← 2026-10-21 の一覧へ戻るホーム
2026 年は、Rust コンパイラ（そして私にとって）にとって刺激的な年になります。

2026/10/20 22:53

2026 年は、Rust コンパイラ（そして私にとって）にとって刺激的な年になります。

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

元のHacker News記事へ ↗
要約▶

Japanese Translation:

2026 年までに、Rust コンパイラは長期的な投資が速度、安定性、アーキテクチャの健全性に多大な成果をもたらす転換点に達します。この進展は、重要なコンポーネントの安定化によって牽引されています：次世代のトレイトソルバー（開発中であり 10 年にわたる取り組み）は健全性バグを解決し、非同期サポートなど高度な機能を解放します；Polonius はより多くのコードのコンパイルを可能にし、最終的には内部参照をサポートします；そして LLVM 23 は予期せずパフォーマンスの傾向を主にポジティブな結果へと転換させました。アーキテクチャの統一化に関する取り組みも進んでおり、クエリシステムのクリーンアップや属性表現の標準化が含まれます。具体的な最適化として、新しい MIR パスによる Move 排除はコピーオーバーヘッドを削減し、ポリモルフィゼーションの実験は単項特化戦略の精査を続けています。開発者にとってこれらの更新は、恒常的なバグの解決と内部参照など以前にブロックされていた機能の実現を意味します。また、

cargo check
と 
cargo build
の間の共有アーティファクトを通じてビルド効率も大幅に向上する見込みで、ターゲットディレクトリのサイズを 5〜30% 削減すると同時に、新しい粒度のあるロックレイアウトと修正されたパイプラインングフラグも導入されます。安定した資金調達メカニズムと新しい Maintainer プログラムにより、プロジェクトは Rust を高パフォーマンスで信頼性の高い言語として確立し、生態系を投資する企業に対し、より高速なコンパイル時間と小さなディスクフットプリントを提供することを目指しています。

本文

2026 年：Rust コンパイラとコミュニティを揺るがす変化

2026 年は Rust コンパイラにとって極めて特別な年です。単なる作業量の増加ではなく、長期的な投資が実を結ぶ「収穫の年」と言えるでしょう。以下に、特に注目すべき重要な出来事と動向を整理します。

🚀 次世代特性求解器 (Next Solver) 🔗

コンパイラ型システムの再構築に向けた最大のイニシアチブです。10 年に及ぶ取り組みの結果、健全性（soundness）バグの修正や長年の課題解決が実現しています。

  • 技術的負債の解消：開発者らが夢見ていた主要な技術的負債の解決につながります。
  • 機能解放：以下のような課題に対する対応が可能になります。
    • 非同期 Rust (
      async Rust
      ) の大きな課題への対策
    • impl Trait
      の制限への改善
    • 一見無害に見える一般的な痛点多くの点への対応

🛡️ ポロニウス借用チェッカー (Polonius) 🔗

長年の準備を経て完成した、新しい借用チェッカーの実装です。

  • コードコンパイル可能性の向上：より多くのコードがコンパイル可能になります。
  • 関連機能の解放：内包的参照（internal references）を含む機能が実現されます。
  • 影響度：新しい求解器ほどの規模ではありませんが、コンパイラにとって非常に重要です。

⚡ パフォーマンス (Perf) 🔗

過去数ヶ月間、コンパイラのパフォーマンスは安定して向上を続けています。主な動向は以下の通りです。

1. 並列フロントエンドの安定化に近づいています 🔗

  • 再開と進展：@SparrowLi が参画して再始動し、現在は @petrochenkov が主導しています。
  • 現状：巨大な問題塊（ワームホール）でしたが、最終的に解決に至るための複雑な作業を乗り越えました。
  • 目標：**安定化（stabilization）**へのアプローチです。

2. LLVM がより速くなりました 🔗

  • LLVM 23 の変化：パフォーマンスにおいて明確かつ予期せぬ大きなプラス変化をもたらしました。
  • 改善の背景：
    • @nikic による「Make LLVM fast again」のような最適化への取り組み増加。
    • 機能開発と、コンパイラ自体のブートストラップ最適化支援の新機能の実装。
  • ベンチマーク結果の変化： 
    • rustc
      の評価は「それほど悪くない」→「やや混在」→「概してプラスだが若干の注意点あり」と変化しました。
    • LLVM 22 では icount は良好（緑）でしたが、ウォールタイムでは不良（赤）でした。
    • LLVM 23 でほぼ全面的にプラスとなりました。

3. 多数のパフォーマンス向上が実装されつつあります (マクロ最適化) 🔗

  • 要因：新規貢献者の参画、既存貢献者のパフォーマンス作業への関与増加、ツールの改善、アーキテクチャの整理などによる複合的な効果です。
  • 「交雑」現象：アイデアが数人の間を巡り、互いの PR に刺激されながら関連試みが行われます。
  • 性能低下（regression）管理の改善：
    • ツールの投資とプロセス・社会構造の整備により大幅な改善が見られます。
    • @JonathanBrouwer による操作（tree ops）とパフォーマンス分類（perf triage）との接続が主要な発展です。
      • マージを管理する人々が性能影響を直接分類できるようになり、PR のロールアップグループ化などで情報源となります。
      • コナウイの法則は依然として有効です。
  • 診断への貢献：測定結果の解釈や、数年間の日々のデータを分析した短いメッセージが性能低下対処につながることが多いです。

4. 移動（move）の除去 🔗

  • 概要：@Amanieu が提案した MIR オプティマイザージョンプスにより、LLVM が苦労するコピーをコンパイラが除去できるようにしました。
  • 効果：コンパイル時間と実行時間の双方が向上します。
  • 意義：Rust コンパイラの Rust 側の方が、特定の適用の有効性についてより詳細な情報を持っているため、MIR で実装する価値があります。

5. 多形化（Polymorphization） 🔗

  • 概要：最も影響力のあるコンパイラ最適化の一つですが、実装は困難です。現在の取り組みは Swift の類似メカニズムに着想を得た3 度目の試みです。
  • 従来の多形化との違い：
    • 従来：重複/冗長な単形化（monomorphization）だけを回避し、コンパイル時間最適化のみ。
    • Swift スタイル：すべてのものを多形化し、型パラメータのレイアウトを引数として渡す（実行時コストあり）。
  • 次の求解器との関係：次世代求解器も同様の多形化を可能にし、両方の選択肢は同じ問題に対して有益です。
  • 現状：多くの問題を解決する必要がある実験段階で、プロジェクト目標は @camelid が主導しています。

6. 
cargo check
と 
cargo build
のキャッシュ共有 🔗

  • 成果：@blyxyas がアーティファクト共有プロジェクトを推進。
  • 効果：ターゲットディレクトリのサイズを5〜30% 削減（タスク負荷に応じて）。

7. 新しい 
cargo build-dir
レイアウト 🔗

  • 背景：長年の取り組みによる内部再構築です。
  • 効果：上記と同様に、ターゲットディレクトリの細粒なロックとクロスワークスペースキャッシュの解放につながります。

8. no-link/link-only 🔗

  • 概要：@bjorn3 がサポートし直す作業を進めています。
  • 意義：ビルドスクリプトやプロシージャルマクロのパイプライン化が可能になり、内部問題とアーキテクチャ的問題の一連の修正が訪れます。

🏗️ アーキテクチャ 🔗

健全なシステムへの長期的・持続的な投資の結果として生じた大きな変化です。

  • 属性処理の統一：
    • 2 年前から @jdonszelmann が取り組み、最近最後の残った属性が新しいシステムにポートされました。
    • 診断機能などの改良が解放されています。
  • クエリシステムの整理：
    • 本年前半、@Zalathar と @nnethercote が整理を行いました。
    • パフォーマンス向上と、システムの理解しやすさの向上（以前は改善を阻むブロックでした）が実現しました。
  • 展開時の評価とインクリメンタル性：
    • @oli-obk は展開時の評価のための基礎作りを進めています。
    • クエリとインクリメンタル全般について、@cjgilot、@petrochenkov などが作業しています。
  • const ジェネリックの進展：
    • コンパイラに以前制限されていた文脈での能力使用を可能にするための作業が行われました。

💼 プロジェクト目標と資金調達 🔗

組織的な枠組みも大きく進化しました。

  • プロジェクト目標（Project Goals）：
    • 「高速ビルドロードマップ」や複数のパフォーマンス関連のプロジェクト目標が設定されています。
    • システムが最適な安定状態に達し、恩恵が見え始めています。
  • 資金調達：
    • 明示的にプロジェクト目標と結び付けられた資金調達。
    • 新しい「在任メンテナー（Maintainers in Residence）」プログラムの設立。
    • 新しい資金調達チームの設立。
    • Hexcat を中心とした雇用拡大による成果。

🤝 私自身の決意 🔗

2026 年は私にとって興奮と決断の年でした。

  • 背景：傍観者からパフォーマンス分類（perf triage）へ移行し、メンテナンスへの関与が増えつつありました。技術的挑戦への渇望を感じていました。
  • 転換点：「Rust アップハンド（All Hands）」への招待を受けました。宇宙からの合図のようなものでした。
  • 体験：最も興奮するイベントの一つでした。実際の生活でめったに共有できない人々と開発議論に参加できたことは、言語開発における重要な経験です。
  • 結論：「強い喜びの瞬間」が必要だったと理解しました。その決断を強いるために、自らの感情を疑うのをやめました。

💻 Rust で就職・貢献する方法 🔗

プロジェクトの仕事を見つけるのは簡単ではありませんが、分断された空間で独自の方法が見つかる可能性があります。

  • アプローチ：
    • 「Rust インク」のような社名への履歴書提出は非現実的です。
    • 新しいプログラムによるアクセス経路はありますが、時間がかかります（ネットワークと信頼の構築が必要）。
  • 私の次のステップ：
    • ターゲットディレクトリのサイズ削減プロジェクト目標への参加（資金がある場合）。
    • MiR プログラムへの応募（資金制限のため即座の利用は難しいですが）。
  • サポート依頼：
    • コンパイラのパフォーマンス作業をサポートしたい場合は、GitHub スポンサーへご協力ください。

🏁 結論 🔗

2026 年は多くのプロジェクトで起きているため、全てを網羅するのは困難です。興味深い概要を願っています。

  • 課題も存在しました：
    • 年初の資金喪失や AI 政策に関する議論への影響。
    • アップハンドの数日前の有人による政策ドラフト投稿により、モデレーションチームがストレスを抱えた週末となりました。
  • アップハンドの意義：
    • 誰もが充電し、再聚焦化でき、プラスのエネルギーを取り戻せる転換点でした。
    • 「独りではない」という安心感を提供しました。

同じ日のほかのニュース

一覧に戻る →

2026/10/21 3:29

許認可付きシムシティ

## Japanese Translation: 「Permit Pending」は、プレイヤーの役割を全能な計画者から市町村行政の実態に直面する脆弱な選出された職吏へと転換させることで、都市シミュレーションを再定義します。明確な勝利条件を持つ従来のゲームとは異なり、このサンドボックス体験は市民が市長を罷免するまで無限に続き、成功の鍵はインフラを整備することのみならず、複雑な官僚主義と政治的課題に対応して生き延びるかに依存することが強調されています。すべての建設プロジェクトは必要な審議会の招集、法的レビュー、さらには潜在的な訴訟を引き起こし、霧などに関する懸念を抱える住宅所有者、業界団体、環境保護主義者からの自然な反対を誘発します。プレイヤーは 4 年ごとの再選に直面する 7 議席の評議会において多数派を維持するため、公聴会で譲歩を行わなければなりません。有権者 turnout が高いグループは時間とともに過剰な影響力を行使するため、変動する政治情勢への適応が求められます。ヒートマップなどの診断ツールにより住民の人口統計が可視化され、特定の政策がなぜ反発やゲーム内の新聞「The Gazette」で報じられたスキャンダルへと至るのかを説明します。いくつかの法的訴訟は市長の任期を超えて継続することもでき、インフラストラクチャに関する決定は土地価格、家賃、雇用、税金、サービスにわたって実質的な経済における予期せぬ結果を生み出します。ブラウザベースのサンドボックスであり勝利画面やキャンペーンモードを備えず、最初の訪問後にはオフラインで動作し、プレイヤーは村として新たなスタートを切るか、他人の都市から既存の問題を引き継ぐことができます。

2026/10/21 7:21

連邦当局は、ランサム交渉担当者による ShinyHunters の金銭要求サイト運営を疑っている

## Japanese Translation: # 結論： 調査は驚くべき事実を明らかにしており、主要なランサムウェア集団「ShinyHunters」が、その伸縮サイトの管理を担当する米国の企業やカナダの企業のトップ経営者から直接的な支援を受けていることが判明した。従来の助言とは異なり、これらの仲介人は積極的に交渉を促進し、場合によっては被害者よりも先に機密データの窃取の詳細を知っていることもある。あるカナダの経営者は、脅迫される前に政府機関のファイルが盗まれていたことをFBIに報告しなかった。この深い協力関係は2019年以来進化しており、殺人依頼計画を含む計画や、「Rey」のような現在の指導者を「Ghostbyte」であるDaniel Tobokなどの以前の人物と結びつけるものも含まれている。 このスキャンダルは業界内で重大な利益相反の問題を浮き彫りにしている：ランソムの一部割合を受け取る仲介人は、攻撃を止めるのではなく、結果としてより高い支払いを促すように無意識に動機付けられる可能性がある。起訴はEdward Dubrovskyのような個人や未起訴の米国コンサルタントを対象としており、企業の過失か積極的な共犯が深刻な法的結果をもたらすことを示している。当局は被害者にランソムの支払いを行わないよう明確に警告しており、データは通常二次的な伸縮のために利用可能であり続けるためである。最終的に、この事件は以前会社を支援していた交渉サービスに対する信頼を破壊しており、一部のサイバー犯罪ネットワークが効果的に動作するためには内部の経営者への依存が不可欠であることを証明している。 ## Text to translate: Summary: A disturbing investigation reveals that major ransomware group ShinyHunters receives direct support from high-level executives at U.S. and Canadian firms who manage its extortion websites. Unlike traditional advice, these intermediaries actively facilitate negotiations, sometimes knowing sensitive data theft details before the victims do. One Canadian executive failed to alert the FBI regarding stolen agency files prior to their threatened release. This deep collaboration has evolved since 2019, involving plans for murder-for-hire and linking current leaders like "Rey" to former figures such as Daniel Tobok ("Ghostbyte"). The scandal highlights a critical conflict of interest within the industry: negotiators charging percentages of ransoms may inadvertently incentivize higher payments rather than stopping attacks. Prosecutions are now focusing on individuals like Edward Dubrovsky and uncharged U.S. consultants, demonstrating that corporate negligence or active collusion carries severe legal consequences. Authorities explicitly advise victims against paying ransoms, as data often remains accessible for secondary extortion. Ultimately, this case destroys trust in negotiation services that previously assisted companies, proving that some cybercriminal networks rely entirely on insider executives to operate effectively.

2026/10/20 18:08

DeepInfer：DeepSeek モデル向けの高性能推論フレームワーク

## Japanese Translation: DeepInfer は、NVIDIA SM100 GPU および Huawei Ascend 950 NPU 上でスケールサービング能力を備え、DeepSeek-V4.1-Flash モデルの DeepSeek の本番サービスを支えるオープンソースの高パフォーマンス推論フレームワークです。主に vLLM に構築され、SGLang および TensorRT-LLM を念頭に置いて設計されています。最適化されたカーネル（FlashMLA、DeepGEMM、DeepEP、TileKernels、DeepSelect、カスタム TileLang）と、Attention DP、バランスの取れた CP、MoE EP+EPLB、DSpark、信頼度に基づく検証、SWA 有界再生非同期スケジューリング、バッチ不変推論、決定論的サンプリング、構造化出力（regex/JSON スキーマ/EBNF）を含む高度な並列化戦略を支援します。 コア機能は環境変数経由で設定可能であり、DEEPINFER_ENABLE_MTP_VARLEN=1 で DSpark/検証を有効化し、DEEPINFER_USE_NEXTN_DECODE（デフォルト：5）で最大ドラフト長を制御します。デフォルトの V4.1 設定に対しては、DEEPINFER_YOCO_PREFILL_TRUNCATION_MODE=compact と DEEPINFER_YOCO_PREFILL_KEEP_TOKENS=140 でデコーダー SWA 有界再生非同期スケジューリングを設定します。デフォルトで CPU バッチスケジューリングとデバイス実行のオーバーラップを可能にするため、非同期スケジューリングを有効化し、NVIDIA 上で DEEPINFER_BATCH_INVARIANT=1 でバッチ構成間での同等の結果を実現するバッチ不変推論を活性化します。DEEPINFER_BATCH_INVARIANT=1、DEEPINFER_ENABLE_MTP_VARLEN=0、SamplingParams の固定 seq_seed を使用することで NVIDIA 上で決定論的サンプリングを実現し、SamplingParams に so_args={"schema_type": ..., "schema": ...} を渡すことで生成を regex/JSON スキーマ/EBNF に制限します。 完全な本番環境のセットアップには、専用の KV キャッシュシステムの統合、 disaggregated 形式での prefill/decode 操作の実施、およびデータ並列レプリカ間での負荷分散（初回リリースには含まれていない）が最終的には必要となる可能性があります。ユーザーは Linux、GCC ≥13.0、Python 3.12、CUDA 13（NVIDIA）または CANN 9.2（Ascend）、そして空の Python 3.12 環境の作成、DEEPINFER_ACCELERATOR=nvidia または ascend のエクスポート、および ./build.sh の実行からすぐに始めることができます。オフライン推論はデフォルトで deepseek-ai/DeepSeek-V4.1-Flash-1017 チェックポイントを使用し、初回実行時に Hugging Face キャッシュにダウンロードするか、DEEPINFER_HF_MODEL_DIR を介してオーバーライドします。例コマンドは python examples/offline_inference.py です。パフォーマンスベンチマークは 1 スケールアップドメイン内での prefill に 4 SM100 GPU、decode に 64 を使用して測定されました（再現は run_sweep.sh で可能；詳細は eval/README.md を参照）。このフレームワークは Apache License 2.0 の元でリリースされており、GitHub（https://github.com/deepseek-ai/DeepInfer）上で DeepSeek-AI（2026）に帰属しています。