2026/09/18 2:00

Zettascale（YC S24）がASI向けチップの構築に ASIC/FPGA エンジニアを募集しています

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

要約▶

Japanese Translation:

本テキストの主な焦点は、Zettascale として事業運営を行っている Exa Laboratories Inc. です。同社は、先端人工知能モデルを駆動するために設計された高効率な XPU チップをエンジニアリングしています。従来のプロセッサとは異なり、これらのチップは集約的な学習と推論の両方のタスクを取り扱えるよう独自に設計され、かつ相互帰納的自律改善メカニズムを同時にサポートします。この二重機能により、ハードウェアは時間の経過とともに効率を高める一方で、エネルギー消費量を増やすことなく賢くなるという利点があります。現在の製品ラインナップには Grasshopper チップと Monolith チップが含まれており、さらに能力を向上させる「Soon」チップが近日中にリリースされます。サンフランシスコに本社を置く Exa Laboratories は、高性能計算を大幅に持続可能にし、AI 産業を革命化することを目的としています。大規模モデルの学習および実行に伴う膨大なエネルギーフットプリントを削減することで、同技術は当該分野における成長する環境課題に対する実用的な解決策を提供します。未来のチップである「Soon」のリリースに近づきつつある中、これらの効率性の高いツールとの統合が、強力な AI システムの開発とグローバル展開の方法を変革すると期待されています。

Text to translate:

The primary focus of this text is Exa Laboratories Inc., operating as Zettascale, a company engineering advanced XPU chips designed specifically to power frontier artificial intelligence models with exceptional efficiency. Unlike traditional processors, these chips are uniquely engineered to handle both intensive training and inference tasks while simultaneously supporting recursive self-improvement mechanisms. This dual capability allows the hardware to become smarter and more efficient over time without proportionally increasing energy consumption. The company's current product lineup includes the Grasshopper and Monolith chips, with an upcoming "Soon" chip set to further advance their capabilities. Headquartered in San Francisco, Exa Laboratories aims to revolutionize the AI industry by making high-performance computing significantly more sustainable. By reducing the massive energy footprint typically associated with training and running large-scale models, this technology offers a practical solution to the growing environmental challenges of the field. As the release of future chips like "Soon" approaches, the integration of these efficient tools promises to reshape how powerful AI systems are developed and deployed globally.

本文

Exa Laboratories: AI シリコンと次世代チップ戦略

技術の革新：XPU チップ

Exa Laboratories は、AI モデルの推論と学習を、従来比で著しく少ないエネルギー消費で実現することを可能にする**XPU（クロスプラットフォームユニット）**という最先端のチップを開発しています。

この設計は以下の目的で最適化されています：

再帰的自己改善の実現
**超知能（AI Superintelligence）**への道筋を確立

製品ラインナップ

現在および開発中の主なハードウェア製品です：

XPU：主力 AI プロセッサ
Grasshopper（グレイスホッパー）
Monolith（モノリソル）

注: 一部の製品は近日中に市場へ発売予定です。

会社情報とサポート体制

当社の詳細な情報は以下の分野で確認できます：

概要：企業プロフィールとビジョン
キャリア：採用情報
お問い合わせ：顧客サポート窓口
リソース：ドキュメントや資料
インサイト＆リサーチ：技術的な洞察と分析

コミュニティと接続

最新の動向や議論に参加するには、以下のプラットフォームを利用してください：

同じ日のほかのニュース

一覧に戻る →

2026/09/18 5:36

Bend：CPU と GPU で証明により AI のミスをブロックする言語

## Japanese Translation: ## まとめ： Bend は、数学的証明をネイティブマシンコードに直接コンパイルすることで AI 生成のエラーを排除することを目的とした高性能プログラミング言語です。従来のランタイムチェックに依存する言語とは異なり、Bend は論理検証をコンパイル段階に統合し、速度を損なうことなく安全性を確保します。Python の構文の利便性と C レベルのパフォーマンス（1 コアでほぼ C と同じ速度、GPU では最大 100 倍高速）を統合し、CPU および GPU 双方での並列性を自動的に管理しつつ、スレッドやロックを必要とせず実行します。これは、アフィン依存型理論（BendTT）と専用の証明システムである `LAWS.bend` を組み合わせるユニークなアーキテクチャによって実現されています。これらのルールは人工知能エージェントが従う絶対的制約を定義し、一般的なバグが実行前に統合されることを数学的に防止します。Lean や Rocq に似る専門の型チェッカーである `PROOF.bend` が使用され、中規模なコードベースでは 1 秒未満でこれらの法の遵守を確認します。高度な証明アシスタントに着想をうけながら実行向けに最適化された Bend は、Linux および macOS 上でバックエンドタスク向けの安全かつ高速な AI 開発を可能にします。この技術を効果的に導入するためには、`curl -fsSL https://bend-lang.com/install.sh | sh` を使用してインストールし、`bend guide` コマンドを利用し、プロジェクトのドキュメント（例：`AGENTS.md`）に特定の検証指示を統合し、コードが宣言された法に準拠していることを確認するために `PROOF.bend` を実行する必要があります。主な機能には C 相当の速度、CUDA 並列性、Lean スタイルの証明、Python 構文が含まれます。プロジェクトが進化するにつれて、バグ報告を通じてその成長に貢献することをユーザーは推奨されます。

2026/09/18 6:13

bonsai 2 27B：サイズが 9 倍小さくても損失のない圧縮を実現

## 日本語翻訳: PrismML は、Qwen3.8 27B をベースとした現時点で最も高性能なモデルである Ternary Bonsai 2 27B をリリースしました。このモデルは、NVIDIA RTX 5090（最大 143 トークン/秒）や Apple M5 Max（46.8 トークン/秒）のようなコンシューマー向けハードウェアでの効率的なデプロイを目的として設計されています。モデルは{-1, 0, +1}の値を持つトライナリ重みと FP16 グループ別スケーリングを採用しており、フルプレシジョン版よりも 5.9GB のフットプリントで 9 倍以上小さく、かつ論理推論、数学、コーディング、指示に従うこと、ビジョン、エージェント型ツールの使用にわたる総合ベンチマークスコア（83.9 ポイント）において Qwen3.8 27B の 98.2% を達成しています。 262K トークンのコンテキストウィンドウとテキストおよび画像入力のネイティブサポートを備えた改良されたアーキテクチャに基づいた Ternary Bonsai 2 は、論理推論、コーディング、マルチモーダルワークフローにおいて強力なパフォーマンスを発揮しながら、通常誤差が累積しやすい領域でフルプレシジョンの能力を保持します。CUDA を通じて NVIDIA GPU や MLX を通じて Apple デバイス上で動作し、カスタムロービットカーネルを活用することで、小型モデルに比べエネルギー効率（RTX 4090 で 0.714 mWh/トークン）が優れており、運用コストを大幅に削減します。Apache 2.0 ライセンスの下でリリースされており、今日から完全な重みとホワイトペーパーが利用可能です。カリフォルニア工科大学の研究者らによって設立され、Khosla Ventures、Cerberus、Google の支援を受けた PrismML では、contact@prismml.com で連絡し、チーム協力によるモデルの適応化をサポートしています。

2026/09/18 1:25

ヒスター：閲覧したページや保存したファイルのためのプライベート検索エンジン

## Japanese Translation: Hister は、ユーザーのプライバシーをデフォルトで最優先する、訪問した Web ページおよびローカルファイルを対象とした、プライベートでローカルホストされた検索エンジンです。フルコンテンツをインデックス化し、必要不可欠なファビコンのみをダウンロードしますが、クラウドやテレメトリサービスにデータを送信することはありません。Hister は Linux、macOS、Windows、Docker、Nix 環境をシームレスにまたいで動作し、バイナリ（必要に応じて名義を変更）、Homebrew、Docker、または Nix を通じてインストールできます。プロジェクトは Go 1.26、npm、C コンパイラーの構築（`./manage.sh build`）を必要とし、AGPLv3 ライセンスの下で公開されています。Hister を使用するには、`./hister.exe listen`（Windows）または Linux/macOS における同等のコマンドを実行してローカルサーバーを開始し、ターミナルを開いたまま `http://127.0.0.1:4433` でインターフェースにアクセスします。Firefox または Chrome の拡張機能を通じてブラウザと統合して訪問したページを自動的に保存でき、Web インターフェース、TUI、コマンドライン、MCP を介した AI アシスタントを含む代替クライアントもサポートしています。高度な検索機能には、フィールドフィルタ、フレーズ、ワイルドカード、否定、エイリアス、結果の優先順位、および履歴またはディレクトリ用のインポートオプションが含まれ、設定された埋め込みエンドポイントによるオプショナルな意味検索も提供します。共有サーバー上での多ユーザー構成をサポートし、厳格なローカルデータ主権を遵守しています。開発者はビルド指示を `asciimoo/hister` リポジトリで確認でき、コミュニティサポートは Discord、IRCNet（`#hister`）、バグ報告用の GitHub issues、および `CONTRIBUTING.md` と `SECURITY.md` ドキュメントを通じて利用可能です。