あなたのエージェントには信頼できない入力が二つある
AIエージェントには信頼できない入力が二つあります。モデルが書くコードと、モデルが読むツール出力です。前者にはいま本物のWASMサンドボックスがありますが、後者のMCPツールポイズニングにはありません。
AI & Technology執筆
デザイン、開発、AIインフラ、製品構築についての考え。
エンジニアリング哲学：ワーナー・ヴォゲルス
Amazonの CTO ワーナー・ヴォゲルスは、ある一つの前提の上にクラウドを築きました。あらゆるものは常に壊れる、というものです。故障を前提に設計し、影響範囲を最小化し、その間も可用性を保ち続けるのです。
Engineering & Craftエンジニアリング哲学：ヨアンナ・ルトコウスカ
ヨアンナ・ルトコウスカは「ほどよい疑い深さ」の上にQubes OSを築きました。ソフトウェアからバグを完全になくすことはできない――だからこそ侵害を前提とし、インフラを信用せず、被害の及ぶ範囲を切り離す、という発想です。
Engineering & CraftApple Foundation Models：オンデバイスLLMフレームワーク徹底解説
AppleのFoundation Modelsフレームワーク。LanguageModelSession、@Generableによるガイド付き生成、ツール呼び出し、利用可否の判定、そしてオンデバイスモデルを離れるべき境界線までを解説します。
AI & Technologyエンジニアリング哲学：マーガレット・ハミルトン
マーガレット・ハミルトンは「ソフトウェア工学」という言葉を生み、1202アラームを乗り越えたApolloの飛行コードを書きました。防御的設計、エラー回復、そして二度目のチャンスはないという現実。
Engineering & Craftエンジニアリング哲学：Sophie Wilson
Sophie Wilsonは、今や地球上のほぼすべての電話に搭載されているARM命令セットを、ごく少人数のチームと、低消費電力をほとんど偶然の産物にしてしまうほど徹底したRISCの効率性で設計しました。
Engineering & Craftエンジニアリング哲学：Yann LeCun、世界をオープンに学習させる
Yann LeCunは畳み込みによって深層視覚を築き、その後、真の知能は世界を教師なしで学習し、それをオープンに公開することから生まれる——より大きなLLMではなく——という賭けに出ました。
Engineering & CraftiOS 26のウィジェット面：1つのApp Intentが、いくつもの場所で動く
iOS 26のウィジェット、コントロールセンターのコントロール、そしてLive Activity——これらはすべてApp Intentの表示面です。1つのintentが、ボタンも、コントロールも、Live Activityのアクションも動かします。
AI & TechnologyAppleの Translation フレームワーク——無料、オンデバイス、見た目以上に鋭い
Appleの Translation フレームワーク。translationPresentation と TranslationSession による無料のオンデバイス翻訳と、デモが省略するオフラインダウンロードの落とし穴を解説します。
AI & Technologyエンジニアリング哲学：デミス・ハサビス、知能を解けばすべてが解ける
デミス・ハサビスは知能を第一原理から構築した――ゲームを実証の場とし、神経科学を着想源として――そしてそれをタンパク質の折りたたみ問題に向け、ノーベル賞を勝ち取った。
Engineering & Craftエンジニアリング哲学：Adi Shamir
Adi ShamirはRSAの「S」であり、稀代の暗号解読者でもあります。安全なシステムを築くために、自ら破る術も学ぶ。守るために攻める——清らかな数論を、そのまま仕組みへと変えていく人物です。
Engineering & CraftApple Silicon上のMLX——Appleのモデルではなく、自前のモデルが必要になったとき
Foundation Modelsが提供するのは、Appleが封をしたオンデバイスのLLMです。MLXなら自前のモデル——量子化されたオープンウェイトモデルやLoRAファインチューン——をApple Silicon上で動かせます。
AI & Technology外部記事
技術記事： Introl
Local LLM Hardware Pricing Guide 2025
大規模言語モデルをローカルで実行するための包括的なハードウェア推奨事項とコスト分析。
H100 vs. H200 vs. B200: Choosing the Right NVIDIA GPUs for Your AI Workload
さまざまなAIワークロード向けにNVIDIA最新データセンターアクセラレータを比較するGPU選択ガイド。
TPU Architecture: Complete Guide to Google's 7 Generations
GoogleのTensor Processing UnitのTPUv1からTPUv5までの進化に関する詳細な技術解説。
GPU Memory Pooling in Multi-Tenant Kubernetes
コンテナ化環境におけるGPUクラスターのリソース共有戦略。
Ray Clusters: Distributed AI Computing Infrastructure
Rayフレームワークを使用した分散AI計算の構築と管理のガイド。
DeepSeek V3 Open Source AI Cost Advantage
オープンソースLLMの経済性とDeepSeekの競争上のポジショニング分析。
NVIDIA Vera Rubin GPU 600kW Racks 2027
将来のデータセンター電力要件とNVIDIAの次世代GPUロードマップ。
SMR Nuclear Power for AI Data Centers
次世代AIインフラストラクチャに電力を供給する小型モジュラー炉ソリューション。
DeepSeek MHC Architecture Breakthrough
DeepSeekのMulti-Head Compressionアーキテクチャ革新の技術分析。
