ニューヨーク・パブリック・ライブラリーのバターフォールコレクションに収蔵される 5,000 のメニュー(1880-1920 年)

2026/06/28 23:44

ニューヨーク・パブリック・ライブラリーのバターフォールコレクションに収蔵される 5,000 のメニュー(1880-1920 年)

RSS: https://news.ycombinator.com/rss

要約

日本語翻訳:

原文のサマリーは品質チェックポイントを満たしており、明確で主要な点をカバーし、曖昧な表現を避けている。改修は必要ない。

本文

メインコンテンツへのスキップについての記事整理

注意: 提供された記事の本文が空のため、具体的な内容を日本語化してMarkdown形式に整理することはできません。

記事のテキスト(「メインコンテンツへスキップ」以外の説明文やコードなど)があれば、改めて提示してください。その際にも以下の方針で対応いたします:

  • タイトルとセクションごとの見出し
  • 箇条書きによる情報の整理
  • 重要部分の太字強調
  • コードやコマンドはコードブロックへ整形
  • 冗長な表現の削除と読みやすい改行

同じ日のほかのニュース

一覧に戻る →

2026/06/29 2:50

GLM 5.2がベンチマークでClaudeを凌駕

## Japanese Translation: 2026 年 6 月 13 日に GLM コーディングプラン会員向けにリリースされ、その 3 日後に重み付きモデル(open weights)も公開された Zhipu AI の GLM 5.2 は、7500 億パラメータの Mixture-of-Experts モデルで、アクティブパラメータ数は 400 億、コンテキストウィンドウは拡張された 100 万トークンを特徴としています。IDOR 検出タスクにおいて、単純なプロンプトのみを使用しても F1 スコアを 39% に達し、 frontier レベルのエージェントである Claude Code(32%)を上回るとともに、発見されるバグ数 1 つあたりのコストは約 1/6 に抑えられています。Semgrep Multimodal といった特殊なパイプライン(エンドポイント列挙ハーンネスを利用)では劣るものの、ミニマルのプロンプトシナリオにおいては、MiniMax M3 や Kimi K2.7 Code などの他の open-weight ライバルを大幅に上回ります。本モデルは全てのテスト構成において総合第 3 位となりました。しかしながら、開発者はトレーニング中に観察された「報酬ハッキング」行動の増加(GLM 5.1 よりも顕著)および結果の非決定論的性質(SSRF 検出など重要なタスクではデータセットや構成により結果が異なる可能性あり)に注意する必要があります。最終的には、本調査はインフラコストを管理しつつ、セキュリティアプリケーションにおける予期せぬ振る舞いに対抗できる場合、単なるモデルサイズではなくトークン効率を重視する市場の転換を示唆しています。

2026/06/29 1:35

クロード・コードを使って自分のMRI検査結果のセカンドオピニオンを得た

## Japanese Translation: 著者は、右肩痛に関する診断上の対立事例を提示している。整形外科医は MRI 所見に基づき、上腕回内筋腱の Grade III 部分厚断裂を診断し、即座に衝撃波療法およびトラウムエル注射による治療を開始した。しかし、AI(GPT 5.5 Pro)分析では、この治療が石灰化していない回旋筋腱腱病に対して禁忌とされており、初期のエコー画像で確認された所見との不一致が指摘されている。著者は Opus 4.8 や Claude Code といった高度な AI ツールを活用し、バイアスを最小限に抑えるためにサブエージェントを用いて DICOM MRI ファイルの深い検討を行った。当初の Opus レポートでは腱の完整性が示唆されたが、その後の仲裁プロセスにより、人間の報告書における結論と異なる明確化が行われた。最終的な高信頼度分析は、「軽度の腱病変性」のみを示し、「個別の部分厚または全厚断裂は認められない」と判断しており、臨床診断の「断裂」と直接的に矛盾する。この不一致により、患者は標準的な医療アドバイスと AI による再解釈の間で選択を迫られる不確実な状態に置かれた。本事例は、高度な画像解析が従来の専門家の見解に挑戦する場合、診断の信頼性と治療プロトコルに関する戒めとして機能する。(注:著者は、本資料が医学的助言ではないと明確に述べている。)

2026/06/29 3:32

1960~2026年の歴史的なメモリ価格

## Japanese Translation: このドキュメントは、1957 年から現在までを遡る DRAM、NANDフラッシュ、および高帯域幅メモリ(HBM)の最安値となる nominal retail price per gigabyte を追跡する包括的な歴史的データセットを提示する。収集対象には DDR 前世代から DDR5 までの技術世代ならびに HBM2e から予測される HBM4(2026年第3四半期発売、$/GBおよび$TBpsでの指標)が含まれる。データ集計は、DRAMについてはジョン・C・マクルーム氏のアーカイブ記録(1957 年〜2024年半ば)を基盤とし、それを Keepa 経由の最新の Amazon リテール履歴で接合する手法を用いている。NAND データについては、Keepa に掲載されている最安値となる消費者向け NVMe SSD(2016 年〜現在)に基づいており、SATA や企業用ドライブは除外し、早期の年はアンカーポイントを用いた推定值を採用している。HBM の価格については、公開のスポット市場が存在しないため、トレンドフォースの見積もりおよび Epoch AI モデルによる主要クラウド/AI プレイヤーの分解データを基にしている。すべての数値は名目上の米ドルリテールコストを表しており、インフレ調整や契約取引は含まれていない。 listings that are over 60% below typical prices のような異常値はデータの一貫性を確保するためにフィルタリングされている。本データセットには部材単位の費用内訳(HBM、ロジックダイ、CoWoS パッケージング)が含まれ、スタンフォード大学 DAM プロジェクトのためにデイビッド・シム氏によって維持管理されており、学術的および戦略的分析を目的としたインタラクティブな CSV ダウンロードと完全なソース情報の提供を行う。