2026/08/11 0:32

1991年のバーンズチョコレートのマーズバーが見つかり、今日のものに比べて20グラム太く発見されました。

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

要約▶

Japanese Translation:

スコンスロップでの家の片付け中に、清掃サービス「ポケット・ロケッツ」を運営するビクトリア・ゴドンは、8月5日に住居を整理している間に、ベストバイ日が1991年で重量62.5g（手のひらほど大きく）の1991年製のマースバーを発見しました。彼女はこれを現在の40gバージョンと比較し、それを捨てることなく「金鉱脈」に座っているかもしれないと冗談を言いながら、そのお菓子で英国ツアーを行う可能性も考えています。この写真は、「縮小インフレ」と呼ばれる製品量は減らしても価格を据え置くメーカー側の手法が話題になる中でオンライン上でバイラル現象となりました。マースの広報担当者は、過去35年間にわたってバーのサイズは消費者の需要、製造コスト、カカオ価格の変化に応じて変わってきたと説明しました。ビクトリアはこの発見が、彼女の日々の住居整理ビデオとは異なる形でバイラル現象を引き起こしたことに言及し、重量表示に明記された変更なしに生産基準が変化していることを強調しました。

本文

35 年前の巨大な Mars Bar を発見！サイズ差が「縮小インフレーション」を浮き彫りに

住宅の片付け作業中に、1991 年製の Mars Bar（チョコレートバー） が偶然発見されました。その驚異的なサイズは、現在の製品より**約 20g も大きい（62.5g vs 40g 前後）**ことでも話題です。

発見の経緯と品物

発見日: 8 月 5 日
発見者: スコンサロープ市内在住、清掃サービス経営者のヴィクトリア・ゴードン氏。
場所: 不用品を溜めていた方の自宅内。
品物の詳細:
- 製造年：1991 年（消費期限が記載されている）。
- 重量:62.5g（現在の Mars Bar と比較すると約 20g も大きく、ほぼ手のひら一杯分）。
- 背景: 掘り出された他の不用品もすべて数十年前の古物でした。

「縮小インフレーション」の実態が浮き彫りに

今回の発見は、単なる奇跡だけでなく、**「縮小インフレーション」**の影響を象徴する事例として注目されています。

量的な値上げ・パッケージ縮小: 近年の製品ではサイズが大幅に小さくなっています。
感覚的な違い: ゴードン氏は「そのサイズは自分の手のひらに相当するくらい大きかった」と話しており、現在の消費者への衝撃も大きいと語ります。

Mars 社からのコメント

Mars のスポークスパーソンから以下のように説明されています。

過去 35 年間にわたり、以下の要因を考慮しバーのサイズやパッケージ形式を更新してまいりました。

消費者の要望

製造コストの変動

カカオ豆などの原材料価格（外部要因）

ゴードン氏の今後の予定と感想

今回の発見動画はSNSで大きくバズり、多くの注目を集めています。

現在の計画: 「もしかしたら埋蔵金を手に入れているかもしれない」として、今後の活用方法について検討中。
- 現時点では「未定」です。
企画の方向性:
- 単なるゴミ捨て場の予定でしたが、「英国一巡の旅」のような大型企画も始めているといいます。
感想: 「人々がどのような発見に魅了されるのか、非常に興味深いです」。

同じ日のほかのニュース

一覧に戻る →

2026/08/10 19:10

Muse Glimmer：常時稼働型ローカルエージェントワークフローに最適化された 30 バラマイトモデル

## 日本語翻訳：以下に、キーポイントリストに含まれていた欠落した事実的詳細を取り込みつつ、明確さと流れを維持し、ソース資料の包括的な表現を確保する改良されたサマリーを提示します。 ## 改良されたサマリー： Meta は、標準的な消費者向けハードウェアでの高性能で常時稼働可能なローカルエージェントワークフローに特化するように設計された、300 億パラメータを持つ AI モデル「Muse Glimmer」を正式にオープンソース化しました。このモデルは Apache 2.0 ライセンスの下でリリースされており、Meta の大型の Muse Spark チェリーターからの新型ディストリルションレシピと、コンパクトなアーキテクチャを通じて、ハードウェア制約と能力をバランスさせることで、インターネット接続なしで完全オフラインでの高度なタスク（関数呼び出し、ローカルコーディング、LLM-as-a-judge 評価など）の遂行を可能にします。モデルは 100 語以上の言語をサポートし、認識エンコーダーによるマルチモーダル入力を備えています。 MacBook M4-Max、M5-Max、RTX 5090（24 GB または 32 GB の VRAM）など、デバイス上での流れるようなリアルタイム相互作用を確保するために、モデルは重みを 20 GB 未満に圧縮する 4 ビット量子化を採用しています。推論はさらに加速され、DFlash ベースの「drafter」モデルを使用してスペキュレティブデコーディングが行われます。このドラフトモデルは並列でトークンブロックを提案し、それを検証します。Muse Glimmer は DeepSearch QA、MCP-Atlas、𝛕-Bench、SWE-Bench などのベンチマークで強靭なパフォーマンスを発揮し、Gemma4-31B や Qwen3.6-27B を上回っています。開発リソースは Hugging Face で公開されており、llama.cpp、MLX、ExecuTorch、Ollama、LM Studio、Unsloth、Together AI などを含むフレームワーク向けの最適化された統合が順次導入される予定です。モデルのトレーニングは 3 つのフェーズ（事前学習：ログイットディストリルテーション、中盤学習：より長いコンテキストとエージェント主体のデータ、事後学習：オンポリシーディストリルテーションおよび強化学習を用いた SFT）で行われました。これらの取り組みは、複雑なコーディングおよび評価シナリオにおけるアクセシブルなローカル AI 実行のエコシステムを大幅に拡張します。

2026/08/11 5:20

イリノイ州が、Linux を年齢確認義務の対象とする法律を可決しました。

## Japanese Translation: イリノイ州は HB5511（公共法 104-0664）を制定し、主要なソーシャルメディアプラットフォームおよびオペレーティングシステムプロバイダーを対象とした厳格な法律を施行することで、オンライン上の未成年者の保護を図っています。同法案は段階的に適用され、2028 年 1 月より発効します。この立法により、18 歳未満の利用者に対してデフォルトの保護措置が適用されます。具体的には、アルゴリズムに基づくフィードの禁止、午後 10 時から翌日午前 7 時までの通知制限、大人の不特定多数からの連絡遮断が含まれます。2028 年までに、OS ベンダーおよびアプリストアは必須の年齢申告手順を実施し、利用者の年齢層（13 歳未満、13〜15 歳、16〜17 歳、または 18 歳以上）を表す暗号化された API シグナルを提供する必要があります。「未成年」という年齢層が受信されると、これらの安全デフォルトが自動的に適用されます。コロラド州やカリフォルニア州の法律とは異なり、HB5511 はオープンソースソフトウェアプロジェクトに対する**免責条項を設けていない**ため、GitHub に代表されるコミュニティ運営または非営利のコードリポジトリにも適用されます。執行はイリノイ州司法長官に独占されており、個人による私的訴訟は禁止されています。法案本文では、過失による違反については影響を受けた子供 1 人あたり民事罰が 2,500 ドル、故意な違反については 7,500 ドルと上限が定められていますが、プリッツカー知事のプレスリリース当初には最高 50,000 ドルというより高い罚款が言及されており、本文では完全に調整されていない不一致が生じています。

2026/08/11 3:12

GPU 上の Rust SIMD

## Japanese Translation: VectorWare は、既存の CPU コードを書き換えずに、Rust の SIMD 抽象化（例：`core::simd`）を用いて高パフォーマンスな GPU アプリケーションを実行することを開発者にもたらす技術であり、この分野における世界初です。この画期的な成果は、標準的なスレッディングの概念を NVIDIA GPU ワープロップに直接マッピングし、手書きの PTX と比較して零のオーバヘッドを実現します（例えば、通常の `fn main` に `#![feature(portable_simd)]` を付与したソースコードで）。これは、内部の Rust ベースの中間表現（IR）を活用することで可能になっています。システムは要素ごとの算術演算、レーンマスクを生成する比較、それらによる選択操作、およびレーンをまたぐ水平型削減をサポートします。さらに、ワープロンプログラミングのための決定論的なテストを確保し、CPU デバッグツールに匹敵する信頼性を提供する専用参照インタプリタも実装されています。現在では NVIDIA ハードウェア向けに最適化されていますが、アーキテクチャ非依存の IR は、AMD のウェーブフロントおよび Vulkan サブグループ向けにも設計されています。今後の開発では、GPU 向けのスレッド合成や非同期操作の実装、また行列形状の SIMD をテンザコアへの変換（ローリング）が焦点となります。この進展により、業界ユーザーは新たなベクトル型を導入したり膨大なコード書き換えを伴う高コストなアプローチをとらずとも、要素ごとの算術演算と削減を効率的に活用することができます。ただし、制約としては、ベクトル幅の不一致（例：CPU の柔軟な N 対 GPU の固定 32/64 レーン）、およびハードウェアパターンと一致しない跨レーン操作におけるパフォーマンスコストが含まれます。