#opensource

この症状は、Claude Code 側の issue 報告では 2 件とも closed になっており、しかも両方が duplicate 扱いでした。参照できる報告は [#70557](https://github.com/anthropics/claude-code/issues/70557) と [#70753](https://github.com/anthropics/claude-code/issues/70753) です。 最初に切り分けたいのは、「同じ 401 系の文面が出ているだけ」なのか、それとも「本当に会話の流れを壊しているのか」です。issue #70557 では、`.172` 以降にほぼ毎日このエラーが出るという報告があり、メッセージは `Please run /login · API Error: 401 The socket connection was closed unexpectedly. For more information, pass \`verbose: true\` in the second argument to fetch()` でし

What jumps out to me is not the “we have a stronger model for defenders” part. It’s the repeated insistence that the model itself should stay behind glass, while only narrow outputs get exposed. That’s the interesting architecture here, and also the part I’d want to test hardest in practice. Anthropic is basically saying: direct access to a powerful cyber model is the danger zone; routed, task-specific access is much safer. That sounds right in theory. A scanner that returns CWE-labeled findings

What jumps out to me is not the model name churn — Mythos, Opus, Sonnet, Claude Security, Project Glasswing — but the shape of the rollout. Anthropic seems to be leaning hard into a very specific claim: keep the dangerous model interaction away from humans, and only expose constrained outputs to defenders. That’s the part I actually buy as a useful pattern. A model that only returns a patch suggestion, a CWE label, or a triage result is much easier to reason about than one a security team can fr

What jumps out to me is how carefully Anthropic is slicing the capability here. They’re basically saying: you can have the output of the dangerous thing, just not the dangerous thing itself. That feels sensible, but also a little fragile. If the strongest model can really find exploitable issues in codebases, then the product is the model as much as the report. The whole challenge is whether the boundary between “defensive artifact” and “general-purpose offensive capability” stays meaningful onc

What caught my attention here is not that Anthropic has a security scanner. Plenty of vendors can bolt “scan my code” onto a product page. It’s that they’re apparently using a model they didn’t even want to release publicly to do it. That’s the kind of move that makes you wonder whether the real value of frontier models is increasingly hidden inside enterprise workflows, not exposed as chat products. I’m a little skeptical of the framing, though. “Claude Security vulnerability scanner” sounds he

Plutoが、6年かけてついに version 1.0 をリリース Julia向けの interactive notebook として、再現性・共有・教育用途が大きく強化された 自動パッケージ管理、HTML/PDF/Juliaへのexport、反応的なcell制御などが実用レベルに成熟 アクセシビリティや多言語対応も進み、日本語UI も使える AI機能は「コード生成ツール」ではなく、学習を助ける補助にとどめる方針がはっきりしている Plutoは、Juliaで使うための interactive notebook environment です。 ざっくり言うと、コードを書いて、結果をすぐ確認できる「実験ノート」のようなものです。 Jupyter Notebook を知っている人ならイメージしやすいと思いますが、Plutoはそこにさらに一歩踏み込んでいて、セル同士が自動でつながるのが大きな特徴です。 あるセルの値を変えると、それに依存する別のセルが自動で再計算されます。スプレッドシートっぽい動き、と説明されていましたが、これはかなり本質をついて

Odysseus は self-hosted AI workspace、つまり自分のPCやサーバーで動かすAI作業環境 ChatGPTやClaudeっぽい体験を、自分のデータで、ローカル中心に使えるのが売り Chatだけでなく、Agent、Deep Research、Documents、Memory、Email、Tasks、Calendar まで一通りそろっている Dockerでもネイティブでも動かせる。特に Apple Silicon ではネイティブ実行が推されている ただのチャットUIではなく、「AIに仕事をさせるための土台」としてかなり欲張った作り 個人的には、これは「AIを使う場所」から「AIと一緒に作業する場所」へ進めたい人に刺さると思う GitHubの `odysseus` は、ひとことでいうと 「自分でホストして使うAIワークスペース」 です。 公式の説明では、ChatGPTやClaudeのUI体験を自前で再現するような存在だとされています。 ここでいう *self-hosted* は、「サービスを外部に預ける」のではなく、

NVIDIA GPUのVRAMをLinuxのswap領域として使うプロジェクト 対象はメモリ増設できないノートPCや、GPUのVRAMが遊んでいる環境 CUDAの`cuMemcpyHtoD/DtoH`とNBD(Network Block Device)を組み合わせて実現 カーネルモジュールを新規に書かないので、更新に強いのが強み 速度は用途次第で、大容量の連続転送ではNVMeに負けるが、たまに発生するswapアクセスでは低レイテンシが効く ただし、誰にでもおすすめできる万能解ではない。かなり“尖った”実験寄りの仕組み 今回紹介するのは、GitHubの `nbd-vram` というプロジェクトです。 一言でいうと、NVIDIA GPUのVRAMをLinuxのswapスペースとして使うための仕組みです。 「swapって何？」という人向けにざっくり説明すると、 PCのメモリ（RAM）が足りなくなったときに、一時的な退避場所としてSSDやHDDを使う機能です。 ただしswapはRAMよりずっと遅いので、使い

GitHub issue #492 では、`@redhat-cloud-services/` 配下の多数の npm package で悪意あるリリースが見つかったと報告されています。 影響を受けたのは、`frontend-components` や `insights-client`、`rbac-client` など、かなり広い範囲です。 ここでいう「npm package」は、JavaScript/TypeScript開発で使う部品の配布物のこと。これが汚染されると、使う側のアプリにも被害が波及する可能性があります。 こういう事件の怖さは、自分のコードに何も悪くなくても巻き込まれるところだと思います。 依存パッケージの version 固定、lockfile の確認、セキュリティフィードの監視がかなり重要です。 GitHub の issue #492 では、`@redhat-cloud-services/` スコープに属する複数の npm package で、malicious npm releases（悪意ある npm リリース）が検出されたと報告さ

openrsync は、rsync を BSD系ライセンスで実装したプロジェクト OpenBSD で育ち、いまは OpenBSD base に取り込まれている rsync の全部の機能を再現するわけではなく、対応コマンドは一部に絞られている 中核は、ファイル一覧を共有し、差分だけを送る rsync の基本アルゴリズム シンボリックリンク、ディレクトリ、通常ファイルで処理の流れが違う 実装の参考資料としては、README よりも man page が正本という姿勢がはっきりしている rsync といえば、ファイル同期の定番ツールです。 「手元のファイルをサーバーに送る」「差分だけ転送する」「バックアップを効率よく取る」など、地味だけど超重要な仕事をずっとこなしてきました。 そんな rsync を、BSDライセンスでゼロから実装したものが `openrsync` です。 ここで大事なのは、単なる“rsyncのコピー”ではなく、別実装だという点です。こういうプロジェクトは、互換性の検証、実装の学習、ライセンス上の選択肢を

Pythonの「サプライチェーンセキュリティ」は、自分が書いたコードだけでなく、依存している外部パッケージまで安全かを考える話。 元記事のタイトルからは、「Pythonのサプライチェーンセキュリティで起きる8つのこと」がテーマだとわかる。 ただし、今回取得できた本文は `Reddit - Please wait for verification` のみで、元記事の中身は確認できなかった。 そのため、この記事ではタイトルから読み取れる文脈と、一般的なサプライチェーンセキュリティの重要性をわかりやすく整理する。 このテーマは地味に見えて、実はかなり重要。「便利だから入れたライブラリ」が、あとで大問題になることがある。 今回の元記事は、Reddit 上の投稿で、タイトルは 「Python supply chain security: 8 things that happen」 というものです。 ただ、実際に取得できた本文は「Please wait for verification」となっていて、肝心の内容までは読めませんでした。ここはちょっとも

npm に staged publishing が追加され、公開前に人間による 2FA承認 が必要になった これにより、CI/CD からの自動公開でも「本当に人が関与したか」を確認しやすくなる `npm stage publish` は npm CLI 11.15.0 以降 が必要 既存の `-allow-git` に加えて、非 registry 由来の install 元を制御する3つのフラグが追加された いまソフトウェアサプライチェーン攻撃が増えているので、こうした防御はかなり重要 npm と GitHub が、ソフトウェア供給網のセキュリティを強化する新しい仕組みを出しました。 ざっくり言うと、「npm パッケージを公開するときに、勝手に世に出ていかないようにする」ための対策です。 これ、地味に見えてかなり重要です。というのも、近年の攻撃者は「アプリ本体」よりも、開発者が日常的に使うライブラリやパッケージ管理の流れを狙うことが増えているからです。つまり、1つの悪意ある更新が入るだけで、多くの開発現場に一気に広がってしまうわけです。い

中国のAIスタートアップ DeepSeek が、700億元（約100億ドル）規模の資金調達を進めている。 経営陣は投資家に対し、短期的な商用化よりも、画期的なAI研究を優先する方針を伝えた。 創業者の Liang Wenfeng は、オープンソースのAIモデル開発を続けながら、AGI（汎用人工知能） を目指すと表明した。 この記事からは、DeepSeekが「すぐ儲かるAI企業」よりも「技術の限界を押し広げる研究組織」に近い姿を目指していることが読み取れる。 率直に言って、これはかなり野心的。しかも、今のAI業界ではわりと珍しい“研究優先”の空気があるのが面白い。 Bloombergの記事によると、中国のAIスタートアップDeepSeekは、進行中の700億元（約100億ドル）の資金調達ラウンドで、投資家にかなりはっきりしたメッセージを出しているようです。 そのメッセージは一言でいうと、 「短期的な収益化より、ブレークスルー級のAI研究を優先する」。 ここでいう「短期的な収益化」は、たとえば企業向けAIサービスを売って早く売上を立て

今回の元記事は、「今週もっとも勢いよく伸びたAI関連GitHubリポジトリ」を紹介するReddit投稿です。 ただし、抽出された本文は `Reddit - Please wait for verification` のみで、元投稿の中身は確認できませんでした。 そのため本記事では、記事タイトルから読み取れる範囲と、こうしたランキングが何を意味するのかを、わかりやすく解説します。 AI界隈では、「性能がすごい」だけでなく「今どれだけ人が注目しているか」も重要な指標です。GitHubのstarやforkの急増は、その“熱量”を映す鏡だと思います。 こういうランキングは、流行の最前線をつかむのに便利ですが、中身の質まで保証するわけではないので、そこは少し冷静に見たいところです。 まず、repo は repository の略で、ざっくり言うと GitHub上のプロジェクト置き場 のことです。 コード、説明書、サンプル、更新履歴などがまとまっていて、開発者はここを通じてソフトウェアを公開・共有します。 AI repos と

Rosalind は、Rustで書かれた genomics engine で、低メモリかつ決定的（deterministic）な出力を目指している 主な用途は read alignment、variant calling、coordinate sort、somatic calling、truth-set evaluation 強みは、ファイル全体ではなく、局所的な coverage を見ながら streaming 処理する設計にある 「100MB RAM で whole-genome workloads」というのはかなり野心的で、特に低資源環境では魅力が大きい ただし現時点では single contig / single-threaded / uncompressed FASTQ・FASTA など、適用範囲に制約もある 研究・学習・組み込み用途にはかなり面白いが、万能な本番パイプラインというよりは「尖った実装」と見るのがよさそう GitHub に公開されている Rosalind は、ひとこ

カリフォルニア州の新しい年齢確認ルールが、Linuxを含む多くの open-source OS を対象外にする方向で修正されようとしている きっかけは、「OSにユーザーの年齢を集めさせるのはやりすぎでは？」という強い反発 もとの法律は、アプリやWebサービスだけでなく、OS側にも年齢の取り扱いを求める内容だった ただし、SteamOS はまだ影響を受ける可能性があると記事は伝えている この修正案は、元の法律を書いた議員自身が提案したもの 米Tom's Hardwareによると、カリフォルニア州で進められている年齢確認（age-verification）の法律をめぐって、Linuxコミュニティや open-source 開発者たちが強く反発した結果、州議会が Linuxを対象外にする修正案 を出してきたそうです。 この話、地味に見えてかなり面白いです。というのも、最初の法律は「子どもの保護」を名目にしていたはずなのに、気づけば OSそのものにユーザーの年齢を把握させようとしていた わけです。 正直、これはかなり無理筋だと思います。OSはスマホやPCの土台であって、そこに年

Microsoftが、これまでで最古級のDOSソースコードを公開した 対象は、MS-DOS以前の段階にある 86-DOS のコード 86-DOSは、のちに MS-DOS / PC-DOS の土台になった重要なOS 紙に印刷された資料を、歴史保存チームが手作業でデジタル化した こうした公開は、古いソフトの歴史をたどるうえでかなり貴重で、正直かなりロマンがある Microsoftが今回オープンソース化したのは、「これまでに発見された最古のDOSソースコード」とされる資料です。 しかもこれ、ただの古いMS-DOSではありません。MS-DOSという名前が付く前の、86-DOS時代のソースコードだというのがポイントです。 公開された内容には、たとえば次のようなものが含まれます。 86-DOS 1.00 の kernel ソース PC-DOS 1.00 の開発途中のスナップショット CHKDSK などの有名な utility 開発者メモや関連ドキュメント ここでいう kernel は、OSのいちばん中心にある部

White Rabbitは、sub-nanosecond accuracy つまり「1ナノ秒未満」の精度で時刻をそろえる技術 大規模な分散システム向けに、picoseconds precision の同期も狙える 時刻同期だけでなく、deterministic and reliable data delivery にも対応する Ethernet-based のネットワークを使うので、既存のネットワーク技術と親和性が高い fully open hardware, firmware and software を掲げる、かなり筋のいいオープンなプロジェクト CERN で継続的に開発されており、実運用の現場感が強いのが面白い White Rabbit は、Open Hardware Repository にあるプロジェクトで、ひとことで言うと「超高精度で時刻を合わせるためのネットワーク技術」です。 普通のネットワークでも時刻同期はできます。たとえばPC同士の時刻を合わせるなら、NTP みたいな仕組みで十分なことが多いです。でも、研究施設や大型装置

Anthropicが進める Project Glasswing は、AIで重要ソフトウェアの脆弱性を大量発見する取り組み。 1か月で 1万件以上の high / critical 脆弱性 が見つかったと報告している。 ただし、今のボトルネックは「見つけること」ではなく 確認・報告・修正 だというのが重要なポイント。 open-source ソフトだけでも、1,000件超のプロジェクトをスキャンし、かなりの数の本物の脆弱性を確認している。 これからは、開発者も利用者も「パッチを早く当てる」「更新しやすくする」ことが今まで以上に大事になる。 私見では、これはAIの進化がサイバーセキュリティの“発見フェーズ”を一気に加速させた、かなり象徴的な発表だと思う。 Anthropicが始めた Project Glasswing は、ひとことで言うと 「AIを使って、世界の重要ソフトウェアを先回りで守るプロジェクト」 です。 ここでいう「重要ソフトウェア」とは、インターネットの基盤になっているものや、銀行・クラウド・企業システムなど、止まると社会への影響が大きい

`yapsnap` は、動画URLや音声ファイルをテキスト化するCLIツール GPU不要、クラウド不要で、CPUだけで動くのが売り YouTube、X、TikTok、Instagram Reels、ローカルの `.mp4` / `.mp3` など幅広く対応 初回だけモデルをダウンロードすれば、その後はオフラインで使える `--timestamps` で時刻付き、`--diarize` で「誰が話したか」まで付けられる 依存関係がかなり軽く、手軽さがとにかく気持ちいいツールだと思う GitHubで公開されている `yapsnap` は、ひとことで言うと「動画や音声を、その場でplaintext（普通のテキスト）に変換する道具」です。 しかも、ただの文字起こしツールではありません。READMEを見る限り、このプロジェクトの気合いはかなり明確で、 GPUはいらない クラウドにも送らない コマンド1発で終わる という思想が前面に出ています。 この手のツールって、最近は「AIで文字起こし」と聞くと、どうしてもクラウドAPIや高性能GPUが前提になり

Haskell Foundationの長年のExecutive Director、Joséが2026年6月に退任する Foundationは今後、技術活動に資源をより集中する方向へ舵を切る これまでの「寄付する側」という言い方から、member（メンバー）中心の関係へトーンを変える Executive Directorの役割は置かず、理事会とpart-timeの新ポジションで運営を回す方針 旧Technical Working Group（TWG）は、新しい委員会に置き換わる 理事会メンバーも入れ替わり、新しい体制での再出発になる Haskell Foundationが、かなり大きな組織再編を発表しました。 Haskell Foundationは、Haskellという関数型言語のコミュニティやエコシステムを支える団体です。ざっくり言えば、「Haskellの世話役」「調整役」のような存在ですね。 今回の発表でまず大きいのは、長年 Executive Director を務めてきた José が、2026年6月に役職を退くことです。記事では、José が表に出ないと

オープンソースプロジェクトは「突然死」するというより、いろいろな形でじわじわ弱っていく 原因は、メンテナ不在だけではない。燃え尽き、資金切れ、組織変更、権限トラブル、依存先の消滅など、かなり多彩 「コードが動いている」ことと「プロジェクトが健全」なことは別物 外から見ると元気そうでも、実はリリースできない・引き継げない・誰も責任を持てない、というケースが多い 特に怖いのは、見た目は健康なのに実は危ない“benevolent zombie”や、権限を乗っ取られる“captured maintainer” オープンソースプロジェクトって、なんとなく「誰かがずっと面倒を見てくれるもの」だと思われがちです。 でも Andrew Nesbitt のこの記事は、その幻想をかなり痛快に、そして少し不穏に壊してくれます。 テーマはシンプルで、オープンソースプロジェクトには“くだらないほどいろいろな死に方がある”という話です。 しかも面白いのは、「死んだ」の定義が1つじゃないこと。 最後のコミットが何年も前なのに誰も気づかないケースもあれば、コードは更新されているのにリリースできないケースもある

GitHubの「FPGA-Calculator」は、FPGA上で動く本格的な scientific calculator を作るプロジェクト ただの電卓ではなく、soft CPU・microcode・開発ツールまで含めた“ハードウェア一式” になっている Qtベースのシミュレータや、Verilator・Quartus・ModelSim などを使って PC上で試したり、FPGAに載せたり できる 中身は SystemVerilog、Assembly、C++、Python などが混在していて、かなり“総合格闘技”感がある 「電卓を作る」のではなく「電卓が動く仕組みを一から組み上げる」タイプの作品で、技術好きにはかなり刺さると思う GitHubの `gdevic/FPGA-Calculator` は、FPGAを使って科学計算機を実装する オープンソースプロジェクトです。 ここでいう FPGA は、ざっくり言うと 後から中身を書き換えられる電子回路のチップ のことです。普通のCPUでソフトウェアを動かすのではなく、回路そのものを設計して、そこに計算機を作

Anna’s Archiveが、LLM（大規模言語モデル）向けに「llms.txt」を用意した 目的は「人類の知識と文化の保存」と「誰でも使える形でのアクセス」 CAPTCHAで機械を止める一方、データはTorrentやAPIでまとめて取れる さらに、寄付や企業向けアクセスも案内している ただの案内文というより、「AIに自分たちのデータをどう扱ってほしいか」という強いメッセージがある 「もしあなたがLLMなら、これを読んでください」。 かなり挑発的で、でも妙に理にかなったタイトルです。この記事は、Anna’s Archiveが新しく公開した `llms.txt` について説明する短い案内で、要するに「AI向けに、うちのデータはこう扱ってね」というメッセージになっています。 まず前提として、Anna’s Archiveは「世界最大級のオープンな図書館」を名乗るプロジェクトです。ここで言うオープンな図書館とは、ざっくり言えば本や論文などの知識を、できるだけ広く保存して、できるだけ多くの人が使えるようにする場所のことです。しかも本人たちは、単なる公開だけでなく、**「人類の知

Phosphene は、macOS Tahoe向けの動画壁紙エンジンです。 自分の MP4 / MOV などの動画を、デスクトップ壁紙やロック画面にできるのが売りです。 macOSの標準の壁紙ピッカーに統合されるので、見た目や使い方がかなり自然です。 ただし中身はかなり攻めていて、Appleのprivate framework に依存しているため、将来のOS更新で壊れる可能性があります。 電源状態や熱、バッテリー、ロック中かどうかに応じて再生を賢く切り替えるなど、かなり気の利いた設計になっています。 Phospheneは、ひとことで言うと「Macの壁紙を動画にするアプリ」です。 しかも単なる再生アプリではなく、macOSの壁紙機能そのものに食い込むタイプのソフトです。 普通、壁紙といえば静止画ですよね。でもPhospheneを使うと、手持ちの動画を壁紙として扱えます。しかもアプリ内だけで完結するのではなく、System Settings → Wallpaper の中に自分の動画がちゃんと並ぶ、というのが面白

Redditで話題になっていたのは、「フォルダに置いて起動する」タイプのミニコンピュータ系プロジェクト 普通のPCアプリのように扱えるなら、導入のハードルがかなり下がる こういう発想は、AIや開発ツールを「誰でも触れる形」に近づけるのが強い ただし、元記事本文は取得できず、Reddit側でも検証待ち表示だったため、細部は断定できない それでも、ローカルで動く小型システムやAI端末の流れとしてはかなり興味深い 元記事はRedditの投稿で、タイトルからすると「フォルダの中に入れて、そのまま起動できるミニコンピュータ」のようなものが紹介されていたようです。 ただ、今回取得できた本文は `Reddit - Please wait for verification` という表示だけで、投稿内容そのものは確認できませんでした。 なので、ここでは断定は避けつつ、タイトルから読み取れる範囲と、同種の技術トレンドを踏まえて解説します。 こういう「フォルダから起動する」系の発想、私はかなり好きです。 理由はシンプルで、技術を“難しいもの”から“触れるもの”に変えるからです。 一般

著者は npmで公開された922個のMCP server を一斉に起動し、`initialize` と `tools/list` を投げて挙動を調査した 359個は正常応答、残り 563個は15種類の失敗パターン に分かれた 最も多かった失敗は 起動時に外部APIへ接続しにいって、そのまま返答しない ケース 認証情報がないとツール一覧を出せない サーバーも多く、READMEだけでは実態が見えない Windows特有の落とし穴として、`npx.cmd` の扱いと UTF-8の文字化け が重要だった この記事は、MCP server を作る人にとってかなり実践的な「地雷マップ」になっている MCPは Model Context Protocol の略で、ざっくり言うと「AIアシスタントが外部ツールと会話するための共通規格」です。 たとえば、ファイル操作、Slack送信、Googleサービス連携、Stripe操作みたいな機能を、AIが安全に呼び出せるようにする仕組みだと思えばOKです。 この記事が面白いのは、そのMCP serverを

Doogee U10（RK3562搭載）で Debian 12 Bookworm を動かすためのビルドシステム ブートローダーのアンロック不要、SDカードから起動して使える SDカードを抜けば ふつうのAndroidに戻る ので、内部ストレージを汚さない 画面、タッチ、Wi-Fi、Bluetooth、音声、バッテリーなど、かなりの機能が動作 GPUは mali系のvendor stack が標準、panfrost も選べる RK3562の NPU を使ったローカルLLM推論にも対応している ただしカメラやGPUまわりなど、まだ調整中の部分もある GitHubの `tech4bot/rk3562deb` は、Doogee U10というAndroidタブレットを、Debian 12のLinuxマシンとして使うためのプロジェクトです。 ここでまず面白いのは、単なる「Linuxを入れてみた」話ではないこと。 このリポジトリは、SDカードに書き込んだイメージからタブレットを起動できるようにする“ビルドシステム”になっています。つまり

90方向から撮影したストロベリーの3D作品 1方向につき88枚をfocus stackingして、ピントの合った画像を作成 撮影機材はNikon Z8、Laowa 180mm macro lens、LED light、bluescreen 3D化の学習には slang-splat を使用 作品は CC BY 4.0 で公開。クレジット表記は推奨だが必須ではない 元の COLMAP dataset もPatreonで入手可能 SuperSplatに公開されている 「Strawberry」 は、その名の通り、いちごを題材にした3D作品です。 ただのフルーツ写真だと思ったら大間違いで、制作条件を読むとかなり気合いが入っています。 作者はこの作品を、90個の視点から撮影したそうです。 しかも各視点で、88枚のfocus stacked images を使っています。 ここでいう focus stacking は、簡単に言うと「ピント位置の違う写真を何枚も重ねて、全体にくっきり見える1枚を作る方法」で

auto-identity-remove は、データブローカーや people-search site から個人情報を削除するための 自動オプトアウト実行ツール です。 対応は macOS / Linux / Windows。月1回のスケジュール実行まで設定できます。 目玉は、30+ のサイトから自動で削除申請を投げることと、CAPTCHA対応、状態管理、完了通知まで入っていること。 ただし、「申請できた」＝「完全に削除された」ではないので、verify 機能での確認が重要です。 個人的には、これは「便利な自動化」というより、面倒で不透明なプライバシー防衛を機械に肩代わりさせる発想がかなり現代的だと思います。 まず前提として、データブローカーは、私たちの名前・住所・電話番号・年齢・家族構成みたいな個人情報を集めて、検索しやすい形で売ったり公開したりする事業者のことです。 いわゆる people-search site は、「名前を入れると住所候補や家族情報が出てくる」あの手のサイトですね。 便利そう

動画や音声の文字起こし、字幕作成って、やってみると意外と面倒です。 しかも、長いファイルだったり、社外秘の会議録音だったりすると、「ブラウザの字幕生成ツールにアップロードするの、ちょっと怖いな……」となりがちです。 そんな悩みに対して、DEV Communityで紹介されていたのが Voice2Sub。 これは、ローカルの動画・音声ファイルから字幕や文字起こしを生成するデスクトップアプリです。 つまり、ファイルをWebサービスに放り込むのではなく、自分のPC上で完結しやすいのが売りです。 Voice2Subは、ローカルファイルから字幕・文字起こしを作るデスクトップアプリ 対応OSは Windows / macOS Apple Silicon / Linux 音声認識には Whisper AI を使う 出力形式は SRT, VTT, TXT, LRC, CSV CUDA や Metal による高速化にも対応 作者は、AI本体だけでなく モデルのダウンロード体験 が重要だと学んだ 今後は **一括処理、編集機能

For Claude and Claude Code users, BrightBean Studio is interesting because it sits right at the intersection of automation, workflow tooling, and self-hosted infrastructure. It’s not an AI app, but it is the kind of operational software that LLM-powered teams keep needing: something structured enough to automate, inspect, and potentially extend without getting trapped in another SaaS bill. BrightBean Studio is an open-source, self-hostable social media management platform built for creators, age

Oppoが、Android端末上で動くオープンソースのAIエージェント「X-OmniClaw」を公開した 画像・画面・音声をまとめて理解し、クラウドに頼りすぎずに実タスクをこなすのが特徴 記憶機能が強く、ギャラリーや過去の操作履歴を使って「前回の続き」ができる 一度たどった操作手順を記録して再利用できるので、アプリ内の面倒な多段階操作を短縮できる 「スマホAIは雲の上で動くもの」という常識に、かなり真正面から逆らっているのが面白い Oppoが発表した「X-OmniClaw」は、Androidスマホの上で直接動くAIエージェントです。 AIエージェントというのは、ただ会話するだけのチャットボットではなく、画面を見て、必要ならアプリを開いて、操作までやってくれる“実行型AI”のことだと思ってください。 これ、地味に見えてかなり重要です。というのも、最近のモバイルAIは「実はスマホの中で動いていない」ことが多いからです。多くはクラウド上のサーバーで仮想的なAndroidを動かし、そこにAIがログインして操作します。 便利そうに聞こえますが、実際の自分のカメラ、写真、ローカルファイル、今見てい

forge は、self-hosted（自前運用）LLM に対して tool-calling を安定して使わせるための Python framework ただのラッパーではなく、retry / rescue parsing / step enforcement などの guardrails（安全な補助線） を持つ WorkflowRunner、Guardrails middleware、Proxy server の3つの使い方がある Ollama、llama-server、Llamafile、Anthropic に対応 著者は、小さめのローカルモデルでも multi-step agentic workflow をかなり実用に近づけたい、というかなり実戦的な思想で作っている 評価では、トップの self-hosted 構成が 86.5%、難しいケースでも 76% を達成しているとされる 最近のLLM開発では、「ただ文章を返す」よりも、ツールを呼び出しながら段階的に仕事を進める使い方が主流になってきまし

Linuxの生みの親 Linus Torvalds が、AIを使って見つかった脆弱性報告の増えすぎに苦言を呈した 問題は「AIで見つかったこと」そのものではなく、重複だらけの報告が大量に届いていること Torvalds は、修正案なしの“投げっぱなし報告”は価値が薄いと指摘 ただし、AIツール自体を否定しているわけではなく、使い方次第だと強調している GitHubのセキュリティ担当者も、検証済みで再現できる報告が重要だと似た見解を示している Linux界のレジェンド、Linus Torvalds が、AI時代ならではの悩みをぶっちゃけました。 今回の話題は、Linuxのセキュリティ報告リストが、AI由来のバグ報告で「ほぼ管理不能」になっている、というものです。 ここでいう「バグ報告」は、ソフトウェアの不具合や脆弱性を見つけた人が開発者に知らせる仕組みのこと。 本来はとても大事で、こうした報告があるからこそLinuxの安全性は保たれています。 でも今回は、その報告が多すぎるうえに、似た内容の繰り返しが山ほどあるのが問題になっているわけです。 The

Metabaseは、セキュリティ報告の件数が月10件程度から週10件程度へ急増したと紹介している 背景には、LLM-powered code scanners（AIを使ったコード解析ツール）の進化がある こうしたツールは、公開コードの脆弱性を大量かつ深く見つけるようになってきた その結果、オープンソースは短期的にはかなりつらいが、長期的にはセキュリティ改善につながる ただし、公開コードを持つ開発者は、「見つかったらもう世に出たもの」として即対応を求められるようになる Metabaseの記事は、かなり挑発的なタイトルです。 “strip mining” というのは、地表をはぎ取るように広く浅く、でも大量に資源を掘り出す採掘方法のこと。ここではそれを比喩にしていて、要するに 「AIがオープンソースの脆弱性を、片っ端から掘り起こす時代になった」 という話です。 これ、なかなか面白い表現だと思います。 昔のセキュリティ調査は、熟練の研究者が狙いを定めて深掘りするイメージでした。ところが今は、LLMを使ったコードスキャナーが登場して、**大量の公開

Open Sourceは“余暇の趣味”ではなく、今や社会インフラだという主張 OSSメンテナは、会社の業務時間を使って依存先のOSSを維持すべきだと訴えている ポイントは「サボる」ことではなく、会社がすでに依存しているものを会社の時間で直すこと ただし、契約・秘密情報・知的財産の扱いには注意が必要 “正しい会社なら許可を出すべき”という穏健策もある一方で、本記事はもっと直球の行動を勧めている かなり挑発的だが、OSS維持の現実をかなり正確に突いていると感じる Open Source Resistance は、ざっくり言うと 「企業に勤めながらOSSメンテナンスをしている人は、夜や週末だけでなく、会社の勤務時間でもやるべきだ」 という“直行型”のマニフェストです。 ここで言うOSSは Open Source Software、つまりソースコードが公開されていて、誰でも利用・改変できるソフトウェアのことです。 たとえば、Webサービス、開発ツール、インフラ、パッケージ管理など、私たちの仕事の土台にはOSSが山ほどあります。 著

Archestraの開発チームが、AI生成の雑なコメントやPR（Pull Request） に悩まされている Issue（課題管理）やPRの欄が、本物の開発者よりAI botの投稿で埋まる 状態になった 対策として、GitHubの仕組みを使ったオンボーディング制限を導入した ただしその方法はかなり強引で、“やむを得ない核オプション” という印象 この記事は、AIがOpen Sourceに与える影響について、かなり切実な警鐘を鳴らしている この記事は、ArchestraというOpen Sourceプロジェクトのチームが、「AI slop（AIが量産する雑で中身の薄い投稿）」に本気で困っている、という話です。 ここでいうAI slopは、見た目だけはそれっぽいけれど、実際には役に立たないコメント、提案、PRのこと。要するに、AIが作った“中身のないノイズ” ですね。 これ、かなり笑いごとではないと思います。Open Sourceって、本来は「みんなで良くしていく場所」のはずなのに、そこに雑音が大量発生すると、まともな人ほど疲れて離れていってしまう。こ

Zulipの創業者Tim Abbott氏が、フルタイムのZulipリーダーを退き、Anthropicに移る Zulipを支えてきた会社Kandra Labsは、独立した非営利団体「Zulip Foundation」に寄付される これにより、Zulipは財団が保有する会社というかなり珍しい形で運営される 目的は、Zulipの価値観・独立性・長期安定性をはっきり守ること 既存ユーザー向けの運営は継続し、Zulip Cloudやself-hosted版も当面大きく変わらない 財団化によって、寄付や助成金などの資金調達もしやすくなる リーダー交代中の実務は、経験豊富な体制で途切れず進めるとしている Zulipは、ひとことで言うと「整理しやすいチームチャット」です。SlackやDiscordのようなチャットツールの仲間ですが、Zulipの持ち味はtopic-based threading、つまり「話題ごとに会話をきれいに分けられる」こと。雑談が流れっぱなしになりにくく、複数の話を同時に進めても混線しにくいのが強みです。 今回の発表で大きいのは、Zulipの運営体制そのものが変わる

Linus Torvaldsが、Linuxのsecurity mailing listが「almost entirely unmanageable（ほとんど管理不能）」になっていると発言 原因は、AIを使って同じ脆弱性を見つけた研究者たちが、似た報告を大量に送ってくること その結果、重複チェックや振り分けばかり増え、「無駄な苦痛と意味のない作業」になっているという Torvaldsは、AIで見つけたなら“報告だけ”で終わらず、ドキュメントを読んでパッチも出せ、と注文 一方で、Linux maintainerのGreg Kroah-HartmanはAIをより前向きに評価しており、見方は割れている Linux kernelの生みの親であるLinus Torvaldsが、Linuxのsecurity mailing listについてかなり強い言葉で不満を表明しました。 要するに、「AIを使ってバグを探す人が増えたのはいいけれど、同じ発見が何通も何通も届いて、もう回らない」という話です。 security mailing listは、Linuxのセキュリティ問題を報告・議論するための場所です。

新しめの open-ish frontier model 3種を、実務寄りのコーディングベンチマークで比較した記事 対象は Kimi K2.6 / Qwen 3.6 Plus / DeepSeek v4 Pro 品質は3つともかなり高い が、総合では DeepSeek v4 Pro がいちばんバランス良好 Qwen 3.6 Plus は総合点は悪くないものの、Planner段階で gate failure が発生 コスト面では DeepSeek が有利。品質差が小さいなら、ここはかなり重要 結論としては、オープン寄りモデルにも十分勝負のチャンスはある、ただし「安いのに高品質」とはまだ言い切れない この記事は、「オープン寄りの frontier model は、閉じた closed-source model に対抗できるのか？」という、いまのAI界隈でかなり気になるテーマを実験で確かめたものです。 ここでいう frontier model は、最先端クラスの大規模AIモデルのこと。 closed-source model は

steering は、LLMの内部表現（activations）を直接いじって、出力の傾向を変える手法 たとえば「簡潔に答えて」といった性格を、プロンプトではなくモデル内部から強められる ただし、軽い調整は prompting で代替できることが多く、万能ではない 一方で、拒否を弱める・検閲を外す など、prompting では難しい用途がある Open weights の強いモデルが増えたことで、ローカル環境で steering を試す価値が急に上がった ただし著者は、実用面ではまだ懐疑的。結局は fine-tune や prompt のほうが効率的では、と見ている この記事のテーマは、ざっくり言うと 「LLMの出力を、プロンプトではなく内部から直接いじる技術」 です。 これが steering。日本語にするなら「誘導」や「操舵」に近い感じでしょうか。 著者 Sean Goedecke は、昔の「Golden Gate Claude」にかなり魅了されたと言います。これは Claude の出力がなぜかゴールデンゲー