更新履歴 2026-10-16　公開 AIが書いたテストは、12回中12回成功していました。 それでも、私がスマホのマイクに向かって話すと、「パチンコ」の「パ」が消えました。 エラーを貼って「修正してください」と頼んだら、別のエラーが出た。

AIがプログラムを修正する際に追加したコードと削除したコードの差を測定するオープンソースのベンチマーク「Parsimony」が公開されました。従来のベンチマークで重視されてきた問題の解決率やコストに加えて、コードの増加量からAIモデルを比較できるのが特徴です。

複数の Claude アカウントを使い分けて API を回していて、片方のアカウントで作った会話履歴（思考ブロック入り）をもう片方に投げたら、エラーも出ないのに応答の様子が変わった——そんな経験はありませんか。 実はそれ、思考ブロックが API ...

TokenSave founder Jaehyun Cho tells LDS what his 45-run Claude coding experiment establishes about price, speed and passing tests. Haiku had the lowest estimated cost but took longer than Sonnet. Cho ...

YUG 1 is Birla AI Labs’ new time-series foundation model, built to forecast business and operational data without ...

A decade-long effort at ETH Zurich and TU Darmstadt has distilled empirical performance modeling into a Python tool that ...

HMAC tags run 32 bytes, RSA-2048 signatures run 256. Compare speed, key handling, and costs for HMAC vs digital signatures in ...