Ainora(アイノラ) | ai0w

AIアーティスト｜エンジニア｜初心者でもできるAI開発の技術メモ
AI 実験ログ研究室：discord:

[Anthropic @AnthropicAI]

Today, Anthropic engineers on average ship 8x as much code per quarter as they did compared to 2021-2025.

[Ainora(アイノラ) | ai0w @ai0wcom]

@aryaan_smm Thanks! I was happy to be part of the beta. Looking forward to seeing the product continue to evolve and grow.

[Ainora(アイノラ) | ai0w @ai0wcom]

Sakana AI のベータテストに参加させていただき、謝礼のグッズが届きました🙌
実際に新機能を試しながらフィードバックできる貴重な機会でした。
これからの進化も楽しみにしています。
ありがとうございました！
#SakanaAI #BetaTest

[Sakana AI @SakanaAILabs]

【採用情報】「Software Engineer」の5ポジションが現在オープン！
https://t.co/1q07mb3TzE

「AIが進化すれば、ソフトウェアエンジニアの仕事はなくなるのか？」
Sakana AIは、全く逆だと考えています。

AIツールの登場で開発効率が劇的に向上する一方、ジェボンズのパラドックス（Jevons paradox） が示すように、私たちが解決できる課題の幅と規模が拡大し、優秀なSoftware Engineerの需要はかつてなく高まっています。

事実、Sakana AIでは、AI支援ツールを駆使して最前線で活躍し、AIそのものを社会実装していくSoftware Engineerの採用をかつてない規模で強化しています！

現在、以下の5つの専門領域で募集を公開中です。詳細はリンク先をご覧ください。

🐙 こんな挑戦が待っています
・Enterprise: AI技術を組み込んだアプリケーションのFrontend〜Backendまでの一貫した設計・開発および運用
・Defense & Intelligence: 日本の防衛・インテリジェンス分野に、AIを活用したソフトウェアで貢献 (※本ポジションは性質上、日本国籍保有等の要件がございます)
・Product: 自社AIプロダクトのUI/UXからバックエンド・インフラまでのフルスタック開発
・Platform: LLMエージェントを支える強固なインフラ・データプラットフォームの設計・構築 (English req, 日本語 is a plus)
・Research and Development: ML研究と製品開発を繋ぎ、研究を加速させるツールやフルスタックインフラを構築 (English req, 日本語 is a plus)

🐡 こんな方を求めています
・Frontend / Backend / Infrastructureのいずれか複数領域での実務経験をお持ちの方
・AI支援コーディングツールを活用し、チームで自律的に開発を進められる方
・AIシステム開発や、0→1でのプロダクト立ち上げ経験がある方はさらに歓迎！

フルタイムに加え、業務委託・インターンシップと柔軟な働き方が可能です（※ポジションにより異なります）。

最先端のAI技術を自らの手で社会へ届け、変革の波を創り出したい方。ぜひご応募ください。

[Nous Research @NousResearch]

Hermes Agent v0.11.0 - “The Interface Release”

Full changelog below ↓

[Sakana AI @SakanaAILabs]

Sakana AIは、総務省「インターネット上の偽・誤情報等への対策技術の開発・実証事業（令和7年度）」において、膨大な偽・誤情報の可視化・判定・対策を担う技術開発を完了しました。

https://t.co/GHrq1yEB8x

本事業では、膨大な偽・誤情報が流通する現代の情報環境の課題を解決するため、 ノベルティサーチをはじめとする独自の技術を活用し、SNS空間の可視化、総合的な偽・誤情報判定、そして対策案の立案までを支援するシステムを開発しました。

今後もSakana AIは、インテリジェンス領域でのAIの社会実装に貢献していきます。

[Sakana AI @SakanaAILabs]

🐟Ultra Deep Researchアシスタント「Sakana Marlin」、βテスター募集🐟

Sakana AIは、当社初の商用プロダクトとして、独自のエージェント技術によるビジネス向けAIリサーチアシスタント「Sakana Marlin」を開発しました。

https://t.co/Q8o5SBNBoY

Sakana Marlinは、高度なビジネス調査を完遂する 、独自の長期推論技術に基づく自律型リサーチアシスタントです。

主な特徴
・ テーマを与えると、8時間近くにわたり自律的にリサーチ
・ 詳細な調査ドキュメントとまとめスライドを自動生成
・ 複数人のチームが数週間かけるプロフェッショナルな戦略調査を想定

複雑な社会情勢の中で良質な判断を下すため、AIのポテンシャルを最大限生かすソリューションとして構想しました。

本技術は、先日Nature誌にも掲載された科学的発見の自動化「AIサイエンティスト」の知見と、戦略的探索を可能にする「AB-MCTS」を融合。長く考えた分だけアウトプットの質が向上する「効率的な推論スケーリング」を実現しています。

クローズドβテストを実施します
金融機関・事業会社の経営戦略/事業企画部門、コンサルファーム、シンクタンクなど、日常的に高度なリサーチに取り組む方が対象です（期間中無料）。皆様からのフィードバックをもとに改善を重ねていきます。

▼ クローズドβテスター応募はこちら
https://t.co/fkaCwJceHb

[Sadao Tokuyama @tokufxug]

LLMが遂にテキストを脱皮し「現実世界」の3D空間をガチで理解し始めた。

SpatialLMは3D点群にLLMの推論力を適用し、壁やドアの構造、空間の繋がりを解釈して構造化データを出力する。

言語モデルを空間知能へ拡張するブレイクスルー。コードも論文もオープンに公開。

[Claude @claudeai]

You can now enable Claude to use your computer to complete tasks.

It opens your apps, navigates your browser, fills in spreadsheets—anything you'd do sitting at your desk.

Research preview in Claude Cowork and Claude Code, macOS only.

[Sakana AI @SakanaAILabs]

Sakana AIは、読売新聞社と共同でSNS空間での中国による対日批判を分析しました。独自に開発したAI技術を搭載する当社のシステムが、SNSの膨大なデータから文脈やニュアンスを深く読み取り、批判投稿とナラティブを抽出。その構造を可視化し、さらに実用的な仮説構築までを実行しました。

【記事】
読売新聞（１） https://t.co/PpIpqfFdOv
読売新聞（２） https://t.co/wGCJx0gtJ9

今回の分析に用いたSakana AIの独自AI技術には三つの特徴があります。第一に、投稿文の文脈、ニュアンスからナラティブを抽出することです。例えば「高市首相の誤った発言の撤回を要請」という投稿から「台湾問題への介入と内政干渉」というナラティブを抽出しましたが、これは「台湾」というキーワード検索では発見できないものです。

第二に、独自開発したノベルティー・サーチ技術です。3種類の異なる大規模言語モデル（LLM）が集合知的に推論を重ねてSNS上の重要情報を探索し、粒度の高いナラティブを抽出します。それをさらに抽象度の高いグループにまとめて階層的に可視化することで、情報空間の大きな流れを詳細に把握できます。

第三に、仮説構築です。抽出・分類されたナラティブから、AIが仮説を無数に生成します。判断過程や具体的なデータなどの根拠も示されるため、分析担当者はその内容を精査し、再度分析を指示するなどして、信頼性が高いと考えられる仮説を絞り込むことができます。

今回は、SNSの計110万件にのぼる膨大な投稿の分析から、複数の仮説が導き出されました。このうち、「高市首相の国会答弁後、中国が統一的な対日批判戦略を検討してから大規模な対日批判を開始した」という仮説について、読売新聞が日中双方の政府関係者らに取材し、専門家の意見も踏まえて検証・裏付けを行いました。

AIは人間には見出せないインサイトを発見し、人間はそれを見てAIと対話しながらさらなる分析や対策を検討する－－今回の読売新聞社との共同研究はそうした新しい分析の実践の形を示したと考えています。

防衛・インテリジェンス領域においては、本調査で対象とした認知戦をはじめとして、「情報力」の果たす役割がかつてないほど大きくなっています。

Sakana AIはこうした背景も踏まえ、「金融」と並ぶ注力領域として「防衛・インテリジェンス」分野を位置付け、最先端のAI技術を実装する取組を進めています。日本発のAI開発企業として、引き続き防衛・インテリジェンス領域でのAI実装を本格化していきます。

[Ainora(アイノラ) | ai0w @ai0wcom]

Sakana AIの新しいチャットサービス「Sakana Chat」を無料で一般公開🐟

[Sakana AI @SakanaAILabs]

🐟 Sakana Chat 公開 🐟

Sakana AIは、Sakana Chatを無料公開しました。

https://t.co/lyIrGJY4fW

Web検索機能と高速レスポンスを備えたAIチャットです。日本国内から、どなたでもお使いいただけます。ぜひ、お試しください。

[Sakana AI @SakanaAILabs]

Sakana Chatの背後で動いているのは、Sakana AIの新モデルシリーズ「Namazu（α版）」です。

🔗 詳細はこちら： https://t.co/xXGq7NQmO0

現在、世界には、様々なオープンモデル（LLM）が提供されており、その中には極めて高性能なものも含まれています。他方、このようなモデルは、学習データの偏り 、開発元のイデオロギー、価値観など（バイアス）が必要以上に反映されることが避けられません。Sakana AIは、①これらのバイアスを可能な限り除去し、②自らの価値観を新たに反映させ、③安心かつ各国の文脈に即して使えるようにするための技術開発に取り組んできました。

その技術実証の第一弾として、今回「Namazu」シリーズのα版となる3つのモデル Namazu-DeepSeek-V3.1-Terminus、Llama-3.1-Namazu-405B、Namazu-gpt-oss-120Bを構築しました。これら3つのモデルは、オープンモデルの卓越した性能を継承しながら、日本国内での利用に適した振る舞いを実現しています。 詳細はブログをご参照ください。

▪️ Sakana Chatへの搭載とこれから
私たちのゴールは、単に優秀なモデルを作るだけではなく、それを多くの方に使っていただくことです。そのために専用のチャットインターフェースを構築しました。これまで約1,000名のベータテスターの皆様による熱意あるフィードバックをもとに改善を重ねてまいりましたが、本リリースを通じて多くの方に触れていただくことで、さらにモデルとサービスを磨き上げ、より良いものへと改善していきたいと考えています。

[Sakana AI @SakanaAILabs]

🐟 Sakana Chat 公開 🐟

Sakana AIは、Sakana Chatを無料公開しました。

https://t.co/lyIrGJY4fW

Web検索機能と高速レスポンスを備えたAIチャットです。日本国内から、どなたでもお使いいただけます。ぜひ、お試しください。

[Will Eastcott @willeastcott]

Thanks to 3D Gaussian splatting, you can now publish amazing interactive experiences to the web.
🎦 Orbit, fly and first person cameras
ℹ️ Informational hotspots
🪄 Full screen effects
🌤️ Custom skyboxes
Rendered by @PlayCanvas. Served up on SuperSplat.
Free and open source!

[Akshay 🚀 @akshay_pachaar]

RAG was never the end goal.

Memory in AI agents is where everything is heading. Let me break down this evolution in the simplest way possible.

RAG (2020-2023):

- Retrieve info once, generate response
- No decision-making, just fetch and answer
- Problem: Often retrieves irrelevant context

Agentic RAG:

- Agent decides *if* retrieval is needed
- Agent picks *which* source to query
- Agent validates *if* results are useful
- Problem: Still read-only, can't learn from interactions

AI Memory:

- Read AND write to external knowledge
- Learns from past conversations
- Remembers user preferences, past context
- Enables true personalization

The mental model is simple:

↳ RAG: read-only, one-shot
↳ Agentic RAG: read-only via tool calls
↳ Agent Memory: read-write via tool calls

Here's what makes agent memory powerful:

The agent can now "remember" things - user preferences, past conversations, important dates. All stored and retrievable for future interactions.

This unlocks something bigger: continual learning.

Instead of being frozen at training time, agents can now accumulate knowledge from every interaction. They improve over time without retraining.

Memory is the bridge between static models and truly adaptive AI systems.

But it's not all smooth sailing.

Memory introduces new challenges RAG never had, like memory corruption, deciding what to forget, and managing multiple memory types (procedural, episodic, and semantic).

Solving these problems from scratch is hard. If you want to build Agents that never forget, Cognee is an open-source framework (12k+ stars) to build real-time knowledge graphs and get self-evolving AI memory.

Getting started with Cognee is as simple as this:

𝗮𝘄𝗮𝗶𝘁 𝗰𝗼𝗴𝗻𝗲𝗲[.]𝗮𝗱𝗱("𝗬𝗼𝘂𝗿 𝗱𝗮𝘁𝗮 𝗵𝗲𝗿𝗲")
𝗮𝘄𝗮𝗶𝘁 𝗰𝗼𝗴𝗻𝗲𝗲[.]𝗰𝗼𝗴𝗻𝗶𝗳𝘆()
𝗮𝘄𝗮𝗶𝘁 𝗰𝗼𝗴𝗻𝗲𝗲[.]𝗺𝗲𝗺𝗶𝗳𝘆()
𝗮𝘄𝗮𝗶𝘁 𝗰𝗼𝗴𝗻𝗲𝗲[.]𝘀𝗲𝗮𝗿𝗰𝗵("𝗬𝗼𝘂𝗿 𝗾𝘂𝗲𝗿𝘆 𝗵𝗲𝗿𝗲")

That’s it. Cognee handles the heavy lifting, and your agent gets a memory layer that actually learns over time.

I have shared the repo in the replies!

[Ainora(アイノラ) | ai0w @ai0wcom]

LLMの入力・出力の価格比較がとても分かりやすい

[Günther | グンタ @gunta85]

先日公開したAIモデル比較ダッシュボード、結構アップデートしました。

まずTaalas HC1を追加。16,960トークン/秒。GPUじゃなくてカスタムシリコンに直接モデル焼いてるやつ。

Claude Opus 4.6の458倍、GPT-5.3-Codexの320倍。モデル自体はLlama 3.1 8Bなので能力は小さめだけど、エッジ推論とかリアルタイム翻訳とか、速度がボトルネックになってたユースケースが一気に現実的になる。

他にも色々やりました:
・ニュースセクション追加。AI推論まわりの最新動向をタイムラインで追えるようにした

・「なぜ作ったのか」ページ追加。運営方針とか、どういう基準でデータ集めてるかとか、裏側の話を書いてます

・シェアボタンつけた
・RSSフィード対応
・UI全体的に直した。スマホでも見やすくなってるはず

引き続き新モデル出たら随時更新します！

「このモデルどう？」って聞かれたら、このURL投げてください
https://t.co/Q2uqSXuYSX

[Sakana AI @SakanaAILabs]

日本独自のAI技術で国の安全保障基盤を強靭化することは急務です。

Sakana AIでは、技術の力で日本の防衛・インテリジェンスを支える最前線のチームに加わる「Applied Research Engineer」および「Software Engineer」を募集しています。日本の未来を強固にする挑戦に、あなたの力を貸してください。

[852話(hakoniwa) @8co28]

ラフ動画に静止画当てアニメーション化検証

1.ラフ動画を描く
2.キャラ参照静止画を作る
3.1に2のキャラを当て込む
4.3のデプス動画を取る
5.開始フレーム静止画を作る
6.4の動きに4を当て込む

[Perplexity @perplexity_ai]

Today we're releasing two embedding model families, pplx-embed-v1 and pplx-embed-context-v1.

These SOTA embedding APIs are designed specifically for real-world, web-scale retrieval.

https://t.co/fUUasIGhYX

[Sakana AI @SakanaAILabs]

We’re excited to introduce Doc-to-LoRA and Text-to-LoRA, two related research exploring how to make LLM customization faster and more accessible.

https://t.co/ApVzVsBuv1

By training a Hypernetwork to generate LoRA adapters on the fly, these methods allow models to instantly internalize new information or adapt to new tasks.

Biological systems naturally rely on two key cognitive abilities: durable long-term memory to store facts, and rapid adaptation to handle new tasks given limited sensory cues. While modern LLMs are highly capable, they still lack this flexibility. Traditionally, adding long-term memory or adapting an LLM to a specific downstream task requires an expensive and time-consuming model update, such as fine-tuning or context distillation, or relies on memory-intensive long prompts.

To bypass these limitations, our work focuses on the concept of cost amortization. We pay the meta-training cost once to train a hypernetwork capable of producing tasks or document specific LoRAs on demand. This turns what used to be a heavy engineering pipeline into a single, inexpensive forward pass. Instead of performing per-task optimization, the hypernetwork meta-learns update rules to instantly modify an LLM given a new task description or a long document.

In our experiments, Text-to-LoRA successfully specializes models to unseen tasks using just a natural language description. Building on this, Doc-to-LoRA is able to internalize factual documents. On a needle-in-a-haystack task, Doc-to-LoRA achieves near-perfect accuracy on instances five times longer than the base model's context window. It can even generalize to transfer visual information from a vision-language model into a text-only LLM, allowing it to classify images purely through internalized weights.

Importantly, both methods run with sub-second latency, enabling rapid experimentation while avoiding the overhead of traditional model updates. This approach is a step towards lowering the technical barriers of model customization, allowing end-users to specialize foundation models via simple text inputs. We have released our code and papers for the community to explore.

Doc-to-LoRA
Paper: https://t.co/87xEEpf0GN
Code: https://t.co/zBfQi2L9LW

Text-to-LoRA
Paper: https://t.co/emLRZ4Vdvo
Code: https://t.co/b9mrdoWWRB