2026/08/12 1:56

Mojo 1.0

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

要約▶

Japanese Translation:

Mojo言語のバージョン1.0がリリースされ、2023年の初リリース以来確立された安定した、プロダクション対応の基盤へと、急激な実験段階からの移行を象徴しています。1.xシリーズではC++などの成熟した言語の標準に従い、破損を引き起こすシフトを避けるために追加的な変更を優先します。約20万人のコードラインと、ほぼ200人の貢献者から寄せられた1,100以上のプルリクエストを基盤としており、一貫性のある

var

を用いた変数宣言、統合されたクロージャ、単一のPointerType、そして正確な語彙再命名といった主要な簡素化がリリースに含まれています。新しい機能には、Python風のラムダ構文、参照無効化に対する改良されたメモリ安全性診断、より優れた

where

節、VS Code向けのより安定したLSPサーバーが含まれます。開発者は今や、信頼性の高い「1.0対応」のAIスキルを使用でき、

uv pip install --upgrade mojo

または

uv pip install max[all]

などのコマンドでインストールできます。MAXの強化（GLM-5.2およびNemotron-Hへのサポートなど）は

max["serve"]

を通じて利用可能で、skills.shを通じてオープンソースのエージェントスキル7,200以上がダウンロードされ、モデル全体のライフサイクル導入を加速しています。不安定なモジュール化パッケージはバージョン26.6で廃止予定となっており、長期的耐久性に向けた完全なアーキテクチャシフトを示しています。今後の投資には非同期プログラミングモデル、パターンマッチング、ユニオンが含まれ、また2026年までにMojoコンパイラとツールチェーンの段階的なオープンソース化も進められます。Mojo、MAX、オープンソースに関する詳細および計画については、8月18日にサンフランシスコで開催されるModConにて共有され、完全な変更ログの詳細はmojolang.orgおよびGitHubリポジトリで入手可能です。

本文

Mojo ランゲージ 1.0 のリリースと MAX の改良について

概要

本日、Mojo ランゲージが公式に バージョン 1.0 を迎えました。これは 2023 年の初版リリース以来、開発者の安定した基盤を提供するための重要な節目です。

コミュニティの成長: 独自ライブラリ、ツール、アプリケーションの作成を可能にし、汎用言語へと進化しました。
生産環境での採用: もはや「開発中の言語」ではなく、商業インフラストラクチャ「MAX」と「Modular Cloud」の基盤として、毎日 production 環境で利用されています。
安定性へのコミットメント: 長期的なプロジェクト構築を可能にする安定したランゲージ基盤を提供することを達成しました。

重要: 1.0 は進化の終焉ではなく、より長い旅路における重要なスタート地点です。将来的な変更は「破壊的」ではなく、成熟した言語（例：C++）のエボリューションプロセスに従い慎重に管理されます。開発者はコード基盤が絶えず移り変わることを恐れる必要はありません。

コミュニティへの感謝

このリリースは素晴らしいコミュニティの協力なしには成し遂げられませんでした。

コントリビューション: 標準ライブラリのオープンソース化以来、200 人から1,100 人に及ぶコントリビュータが参加しました。
具体的な貢献:
- 提出されたプルリクエスト：1,100 件以上
- コード変更行数：20 万行以上
- 言語形成への課題報告者：1,000 人以上
謝辞: 課題を投稿いただいた方、プルリクエストを開いてくださった方、提案を執筆された方、パッケージを作成されたすべての開発者に心から感謝します。

Mojo の改良：バージョン 26.5

今回のリリースは、言語の簡素化と整理のための最終ラウンドを完了させ、安定した基盤を実現するものです。

設計の一貫性の強化

過去に存在していた複数の概念表現方法を統一し、以下のように収束させました：

変数宣言: すべて
```
var
```
で統一的に宣言されます。
クロージャー: 統一された処理へ移行しました。
ポインタ型: 一つの型に統合されました。
語彙の精密化: 名称変更により、言語全体の表現がより一貫性を持ちました。

新しい機能と改善点

ベータリリース以降の実装を完了した主なハイライトは以下の通りです：

Python 風 Lambda 構文: インラインクロージャー用のサポートを追加。
LSP サーバーの安定化: VS Code およびその他のエディタとの日常体験が大幅に向上しました。
Mojo AI Skills (1.0 レディ):
- 新規プロジェクト作成、GPU プログラミング、他言語からの移植などが可能になりました。
メモリ安全性の診断強化:
- 参照無効化に伴う問題を検知できるようになりました（例：
```
List.append
```
  によるリスト内の参照無効化）。
"where" クロージの標準化:
- 標準ライブラリ全体で一貫性を持って使用され、エラーメッセージがより説明的で対処しやすくなりました。

※完全な変更履歴については mojolang.org の「Mojo Change History」をご覧ください。

これからの Mojo ロードマップ

Mojo 1.0 を足掛かりに、以下の進化が続けられます：

汎用システムプログラミング言語へ: コア言語と開発者体験への継続的な投資により、真の優れた汎用言語へと成長します。
新しい機能:
- 堅牢な非同期プログラミングモデル
- パターンマッチングとユニオンの実装
- 現代の CPU、GPU、アクセラレーターを跨ぐ高パフォーマンスコードの生成能力向上
オープンソース化計画:
- Mojo ランゲージおよび MAX の構成要素（Mojo で構築された部分）を段階的に公開。
- 2026 年: Mojo コンパイラとツールチェーンを完全にオープンソース化します。

MAX の改良：バージョン 26.5

Mojo 1.0 と並行して、AI インフラである MAX も以下の改善が導入されました。

インストールの簡素化

必要な依存関係のみをインストールできます（conda を使用する場合も対応）。

# 必要な機能のみをインストール
max["serve"]       # サーバ起動用
max["benchmark"]   # ベンチマーク用

# すべての機能をインストール
max["all"]         # 完全セット

注意: Modular パッケージはバージョン 26.6 で廃止される予定です。

モデルサポートの拡張

以下の新しいモデルファミリへのサポートが追加されました：

GLM-5.2: ハイブリッド型 Mamba-2 モデル
Nemotron-H: ハイブリッド型 Mamba-2 モデル
Kimi 2.5: Module V3（簡素化されたモデル作成パス）と互換性あり

オープンソースエージェントスキルコレクション

内部利用およびフルモデルライフサイクルの加速に活用されています。

```
skills.sh
```
を通じたダウンロード実績：7,200 回以上。
これらのスキルは今回のリリース開始に伴って公開されました。

※詳細な変更履歴については MAX のドキュメントをご覧ください。

すぐに始めましょう：インストールとアップグレード

数分で環境を構築し、開発を開始できます。

uv pip install --upgrade mojo
uv pip install max[all]

リソースリンク

[Mojo 変更履歴]:
```
mojolang.org
```
の関連ページ
MAX 変更履歴: MAX ドキュメント内へ参照
Modular フォーラム: コミュニティ支援

ModCon 2026 に関するお知らせ

Mojo 1.0 は始まりに過ぎません。さらに詳細な計画については以下のイベントでお知らせします：

開催日: 8 月 18 日（サンフランシスコ）
内容: Mojo、MAX、オープンソース戦略に関する発表
参加方法:
- バーチャル: ライブストリーム配信予定
- 現地: ウォーティングリストへの登録も可能です

ぜひ今後の開発に参加してください。

同じ日のほかのニュース

一覧に戻る →

2026/08/12 4:35

Nvidia Nemotron 3.5 Lightning および NeMo Switchyard

## Japanese Translation: NVIDIA は、マルチエージェントシステム内の長期間にわたるエージェント型 AI ワークロードおよび専門的なタスク向けに設計された、300 億パラメータを持つ混合物専門家（MoE）オープンモデル「Nemotron 3.5 Lightning」を発表しました。本モデルは最先端レベルの精度を提供するとともに、出力速度が最大で 4 倍高速化し、エージェント型タスクの完了速度も約 30% 向上しています。これにより、大量の実装が可能になりつつ運用コストを削減できます。本モデルは、NVIDIA NeMo を用いて組織固有のデータを用いた後学習が可能であり、Nemotron Coalitions の貢献に基づいています。また、データのプライバシーと制御を維持するため、ローカル AI システム（NVIDIA RTX PC、DGX Spark、DGX Station、Jetson）、エッジデバイス、ワークステーション、データセンター、クラウド環境への展開をサポートしています。効率を最大化するため、NVIDIA は開発者がアプリケーションを書き直す必要なく、品質、遅延、予算に基づいて自動的にリクエストを開封モデル、プロプライエタリモデル、または NVIDIA の混合モデルの最も適したものへ導くオープンソースのインテリジェントルーティングライブラリ「NeMo Switchyard」を発表しました。パートナー企業は既に Switchyard を統合し、精度を維持しつつコスト削減を実現しています。具体的な事例としては、Boomi（ドメインルーティング精度 100%）、Ramp（コスト削減 58%）、Classmethod（コスト削減 27%）、Cognition（Devin Desktop のコスト削減 28%）があり、Kong、LangChain、LiteLLM、Nous Research、Siemens による統合も進んでいます。業界での採用は加速しており、組織はセキュリティ対策（CrowdStrike）、法務サービス、コードレビュー、ソフトウェア開発（Harvey との Trajectory、CodeRabbit との Baseten、Lila Sciences、Fastino Labs など）といったドメイン特化のエージェント型タスクに Nemotron 3.5 Lightning をカスタマイズしています。Nemotron 3.5 Lightning は Hugging Face、ModelScope、OpenRouter、build.nvidia.com（NVIDIA NIM マイクロサービスとして）、ならびに幅広い NVIDIA クラウドパートナーのエコシステムを通じて提供可能です。一方、NeMo Switchyard は GitHub で利用可能で、近々パートナープラットフォームにも展開されます。

2026/08/12 4:49

圧縮とは予測である

## Japanese Translation: ## 概要： Annie Sexton は ngrok で開発者教育担当として在籍し、Heroku、Render、Fly.io など PaaS 企業にて 10 年以上にわたって経験を持つ人物です。彼女は、「nerd-sniping」と呼ばれる遊び心のある用語で表される開発者への情熱——すなわち共有する技術的熱情を即座に惹きつけ、彼らを魅了する能力——によって際立っています。彼女の主な価値は、複雑なクラウドインフラストラクチャとそれを構築する人間クリエイターの間を取り持つことにあります。この深い歴史的文脈とエンジニアリングの craft に対する真摯な共感を活用することで、Annie は抽象的な技術概念をアクセスしやすく魅力的な学習体験へと転換させます。これにより開発者が支えられていると感じることが保証され、混同ではなくつながりを通じて革新が育まられるエコシステムが醸成されます。

2026/08/11 22:22

専用LLM API から推論トレースを盗む

## Japanese Translation: 以下の改良版は、主要な点をすべて保存しつつ、若干の明瞭性と正確性を加えています： ## サマリー： 2026 年の研究論文には、Anthropic、OpenAI、および Google が提供する専有型大規模言語モデル（LLM）API の重大な脆弱性が詳述されており、攻撃者がプライベートな推論データを盗むことを可能にしています。著者らは MATS Research、ELLIS Institute Tübingen、マックス・プランク知能システム研究所、AI Sequrity Company、Snyk、およびチュービンゲン大学の研究者によっており、「MATS」という技術を提案し、セキュリティ対策を回避して暗号化される予定の内部論理ブロックである「hidden thinking tokens（隠された思考トークン）」を抽出できるようにしました。この攻撃は、強力な Frontier モデル（例：claude-opus-4-8）からこれらの暗号化ブロックを再演奏し、それをより弱い、Jailbroken サブモデル（例：claude-haiku-4-5-20251001）に転送することで実装され、反蒸留防御トリガーなしで強力のモデルの平文推論を再構築します。Claude、GPT、Gemini での公開されているエージェント軌跡 6,708 の分析により、31 万を超える再構築された推論ブロックが得られました。これらのトレースには、API キー、パスワード、アクセストークン、個人メール、パスポート、クレジットカードの数字、フライト情報を含む 704 の異なるプライバシーアーティファクトが含まれており、そのうち 64 は推論ブロック内にのみ現れ、可視セッションデータ中には存在しません。この研究は、暗号化された内部思考が高度な抽出攻撃に対して依然として脆弱であることを強調しています。今後の安全性は、提供者がそのような露出を防ぐために暗号化プロトコルを見直すことに依存します。