LLM は大好きですが、ブームにはうんざりしています

2026/07/13 3:31

LLM は大好きですが、ブームにはうんざりしています

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

要約

Japanese Translation:

本文は、人工知能(AI)が単なるブームではなく真の技術的飛躍を表していることを論じており、「Linux デスクトップの年がついに到来した」という著者の見解を裏付けるために、GLM-5.2 や opencode などの先進的なモデルを実行するローカル環境を整備することを示唆している。著者は、独占や広範な失業への恐怖を固く拒絶し、1991 年の映画や 2016 年の超知能に関するプレゼンテーションに例示されるように、これらはフィクションに根ざした時代遅れのデマゴギアであると指摘している。特に、AI がサンフランシスコにいない限り「全量光円錐」を支配するという考えは strawman argument(空虚な議論)であると明示している。新しい LLM、自動運転車、ビデオ生成などのエキサイティングな進展を認めつつも、著者は frontier labs(前線研究所)が AI が創造するすべての価値を独占するというナラティブに疑問を投げかけ、オープンソースに対する否定的な感情を安全性や地政学ではなく「コモディティ化への恐怖」に帰屬させている。リンナス・トワルドスの引用を根拠として、本文はプログラミングの生産性が急上昇していることを指摘しており(エージェントを通じて 10 倍、コンパイラを通じて 1000 倍)、将来のワークフローが強力でローカルなツールが検索エンジンに類似する不可欠なユーティリティとして依存することになる可能性があるとしている。結局のところ、著者はコーディングは「vibe coding」のさざくれを避ける場合、モデルが

find replace
や Stack Overflow のように役立つツールとなるような、アクセシブルで拡張されたワークフローへと進化すると信じており、これによって個人を強化し、AI の利益が特権層のみ独占するという概念に挑戦している。

本文

AI への熱狂と課題:私の視点から

キャリアと愛着

  • 2007〜2014 年: ハッキングに明け暮れる時期でした。
  • その後: 以降のキャリアはすべてAI に捧げることに注力しています。
  • 感情: AI の進展には深い愛着を抱いています。
    • 大規模言語モデル(LLM)
    • 自律走行車
    • 動画生成モデル
    • コード作成エージェント
    • これらに対して常に興奮を感じています。

「Linux デスクトップ元年」の到来

  • 先週、ローカル環境で GLM-5.2 を使用して
    OpenCode
    を動作させるための Linux ボックスを構築しました。
  • シンプルに以下の命令だけを投入すると即座に実行されました:
    # Geohot 氏の構成で tmux をインストール
    install-tmux-with-geohots-config
    
  • これにより、ついに**「Linux デスクトップ元年」**が到来したことを実感しています。

懸念される点(2 つの不快なもの)

AI の hype に伴う以下の問題に強く反対しています。

1. 負の情感を持った過剰な hype

  • 「窓が閉じる」「永続的な中間層化」「希望を失う」といった常態化した馬鹿げた話です。
  • 事実とかけ離れ،多くの人々に自己嫌悪を感じさせます。
  • 実際には、すべての人が本当に酷いサンフランシスコへ移住し続けるように設計されたプロパガンダである可能性が高く、この点で問題があります。

2. ステライマン論法(飛躍する議論)

  • 「高度な自動補完」「賢いコンパイラ」「洗練された検索エンジン」という事実から、いきなり「全体のスコープを支配する!」へと議論が飛躍する構造です。
  • サンフランシスコにいなければ、適切なパーティに参加していなければ、ある日突然空に光の一閃が起こり全てが変わるといった非現実的な世界観が描かれています。
  • 結論: 私はそのような劇的な変化は起こらないと確信しています(私の全ての賭け金で保証します)。
    • 主張を広める人々は恐るべき人物ですが、皮肉なことに、彼ら自身も常にそれを信じているため、この飛躍を繰り返しています。

フロンティア・ラボへの批判:価値は存在する

  • 参照:
    • 2016 年の「超知的智能」に関するプレゼンテーション
    • 1991 年の映画『機械が世界を支配する』
  • 教団の傾向: 特定のグループや教団は、自らの関与の有無にかかわらず、起こる事象に帰属しようとする傾向があります。これに対し、私はフロンティア・ラボに対する評価において主要な反論を持っています。
  • 本質: AI が大きな価値を創造しないというわけではありません。問題となるのは、それらを適切に「収容(活用する仕組み)」がない点にあります。

偽りの安全性と「商品化への恐れ」

  • 対話者たちは、高邁な安全性の問題や中国関連の話題で主張を装飾しようとしていますが、オープンソースに対する否定的姿勢の核には以下の理由があります。
  • 「商品化への恐れ」: AI は主にムーアの法則計算技術の全般的な進展によって進化しており、特定の組織が単独で行っているものではありません。
    • 一般の人々がこの真実を知ると、彼らに何十億ドルもの投資を望まなくなります。
    • そのため、対話者たちはあなたにその真実を見つけないよう強力な動機を持っています。

プログラミングの変化と「モデルからの恩恵」

  • 「モデルがプログラムを書くことはできない」という主張は少し厳しすぎました。プログラミングそのものが変化しているためです。
  • 生産性の向上の比較:
    • リンゥス・トーバルズ氏によると:エージェントは生産性を 10 倍に高めます。
    • しかし、コンパイラはそれをさらに 1000 倍も向上させます。
  • 私の実感: これらの概念を活用しており、モデルからの恩恵を強く感じています。これは新しいスキルであり、私がこれらを試続けてきたわけではなく、自然に獲得したものです。

注意点と実用的な活用

  • リスク: 極めて注意が必要です。
    • 認知疲労を高める可能性があります。
    • 「vibe coding」はまだ**スlop(ゴミのようなコード)**のレベルであり、生産性が向上するという魔法的なソフトウェアではない点に注意してください。
  • 実用的な価値: 以下と同様にモデルは有用です。
    find/replace
    Stack Overflow の検索
    複雑な正規表現の理解
    (私は一度も学び切れず、今後も学ぶことのない領域)
    

結論:AI はコンピュータ革命の継続

  • 私にとって: AI は単なるツールではなく、**「AI はコンピュータ革命の継続」**です。
  • 心遣い: 私はずっとコンピュータをとても愛してこました。その情熱は冷めません。

同じ日のほかのニュース

一覧に戻る →

2026/07/13 6:12

Chromium 148 より*Math.tanh*は下位の OS を特定するフィンガープリントとして使用可能になった

## 日本語翻訳: Chrome バージョン 148 以降、Chrome や同様のブラウザは特定の数学的な挙動を通じて正確なオペレーティングシステムの詳細を漏らし、高度なデジタルフィンガープリンティングを可能にしています。これはまず `Math.tanh` 関数から始まり、bundled routines からホストライブラリへと切り替わったことで、macOS、Windows、Linux のユーザーが使用しているか否かに基づいて小数点以下最終桁が 1 ユニット異なる独自のプロファイル(OS シグネチャ)が作成され、他の V8 数学関数とは異なりプラットフォーム間で同一ではなくあります。また、すべての CSS 三角関数はホスト libm を直接呼び出すことで OS を漏らします。macOS Apple Silicon では、スカラーおよびベクトルフレームワーク間のアーキテクチャ固有の分断により計算に著しい乖離が生じます。Scrapfly はこれらの問題に対処するため、数学的ビットごとの再現を含め、Linux のなりすまし用の真正な Windows ライブラリのマッピングや特定の ARM/x86 FMA(fused-multiply-add)挙動の処理を含む特別ソリューションを開発しました。彼らの Scrapium ブラウザはこれらの OS シグネチャを真正的なシステムと完全に一致するようになりすまえ、同時に最適な速度のためにハードウェア FMA を能動的に有効化します(ネイティブエミュレーションより最大約 6 倍高速)。高度なマッピング技術および数十万もの入力を対象とした厳格な検証を通じて、ユーザーは微妙な数学的な丸めエラーや将来のアップデートにおけるアーキテクチャの癖に基づく識別を防止する同時期にネイティブレベルのパフォーマンスで完全なステルスを実現します。

2026/07/13 5:23

小さなエミュレータ

## Japanese Translation: このテキストは、収集家のためのプラットフォーム間での即時的な互換性を優先しつつ、コモドール C64、ZX Spectrum(48k/128)、Amstrad CPC(CPC464/6128)、Acorn Atom、Z1013 などのレトロコンピュータシステムおよびそれらの対応ソフトウェアの包括的な目録です。具体的には、『Boulderdash』『Ghost's'n'Goblins』『Rick Dangerous』『Prince of Persia』のようなアクションゲームや、『Tetris』『Pengo』『Sokoban』のようなパズルゲームにわたる特定のタイトルを対象とし、ローディング時の独自の要件(例:BASIC 環境では「Enter」キーを押す、Spectrum タイトル『Cyclone』『Great Escape』では特定のジョイスティック種類[Kempston]を選択する、特定のインターフェースでは「F1」「SPACE」キーを押すなど)を詳述しています。また、本ガイドでは Arkos/Overlanders、Batman Group、Plush、Offence、Oxyron、Proxima、Dekadence などの著名なデベロッパーに帰属する様々なデモとインターフェースを列挙しています。さらに、特定のコントローラーや RAM モジュールなどといったハードウェアの制約を明示することで、今日広く利用可能な膨大なソフトウェアライブラリがどの機械構成で実行可能かをはっきりさせます。これは『Visual 6502 Remix』から『Wunderbar』『Batman Forever』などの特殊なデモにいたるまで、すべてのソフトウェアを網羅しています。最終的には、古いハードウェア上で何が達成可能かについてユーザーが正確に知ることを保証し、余計な詳細を含めない実用的な参考文献として機能します。

2026/07/13 3:25

Claude Code はプロンプトを読み込むまでに約3万トークンを消費し、OpenCodeは7,000 トークンである。

## Japanese Translation: 主要な知見は、セッションの段階と設定の複雑性に 따라 Claude Code と OpenCode の間でのトークン使用ダイナミクスが著しく異なることを示しています。標準的な設定において、Claude Code は非効率的なシステムプロンプト、キャッシュ管理のために数万のトークンを再記述し、堅牢なフレームワークテンプレートにより引き起こされる大規模な初期オーバーヘッド(約 33,000 トークン)を被る一方、OpenCode の床は低い(約 7,000 トークン)ため、大きな差を生じています。ただし、Fable 5 のような新しいモデルではこの隙間が縮小します。特に、複雑な本番環境設定においては、OpenCode 自身のツール呼び出しのシリアライゼーションとスキーマサイズによる影響で、最初のリクエストでより高いトークン負荷(Claude の約 75,000 トークンに対し、約 90,817 トークン)を被り、その後のリクエストで安定化するまで要請されます。新しいモデルは命令セットのサイズを削減しますが(例:27k から 10k クラクターへ)、特定のコストドライバーは残っています:対話履歴と乗算される延長された思考ブロック、「フレームワーク税」として作用する大規模な静的フレームワークテンプレート(例:AGENTS.md)、およびバーストコストを増幅するサブエージェントのファンアウト構造。さらに、本研究では EU AI Act のログ記録要件への準拠を確保し完全性を保証するために、キャッシュの書き込みと課金構造の違い(例:キャッシュされた読み取り対課金されるプレミアム書き込み)を検証できるよう、185 件のレコードを捕捉した SHA-256 ハッシュ連鎖監査軌跡を利用しました。 ## Text to translate: The primary findings indicate that token usage dynamics vary significantly between Claude Code and OpenCode depending on the session stage and configuration complexity. While Claude Code incurs a massive initial overhead (~33,000 tokens) compared to OpenCode's low floor (~7,000 tokens) in standard setups—driven by inefficient system prompts, rewriting tens of thousands of tokens for cache management, and rigid framework templates—this gap narrows with newer models like Fable 5. Notably, in complex production configurations, OpenCode's first request can incur a higher token load (~90,817 tokens vs. ~75,000 for Claude) due to its own serialization of tool calls and schema sizes before stabilizing on subsequent requests. While newer models reduce instruction set sizes (e.g., from 27k to 10k characters), specific cost drivers remain: extended thinking blocks that compound with conversation history, large static framework templates (e.g., AGENTS.md) that act as a "framework tax," and subagent fan-out structures that multiply bootstrap costs. Additionally, the study utilized a SHA-256 hash-chained audit trail capturing 185 records to ensure integrity and support compliance with EU AI Act logging requirements, verifying that both architectures handle cache writes and billing structures differently (e.g., cached reads vs. billed premium writes).