ClaudeがOSSの無クラッシュ証明ほか

AnthropicがClaudeに、OSS123本の実行ファイルが落ちないことを数学的に証明させました。ほか全4本です。

4本約1分で読めます

Claude、OSS123本の無クラッシュを証明

AnthropicはClaudeに、オープンソース123本の実行ファイルが入力64MB未満で落ちないことを証明させました。証明は約1.8億行で、長年見つからなかったバグも見つかったといいます。

対象OSS-Fuzzの123ライブラリ・239入口証明量約1.8億行（Rocq）条件入力64MB未満・RISC-V・単一スレッド

同じモデルでClaude Codeとmini-SWE-agentを比べると、正答率の差は5ポイント以内でした。1タスクの費用はハーネスにより最大3倍違い、差は毎回送る指示文の量で決まります。

対象SWE-bench Verified・5モデル費用差最大3倍発表arXiv論文

Hugging Face傘下Pollen Roboticsのロボット「Microduck」は、展示動画の拡散翌日に予約が2万台を超えたとDelangue氏が発信。価格は399ドルで、納品はクリスマスまでの予定です。

価格399ドル大きさ高さ25cm納品クリスマスまでに予定

OpenAIが、ChatGPTなど全製品のデータを扱う保存基盤「Habitat」の作り方をPart IIで公開しました。40地域で10億人超に応え、保存量は500ペタバイト超です。

規模10億人超・40地域保存量500ペタバイト超基盤Azure Cosmos DB

経営: AIが書いたコードの検証費用が下がれば、外注や社内レビューの工数見積もりが変わります。AI開発ツールを選ぶ際は、価格とあわせて1タスクあたりの費用も比べてください。
開発: コーディングエージェントはハーネスの違いより、同じ条件での再実行で結果がぶれる点に注意が必要です。比較する際は同じ設定を2回以上動かして、ばらつきを先に測ってください。
マーケ: 展示動画1本が翌日の予約2万台超につながった例は、製品デモ動画の見せ方の参考になります。

新しい号を公開したときにお知らせします。