※免責事項：私はこのオープンウェイトモデルを開発しているNumind社の社員です。 要約：画像やテキストをMarkdownに変換するモデルです！ Qwen3.5-4Bをベースにした4BモデルをApache-2.0ライセンスでリリースしました。PDF、スクリーンショット、フォーム、表、領収書、請求書、複数ページにわたる文書など、複雑な文書から情報を抽出することを、オープンなモデルでより実用的にすることが目的です。 もし「NuMarkdown（https://huggingface.co/numind/NuMarkdown-8B-Thinking）」を使ったことがあるなら、これはその後継モデルにあたります！ サインアップ不要で完全に無料のHugging Faceスペースを用意したので、ぜひ試してみてください：https://huggingface.co/spaces/numind/NuExtract3 主な用途： ・文書画像のMarkdown変換 ・ターゲットJSONテンプレートを使用した文書からの構造化データ抽出 ・表、フォーム、レイアウトが複雑なページの処理 ・テキストおよび視覚的な文書入力の両方に対応 ・文書抽出パイプラインのローカル/オープンウェイトな代替手段として活用 8xH100のノードで3日間トレーニングを行い、最大限のコンテキストを学習させたため、長い文書でも十分な性能を発揮します。Markdown変換については、並列処理による効率化のため、ページ単位での処理を推奨します。 充実したドキュメントに加え、Safetensors、GGUF、MLXの重みを提供しているため、セルフホストも非常に簡単です。VRAM 4GBから動作可能で、GPTQ、W8A8、FP8、Q4、Q6など複数の量子化版を用意しており、あらゆる環境で動かせるはずです。 検証は主にvLLM、SGLang、llama.cppで行いました。Ollama対応もできれば良いのですが、現在のチャットテンプレートエンジンがあまり好みではないため検討中です。 ブログやモデルカードはこちらからご確認ください： ・https://about.nuextract.ai/blog/nuextract-3-release ・https://huggingface.co/numind/NuExtract3 ・https://huggingface.co/collections/numind/nuextract3 現在このモデルに関する論文を執筆中で、受理され次第共有します。現時点では査読付きジャーナル・会議へ投稿中のため、Arxivには未掲載です。 何か質問があればできる限り回答します。コミュニティからのフィードバックを心よりお待ちしています。 興味があればDiscordにも参加してください！ https://discord.com/invite/3tsEtJNCDe

最近いろいろなモデルを試しているのですが、エージェント用途において『Qwen3.6 35B A3B』の右に出るものは今のところ見当たりません。他のモデルだと、ごく稀にループに陥る程度で済むQwenに対し、Gemma4はツール呼び出しが壊れることがあり、GLM 4.7 Flash REAPに至っては2〜3回やり取りしただけでループが始まってしまい使い物になりませんでした。ちなみにすべてUnslothのIQ4_NL量子化版を使用しています。Hermes AgentやPiで運用していますが、完璧とは言わないまでも、ローカルモデルとしては驚異的な性能です。このサイズ感（できればMoEモデル）で、他に試すべき有力なモデルがあればぜひ教えてください！

この環境で生成速度をどこまで叩き出せるか限界に挑戦してみましたが、結果は期待以上でした。128もの同時リクエストを処理させるのは正直私のユースケースではオーバースペックですが、とてつもない数字を見るのは面白いものです。シングルユーザー（バッチサイズ1）で運用した場合、MTPなしでも生成速度は約80 t/s、プロセッシング速度は3000 t/sに達しました。

またAIに関する愚痴です。会社からClaudeとGeminiのアカウントが支給され、業務へのAI活用が推奨されるようになりました。チームメンバーの一人がこれに完全にハマってしまい、AIを使って大量のプルリクエスト（PR）を投げてくるようになったんです。私がせっせと手動でレビューをしても、返ってくるのはどう見てもAIが生成した定型文ばかり。正直、かなりイラついています。これって仕事の手抜きじゃないでしょうか？時間をかけてレビューしているこちらの身にもなってほしい。AIとやり取りしているのと同じような感覚になるなら、なぜそのメンバーがチームにいるのか分かりません。次のCTOとの1on1でこの件を相談するつもりです。全員がシニアエンジニアとして相応の責任を持って仕事に取り組むべきだと強く感じています。

なお、ケーキはいつでも大歓迎とのことです。

2023年に公開された『Everyone Against Us』についての考察です。現代のソフトウェア開発において、なぜ私たちはこれほどまでに「四面楚歌」を感じるのか。その本質とエンジニアが生き抜くための戦略についてまとめています。

最近、プログラミングの学習において分厚い技術書を開く人がめっきり減った気がする。みんなドキュメントを流し読みしたり、AIに答えを求めたり、チュートリアル動画を倍速で見たりするだけで済ませていないだろうか？体系的な知識を身につけるための「読書」というプロセスが失われつつある現状について、皆はどう思う？

年齢確認サービスとして知られるYotiが、認証プロセスにおいてユーザーの顔写真やデバイスのフィンガープリント（端末固有情報）を外部のサードパーティと共有していることが明らかになりました。プライバシーやデータ保護の観点から、エンジニアやプライバシー意識の高いユーザーの間で懸念が高まっています。

C言語拡張における移植性の確保と、代替コンパイラの利用に関する議論について。異なる環境下でのビルドや互換性問題への対策が焦点となっています。

「Riscrithm」は、Go言語で開発されたRISC-V向けのアセンブラ兼オプティマイザです。直感的なインターフェースが特徴で、RISC-Vアーキテクチャのコード最適化をよりシンプルに実現するために設計されています。

OpenBriefは、強力なダウンローダー「yt-dlp」にAI機能を追加した、ローカル環境で完結する動画ダウンローダー兼要約ツールです。使い方は簡単で、URLを貼り付けるだけ。ローカル環境で動画のダウンロードから文字起こし、音声生成までを実行します。要約やチャット機能にはLLMを活用しており、現在はAPIキーを自分で設定するBYOK（Bring Your Own Key）方式を採用しています。完全オープンソースで無料で利用可能です。

Jensen–Shannonダイバージェンス（JSD）は、2つの確率分布の類似度を測るための指標で、機械学習や情報理論の分野で非常に重要です。カルバック・ライブラー（KL）ダイバージェンスをベースにしていますが、対称性があり、常に有限の値をとるため、GAN（敵対的生成ネットワーク）の学習などで広く活用されています。数学的な性質やメリットについて詳しく見ていきましょう。

米国の第9巡回区控訴裁判所が、インターネット企業の免責を規定する「通信品位法230条（Section 230）」に対して異例の疑義を呈しました。これは、DOE対Metaの訴訟において、プラットフォーム側の責任の範囲が改めて議論の俎上に載せられたことを意味します。この判決の動向は、今後のSNSやWebサービスにおけるコンテンツモデレーションのあり方を大きく左右する可能性があります。

Hacker Newsのフロントページを、まるで一つの独立したWebサイトのように表示するためのプロジェクトです。

日本のコンビニエンスストアの礎を築き、セブン-イレブン・ジャパンの創業者として知られる鈴木敏文氏がこの世を去りました。日本の流通業界に革命をもたらし、世界にも類を見ないサービス形態を作り上げた同氏の歩みに敬意を表します。

元Appleの伝説的デザイナー、ジョニー・アイブがデザインに携わった「Ferrari Luce」が発表されました。ミニマリズムとフェラーリの情熱が見事に融合した、究極のコンセプトモデルです。

「Magnifica Humanitas（偉大なる人間性）」というテーマについて。テクノロジーが進化する中で、私たちが人間らしさをどう維持し、デジタル社会とどう共生していくべきかについての考察です。

Microsoft Copilotの「Cowork（共同作業）」機能を悪用し、本来アクセス権のないファイルを外部へ持ち出せてしまうという深刻な脆弱性が報告されました。企業の機密情報管理において重大な懸念事項となっています。

BPF（Berkeley Packet Filter）プログラムをC言語で書くのに疲れていませんか？このプロジェクトは、低レイヤーなBPF開発をGo言語で完結させるための画期的なアプローチを提供します。C言語特有の複雑なメモリ管理やビルド設定から解放され、より安全かつ生産性の高い開発体験を実現しましょう。Goの簡潔さを活かして、Linuxカーネルレベルのパワフルなツールをサクサク構築できます。

AIを使えばコーディングのスピードは劇的に上がります。しかし、爆速でコードを吐き出すことが常に正解なのでしょうか？時にはAIの提案を鵜呑みにせず、あえて立ち止まってアルゴリズムを見直し、堅牢で保守性の高い設計をじっくりと練り上げる。この「AIと歩むスローコーディング」の哲学こそが、長期的な開発効率を最大化する鍵になります。