youtube版(スライド付き) 関連リンク Anthropic、AIで科学研究を支援する作業環境「Claude Science」をパブリックベータで公開 gihyo.jp Anthropicが発表した「Claude Science」は、科学研究のあらゆるフェーズを支援するデスクトップ向けAI作業環境（パブリックベータ）です。本ツールは新しいAIモデルではなく、既存のClaudeモデルと科学分野特有のツール群を統合し、研究者のインフラ上でシームレスに解析を実行可能にする「AIワークベンチ」として機能します。本ツールの主な特徴は以下の通りです。・研究用インフラとの連携：ローカル環境やSSH経由でのHPC、クラウド計算基盤（Modal等）と接続し、解析パイプラインの実行やジョブ管理が可能。・統合的な解析環境：PubMed等の科学データベースへのアクセスや、Jupyter Notebook/R環境、Python/Shellワークフローの統合により、文献調査から図表作成、論文の原稿執筆までを一つのアプリで完結。・トレーサビリティの確保：生成されたコード、実行環境、会話履歴を関連付け、レビュワーエージェントが引用や計算数値の整合性を検証することで、研究の再現性を支援。・科学特化型スキル：ゲノミクスやタンパク質構造解析など、ライフサイエンス分野で活用できる60以上のデータベース接続やコネクターを標準装備。エンジニア視点で見ると、単なるチャットボットではなく、研究者の既存環境（Python, R, シェルスクリプト）を再利用可能な「スキル」として体系化し、AIエージェントにパイプラインを操作させる高度なオーケストレーション環境であると言えます。研究成果の検証や臨床用途への転用には注意が必要ですが、専門的な解析フローを自動化・効率化する強力なツールとして注目されます。macOSおよびLinux向けに提供されており、Claudeの上位プラン契約者であれば利用可能です。引用元: https://gihyo.jp/article/2026/07/claude-science Leanstral 1.5: Proof Abundance for All Mistral AIがリリースした「Leanstral 1.5」は、形式検証（Formal Verification）に特化した、Apache-2.0ライセンスのオープンソースモデルです。119Bの総パラメータ数を持ちつつ、推論時には6Bのパラメータをアクティブに活用する設計となっており、高いパフォーマンスと効率性を両立しています。本モデルの最大の特徴は、数学的な証明だけでなく、実世界のコード検証においても高い能力を発揮する点です。以下の3段階のプロセスでトレーニングされており、複雑な推論を可能にしています。ミッドトレーニング（事前学習）教師ありファインチューニング CISPOを用いた強化学習（マルチターンでの証明対話およびエージェントとしてのファイル操作能力の向上）特筆すべきは、その高い問題解決能力です。miniF2Fベンチマークでは完全攻略（100%）を達成し、PutnamBenchなどの難問集でも最先端の成果を上げています。また、実用面ではRustコードの形式検証パイプラインを通じ、これまで見逃されていた未知のバグをGitHubリポジトリから5件特定するなど、開発現場での実用性を証明しました。エンジニアにとっては、テストやファジングでは検知しにくいエッジケースのバグを「形式手法」によって自動的に特定できる可能性が開かれた点が重要です。Hugging Faceでの公開に加え、無料APIとしても利用可能です。Mistral Vibe等のツールを活用することで、証明の構築やコードのデバッグ、リポジトリの検証支援といった「AIによる高度な形式検証ワークフロー」を即座に導入できます。形式検証を身近にする重要なマイルストーンとなるモデルです。引用元: https://mistral.ai/news/leanstral-1-5/ ClaudeのAPI費用が激減。システムプロンプトを「画像」として読ませる新ツールの仕組み AIエージェントの開発において、入力トークンコストは大きな負担となります。特にClaude Codeのように、毎回のやり取りで膨大なシステムプロンプトや仕様書を送信する場合、そのコストは無視できません。今回紹介する「pxpipe」は、この課題を解決するために登場した、非常にユニークなオープンソースのローカルプロキシツールです。このツールの核心は、LLMの料金体系の「ギャップ」を突いている点にあります。現在のAPI料金は、テキスト入力の場合は文字数に比例して課金されますが、画像入力の場合はピクセル面積に基づく固定料金が適用されます。pxpipeは、この性質を利用して、長大なテキスト（システムプロンプトや仕様書）を文字の羅列ではなく、一枚の「高密度な画像」に変換してモデルに送信します。具体的には、幅1928ピクセルの画像に文字をぎっしりと詰め込み、視覚エンコーダを通じてモデルに読ませます。これにより、例えば4万8000文字のテキストを約2700トークン相当まで圧縮可能となり、検証ではコストを約6割削減することに成功しました。ただし、この手法には注意点もあります。テキストから画像への変換は非可逆圧縮であるため、ハッシュ値やIDといった正確な文字列の再現には不向きです。あくまで「大意を掴めればよい」静的な指示書や膨大な規約の読み込みに適しており、正確性が求められる箇所は従来のテキスト入力と使い分ける必要があります。プロンプトキャッシュでもカバーしきれない長期間・断続的なコンテキスト保持に有効なこの手法は、精度とコストのトレードオフを慎重に設計できる開発者にとって、極めて強力な最適化ツールとなるでしょう。将来的にLLM側が価格体系を見直す可能性まで示唆させる、示唆に富んだ技術ハックです。引用元: https://xenospectrum.com/pxpipe-claude-token-image-compression/ そうだ、時計作ろうパスタを数十nsの精度で茹でるため、Raspberry Pi PicoとGNSSモジュールで高精度な時計（GNSSDO）を自作する試み。UART通信では精度が足りないため、PPS信号とRP2040のPIOを活用した超高速な時刻計測を実装。PIOのカウンタ制御や内部クロックの温度ドリフト対策など、ナノ秒単位の誤差と格闘した軌跡を記録した技術記事です。引用元: https://sksat.hatenablog.com/entry/pico-gnssdo お便り投稿フォーム VOICEVOX:春日部つむぎ

Ask this episode

“What did the council decide on item 42?” — answered with the speaker and the moment.

Transcript

Related