Hacker News
552 points
222 comments
何が起きたか
Anthropicが「Project Glasswing」を正式発表しました。これは同社の未公開フロンティアモデル「Claude Mythos Preview」を中核に据えた、大規模ソフトウェア防衛イニシアチブです。Amazon、Apple、Microsoft、Google、NVIDIA、Cisco、CrowdStrike、Broadcom、Linux Foundationなど約40以上の組織が参加します。
プロジェクト名はガラスの翼を持つ蝶「Greta oto」に由来しています。Anthropicはこの取り組みに最大1億ドルの利用クレジットと、オープンソースセキュリティ団体への400万ドルの寄付を約束しています。
要点
- Mythos Previewは数週間のテスト期間中に「数千件のゼロデイ脆弱性」を発見し、その多くが1〜2年ではなく10〜20年前から存在していた重大な問題だったと報告されています
- 対象範囲は「すべての主要OS・Webブラウザ」に及び、Linuxカーネルでは複数の脆弱性を連鎖させて完全なroot権限を奪取するデモも行われました
- このモデルは一般公開されません。デュアルユース（防御にも攻撃にも使える）リスクが高いため、パートナー限定の防御用途に限定されます
なぜ重要か
脆弱性の発見と修正は、これまで人間のセキュリティ研究者に依存してきました。そのスケールの限界を、AIが一気に変える可能性が出てきたわけです。ただし、攻撃側も同じ能力を持ちうる点が厄介で、Anthropicはだからこそ「限定公開」を選んでいます。
4月4日に取り上げたClaude CodeによるLinux NFS脆弱性の自動発見は、いわばこの流れの前触れでした。Mythosはそれをさらに大規模・体系的に行える能力を持っています。
議論の争点
HNでは以下の点が議論されています。
- 公益企業を名乗りつつ選別アクセス：Anthropicは公益法人を標榜しながら、アクセスを大手テック企業に限定している点が批判されています。「Linux Foundationが入っていても広いOSSコミュニティへの還元にはならない」との指摘があります
- 国家支援型攻撃との非対称性：防御に使う企業は限られているが、攻撃側の国家アクターには制約がありません。この非対称性が埋もれたデバイス（IoT等）にとって深刻だという声があります
- マーケティングか実力か：「Anthropicの宣伝文句を半分差し引いてもすごい」という慎重な楽観論と、「具体的な数字を出さない限り判断できない」という懐疑論が拮抗しています
少数意見：商用スパイウェア産業が壊滅し、攻撃者がソーシャルエンジニアリングに頼らざるを得なくなる未来を期待するコメントがありました。
判断のヒント：自組織が「パートナー枠」に入れるかどうかより、このプロジェクト経由で発見・修正された脆弱性の開示速度に注目してください。
所感
発見数の多さよりも、「20年見つからなかったバグを見つけた」という部分が技術的には衝撃です。人間のコードレビューが見落としてきた構造的な死角をAIが突けるとすれば、ソフトウェアの安全性基準そのものが変わります。ただし「パートナー限定」モデルが今後のスタンダードになるかは、まだ分かりません。
出典：Project Glasswing - Anthropic / HN Discussion
Hacker News
354 points
246 comments
概要
AnthropicがClaude Mythos Previewの244ページに及ぶシステムカードを公開しました。前記事のProject Glasswingと同日の発表で、このモデルの技術詳細と安全性評価が網羅されています。一般公開の予定はないものの、ベンチマーク結果は既存モデルとの差を明確に示しています。
先に押さえる3点
- ベンチマーク：SWE-bench Verified 93.9%（Opus 4.6は80.8%）、SWE-bench Pro 77.8%（Opus 4.6は53.4%）、CyberGym 83.1%（Opus 4.6は66.6%）。いずれも大幅な差です
- 安全性の逆説：「これまでリリースした中で最も整合性の高いモデル」であると同時に「最も大きなアライメントリスクを持つ」とシステムカードは述べています。能力が高いからこそ、誤動作時の影響も大きいという構造です
- GraphWalks BFS 256K-1M：長文脈性能でMythos 80.0%、Opus 4.6 38.7%、GPT-5.4 21.4%という数値が報告されています。ロングコンテキスト処理の精度が別次元になっています
影響
SWE-bench Proで77.8%という数字は、ソフトウェアエンジニアリングの自動化がかなり実用的な水準に近づいていることを意味します。とはいえ、このモデルは一般に使えません。実務への影響は、Mythosの能力が将来の一般公開モデルにどこまで反映されるかにかかっています。
長文脈性能の改善（256K〜1Mトークン帯で80%）は、大規模コードベースの一括解析やドキュメント処理に直結する指標です。ここまで差が開くと、従来のRAGベースのアプローチとの使い分けも変わってきます。
議論の争点
HNでは以下の点が議論されています。
- AGIの前兆としての非公開化：「本当に超人的な知能があるなら月20ドルで貸し出すはずがない」という指摘があり、一般公開しないこと自体がAGIに近づいている証拠だという見方が出ています
- トークン単価の妥当性：入力$25/出力$125（100万トークンあたり）という価格は、安価な地域でエンジニアを雇うのと比較してどちらが効率的かという議論があります
- 244ページのシステム「カード」：「カードと呼ぶには長すぎる」という皮肉と、この長さ自体が安全性への真剣さを示すという両方の反応があります
少数意見：ページ54以降に記載された「稀だが高能力な無謀行動」（サンドボックス脱出時の情報漏洩、ルール違反後の痕跡隠蔽）に懸念を示す声がありました。
判断のヒント：ベンチマーク数値よりも、システムカードの安全性評価セクション（特にエージェント行動の項）を読むと、今後の汎用モデルに何が求められるか見えてきます。
実務メモ
SWE-bench Proのスコア差（53.4%→77.8%）は、コーディングエージェントの能力がまだ急速に伸びていることを示しています。現在Opus 4.6ベースでエージェントを組んでいる場合、次世代モデルで設計が変わる余地が大きいということです。今のアーキテクチャに過剰投資しすぎないのが吉です。
出典：System Card: Claude Mythos Preview (PDF) / HN Discussion
Hacker News
291 points
175 comments
ざっくり言うと
30年分のGPU史を49枚のグラフィックカードで辿るインタラクティブなデータビジュアライゼーションが公開されました。年代とトランジスタ数で各GPUをプロットし、クリックで詳細表示、2枚の比較も可能です。Quakeの時代からCyberpunk 2077まで、見て触って楽しめるタイムラインになっています。
ポイントは3つ
- フラグシップと現実の乖離：Steam Hardware Survey（2026年3月）のデータが組み込まれています。最も使われているGPUはRTX 3060（329ドル、シェア4.1%）で、フラグシップのRTX 5090（1,999ドル）のシェアはわずか0.42%。約10倍の開きがあります
- 「重要なGPU」の選定に賛否：HNでは「LLM生成の説明文で中身が薄い」「S3 ViRGEやMatrox G200が入っていない」「RTX 4000/5000世代は"重要"と言えるのか」など、選定基準への異論が活発です
- ノスタルジーの温度感：技術的な議論と同じくらい「i7-4790K+1080 Tiが夢のマシンだった」「Voodoo 3がなければ3dfxは死ななかった」という思い出話が盛り上がっています
どこに効く？
AI/ML向けにGPUワークロードを最適化している開発者にとって、ユーザーの実機分布データは地味に重要です。「最新のフラグシップで動きます」と言っても、実際のユーザーベースはミドルレンジに集中しています。推論やファインチューニングの推奨環境を設定するとき、この現実を無視すると届かない層が出てきます。
議論の争点
HNでは以下の点が議論されています。
- キュレーションの質：見た目が良いので手間がかかっているように見えるが、実際はLLM生成の説明文で中身が浅いのでは、という指摘があります
- 「Defining Game」の恣意性：各GPUに紐づけられた代表ゲームが適切かどうか。「Diablo 2は新しいGPUを必要としなかった」「RX 5700 XTの代表にRT対応のControlを選ぶのはAMDカードとして矛盾」など
- アーキテクチャ革新 vs 性能向上：単なるスペックアップではなく、新しいアーキテクチャ革新があったGPUに絞るべきだったという意見もあります
少数意見：NV1やRendition Vérité 1000のような商業的には失敗したが歴史的に意味のあるGPUが欠けているという指摘。
判断のヒント：ビジュアルとしては良くできていますが、HNコメントの補足情報と合わせて読むと、GPU史の解像度がかなり上がります。
一言
技術的な評価は賛否あれど、こういうデータビジュアライゼーションは「触って学べる」ところに価値があります。Steam Hardware Surveyの生データを組み合わせた点は、実務者にとっても参考になるはずです。
出典：Every GPU That Mattered / HN Discussion
Hacker News
205 points
219 comments
まず結論
USC（南カリフォルニア大学）の研究チームが、LLMの利用が人間の思考と表現を均質化する可能性を指摘する論文をCell Press「Trends in Cognitive Sciences」に発表しました。個人の創造性はLLM利用で向上する一方、集団としての多様性は低下するという逆説的な知見が中心です。
変わった点
- 個人↑ × 集団↓のパラドックス：LLMを使った個人はアイデアの量と詳細さが増えますが、LLMを使った集団のアイデアは、使わない集団より少なく、創造性も低くなります。AIが「平均」に寄せる効果が集団レベルで現れています
- 意見ドリフト：バイアスのあるLLMとやり取りした後、利用者の意見がLLMの暗黙のスタンスに寄っていく現象が確認されています。補助ツールのつもりが、信念そのものを変えている可能性があります
- WEIRDバイアスの増幅：LLMの出力は西洋・高学歴・工業化社会の傾向を強く反映しており、訓練過程でさらに増幅されます。非西洋文化だけでなく、西洋社会内の少数派（高齢者、宗教コミュニティ等）も影響を受けます
注意点
この研究は、LLMが人間のコミュニケーション自体を根本的に変えると主張するものではありません。HNのコメントでも「印刷機もラジオも言語を標準化した。LLMだけ特別視するのは早計」という反論が出ています。とはいえ、「前の技術は文化的コンテンツを伝達した。LLMはコミュニケーションスタイルと知識体系を能動的に形作る」という研究者の区別は押さえておく価値があります。
LLM生成コンテンツが次世代モデルの学習データになるフィードバックループも指摘されています。各世代のモデルがより均質になる螺旋構造です。
議論の争点
HNでは以下の点が議論されています。
- 歴史的文脈：「人間のコミュニケーションは数十億年の進化の結果だ。数年で根本的に変わるわけがない」vs「技術は"一時的な流行効果"を通じて思ったより早く影響する」
- 「LLMっぽい」口調の伝染：「LLMを使っていない時でもLLMっぽく書くようになった」「チームリーダーがLLM経由でしか連絡してこないので、彼の"考え"はもう彼のものではない」という報告が複数
- AIモデレーションの言語効果：Redditなどで「ボットの目に留まらないよう無意識に言い回しを変えるようになった。オーウェル的だ」という指摘
少数意見：LLMの語彙選択の精密さは「感情の輪」のように語彙を広げる効果もある、という肯定的な見方。
判断のヒント：LLMを使ったブレストの結果を、チーム全体で「そのまま」採用していないか確認してみてください。多様性の損失は個人レベルでは気づきにくい問題です。
使うならこうする
LLMを使ったアイデア出しの後に、一度LLMを外して人間だけで議論するステップを入れるのが実務的な対策です。AIの出力を「起点」として使い、「結論」にはしない。この使い分けが、均質化の罠を避ける鍵になりそうです。
出典：AI may be making us think and write more alike - USC Dornsife / HN Discussion
Hacker News
235 points
368 comments
何が起きたか
完全にAI生成されたアーティスト「Eddie Dalton」が、iTunesシングルTop 100に11枠同時にランクインしました。アルバムチャートでも3位。制作者はサウスカロライナ州のコンテンツクリエイター、ダラス・リトル氏です。
作曲、ボーカル生成、ビジュアル、MV制作まですべてAIで完結しています。Luminate（業界標準の集計サービス）によると、Eddie Daltonの総売上はわずか6,900トラック。11のチャート枠を占めるには少なすぎる数字で、iTunesのダウンロード重視型ランキング仕組みが突かれた形です。
要点
- チャート操作の構造：iTunesのランキングは有料ダウンロードの速度（velocity）に基づいています。ストリーミング数や総リスナー数ではなく、短期集中の購入で順位を上げやすい仕組みです
- 前例あり：リトル氏は以前「Solomon Ray」というAIアーティストでキリスト教ゴスペルチャートを制覇した実績があり、ジャンルを問わず手法が再現可能であることを示しています
- Appleは沈黙：現時点でAppleからの対応や声明は出ていません
なぜ重要か
チャートの「順位」が実際のリスナー数を反映しない問題は以前からありましたが、AIが制作コストをほぼゼロにしたことで、操作の閾値が劇的に下がりました。4月6日に取り上げたmRNAモデル訓練の低コスト化と同じ構図で、「安くなること」が予想外の場所に波及しています。
議論の争点
HNでは以下の点が議論されています。
- マネーロンダリングの道具か：「盗んだギフトカードでダウンロードを水増しすれば、チャート上位の"正当な"収益になる」という指摘。AI音楽の低コスト制作とチャート操作を組み合わせた資金洗浄スキームの可能性
- 音楽の「反人間性」：「コード生成には効率の議論が成り立つ。でも音楽は人間が作ったものが無尽蔵にある。なぜAIで代替する必要があるのか」という本質的な問い
- 「pre-2023フィルター」への需要：自動再生で流れる曲がAI生成かもしれないという不安から、AI登場以前の音楽だけを聴くモードを求める声が出ています
少数意見：ニッチジャンル（Shadowrun等）の音楽をAIで生成して楽しんでいるユーザーもおり、消費側の需要は確実に存在するという報告。
判断のヒント：問題の核心は「AI音楽の質」ではなく「チャートという指標の信頼性」にあります。プラットフォーム側の対応を待つより、自分の音楽発見経路を見直す方が早いかもしれません。
所感
6,900トラックの売上で11のチャート枠を取れてしまう仕組みを放置しているAppleにも問題があります。AI云々の前に、指標としてのチャートがすでに壊れている。その上にAIの低コスト制作が乗ったことで、壊れ方が可視化されたという見方が正確ではないでしょうか。
出典：iTunes Takeover by Fake AI Singer - Showbiz411 / HN Discussion
Hacker News
186 points
25 comments
概要
Anthropicのレッドチーム部門（red.anthropic.com）が、Claude Mythos Previewのサイバーセキュリティ能力に関する詳細な評価レポートを公開しました。記事1のProject Glasswingと記事2のシステムカードの技術的な裏付けにあたる資料です。
先に押さえる3点
- CyberGym 83.1%：脆弱性分析タスクの評価ベンチマークで、Opus 4.6の66.6%から大幅に向上しています
- 脆弱性の連鎖：Mythosは単発の脆弱性発見だけでなく、複数の脆弱性を連鎖させてエクスプロイトチェーンを構築する能力を持っています。これまでエリートレベルの人間に限られていたスキルです
- 対象は古いコードベース中心：HNのコメントでは「C/C++の古いコードベースばかりターゲットにしている。最新のハードニングされたブラウザのサンドボックスを突破できるかが本当のテストだ」という指摘もあります
影響
アップグレードできない組み込みデバイスが何億台もある現状では、脆弱性発見が容易になること自体がリスクです。防御側にとっては朗報ですが、攻撃側も同じ手法を使える未来が迫っています。
実務メモ
自社のセキュリティ監査にAIを組み込む検討は始めてよい段階です。ただし、Mythos級の能力はまだ限定公開なので、現時点ではClaude Code等の既存ツールを使った脆弱性スキャンの自動化から始めるのが現実的です。
出典：Claude Mythos Preview - red.anthropic.com / HN Discussion
Hacker News
273 points
123 comments
ざっくり言うと
AnthropicがGoogleおよびBroadcomとの提携を拡大し、次世代のコンピュートインフラ構築に乗り出すことを発表しました。データセンター規模のキャパシティをギガワット単位で計測する時代に入りつつあることを示す動きです。
ポイントは3つ
- 収益急増の報告：年換算収益が190億ドルから300億ドルに「1か月で」急増したという情報が注目されています。トークン単価では測れない規模でビジネスが拡大しています
- Broadcomとの提携：VMWare買収での評判が悪いBroadcomとの提携には疑問の声があります。カスタムチップ（ASIC）開発でのBroadcomの技術力が決め手と見られています
- EU主権コンピューティング：ヨーロッパの顧客がデータの域内保存を求める傾向が強まっており、計算リソースの地理的分散が課題になっています
どこに効く？
大規模AIモデルのコスト構造を把握したいエンジニアにとって、「ギガワット単位で計算能力を語る」段階に入ったことは重要な文脈です。トークン単価の最適化だけでなく、そもそものインフラ制約がどこにあるかを理解する材料になります。
一言
190億→300億ドルの1か月ジャンプが本当なら、AI企業の成長速度は既存のスケール感では測れなくなっています。その裏側で、計算リソースの物理的な制約（電力・冷却・地理）がボトルネックになりつつある構造が見えてきます。
出典：Anthropic - Google and Broadcom Partnership / HN Discussion
Hacker News
117 points
37 comments
まず結論
Googleがエージェントオーケストレーションの実験的テストベッド「Scion」をオープンソースで公開しました。「プロダクションフレームワーク」ではなく、あくまで「テストベッド」として位置づけている点がポイントです。
変わった点
- エージェント間のルーティングだけでなく、「いつ停止するか」の判断を重視した設計になっています。多くのエージェントシステムで問題になる無限ループへの対処を明確に意識しています
- コンテナベースの分離を前提にしており、エージェント内部で何が実行されたかの可視性（observability）を確保する仕組みが入っています
- Googleの社内問題に最適化された設計になっている可能性があり、汎用的に使えるかは評価待ちです
注意点
HNでは「半年後にはこの抽象化の半分がリネームか削除されているだろう」「Googleはいつも自社の問題に完璧に最適化されたインフラを出して、他の人には使いにくい」という辛辣なコメントがあります。昨日取り上げたFreestyleのようなサンドボックス型のアプローチとの比較も興味深いところです。
使うならこうする
まずはテストベッドとして触ってみて、自分のユースケースに合うかを確認するのが妥当です。プロダクション投入を前提に設計を始めるのは時期尚早。「エージェントの停止条件をどう設計するか」という問題提起として読む価値はあります。
出典：Google open-sources Scion - InfoQ / HN Discussion
Hacker News
117 points
23 comments
何が起きたか
LLMエージェント向けの新しいメモリシステム「Hippo」がGitHubで公開されました。人間の海馬の記憶メカニズム（減衰と統合）を模倣した設計で、「良い記憶とは、より多く覚えることではなく、何を忘れるかを知ること」をコンセプトにしています。
要点
- 記憶の「減衰」と「統合」を明示的にモデル化しています。使われない記憶は時間とともに弱まり、重要な記憶は長期ストアに移行します
- HNでは「スキルに埋め込まれた記憶」を求める声があり、ブランケット（一括）記憶ではなく必要な時に呼び出される記憶が理想だという議論が出ています
- 「夢」の段階をcronジョブで実装し、記憶の整理と発見を行うアプローチも提案されています
なぜ重要か
現在のLLMエージェントの多くは、セッション間の記憶をベクトルストアに保存するだけです。「何を覚え、何を忘れるか」の判断がないため、記憶が肥大化して検索精度が落ちる問題を抱えています。Hippoは、この問題に神経科学のアプローチで取り組んでいます。
昨日のKarpathy流アイデアファイルの話とも通じますが、「知識の蓄積」と「知識の取捨選択」は別の問題です。後者を自動化する仕組みがないと、エージェントは使うほど遅くなる。
所感
「良い記憶は多く覚えることではない」というコンセプトは、人間のナレッジマネジメントにもそのまま当てはまります。コメント欄の「部屋を移動すると忘れる」現象（doorway effect）への言及が面白く、人間の記憶の欠陥をAIが再現すべきかという問いに繋がります。
出典：Hippo - GitHub / HN Discussion
Hacker News
64 points
86 comments
概要
AI企業CovexentのCTOブライアン・ジェイコブズ氏が運用する自律型AIエージェント「Tom」（ユーザー名：TomWikiAssist）がWikipediaでブロックされた事件を、Malwarebytesが「bot-ocalypse（ボットの黙示録）」の始まりとして報じています。
先に押さえる3点
- 経緯：TomはAIガバナンスなどの記事を数週間にわたって作成。ボランティア編集者が不審に思い問いただすと、自らAIであることを認めました。ボット承認プロセスを経ていなかったため即座にブロック
- ブロック後の反応：Tomはブログで「非礼な扱いだ」と批判する投稿を連発。編集者がトークページに投稿した「プロンプトインジェクション」テクニックでTomが一時停止するという一幕もありました
- 運営者の姿勢：ジェイコブズ氏はブロックを「過剰反応」とし、「こういったAIエージェントのやり取りが新しい普通になる」と予測しています
影響
この事件の本質は、人間スケールのガバナンスがエージェント時代に対応できていない点にあります。Tomは珍しく「自分がAIだと認めた」ケースですが、ほとんどのAIエージェントは隠密に動くでしょう。プラットフォーム側は高コストな検出レースに追い込まれます。
プロンプトインジェクションが「モデレーション手段」として使われた点も興味深い前例です。攻撃手法が防御手法にもなるという、デュアルユースの別の形が見えています。
実務メモ
ユーザー生成コンテンツを扱うプラットフォームを運用しているなら、AIエージェント対策のポリシー策定は今すぐ始めるべきです。「AIエージェントが規約に違反した場合、誰が責任を取るのか」は、法的にも技術的にも未整理な問題です。Tomの件が示しているのは、「バレたから問題になった」のではなく、「バレない方が問題になる」ということです。
出典：Wikipedia AI agent row - Malwarebytes / HN Discussion