Qwen-Image-2.1をステージごとに：stageloadの二つ目のパイプライン
diffusers の text-to-image パイプラインを 48 GB の Mac で stageload により読み込んだ。eager は VAE のデコードで 43.6 GB に達してメモリガードに止められ、staged はパイプラインのコードを変えずに 19.0 GB 以下に収まった。
ノートを読む →
PyTorchパイプラインをステージごとに読み込む：48GBのMacでのPixal3D
stageload は、モデルを順に動かす PyTorch パイプラインなら何にでも使え、ステージが始まるときにそのステージのモデルを読み込み、終わるときに解放する。48 GB の Mac 上の Pixal3D-mac では、両方のバージョンが到達したすべてのステージでピークを 11〜17 GB 下げた。移植版自身の読み込みでは、ガードが止めるまでマシンがスワップに追い込まれた。
ノートを読む →
30 のオープンソースプロジェクトが AI の手を借りたコントリビューションに求めること
2026年10月2日、30 のオープンソースリポジトリのコントリビューションのルールを読んだ。19 には AI に関するルールがあり、そのうち 14 は2026年にできたものだ。十五のプロジェクトは AI を使ったことを明かすよう求め、十のプロジェクトは文章を人が書くよう求めている。コーディングエージェントがデフォルトで付けるコミットトレーラーは、必須とするプロジェクトもあれば、禁止するプロジェクトもある。続いて、その週に私がエージェントの手を借りて十二のプロジェクトに送ったものがどうなったか。
ノートを読む →
コードグラフが割に合う場面：大きなリポジトリと小さなモデル
グラフのノード数 1.6k〜219k の公開リポジトリ四つで、haiku 4.5、sonnet 5、opus 5.5 を使った GitHub Copilot CLI のヘッドレス実行 664 回。kubernetes と vscode では、コードグラフによって構造に関する質問での haiku のコストが grep の 0.29 まで下がった。sonnet の節約は四分の一ほどで、opus はゼロ。小さなリポジトリでは、グラフを使うと sonnet のコストが 40〜50% 増えた。
ノートを読む →
何も計算していなかった500倍の高速化：WebGPUシミュレーションの六つの静かな失敗
WebGPU の粒子シミュレーションで、六つのバグがエラーを一つも出さず、もっともらしい数値を返した。それぞれがどう見えたか、そして何を変えたか。
ノートを読む →
コードグラフを使っても、コーディングエージェントは安くならなかった
公開リポジトリで、グラフのノード数 1.6k〜25k、haiku 4.5 と sonnet 5 を使った Claude Code のヘッドレス実行 252 回。トークン数でグラフが Read と Grep に勝ったことは一度もなく、軽量ラッパーは常に素のグラフサーバーに勝ち、デフォルト設定ではエージェントはグラフをほとんど呼ばなかった。
ノートを読む →
振動子、埋め込み、そして私たちの嘘を暴いた対照実験
実験002では、言語ノードを、位相をそろえて発火し埋め込みの類似度で結合された概念ニューロンに置き換えた。位相をかき混ぜた対照でも筋の通った読み取りが得られたので、意味はネットワークではなく、場を読むモデルから来ていた。
ノートを読む →
言語モデルをつないで心を作った。それは一つの文に崩れた。
一つの言語モデルの八つのコピーを、役割なしでリング状につなぎ、互いの思考を続けるよう指示した。コピーたちは一つの文に収束し、それを繰り返し続けた。モード崩壊であり、否定的な結果だ。
ノートを読む →