OpenAIが自社LLMでJalapeñoチップを設計：100人未満、9か月でRTLからテープアウト
OpenAI が 8 月 25 日に初の自社 AI アクセラレータチップ Jalapeño を発表した。GB300 と比べてエンドツーエンドのレイテンシを 3.6 分の 1 に短縮する。設計には自社 LLM を使い、アーキテクチャ構想から初回テープアウトまで 20 か月足らず、チームは平均 100 人未満だった。
LLM
もっと見る LLM
ホーム
コーディングエージェント向けハーネス設計の実証研究
コーディングフレームワークは、自律コーディングエージェントがモデル能力を長周期ソフトウェアエンジニアリング性能へと変換する方法を決定するが、通常はモノリシックシステムとして評価される。本研究では実行ループを固定し、SWE-Bench VerifiedとTerminal-Bench上で4つのモデルに対して3つのコンポーネント（計画、行動空間、コンテキスト管理）を一つずつ変更する。
数学を知らない人が約40億トークンでConwayの50年前の予想を証明
数学の素人である Dan Abramov が、一か月と約 400 億トークンを費やし、Claude と ChatGPT を Lean につないで Conway が 50 年前に提唱した細分化予想の証明を得た。数学者による独立検証はまだ受けていない。
HEIC画像1枚からOpenAI社内リポジトリまで：72時間で2つの脆弱性をつなぐ
Hacktron のチームが 2 つの脆弱性を連鎖させて OpenAI を侵害した。Discourse の画像経由で libheif のヒープオーバーフローから RCE を取り、OpenAI SSO の設定ミスで従業員のアカウントを乗っ取り、社内 monorepo に到達した。発見から侵入まで 72 時間未満。
Jevはテキストを生成せず、確率だけを出力する：「一つの判断」をAPIにした、私たちが実測したそれが解決すべき問題
TypeSafe AI の Jev はモデル出力を文字列から確率付きの型付き判断に置き換え、その確率は「校准」済みだと主張している。この前提を裏付ける証拠は誰も示していない。そこで確定した答えのある 229 件の主張を使い、通常の LLM の信頼度が自動化に使えるかどうかを測った。
Fable 5 対 GPT-5.6 Sol：2,000 ドルと 20 億トークンを費やして、Expo アプリをうまく書けるのはどっちだ
3つのAIモデルがそれぞれ一度に3つのExpoアプリを作成し、20億以上のトークンを消費して2,000ドルを費やし、Fable 5がコードとUIの品質で勝利した。