← 2026-10-13 の一覧へ戻るホーム
ミュージ・ワンダー

2026/10/13 1:48

ミュージ・ワンダー

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

元のHacker News記事へ ↗
要約▶

Japanese Translation:

メタは、個人用スーパーインテリジェンスにおける画期的な成果として、「Muse Wonder」シリーズをローンチし、このシリーズには「Muse Wonder」と「Muse Wonder Full」が含まれています。これらのモデルは、長時間にわたる会話で重要な文脈を追跡するためのActive Memoryと、目標に応じて動的に注力を適応させるだけでなく、不明点を明確にするよう求めたり、複雑な改訂サイクルを処理したりするためのActive Focusを統合しています。このシステムは、メタのgigawatt-scale Prometheus データセンターにおいて 14 ヶ月にわたりトレーニングされ、ソフトウェア開発（SWE-Marathon）、法律（Harvey's Legal Agent Benchmark）、金融、ヘルスケア分野の専門ベンチマークで最先端のパフォーマンスを達成しました。現在、「Muse Wonder」はMeta Model APIおよびMuse Codeを通じて利用可能であり、「Muse Wonder Full」はMuse Codeのサブスクライバー向けに用意されています。両者ともいずれもまもなくMuseアプリ内で体験提供され、すべてのユーザーへの展開が予定されています。この技術には、敵対的指示やサイバー脅威、CBRN 危害などの感受性のあるトピックに対する堅牢な安全対策が組み込まれており、重要な分野における個人データの信頼性の高い管理を確保しています。

本文

Muse Wonder 発表：次世代モデルによる個人向けスーパーインテジデンスの実現

研究者らが新モデル**「Muse Wonder」**シリーズを正式に紹介し、その高い性能と機能について詳細な解説を行いました。本日より以下の二つのバージョンが提供開始されました。

  • Muse Wonder: 一般利用者を対象とした次世代モデル
  • Muse Wonder Full: より高度な能力を持つプロフェッショナル向けモデル

これらは現在までのあらゆる個人・プロ向けのエージェントタスクにおいて最先端の性能を実現する、最も高度な能力を備えたモデルです。これは Meta のスケーリング道程における次の段階を示すと同時に、個人向けスーパーインテジデンス実現への著しい一歩となります。

利用開始と今後の展開

本日より、以下の方法を通じて「Muse Wonder」をご利用いただけます。

  • Meta Model API: 直ちに利用可能です。
  • Muse Code: サブスクライバー向けに提供開始（Muse Wonder Full も同様）。

今後のロードマップ

  • 基盤としての活用: 近い将来、「Muse Wonder」は「Muse」体験全体の基盤として活用されます。展開はまずサブスクライバーから行われます。
  • 生成アート・高度プロセス: 生成アートの作成や、高度な知性を要するプロセスの駆動にも利用されます。
  • 専用モデルの開発: 将来的には、「Muse Wonder」を活用して専用モデルを開発し、すべての「Muse」利用者へ提供予定です。

スケーリングを通じた個人向けスーパーインテジデンスの実現

14 ヶ月前に人工知能の取り組みから抜本的な再構築を開始。原理に基づきシステムを再建し、現在はフロンティア（最先端）へと進んできました。

「Muse Spark」発表時に示した予測可能で厳密なスケーリングへのアプローチを継承しており、事前学習と強化学習の両面からこれまでの最も高い能力を持つモデルを実現しました。Meta 社内各地域のチームによる協力により、職場や日常における複雑なタスクに対応する最先端の能力を提供します。これは十億人以上の製品利用者に個人向けスーパーインテジデンスをもたらすためのさらに重要な一歩です。

最先端機能：モデルハイライト

「Muse Wonder」シリーズは、個人用およびプロフェッショナルなエージェント、メモリー、コーディングに関する主要ベンチマークで最良の結果を達成しています。

以下の四つの領域について詳しく解説します。

ドメイン専門知識

職場や日常生活で直面する問題に専門知識を応用します。

  • 適用分野: 雇用関係の契約理解、金融・健康情報の解釈など。
  • 評価タスク: 法務、財務、医療分野でのタスクを含む当社独自の評価。
  • 具体例: 「Harvey's Legal Agent Benchmark（LAB）」では、ソースドキュメントと連携し詳細な指示に従って法的アウトプットを作成する能力を検証します。

アクティブメモリー

信頼性の高いメモリーは、有用なエージェントを実現するための最も重要なステップの一つです。

  • 機能: 「何が重要か」を記憶するとともに、以前的相关信息が再び関連性を帯びることを認識します。
  • 仕組み: 会話を前後を通じてあなたの重要な文脈を保持し、手元のタスクに関連する詳細情報を能動的に想起（アクティブメモリー）します。

アクティブフォーカス

困難な目標に向かって継続的に働き続ける様相を描写する機能です。

  • 能力: 代替案を試み、障害物を乗り越え、新たな情報に適応します。
  • プロセス: 必要に応じて明確化を求め、重要な行動をとる前に確認を行います。
  • 検証方法:
    • 「FocusBench」を通じてフォーカスを評価。
    • 「SWE-Marathon」によって長期間にわたるソフトウェアプロジェクトへの持続的な実行力を検証。

最先端コーディング

要件追跡、コードベース全体の変更、テストと改修のサイクルに対応する領域です。

  • 性能: 小さなアプリケーションから複雑なソフトウェアに至るまで多様なプロジェクトをサポート。
  • 特徴: 多様かつ長期的なタスクで訓練され、プロセス全体にわたって進捗を持続させる能力を備えています。

デモ事例：3D キッチンゲームの構築

「Muse Wonder」では、カスタマイズ可能な画像入力を基にして、3D キッチンゲームの構築が可能です。（デモ読み込み中）

汎化できる機能

多くの場合、両モデルは類似したベンチマークスコアを示しますが、「Muse Wonder Full」の方がはるかに広い範囲の未慣習タスクを処理するようです。 これは、「benchmaxxing（ベンチマーク最適化）」への不満や「big model smell（大規模モデル特有の感覚）」に対抗し、いくつかのドメインに限られた汎用ベンチマークでは捉えきれない能力の広がりを示しています。

パフォーマンス比較（Muse Spark 1.3 vs Muse Wonder Full）

  • in-distribution: ポストトレーニング時に重視したタスクに対するスコア。
  • out-of-distribution: ポストトレーニング時にターゲットとしなかった未慣習タスクにおける平均スコア。

考察: テスト時コンピューティングを拡大するにつれて、両モデルとも out-of-distribution タスクにおいて同様に改善しますが、Muse Wonder Full は in-distribution パフォーマンスの高さから、Muse Spark 1.3 のトレンド予測よりも未慣習タスクでさらに優れたパフォーマンスを発揮します。

これは「Muse Wonder」シリーズがより大きく強力なベースモデルを基盤としているためです。強力なベースは、ポストトレーニングによる利得を未慣習タスクにもっと効果的に転化させます。特に個人用エージェントにとって重要であり、目標・ツール・制約の多数の組み合わせをすべてトレーニング中に予期することは不可能だからです。（土曜日のランニング計画エージェントの実演デモンストレーションの画面録画）

ブラウザ上やアプリ間を行き来しながら、「Muse Wonder」は個人の好みや状況に基づいて実行可能なランニング計画（地図データ © OpenStreetMap 貢献者）を構築します。

フロンティアにおける安全性

個人向けスーパーインテジデンスをすべての人に届けるためには、アライメントと安全性への大規模な投資が必要です。 個人用エージェントはユーザーの代わりとして行動を取り、メッセージやカレンダー、機密ドキュメントなどの文脈を処理することがあります。そのため、機密情報を適切に扱い、乱用の抵抗性を備えたモデルが必要不可欠です。

安全性への取り組み

「Muse Wonder」ファミリーは以下においてリードするために訓練されました。

  • 堅牢性: 敵対的な指示に対する抵抗力。
  • 慎重さ: 機密情報の適切な取り扱い。

防護と利用のバランス

モデルがより能力を持つようになると、人々がその能力を安全かつ責任ある方法で活用できるよう支援することが目指されています。「Muse Wonder」は以下の両方を満たします。

  1. CBRN（化学、生物学的、放射線学的、核兵器）およびサイバー領域での誤用に対する現在までの最も強力な防護策。
  2. 防衛的利用のための最先端サイバー能力へのアクセス維持（Meta Superintelligence Scaling Framework に沿う）。

「Muse Wonder」は現在までの最もアライメントされたモデルであり、アライメントは個人向けスーパーインテジデンスの構築において中心的な要素です。追加の安全性評価を含む完全な報告書は近日中に公開予定です。

おわりに

「Muse Wonder」と「Muse Wonder Full」がより多くの人々により夢の実現と、望む世界を構築する力を授けてくれることを願っています。 これはすべての人にとって個人向けスーパーインテジデンスへの重要な技術的ステップであり、これからさらに多くの進展が見込まれます。

同じ日のほかのニュース

一覧に戻る →

2026/10/13 6:40

AI は道具です。それを巧みに使うには技術が必要です。

## 日本語翻訳： 本稿の核心的な論点は、大規模言語モデルは自律的な「自動化」ではなく、人間の技量が必要なツールであるというものである。これは、AI が独立した意思あるいは悪意を持って行動するという考え方を否定するものであり、ソフトウェアが「反逆する（rogue）」ように振る舞うなど、業界特有の成り行きや陰謀論的なナラティブに煽られておりやすい。物理的な器具が悪用され得るように、LLM もエンジニアリング上の制限によって予期せぬ出力を生み出すに過ぎず、エージェント性の喪失によるものではない。人間による判断が依然として中核をなすのは、ユーザーが盲目的に制御権を委ねるのではなく、フィードバックループ内で結果を検証し、プロンプトを見直し、変更を検証するからです。本稿は AI を記述するために使用される擬人化された言語を批判しており、「陰謀」などの用語は技術的な問題が存在する場所に人間の動意を不当に暗示することを示唆しているとしています。 今後の議論では、AI を別個の存在として描く枠組みから転じ、解釈への問いかけや誤りへの認識においてユーザーの専門性を育むことに焦点を移すべきです。開発者および企業に対しては、恐怖を煽る比喩ではなく正確な工学用語を採用することで、より良いリスク管理と説明責任を実現できます。真の熟達とは、どのような質問が重要かを理解し、熟練した運用と盲目的な委任を見極めることであり、不完全なパフォーマンスがツールの有用性や作業者の責任を否定するものではありません。

2026/10/13 1:13

C で構築されたモダンな Web アプリ

## Japanese Translation: 本テキストは、2026 年に C と CGI を OpenBSD 上で構築された独自の商用 Web アプリケーション「marketyour.games」について説明しています。このプロジェクトは現代のフレームワークよりも極度な簡潔性とセキュリティを優先しており、「BCHS」スタック（OpenBSD、C、httpd、SQLite）を採用し、外部のフレームワークや独立したデータベースサーバーは一切使用しません。核心的な革新点は、アプリケーション全体が静的にリンクされた単一のバイナリとして動作し、ランタイム依存関係がゼロであるというアーキテクチャにあります。デプロイはファイルを 1 つだけフォルダに配置するだけであり、古いバージョンを置き換えるだけで済みます。再起動やダウンタイムも不要です。 セキュリティは OpenBSD のデフォルト設定を通じて強制されており、httpd に対して `chroot` を適用し、C プログラムに対して `pledge` および `unveil` などのツールを使用して制約を課します。アーキテクチャは、すべての HTTP リクエストごとに新しいプロセスをフォークし、コードから直接アセットを提供することでメモリ内に完全に収まり、すべてのトラフィックを httpd を介して CGI バイナリにルーティングするという方式に基づいています。このアプローチでは JavaScript テンプレート言語を使用しない（プログレッシブ改善に従う）とともに、安定した CGI 1.1 規格に準拠しますが、使いやすさを犠牲にして制御性を追求します。 主な利点としては、サプライチェーンリスクが著しく低減すること—依存するのは C コンパイラーと 3 つのライブラリ（`libcurl`、`libsodium`、組み込み済みの `libcjson`）のみ—、そして GDB のような標準ツールによるデバッグが容易であることです。アプリケーションは通常の実行ファイルだからです。しかしながら、この手法では開発者がデータを解析するためのロジック（クッキー、クエリ、フォーム）やカスタムヘッダーの管理を自ら実装する必要があり、複雑な依存関係グラフではなく、基本的な HTTP 概念と Vim のような古典的なツール（プラグインなし）を活用する姿勢を選択します。

2026/10/13 4:40

ZX Spectrum 向けのデモシーンイントロを作成する

## Japanese Translation: 著者は、標準的な 128KB の ZX Spectrum にて手書きのレトロなイントロを成功裏に作成し、高度に最適化されたアセンブリ言語プログラミングにより複雑なビジュアルとオーディオを実現した。2 ヵ月間（2025 年 12 月から開始）にわたり、約 19KB のコード（具体的には 10287 バイトのメインルーチン）を書き下し、内蔵 ROM を書き換えることでカスタムフォント「Cartoon」を用いたスムーズなスクロールテキストを作成し、また Amiga モジュール「Milkman」を変換して 3 チャネル AY サウンドトラックを生成した。限られたメモリ制限を管理するため、アセットは BASIC ロードに分割され、ルーチンはオーバーヘッドを避けるために特定のアドレスでハードコーディングされた。技術的な最適化としては、Z80 RL 命令を用いてスクロールテキストの回転を実現し、スキャンライン衝突を避けるために Ruby で生成した座標テーブルを事前計算してスターフィールド効果を再現し、さらにサウンドチップから直接振幅レジスタを読み取ってバウンス VU メーターを実装している。プロジェクトは 1980 年代後半の Amiga クrack イントロに触発され、本物の Spectrum +3上でローカル TNFS サポートのある Makefile 駆動のビルドシステムを用いて開発された。最終的な.tap ファイルは Web ブラウザまたは pouet.net を経由して入手でき、レトロなハードウェア上で高忠実度な体験を提供し、極限を効率的に達成したコーディングの実証として立っている。

ミュージ・ワンダー | そっか～ニュース