#llm

小さなmicrocontrollerでLLMを動かす実験の焦点は、賢さではなくmemory layoutだ。25M parametersをflashに置き、tokenごとに必要な行だけ読む。

議論の中心は、重みを公開するかどうかだけではない。runtime、serving、評価、運用、fine-tuningまで含めたエコシステム競争に移っている。

Claude Opus 5がGitHub Copilotのモデル選択肢に入り、長時間のコード変更や回帰検証をGitHubの作業面から直接任せやすくなる。対象はPro+、Max、Business、Enterpriseで、VS Code、Copilot CLI、cloud agent、JetBrainsなどへ段階的に展開される。

HNで注目されたのは発表文そのものではなく、2.8T規模のopen modelがfrontier性能と推論コストを同時に問い直した点だった。

Kimi K3は2.8Tパラメータ、1M-token context、native visionを掲げ、open-weightモデルの規模競争を一段押し上げた。full weightsは2026年7月27日までに公開予定で、現時点ではKimi.com、Kimi Code、APIで利用できる。

1.6T total、48B activeというMoEの数字だけではない。HNでは国産AI ASIC clusterでの訓練が大きな信号として読まれた。

注目点はスコア表だけではない。HNでは「シニアエンジニア」をbenchmarkでどう扱えるのかに議論が集まった。

Snyk VulnBench JS 1.0は、同じJavaScript脆弱性レビューを300回繰り返し、LLMの検出結果がどれだけ再現するかを測った。最良のLLM設定はSnyk-reference F1 75.4%で、unmatched findingの49.7%は5回中1回だけ出現した。

OpenRouterは6月のopen-weight modelをDeepSeek V4 Flash、GLM 5.2、MiniMax M3、NVIDIA Nemotron 3 Ultraの4軸で整理した。79.0%のSWE-bench Verified、Intelligence Index 51、1M context、低いserving costが判断材料になる。

Google ResearchはGemini-2.5とQwen3-32Bで、reasoningが単純な事実質問の想起を助ける2つの仕組みを分離した。追加tokenは計算時間を与え、関連事実は正答をprimeするが、中間hallucinationは精度を下げる。

注目を集めたのは手続きそのものではなく、高性能LLMへのアクセスが本人確認と結びつき始めた点だ。

セキュリティ通知は量より信頼性が問われている。GitHubは、LLMによる文脈検証でsecret scanningの誤検知を75.76%減らし、目標の65%を上回ったとしている。