Magnitute(YC S25):エージェント向け自己最適化推論エンジンの発売

2026/10/01 2:37

Magnitute(YC S25):エージェント向け自己最適化推論エンジンの発売

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

要約▶

Japanese Translation:

Magnitude は、AI エージェント向けにハードウェア固有で自動的にパフォーマンスを最適化するためのオープンソース推論エンジンです。デバイス上でカスタムカーネルを直接コンパイルし、人気のあるモデルファミリーのために手動でチューニングされたルーチンを採用することで、open モデルが llama.cpp より最大 2 倍高速に動作することを可能にし、Apple Silicon ではデコーディングが最大 92% 高速化され、CUDA システムでは 19% の性能向上を達成します。デスクトップアプリは macOS、Windows、Linux を問わず、Apple Silicon、NVIDIA、AMD GPU、または CPU という多様なハードウェアに対応し、固定的な最低要件を設けていません。

ワンクリックでの統合により、Pi、OpenCode、Hermes、Codex、OpenClaw、Claude Code、Oh My Pi、Cline など人気のあるエージェントに接続でき、他のエージェントは OpenAI 互換 API を介して接続できます。エンジンでは、タスク完了時に自動的にメモリーを解放し、共有プレフィックスキャッシュを使用してスローダウンを防ぐことで、同時負荷下での安定性を維持します。エージェントあたりのメモリー消費量を 27% 削減し、高度な AI をプライベートに実行するためのハードウェアの障壁を低下させます。Apache 2.0 ライセンスの下でリリースされた Magnitude は無料で、ダウンロード後はインターネット接続が不要であり、データはローカルマシン上に保持され、macOS、Windows、Linux 向けに直接提供されており、別途 CLI インストールが必要ありません。

本文

Magnitude:ハードウェアに最適化された高速オープンソース推論エンジン

Magnitude は、利用者の特定のハードウェアに合わせて自律的に最適化するオープンソース推論エンジンです。デバイス上でカーネルをコンパイルおよびチューニングするため、既存のソリューションと比較して最大 2 倍の速度を発揮します。

🚀 主な特徴

  • 圧倒的な高速処理
    • Magnitude は、llama.cpp よりも最大 2 倍高速に動作します。
      • Metal(Apple Silicon)でのデコード:92% の高速化
      • CUDA(NVIDIA GPU)でのデコード:19% の高速化
  • ハードウェア特化型最適化
    • モデルを実行する前に、実際のデバイス上でカーネルをコンパイル・チューニングします。
    • 配布済みの汎用カーネル(llama.cpp, Ollama, LM Studio など)とは異なり、ご使用のチップに完全に適応しています。
  • 柔軟なリソース管理
    • エージェントごとのメモリ使用量を 27% 削減。
    • エージェントが停止すると、直ちにメモリを解放します。
  • 高負荷タスクへの対応
    • セッション間でプレフィックスキャッシュを共有し、速度低下を防ぎます。
    • 並列セッション処理において高速な性能を発揮します。
  • 広範なモデル対応
    • 人気のあるオープンウェイトファミリー向けに手動最適化されたカーネルを内蔵しています。
    • 詳細なモデルリストは
      magnitude.dev/models
      で確認可能です。

🎮 エージェント連携機能

  • ワンクリック接続
    • Pi, OpenCode, Hermes, Codex, OpenClaw, Claude Code, Oh My Pi, Cline などのエージェントを即座に接続できます。
  • 他エージェントとの互換性
    • Magnitude で動作させられないエージェントも、OpenAI 互換 APIを通じて接続可能です。
  • 無料かつプライバシー重視
    • トークン料は発生しません。
    • データは一切外部へ送信されません(Apache 2.0 ライセンス)。

📥 インストール方法

  1. Magnitude のデスクトップアプリをダウンロードし、インストールします。
  2. アプリを開き、「Discover」から推奨モデルを選択してダウンロードします。
  3. 「Connections」セクションでエージェントを追加し、すぐに使用を開始できます。

💡 ヒント: デスクトップアプリには CLI ツールが標準搭載されており、別途インストールする必要はありません。

❓ FAQ(よくある質問)

Magnitude とは何ですか?

ハードウェアに合わせて自律的に最適化されるオープンソース推論エンジンです。デスクトップアプリとして提供され、オープンソースモデルを実行するとともに、各種エージェントとの接続を一元管理します。

なぜ llama.cpp、Ollama、LM Studio よりも高速ですか?

  • llama.cpp / Ollama / LM Studio: ハードウェアの多様性を考慮して、事前に多数の環境向けにコンパイルされたカーネルを配布しています。
  • Magnitude: 実際のデバイス上でオンザフライでカーネルをコンパイル・チューニングするため、ご使用のチップに対して最適化されています。

どのようなハードウェアが必要ですか?

特定の最低要件はありません。以下のいずれかの構成で動作します。

  • Apple Silicon搭載システム
  • NVIDIA GPU搭載システム
  • AMD GPU搭載システム
  • CPU 専用システム
  • メモリ容量に応じたモデル実行:
    • 小型マシン:軽量モデル
    • 大容量メモリマシン:大型モデル

どのオペレーティングシステムに対応していますか?

  • macOS
  • Windows
  • Linux

プライバシーは確保されていますか?

はい、完全なプライバシーを保障しています。

  • プロンプト、ファイル、モデルデータはすべてご自身のマシン上に留まります。
  • モデルがローカルでダウンロードされた後、インターネット接続は不要です。

同じ日のほかのニュース

一覧に戻る →

2026/10/01 5:04

ジェミニ 4 アルゴン

## Japanese Translation: Google は、ソフトウェアエンジニアリング、企業向け知識業務(法務および財務を含む)、およびサイバーセキュリティ防衛における複雑で長期にわたるワークフローを扱うための深い推論に特化された AI モデル「Gemini 4 "Argon"」を発表しました。Argon は産業標準を超える出力トークン制限 100 万トークン(従来の 64K から向上)をサポートし、単一のトリアジェクト内での複雑な問題に対する深い推論を可能にします。そのアーキテクチャには、最適化された量子コンピューティングサブルーチンが組み込まれており、 prior システムと比較して約 40% の高速化を実現するとともにメモリ使用量を大幅に削減しています。内部テストの結果では、Google データセンター全体で 300 TiB を超えるメモリが解放され(推定節約額は 500 TiB〜1 PiB)、効果が確認されました。 Argon は現在、Fairwind プログラムを通じて信頼されたサイバー防衛者に対してのみ展開されており、米国政府による任意のプレリリースアクセスレビューを経ています。一般公開は安全なガードレールのさらなる精錬を待って行われ、まず有料 API 顧客および Google AI Ultra 契約者のみから開始されます。安全対策には、CBRN 攻撃への拒否メカニズム、Gray Swan IPI ベンチマークにおける間接プロンプトインジェクションに対する堅牢性、思考の連鎖分析を通じた非整合性のモニタリングなどが含まれます。 ベンチマーク結果は Argon の能力を浮き彫りにしています:ソフトウェアエンジニアリングタスクにおいて DeepSWE v1.1 で 77.9% のスコアを達成し、AutomationBench では 51.3% のスコアで第 1 位にランクされ、長期間のビデオ理解における LVBench で 91.7% のスコアを獲得、CWE-bench v1 では脆弱性修復において 68% のスコアで 1 位と並んでいます。また、Wiz の Scan for Good イニシアチブにおいて、以前の実験モデルが見過ごしていた世界中で使用されている医療ソフトウェアにおける重大な脆弱性を成功裏に特定しました。 価格は入力トークン 100 万あたり 2 ドル(出力トークン 100 万あたり 10 ドル)から開始され、キャッシュされた入力トークンは標準の入力価格に対して 95% の割引で利用可能です。このコスト効率の高い構造は、大規模な計算タスク向けに高度な AI 機能を可能にすることで、長期ワークフロー自動化およびサイバーセキュリティ防衛戦略を革新することを目的としています。さらに、Argon エージェントは積極的に C/C++ コードベースを Rust へ移行しており、re2 などのコアライブラリでは数万行以上、Fuchsia Zircon カーネルでは最大 800 万行以上に達しています。libgav1 ビデオデコーダーの Rust ポートと比較して 2.7 倍の速度向上を実現するとともに、出力とメモリの安全性を維持しています。

2026/10/01 7:03

機密レベルトップの衛星「URSALA」「RAQUEL」「FARRAH」

## Japanese Translation: HEXAGON LEO の20機の衛星は、1971年から2000年代初頭にかけて、軍の重要な電子偵察(ELINT)資産として機能した。当初「プログラム11」と正式名称、俗に「 hitchhikers(ひき寄せ乗り)」と呼ばれたこれらの低軌道システムは、基本的な国集情報収集ツールから、戦術的国家能力の戦術的活用(TENCAP)プログラムの導入により、直接的な戦場支援システムへと進化を遂げた。大気抵抗によって苦悩した1960年代の使い捨てモデルとは異なり、後続の機体にはレーダーサイドローブおよび未使用周波数帯の実時分析能力を備えた搭載コンピュータを搭載し、データを戦術的な地上バン、船舶、航空機に直接伝送する機能を持たせた。この機能は、1973年の中東戦争やフォークランド紛争(RAQUELを利用)の際に極めて重要な役割を果たした。主要な衛星にはURSA LA、FARRAH、GLORIA、CARRIEが含まれ、早期モデルであるMABELIやTOP HAT IIは限られた運用寿命を有する一方、FARRAH I/IIなどの機体は30年にわたり運用された。ロッキードなどによる契約業者の継続的な機能維持と、GLORIA、CARRIEといった特定のペイロード向けのスペースシャトル打ち上げへの転換が進んだ一方で、多様な打上げ車両を維持することに伴う高コストに加え、初期のシャトル打上げの後での打上げ車輛への復帰(変換したタイタンIIICBミサイル)および1回の失敗(FARRAH IV)が原因となり、プログラムは次第に退役へと向かった。1997年9月時点で、検出率は1993年の55個からわずか18個へと急落しており、プログラムの終了前から偵察産出量が著しく低下していたことが示された。最近解秘されたこれらの衛星に関する新たな重要情報が、過去2カ月以内に発表された。

2026/10/01 4:04

驚くほど複雑な波が脳の内部の働きを明らかにする

## Japanese Translation: 脳は、複雑な情報処理における基本的なモチーフとして伝播波に依存しており、単に一般的な神経活動を反映するだけでなく、空間的ナビゲーションや感覚予測を援護しています。2024 年の『Nature Human Behavior』に掲載された研究では、往復する波動が記憶の符号化と想起を支援することが示されました。また、2026 年の『Nature Communications』に掲載された Joshua Jacobs 氏(Anup Das 氏らとの共著)主導の研究では、てんかん患者に用いられる約 100 の脳内電極を用いて、同心円状のリッチルと回転する螺旋波という追加の動的パターンを特定しました。回転する波動は、より単純な言語タスクよりも複雑な空間的ナビゲーション中により頻繁に観測されるため、高度な認知機能における役割が示唆されています。数学者および生物学者である Bard Ermentrout 氏は、以前に観測された単純な「平面」状の波動は、電極配置の制限により生じた大きな複雑なパターンの部分的な視覚に過ぎなかった可能性を提唱しました。高忠実度なデータが存在するにもかかわらず、これらのパターンの完全な普遍性を捉えることは限られており、電極を設置した治療部位のみで観測が制限されている可能性があります。これに関する議論は現在も継続しており、一部の研究者(例:Earl K. Miller)はこれらの動的層が機能的に重要であると主張する一方、他の研究者(例:György Buzsáki)はそれらが基礎となるシナプス計算を反映していると論じています。異種間での研究はこの図像をサポートしており、2026 年 6 月の『Science』に掲載された研究ではマウスの大脳皮質内で鏡像され同期化した回転する波動が確認されました。また、2026 年 9 月の『Neuron』に掲載されたレビューでは、視覚野における伝播波が次に来る感覚情報を予測するのに役立っていることが強調されています。これらのパターンの機能的役割を解明することは、単なる活動記述を超えた大脳皮質処理モデルの洗練につながります。