Show HN:開源的な OpenRouter を構築し、利用料金をより優れたモデルに変えました。

2026/08/28 6:18

Show HN:開源的な OpenRouter を構築し、利用料金をより優れたモデルに変えました。

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

要約

Japanese Translation:

Experiential は、ホスト型、BYOK、ローカルモデルのサポートを単一の OpenAI 互換 API を通じて統合するエージェントワークフロー用のオープンソースゲートウェイおよびルーターです。組織には、ユーザーアクセス、ユースケースルーティング、厳格な支出制限(例:デフォルトの 50 ドルの予算)に関する細かい制御を提供し、多様な推論プロバイダーをまたいで AI コストを効果的に管理することを可能にします。本プラットフォームは柔軟なデプロイメントを提供しており、ユーザーは

pip install experiential
を実行して即座にローカルゲートウェイを実行したり、
platform.experientiallabs.ai
でホスト型ソリューションと対話したりすることができます。このホスト型ソリューションは OpenAI および Anthropic Messages API の両方をサポートしています。

統合を簡素化するために、開発者は Cursor、Codex、Claude Code、Aider などのコーディングエージェント向けの

SETUP.md
に記載のコピー&ペースト可能なセットアッププロンプトを利用できます。実行後、ローカルゲートウェイは既存のエージェントをコードを書き換えることなく、さまざまなプロバイダーにシームレスに再指向することを可能にします。アーキテクチャは OpenTelemetry によるトレース収集(OTLP などの標準と互換性あり)を通じて高度な最適化を支援し、トラフィックルーティングの改善や
exp optimize model
などのコマンドを使用して現在の環境内でサポートエージェントなどの特定のモデルに対する微調整を可能にします。さらに、本プラットフォームには PostHog への使用データの匿名化(プロンプト、認証情報、生コンテンツなど感度のある情報を明示的に除外)を含む組み込みのテレメトリが含まれています。

本文

Experiential: エージェントワークフロー向けオープンソースゲートウェイ

Experiential は、エージェントワークフローを管理するためのオープンソースのゲートウェイおよびルーターです。

主要特徴

  • 柔軟なモデル連携: 一つの OpenAI 互換 API でBYOK (Bring Your Own Key) を利用可能。ローカルモデルも使用できます。
  • 詳細な制御機能: ユーザーやエージェントごとのユースケース、モデル選択、予算制限を管理・制御可能です。
  • コスト最適化: 本番環境でのトラフィック最適化を実現し、品質・速度・コストに特化したカスタムルーターとして活用できます。

🌐 [プラットフォーム] | 📚 [ドキュメント] | [Discord]

はじめに

ローカルの OpenAI 互換ゲートウェイを開始する。 初めて実行する際は、セットアップウィザードを使用してプロバイダやモデルを選択し、接続設定を行います。その後、永続化された接続情報、パブリックエイリアス、およびデフォルト予算 $50.00 を表示してワンタイムキーを出力します:

pip install experiential
exp

opus-5
などのパブリックエイリアスを指定し、発行されたキーを記録した上でリクエストを送信します:

export EXP_GATEWAY_KEY=...
curl http://127.0.0.1:8000/v1/chat/completions \
  -H "Authorization: Bearer $EXP_GATEWAY_KEY" \
  -H 'Content-Type: application/json' \
  -d '{"model":"opus-5","messages":[{"role":"user","content":"Help me"}]}'

ホスト型のゲートウェイで設定・開始する。 ローカル実行ではなく、管理されたゲートウェイを希望の場合は

platform.experientiallabs.ai
を利用してください。同様に OpenAI 互換 API および Anthropic Messages を提供しており、API エンドポイントは以下です:

https://api.experientiallabs.ai/v1

コーディングエージェント(Claude Code、Cursor など)へのセットアップ詳細は

SETUP.md
をご参照ください。同プラットフォームでは以下の 4 つのプロンプトを収集します:

  1. LLM のトレースをテレメトリとしてアップロード
    • メールアドレスで即座にアカウント作成
    • 既存の LLM テレメトリデータを取得・アップロード
  2. 推論プロバイダのキー(BYOK)を接続
    • OpenAI、Anthropic、Gemini、Azure、Bedrock、Fireworks、OpenRouter のキーを無料でパススルー
  3. ゲートウェイからのモデル呼び出し
    • xpl_
      キーを使用した SDK 初回呼び出し (
      /v1
      )
    • 既存コーディングエージェントの再指向
  4. 完全なオンボーディング
    • アカウント作成、キー接続、使用金額インポート
    • Claude Code、Cursor、Aider などすべてのエージェントをゲートウェイへ再指向

API の使い方

exp
(または
exp run
)でローカルゲートウェイを起動すると、コンパイルされたネイティブデータプレーンがすべてをループバックインターフェース上で行います。Python から利用する際は、対応するプライベートゲートウェイによってバックアップされる公式の OpenAI クライアントとして適合済みプロジェクトのルーターを読み込みます:

import exp

with exp.load_router("my-project") as client:
    response = client.chat.completions.create(
        model="my-project",
        messages=[{"role": "user", "content": "hello"}],
    )

トラフィックからの最適化

まず、現在のエージェントからOpenTelemetry のトレースを収集してください。お試し用データセットは以下の通りです:

curl -L -o traces.otel.jsonl \
  https://huggingface.co/datasets/experiential-labs/wmo-terminal-tasks-traces/resolve/540883e451dc13d34fb50fdd36b143cb0f1fb0db/traces.otel.jsonl

その後、プロジェクトを構築します。ビルドコマンドはプロバイダ、モデル、および予算の設定を案内し、トレースファイルを指定するよう求めます:

# エージェントのトレースからシミュレーションを構築し、その上でルーターを最適化する
exp build support-agent

ルーターからのトレース収集後、Tinker を使用して自身が所有するオープンソースモデルをファインチューニングします。

exp optimize model support-agent

テレメトリ

匿名の集約された PostHog プロダクトテレメトリ はデフォルトで有効です。このデータには、プロンプト、トレース、アクションなどの生データは一切含まれません(認証情報や顧客コンテンツも除外されています)。

exp config telemetry status
exp config telemetry disable
exp config telemetry enable

設定はローカルの

.exp/settings.toml
ファイルに保存されます。

開発環境

開発タスクの推奨コマンド:

  • uv sync --extra dev
  • uv run ruff format --check .
  • uv run ruff check .
  • uv run ty check
  • uv run pytest -q

リポジトリおよびドキュメントの慣習については、

AGENTS.md
をご参照ください。

同じ日のほかのニュース

一覧に戻る →

2026/08/28 2:17

1.1.1.1 の DNS キャッシュ最適化でメモリ使用量を 100TB 削減

## Japanese Translation: Big Pineapple は、5 つの主要なストレージ最適化によりパーエントリーフッタープリントを 50% 以上削減したことで、DNS インフラストラクチャを大幅に革新することに成功しました。`Vec` と `String` フィールドをボックスポインタに置換し、レコードセクションを単一のリストへ統合し、不要なオーナーフィールドを除去し、大きな列挙型バリアントをボックス化してパディングを削減し、レコードを連続的なワイヤフォーマットバッファに格納することで、膨大な量の無駄なヒープ容量を排除しました。これらの改善は、特に 1 クライアントネットワークにつき複数の照会バージョンをキャッシュする必要がある ECS クライアントサブネット(ECS)照会を処理する場所にとって極めて重要です。2026 年 5 月 18 日から 7 月 6 日までのプロダクションロールアウト後、システムは劇的な効率向上を達成しました:平均居住メモリは 9.3 GB から 5.3 GB に低下し(p99 使用量の 43% 削減)、実質的に Gen 13 サーバー 130 機以上の RAM を解放しました。また、挿通スループットが 43% 増加し、照会遅延は 19% 減少することで、高負荷下でも船団がより信頼性高く動作すると同時に、大きなコスト削減を実現しました。

2026/08/28 0:56

小型モデルがやってきました

## Japanese Translation: 本質的なメッセージは、人工知能の最近の進歩により、運用コストが劇的に削減されたため、Luna などのコスト効率の高いモデルが消費者向けサブスクリプションにおいて実現可能になったという点です。以前は、高トークンコスト(旧モデルでタスクを実行する際に約$1 かかっていたのに対し、新しいモデルでは約$0.10 で済むというシナリオが例)が障壁となり、消費者にとって月次 AI プランは数学的に不可能でした。新しい技術により、企業は破格な予算なしに強力な AI にアクセスできるようになり、その結果として消費者向けグレードのサブスクリプションが登場しました。 企業の大部分の仕事は「トークン・スパイラー(大量生成型)」のカテゴリーに属しており、画期的な新しさを優先するよりも速度と応答性を重視しています。日常業務の約 95% は深い発見ではなく実行上のロジスティクスを占めています。Fable などの最先端モデルは稀な研究ブレイクスルー(「IQ 180」)には不可欠ですが、将来の市場はこの高コストのイノベーション用ツールと、標準的な対話向けの低価格で効率的なオプションの間で分かれることになります。現在の成功には、企業環境において安全性を確保し、ロール管理を行い、プロンプトインジェクション攻撃を防ぐための新しい「ハーネス(枠組み)」を構築することにかかっています。この変化により、企業は標準的なタスクのために高価な人間による「革新的思考者」を、応答性の高い AI エージェントで置換できるようになりました。結局のところ、この進化は AI を排他的な贅沢品から、日常業務用の実用的かつ手頃な価格のユーティリティへと変革させ、ついに大衆にとって消費者向けグレードのサブスクリプションが現実的となりました。

2026/08/27 23:08

メカニカル・ムーブメント No.507

## Japanese Translation: 本プロジェクトでは、507 の異なるアニメーションの完全なコレクションを編成することを目的としていますが、アーカイブからいくつかのエントリが現在欠落しています。利用者がこの拡大するライブラリをナビゲートできるよう、色分けされたサムネイルで完成作品と未完成のものを視覚的に区別し、右上に配置されている「prev」と「next」リンクにより、サムネイルページの間の簡単な閲覧が可能になっています。デジタル倉庫は、ヘンリー・T・ブラウンによる元のイラストをクラシックな技術書の参考資料と並べて収録することで歴史的意義を備えています。将来の発展には、507 の完全なセットが達成されるまで新しいアニメーションを順次リリースするものがあります。チームはタイムラインについて定期的に Facebook や Twitter などのソーシャルメディアプラットフォームで情報を共有することで透明性を維持しています。最終的には、ユーザーは現代的なデジタル作品と本物の歴史的アートワークの両方にアクセスできる利点を享受でき、プロジェクト自体に関する情報も「About」ページで入手可能です。

Show HN:開源的な OpenRouter を構築し、利用料金をより優れたモデルに変えました。 | そっか~ニュース