Yuki Nakakura

KCCT-D→HAL-IW→Y!→L→LY
Android

[Yuki Nakakura @hiroaki_dev]

M3デジカルスマート デジスマ診療のM3ってあのM3？
枠予約のおかげで全然待たなくていいし会計も楽だしでとてもいい。
いつも行ってた病院が定休日でたまたま行っただけだったけど今度からこっち行くって思うくらいにいい。

[Yuki Nakakura @hiroaki_dev]

なぜ…

[Yuki Nakakura @hiroaki_dev]

リリースノート  |  Android Developers https://t.co/u65h3AffJ4

>一部の NFC タグでデータの読み取りや URL の開く動作が失敗する NFC サービスのデグレ（先祖返り）を修正

QPR1 Betaで修正するなら次のGooglePlay システムアップデートで直るかな

[Yuki Nakakura @hiroaki_dev]

https://t.co/ghwLazSQ3l
+1

[Yuki Nakakura @hiroaki_dev]

GooglePlayの審査に出したアプリのCrashlytics見てるとminSdk 31なのに30の端末で起動しようとしてクラッシュしてるログがあるんだけど、、、
なんでインストールできてるの

[株式会社フィックスターズ @Fixstars_JP]

【速報📢】Kimi-K3、Day0で動かしました。
ウェ��ト公開当日にNVIDIA B300 x8のシングルノードへデプロイし、その日のうちにベンチマークまで完了。総パラメータ2.8Tの大規模MoEモデルが、追加の量子化なしで1ノードに収まり、しかも実用的な速度で動きます。デプロイ方法、GPUメモリ使用量、推論性能、コーディング性能を速報としてまとめました。
https://t.co/oQZJ5nr1yW

[ML_Bear @MLBear2]

このツイートの「普通は性能が上昇するはずの推論量を上げると逆にコーディング性能が落ちています」と言う部分が明確に間違っていると思うので、少し長くなりますが意見を述べさせていただきます。

注記: 元ツイートを批判する意図はなく、この図1枚を根拠に「とりあえずeffort=med」にする人たちが減れば良いなと思っての投稿です。Opus 5のeffort設定はSNSの推奨ではなくAnthropicの���次情報に従うのが確実です😇

少し長くなりますが以下ひとつづつ書いていきます。

【FrontierCodeのベンチマーク結果の謎について】
実はこの図に示されている現象はシステムカードに原因と対策が書かれています (Section 8.4 / p.150-151 / 1個目の図に抜粋)

システムカードによるとFrontierCodeのスコア低下の原因は「推論で馬鹿になる」ではなく、高effortでタスクの要求以上の変更(リファクタ等)をしてしまう傾向によるものとのことです。

FrontierCodeはマージ可能な差分を採点する設計のため、高品質でもスコープ外の変更は減点されます。(元ツイートの「指示以上に色々変更してしまう」はその通り)

重要なのはその続きで「タスクのスコープ内に留まれ」という短い指示を足しただけで大半のタスクで性能が回復したとあり、システムカードはこれ��もとに「モデルの限界ではない」と結論づけています。

ただし、「本ベンチマークにおけるOpus 5のスコアについては、プロンプトの変更や公式評価手順の修正を行わない状態で報告する。」とも明記されており、AnthropicとしてはあくまでFrontierCodeというベンチマークの理念に沿って、小手先の改善を行わずスコアを明示した結果このグラフが出てきたということのようです。(実務上での対策はeffortを下げることではなくスコープ制約をプロンプトに書くことになる / 公式のPrompt Guideの内容と合致します)

【高effortの有効性について】
それでは、高effortではきちんと性能が向上するのでしょうか？これについては同じシステムカードの他のベンチマークの説明の部分を読むとその答えが書いてあります。

他のコーディング評価では高effortが普通に効いている結果が列挙されており、FrontierBenchはxhigh 44.4%が最良(high 39%、low 25%)、DeepSWEはeffortに対し単調増加、SWE-bench Verified 96.0%はmax effortでの数字となっています。(2個目の図がDeepSWEのスコア)

これらの結果から鑑みるに「effortを上げるとコーディングが落ちる」という主張は棄却されるでしょう。

【effortの公式推奨】
ではeffortは何を使えば良いのでしょうか？それについては "effort" と言う名の直球の公式ドキュメントがあるのでそれを読めば分かります。

公式推奨は「デフォルトのhighから始めて自分のevalで調整、重いコーディング・エージェント作業はxhighへ、品質が保てる範囲でlow/mediumを積極活用」となっています。(3枚目の図)

SNSでの推奨とそこに載っているグラフ1枚から「とりあえずmed」と判断する前に、まずはAnthropicの一次情報を読むのがClaude活用への近道と言えるでしょう。

[Yuki Nakakura @hiroaki_dev]

あとPrompt APIはバックグラウンド実行を許可してくれ

[Yuki Nakakura @hiroaki_dev]

structured outputが入った！litert-lmにもくれよ…
https://t.co/YMrfs83IbN

[Yuki Nakakura @hiroaki_dev]

https://t.co/YgPiK3GzJd

[Yuki Nakakura @hiroaki_dev]

PrismML — Announcing Bonsai 27B: The First 27B-Class Model to Run on a Phone https://t.co/pMLSleHyf7

[Yuki Nakakura @hiroaki_dev]

https://t.co/lcspLCcihs
modelが更新されてて、ファイルサイズ小さくなった上にこの問題直ってた

[Yuki Nakakura @hiroaki_dev]

Google AI Edge GalleryからlibLiteRtDispatch_GoogleTensor.soを抜き取ってGemma4 E2BをPixel 10でTPU使って動かせたけど精度というかトー���ナイザがおかしい気がする

[takahirom @new_runnable]

今日の資料です。
AI Agentで変わるAndroid開発環境
スライド: https://t.co/WLl0v1VYOa
ブログ: https://t.co/8X5pI7TJzc
#gdgtokyo #ioextended

[アニメ ソードアート・オンライン 公式 @sao_anime]

━━━━━━━━━━━━
　　　　 劇場版
#ソードアート・オンライン
- インテグラル・ドメイン -
2028年公開
━━━━━━━━━━━━

新たなる領域へ。
完全新作オリジナル劇場版、始動──

ティザービジュアル解禁！

▼特報
https://t.co/XDfNyzMu5x

#劇場版SAO

[Sakana AI @SakanaAILabs]

Introducing Sakana Fugu: A full multi-agent orchestration system accessible via a single model API.

Our ‘Fugu Ultra’ model matches the performance of Fable and Mythos, delivering frontier capability without the risk of export controls.

Try it: https://t.co/hhO6qTawgb 🐡

[Yuki Nakakura @hiroaki_dev]

https://t.co/KPA9ETrSJr

[Yuki Nakakura @hiroaki_dev]

+1
https://t.co/MqqqqiltUg

[機動戦士ガンダムSEEDシリーズ @SEED_HDRP]

◤￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣◥
『機動戦士ガンダムSEED FREEDOM ZERO』
　　　　 　🎬劇場公開決定🎬
◣＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿◢

『#SEEDFREEDOM』の前日譚――
劇場公開が決定。

『機動戦士ガンダム #SEEDFREEDOMZERO』の詳細は
続報をお待ちください。

[Yuki Nakakura @hiroaki_dev]

genshijinが素晴らしい