AI
『Fable 5.1』と「ページを破らないノート」：Anthropicの最強モデルは他とどう違うのか
トークン単価は変わらないのに請求額が25%減り、技術ノートには「400を返す」という記述が散見される。Fable 5.1をそのAPIを通じて読み解いてみると――そこでは、排除された機能の一つひとつが設計上の判断であることがわかる。
AI
ノイズに埋もれた種：AIエンジニアが偶然を再現可能なものに変える方法
AIが生成する写真はすべて、ノイズ画像から始まり、そのノイズ画像はたった一つの数値によって決定されます。実環境での測定結果：275枚の写真の保存に421回のGPU処理が必要でしたが、シード空間は滑らかに伸びたかと思えば途切れていました。
AI
AIモデルの競争：2025～2026年の飛躍、経済的ブレイクスルー、そして今後のトレンド
2026年8月更新：実行時の推論や「DeepSeekの瞬間」から、実際に機能するエージェントへ――なぜ競争の様相が変わったのか、どのような経済的ブレークスルーが熱気を呼んでいるのか、そして2026～2027年のトレンド。
AI
Grokと緩やかな検閲：検閲と能力の真の関係
「緩い検閲」とは、実際には4つの異なる要素がひとまとめにされたものに過ぎません。これらを分解してみると、その能力は検閲ではなく事前学習に由来することがわかります――そして、Grokが提供しているのは技術的な飛躍ではなく、価値そのものです。
AI
なぜ言語モデルは誤りを生じ、それをどのように軽減できるのか
この誤りは設定のせいではなく、モデルが学習された方法の直接的な結果である。その点を理解してこそ、誤りを抑制する方法が分かる。
AI
エンベディングと意味検索：RAGの基盤
テキストをベクトルに変換し、単語の一致ではなく意味を比較できるようにする。これが、現在のAIアプリケーションの大部分を構成する重要な要素である。
AI
エージェントとツールの活用：なぜチャットボットよりもはるかに難しいのか
このモデルを「ツール呼び出し」と呼ぶのは、単なる機能の追加のように思えるかもしれない。しかし実際には、これは課題を「テキスト生成」から「耐障害性分散システム」へと根本的に変えるものである。
AI
自宅のPCで言語モデルを実行する：必要なハードウェア構成
メモリ使用量の推定式、量子化レベルの意義、および速度に関する現実的な期待値。
AI
実運用におけるRAG：アーキテクチャと最も故障しやすい箇所
検索と単純な音声言語モデルを組み合わせる。システムの多くは、テキスト生成の段階ではなく、検索の段階で失敗している。
AI
言語モデルに関する7つのよくある誤解
AIに対する誤った期待の多くは、AIを「話すことができるデータベース」として捉えていることに起因しています。しかし、AIはそうではありません。
AI
サイバー攻撃におけるAI：現実の脅威と防御策
言語モデルは新たな攻撃手法を生み出すわけではないが、攻撃のハードルを下げ、その規模を拡大させる。防御策は、まさにこの2点に合わせて調整しなければならない。