Hacker Newsを日本語で読む

Show HN: JevBench, a reproducible benchmark for typed decision models

Hacker Newsの皆さん、こんにちは！「Jev」という素晴らしい技術を世に広めるべく、「JevBench」を開発しました。世の中に溢れるオープンソースのプロジェクトや、実力を見せかけているだけのプロジェクトが、実際にどれほどの実力差があるのかを公平に評価できるようにしたかったのです。Jevクラスのモデルは、テキストを生成する代わりに、選択肢と確率を返します。これらは従来のLLMに比べて圧倒的に高速かつ低コストでありながら、テキスト入力に対するインテリジェンスは同等という非常に破壊的な性能を持っています。JevBenchでは、精度（Accuracy）、レイテンシ（Latency）、価格（Price）を一度に確認でき、さらに独自の重み付けでスコアリングすることも可能です。現在、534件の英語の決定タスクを用いたv1.3スコアを採用しており、これは「インテリジェンス（チャンス修正済み）」「キャリブレーション」「速度」「コスト」を総合的に評価しています。現在のリーダーボードは以下の通りです： #1 - Jev 74.4 #2 - SemIf 73.1 #3 - djev 73.0 #4 - Winnow-12B Q8 71.2 #5 reflex 4B 70.3. MITライセンスの評価フレームワーク、公開データセット、スコアリングコードなどはGitHubで公開しています： https://github.com/fstandhartinger/jevbench サインアップ不要のデモはこちら： https://who-is-right.app.mintapis.com https://is-it-ai-slop.app.mintapis.com 注意点：現在は英語のみ対応。ドイツのサーバーからの計測であるため、ローカル/デモ環境のレイテンシには×2の調整（サーバー負荷を考慮し+150ms）を加えています。また、約1ポイント程度の差は誤差範囲の可能性があります。皆さんのフィードバックをぜひ聞かせてください！

The current balance of power in open models

現在、オープンソースAIモデルの勢力図はどうなっているのか？主要プレイヤーや技術的な均衡状態について議論されています。

MUNI Heritage Weekend in San Francisco

サンフランシスコで毎年恒例の「MUNIヘリテージ・ウィークエンド」が開催されます。普段は見ることができない歴史的な路面電車やバスが街を駆け抜ける、鉄道ファンや公共交通機関マニアにはたまらないイベントです。街の歴史を感じながら、レトロな車両を楽しめるこの貴重な週末をお見逃しなく！

How did AMD Ryzen get 50% faster in two years?

AMD Ryzenシリーズが短期間で飛躍的なパフォーマンス向上を遂げた背景について、設計アーキテクチャの刷新や製造プロセスの微細化、そして効率的なIPC（クロックあたりの命令実行数）の引き上げがどのように影響したのかを考察する投稿です。

Native apps written in TypeScript and CSS

TypeScriptとCSSだけでネイティブアプリを構築することについて。Web技術の資産をそのままモバイルアプリへ活用できる手法や、主要なフレームワークの動向について議論しましょう。

Unreal Agent

Unreal Agent（https://github.com/unreallabsai/unreal-agent）は、AIエージェントを活用したワークフローの自動化を加速させる強力なツールです。複雑なタスクを自律的にこなすAIエージェントの構築や活用に興味があるエンジニアにとって、見逃せないリポジトリとなっています。

WordPress: Unauthenticated path traversal leading to conditional RCE

WordPressにおいて、認証不要でパストラバーサルが発生し、条件付きでリモートコード実行（RCE）に繋がるという非常に危険な脆弱性が発見されました。システムの乗っ取りに発展する可能性があるため、関連する環境を利用している方は至急アップデート状況を確認してください。

Claude Opus 5.5 Intelligence, Performance and Price Analysis (Max)

現在、大きな注目を集めているClaude 3.5 Opusについて、その知能レベル、実行速度、そしてコストパフォーマンスを多角的に分析します。現時点での最高峰モデルとして、実務の現場でどこまで通用するのかを深掘りしました。

SAML: A fractal of bad design

SAML（Security Assertion Markup Language）が抱える設計上の複雑さと、それに伴うセキュリティリスクを「フラクタル（自己相似的な複雑さ）」と表現し、その不完全さを批判する議論が巻き起こっています。多くの実装において発生する互換性の問題や、認証フローの深すぎる階層構造が、いかに開発者の頭を悩ませているかが論点となっています。

ReBarUEFI: Resizable BAR for almost any UEFI system

ReBarUEFIは、本来ならサポートされていない古いハードウェア上で「Resizable BAR (Re-Size BAR)」を強制的に有効化するための画期的なプロジェクトです。これにより、最新のGPU性能を最大限に引き出し、ボトルネックを解消することが可能になります。詳細な導入手順や対応マザーボードのリスト、技術的な仕組みについてはGitHubのリポジトリを参照してください。

Microsoft killed FoxPro in 2007. Anyway, here's FoxPro revived

Microsoftが2007年にサポートを終了し、完全に過去の遺物となったはずの「FoxPro」が、なんと現代に復活しました。かつて一世を風靡したこのデータベース環境が、どのような形で息を吹き返したのか。その詳細な動向を追っていきます。

OpenAI GPT–6 Astra breaks Enigma message that has resisted solution since 2005

なんと、OpenAIの最新モデル「GPT-6 Astra」が、長年数学者や暗号解読者を悩ませてきた2005年以来未解決の暗号化メッセージを解読することに成功したようです。AIの演算能力が新たな次元に達したことを示す、まさに歴史的なブレイクスルーと言えるでしょう。

'We hacked the FBI:' Hackers say they have data on all FBI employees

とんでもない事態が発生しました。ハッカー集団がFBIのシステムをハッキングし、全職員のデータベースにアクセスしたと公言しています。事件の詳細は以下のアーカイブサイトから確認できます。 https://archive.ph/96YBP

Claude Opus 5.5

現在ネット上で囁かれている「Claude 3.5 Opus」のリリース情報について。次世代モデルの性能や、現行のSonnetからのアップデート内容に対するエンジニア界隈の期待をまとめています。

GPT-6 Sol and Luna

現在、AI業界で密かに噂されている「GPT-6」のコードネームとされる「Sol」と「Luna」。OpenAIの次なる一手として期待が高まっていますが、現時点では詳細な公式発表はされていません。今後の動向から目が離せません。

TXR: An Original, New Programming Language for Convenient Data Munging

TXRは、複雑なテキスト処理やデータ加工を驚くほど簡単にこなせる、ユニークで実用的なプログラミング言語です。従来のツールで苦労していたログ解析や構造化データの抽出も、TXRなら直感的かつパワフルに自動化できます。データエンジニアやインフラ担当者にとって、痒い所に手が届く究極のツールと言えるでしょう。

The Journey of a Migratory Shorebird

渡り鳥は、季節に応じて何千キロもの距離を移動する驚くべき能力を持っています。彼らは地球の磁場や星の位置、あるいは地形を巧みに利用して、正確に目的地へと辿り着くのです。この旅のプロセスは、生物学的な精密さと生存本能が融合した、自然界における最も壮大な技術的成果の一つと言えるでしょう。

Turn off and restrict access to Apple Intelligence features on Mac

Mac上でApple Intelligenceの機能をオフにしたり、アクセスを制限したりする方法について解説します。特定のAI機能が不要な場合や、プライバシー設定を厳格に管理したい場合に役立つステップです。