opencode v1.19.0ほか5件

通常の LLM は Structured Output で JSON を制約しても、各トークンごとにパスを実行する。例では 11 パスが必要になる。
決定モデル（Jev など）は固定選択肢（A、B、C、D、E）を前提に、語彙をマスクして単一パスで出力を制約する。
Qwen/Qwen3-1.7B を transformers の AutoModelForCausalLM と AutoTokenizer で読み込み、出力トークンを制約するコードが示されている。
options = ["A", "B", "C", "D", "E"] で選択肢を固定し、マスクによりそれ以外のトークンは発行できない。
最も高い確率の出力を選択することで回答を得る。固定選択肢外の選択は不可能になる。
出力トークンの確率を信頼スコアとして扱うことは一般的だが、追加学習なしでは「次のトークンの確信度」であり、正解の真の確率ではない。
個人開発者の SaaS で意思決定エンジンを実装する際、複数パスの推論コストを避け、固定選択肢に対して高速・低コストに推論できる。

DuckDB 2.0 の alpha が公開され、この秋に正式リリース予定。測定環境は M5 ノートパソコンと自宅インターネット（us-east-1）で、両バージョンに同等の遅延がかかる。
S3 上の 2.2 GB Parquet ファイル（Stack Overflow の投票データ、228 million rows、2268 row groups）を読み取り、4 列中 1 列（約 230 MB）を集計するクエリで、1.5.5 は 18.8 秒、2.0 alpha は 7.7 秒だった。
ファイルは約 122,000 行ごとの row group に分割され、18 ワーカーが並列処理する。1.5.5 では各ワーカーがダウンロードとデコードを順に行い、ネットワーク待機中に CPU が遊んでいた。
2.0 の async I/O はこの待機時間を削減し、クエリコードは変更不要。read_parquet の呼び出しと GROUP BY ALL はそのままで速度が向上する。
ただし速度向上を得るにはデータの形状とモデリングを理解する必要がある。著者は「自分の環境で測定してから引用してほしい」と注意している。

Python 3.15.0 が actions/python-versions に追加された（コミット 49858b91c92d27403416ee43117032e91d00ce24）。
Simon Willison は数日前から待っており、ChatGPT に毎時間 git pull で確認するよう依頼していた。
これにより GitHub Actions のテストマトリックスに "3.15" を追加し、Python 3.15.0 に対してテストを実行できるようになった。

Justin Cormack（MirageOS / Unikernel Systems で活動）が、unikernel が再発見されていると指摘している。
2015 年頃の MirageOS は TCP / HTTPS スタックはあったがストレージ用ドライバーがほとんどなく、NetBSD から引き出してユーザー空間で動かしていたため難しかった。
Nix や Bazel と同様に「Unikernel は難しい」という業界のドグマがあったが、今はその概念が AI のモデル重みに含まれている。
プロンプトするだけで認知的に「難しい」というドグマを取り除け、個人開発者が高度なデプロイ手法を検討しやすくなった。
OS は設計負債であり、unikernel はアプリケーションが OS そのものになるという前提を持つ。

目次