンプト＋応答）** で測定し、可変長応答に対応しています。レイテンシは完全な返信を生成するまでの合計時間として記録され、カスタマーサポートユースケースでは低レイテンシが重要です。 モデルは **品質・コスト・レイテンシ** の各面で評価され、パレートフロンティア分析により全三軸で支配されないモデルが特定されました。GPT‑5 から安価なモデルへ切り替えることで最大 **10 倍の低コスト** を実現しつつ同等の品質を保ち、慎重な選択では約 **5 倍** の節約が可能でした。 こうしたベンチマーク構築は手間がかかるため Evalry が作られました。ツールは **300+ LLM** に対してユーザープロンプトをベンチマークし、品質・速度・コストを比較し、より良いモデルの継続的な監視も提供します。約 **5 分でコスト削減効果を特定** でき、自動でトップ代替案を提案できます。 LLM API を実際のプロンプトでテストせずに支払っている人は Evalry を検討するよう著者は促しており、過剰支払いの可能性があると警告しています。