Stockfish 19

2026/09/08 1:17

Stockfish 19

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

要約

Japanese Translation:

Stockfish 19 は、チェスエンジンの進化において画期的な飛躍を示しており、大幅なパフォーマンス向上を、利便性の向上とより広範なハードウェア互換性と相结合させました。このアップデートは現在

stockfishchess.org/download
でダウンロード可能であり、Stockfish 18 に対して最大 44 Elo の向上をもたらし、負けた対局ペアよりも勝った対局ペアが三倍以上多いという結果を上げています。このパフォーマンスの向上は、Stockfish 16.1 で使用されていたセカンダリネットワークを廃止し、冗長な脅威関連特徴を除去しながらバイナリのサイズを削減し、計算リソースを重要な歩兵構造に集中させることで実現された精査された NNUE arquitectura(SFNNv16)によるものです。トレーニングの強化には、Quantization-Aware Training(QAT)、パラメータの微調整、強力な Leela net を用いた数百数十億以上の局面での再スケーリングが含まれています。

単なる速度だけでなく、Stockfish 19 はユニバーサルバイナリによって CPU の機能を自動的に検出するため、手動で AVX2/AVX-512 を選択する必要がなくなり、インストールを簡素化しています。サポート対象プラットフォームも大幅に拡張され、RISC-V(RVV)、LoongArch(LSX/LASX)、WebAssembly が新たに加わるほか、Linux 向けに 1GB の巨大ページを使用し、共有メモリの実装が改められた macOS および BSD への対応も強化されました。開発の厳格さが大幅に高められ、エンジンでは盤面配置、FEN 文字列、UCI コマンドに対して厳格な検証を実装しており、無効な入力を受信した時点で即座に終了することで、競技対局中のクラッシュを抑制しています。このリリースは、その歴史と広範なグローバルコミュニティの支援(GitHub スター数は 16,400 に達し、感謝の意を表します)に基づいており、堅牢性と効率性の新たな基準を設定しました。プロジェクトは引き続き協力者を募っており、CPU 時間の提供を

stockfishchess.org/get-involved
から、Discord サーバーへの参加、または C++、Python、HTML/CSS/JavaScript、SCSS で Stockfish、Fishtest、nnue-pytorch、およびウェブサイトへのコード貢献など、あらゆる形で参加する機会を提供しています。

本文

Stockfish 19 リリースのお知らせ

本日、Stockfish 19 の公式リリースを発表します。以下のポイントを確認してください。

  • ダウンロード先: stockfishchess.org/download
    • 従来の方法と同じく、自由にダウンロード可能です。
  • 活用法: ご好意のある GUI を「Drop-in replacement(置き換え)」としてご活用いただき、より強力な対局性能と高精度な分析をお楽しみください。
  • 開発への貢献: CPU 時間を数時間〜数日割いていただけるかは任意ですが、継続的な開発にご支援いただく皆様は誠に宝贵です。詳細は stockfishchess.org/get-involved をご参照ください。
  • コミュニティ交流: 開発者・ユーザーとの交流のために、Discord サーバーへの加入を強くお勧めします。

将棋の実力における質の向上

  • ELO の大幅向上
    • Stockfish 18 に比べて最大 +44 ELO の性能向上を実現しました。
    • 対局ペアにおいて、勝利数が敗数よりも3 倍以上多い実績を有しています。
  • 最強クラスの地位維持
    • エンジン選手権において首位を一貫して維持し、分野全体を圧倒的に支配し続けています。

主な更新点と技術的改良

🔄 ユニバーサルバイナリの導入

  • リリース形式をユニバーサルバイナリへ移行し、ダウンロードプロセスを大幅に簡素化しました。
  • 自動 CPU 機能検出: AVX2 や AVX-512 など、最適なコードを実行するための CPU 機能を自動的に検出し、手動での設定が不要になりました。

🧠 NNUE アーキテクチャおよびトレーニングの強化

  • SFNNv16 の採用: 新しいネットワークアーキテクチャを導入し、冗長な脅威関連特徴量を排除したことでバイナリ容量を削減しました。
    • 新たな歩ペア関連の特徴量を追加し、実力を向上させています。
  • 第 2 ネットワークの廃止: Stockfish 16.1 で導入された第 2 のニューラルネットワークは廃止されました。
    • これにより、従来小さなネットが性能不足を示していた局面での実力がさらに向上しました。
  • トレーニングプロセスの改善:
    • クアンタ化認識トレーニング(Quantization-Aware Training: QAT)などの新技術とパラメータ微調整を導入しました。
    • 数百数十億ものトレーニング局面に適用し、すべての局面を強力な Leela ネットワークを用いて一貫して再評価しています。

🌍 プラットフォームサポートの拡大

  • CPU アーキテクチャ対応: RISC-V(RVV)および LoongArch(LSX/LASX)向けのネイティブ対応を追加しました。
  • Linux 最適化: Linux 用巨大ページ(1GB)のサポートを追加し、共有メモリの処理も全面刷新しました。
  • WebAssembly ターゲットへの対応: ブラウザなどでの利用環境を拡張しました。

🛡️ 厳格な局面検証の実装

  • ボード上の局面構成、FEN 文字列、UCI コマンドに対する厳格な検証を実装しました。
    • エラー発生時に「CRITICAL ERROR」を表示し、失敗したコマンドと理由を明記して直ちにプロセスを終了します。
  • 注意点: 適切な GUI をご使用いただければ、こうしたエラーに遭遇することはありません。

感謝の言葉

Stockfish プロジェクトは、以下のコミュニティ皆様による貢献の上に築き上げられています。心より感謝申し上げます。

  • 専門知識・時間・リソースの提供
    • 無料かつオープンソースで、堅牢かつ強力な将棋エンジンの構築にご協力いただいた愛好家の方々に深く感謝しています。
  • GitHub スターの支援
    • GitHub プロジェクトへの 16,400 件のスター(★) をいただき誠にありがとうございます。皆様からのサポートと励ましに光栄を感じております。

💻 コントリビュート方法

プログラマの方は、以下いずれかの分野でプロジェクトにご貢献いただけますようお願い申し上げます。

  • Stockfish: C++
  • Fishtest: HTML/CSS/JavaScript/Python
  • トレーニング用 nnue-pytorch: C++/Python
  • ウェブサイト: HTML/CSS/SCSS/JavaScript

Stockfish チーム

同じ日のほかのニュース

一覧に戻る →

2026/09/11 0:29

Cognition が新たな SWE-2 モデルを発表。Fable 5.1 や GPT-Astra と競合する性能を誇ります。

## Japanese Translation: Cognition は、Fable 5.1 や GPT-5.6 Sol といったトップクラス競合に匹敵する最新コーディングモデルである SWE-2 を発表しました。SWE-2 は、大規模な Kimi K3 ベースモデル(パラメータ数 2.8 兆)での後学習により実現され、コストペナルティ付き報酬とファーストプリンシプルに基づくアプローチ、そして長さに基づく報酬ベースラインを採用してトレーニングを安定化させながら、多兆パラメータ領域への強化学習のスケーリングを達成しました。FrontierCode 1.1 Main では 50.0% のスコア(Fable 5.1 より僅か 1 ポイント下)を記録しながらコストは 64% 削減され、DeepSWE 1.1 では 73.0% を達成しました。単なるスコアを超え、SWE-2 は「エンジニアリング的判断」の優位性も示し、不要な迂回を避けることで初期コードエディットの中央値ステップ数を 48 から 18 に削減しました。また、モデルは安全性と信頼性を最優先しており、プロパガンダおよび検閲テストのうち 98% をパスしています。Devin Desktop と CLI 経由で即時利用可能(Web および Fusion では段階的展開中)の SWE-2 は、高パフォーマンス AI をアクセス可能な価格点で提供し、信頼性や安定性を損なうことなくソフトウェア開発サイクルの効率化を目的としています。 ## Text to translate: Cognition has introduced SWE-2, its most advanced coding model, which rivals top competitors like Fable 5.1 and GPT-5.6 Sol while offering significant efficiency gains. Achieved through post-training on the massive 2.8 trillion-parameter Kimi K3 base model, SWE-2 scales Reinforcement Learning to a multi-trillion parameter regime using cost-penalized rewards derived from first principles and a length-weighted reward baseline to stabilize training. On FrontierCode 1.1 Main, it scores 50.0% (just one point behind Fable 5.1) while being 64% cheaper; on DeepSWE 1.1, it achieves 73.0%. Beyond raw scores, SWE-2 demonstrates superior "engineering judgment," reducing the median steps to an initial code edit from 48 down to 18 by avoiding unnecessary detours. The model also prioritizes safety and reliability, passing 98% of propaganda and censorship tests. Available immediately via Devin Desktop and CLI (with rolling deployments on Web and Fusion), SWE-2 is designed to streamline software development cycles by delivering high-performance AI at an accessible price point without compromising trustworthiness or stability.

2026/09/11 6:30

米運輸安全委員会、マイアミでのボーイング767滑走路逸脱事故調査結果更新発表

## Japanese Translation: 9月6日のマイアミ国際空港におけるランウェイ逸脱事故に巻き込まれたボーイング7598貨物機からフライトレコーダーが回収され、正常に読み出されたことが、2026年9月9日に国立輸送安全委員会(NTSB)によって確認されました。アクロン航空社(Acron Aviation)のCVRからの高品質な音声および54時間以上にも及ぶフライトデータレコーダーのデータ——400以上のパラメータを記録——が確保されました。予備的分析によると、飛行機は conflicting なパイロットによる離陸再行(ゴーアラウンド)指令を受けながら、危険に甚だしい速度(ノーズギア158ノット)で接地しており、スピードブレーキやスラストリバーサの展開はされていなかったとのことです。現時点での記録は同期されていませんが、ワシントンDCのNTSBチームによって書面による要約が作成され、フラップ調整、オートパイロットの離脱、地形警告など特定の行動を含む事件の経過を明確にします。詳細なコックピット会話とデータパラメータのタイムラインは、専用調査ウェブページで確認できます。あるいは24時間365日の対応オペレーションセンター(1-844-373-9922)にお問い合わせいただくことも可能です。すべての所見は、公式要約が確定するまで予備的なものとされています。

2026/09/11 0:29

火星用に開発されたNASAの色彩トリックが、今や地球で岩壁画を解読する役割を果たすことになった

## Japanese Translation: 考古学者のジョン・ハーマンは、NASA の decorrelation stretch 手法を応用して古代岩絵の研究を行ないました。この手法は当初、JPL で 1978 年にジム・ソーハによってリモートセンシング画像の強化のために開発され、後にロナルド・アレイによって速度と精度の向上を目的として 1996 年に改良されました。ハーマンはこの研究成果に基づき、数学および医療イメージングの背景を応用し、Karhunen–Loève 変換定理に基づく Dstretch プラグインを開発しました。このソフトウェアは単なるコントラストの引き上げではなく、色彩を拡張された範囲へマッピングします。Dstretch を用いることで、研究者たちは複数の遺跡において以前は目に見えなかった図像を発見しました:カリフォルニア州バイアのカベ・デ・サン・ボルヒタスで新たな黄色の図像が確認され、カンボジアのアングルワット周辺で 200 点以上の色あせた絵画が発見されています。エジプトのベニハッサンではコウモリや豚の画像が、カナダ・アルバーツアのライティングオンストーン州立公園ではクロ族の戦士による初期のグラフィティと解釈される馬と騎士を描いたピクトグラフが、ノルウェーのアールサンド 1 遺跡では新たに約 15 点の図像に加え、28 点で新たな詳細が浮き彫りになりました。このプラグインのカスタムカラー空間は岩絵のイメージングに特に有用であることが実証されています。火星イメージングの強化に元々使用された既確立のリモートセンシング手法を適用することで、Dstretch は低コントラストの写真に対して侵襲のないデジタルアクセスを提供し、世界中の隠れた芸術作品の解明に貢献しています。