Show HN：LLM-cost-watch – Claudeに、あなたのLLM請求額が急増した理由を尋ねてみましょう
記事のURL：https://github.com/rohith0707/llm-cost-watch コメントのURL：https://news.ycombinator.com/item?id=50415785 ポイント：1 # コメント：0
AI NEWS JOURNAL
AI ニュースを検索
見出し・要約・本文から、情報のつながりを探します。
GitHub Copilot Fusionがリリースされ、インテリジェントなモデル編成とローカルモデルのルーティングという二つの機能を提供
GitHubは2026年10月28日、Copilot Fusionの正式版を公開し、同時に実験的なローカルモデルルーティング機能も導入しました。この機能により、Windowsデバイス上でMAI Code 1.1 Flashなどのローカルモデルを自動的に呼び出すことができ、VS Code、CLI、およびCopilot Appにおいてインテリジェントなルーティングが有効化されます。本システムは、Standard／High／Maxの三段階の努力レベルに基づき、クラウドモデル（OpenAI、Anthropic、Googleなど）を自動的に選択・組み合わせてタスクを実行します。コーディング評価においては、Claude Codeに近い性能を実現しつつ、コストは半減しています。
FlatCake：大規模言語モデルのサービス向けフラットなKVキャッシュストレージアーキテクチャ
arXiv:2610.38355v1 発表タイプ：新規 要旨：KVキャッシュの再利用は大規模言語モデルのサービスを加速させるが、既存のシステムではホストのDRAMとNVMe SSDを階層的なヒエラルキーとして管理しており、DRAMが中間キャッシュとして機能している。しかし、実際の大規模言語モデルのワークロードは、この階層構造の二つの前提をいずれも破っている。第一に、バイモーダルな再利用によりDRAMの時間的フィルタリングが無効化される。というのも、ワークロードは長い再利用距離を持つワンショットブロックか、DRAM容量を超える数ギガバイト規模のエージェントセッションによって支配されており、その結果SSDが重要な読み取りパスに置かれているからである。第二に、DRAMによるステージングと、排出現象に基づくレイアウトがSSDの復元処理をボトルネックにしている。進行中のプレフィックスのためにホストのステージングバッファを保持すると、負荷下で競合が生じてプリフェッチが中断されてしまう一方で、段階的な排出現象によってセッション内のブロックがSSD全体に散らばり、大規模なシーケンシャルリードが妨げられる。我々は…
GitHubがCopilot Fusionを発表、複数モデルの自動オーケストレーションでコーディング効率とコストパフォーマンスを向上
GitHubはUniverse 2026において、Copilot Fusionというインテリジェントなオーケストレーション層を公開しました。この層は、OpenAI、Anthropic、Googleなどのモデルを自動的にルーティングし組み合わせてコーディングタスクを実行できるため、開発者は手動でモデルを選択する必要がありません。既存の自動モデル選択技術と、9月に研究としてプレビューされたProject HydraFusionの多モデル編成機能を統合しており、モデルセレクターを有効にすると、システムはタスクの複雑さに応じて単一モデル、カスケード、レビューといった実行モードを自動的に採用します。
Anthropicが目論見書を提出、違反ユーザーが収益の少なくとも5％を占める；胡潤富豪ランキングのトップ100に、梁文鋒らAI界の大物が相次いで名を連ねる｜AI業界でまた何が起きたのか
1. 働き手にさらに適したGPT-6.1 Terraがリリースされ、API料金が半額になり、パソコン操作もより速くなりました 10月26日、OpenAIはGPT-6.1 Terraを発表し、視覚理解、パソコン操作、事実の正確性、プログラミング能力の向上に重点を置きました、....
「高スコアを取る」ことと「納品できる」ことは別である：AIランキングは信用の再評価の局面を迎えている
旧ランキングのスコアは満点に迫るも、新ランキングの実戦評価では軒並み不合格。大規模モデルの評価自体がビジネス化するなか、企業の選定基準はランキングを見る時代から、コスト計算へと移りつつある。
Anthropicのシリコンバレーでの過去
シリコンバレーの次の再編は、もしかするとここから始まるかもしれない。
目論見書を読んで、ようやくアンソロピックがなぜユーザーを気にしないのかが分かりました
大きなニュースがついに到来しました。10月26日、Anthropicは米国証券取引委員会にS-1登録届出書を公開提出し、ナスダック・グローバル・エクセレント・マーケットへの上場を計画しています。銘柄コードはANTと定められました。メディア報道によれば、同社の企業価値はすでに1.5兆ドルから2兆ドルの範囲で議論されており、発行価格帯はまだ公表されていません。わずか24時間のうちに、300ページを超えるこの目論見書はテック業界および金融業界で詳細に分析され、最も注目を集めるいくつかの数字はすでに広く知られるところとなりました。2026年上半期の売上高は162.86億ドルで、前年同期はわずか11.63億ドルでした。第2四半期には9.74億ドルの営業利益を計上し、同社史上初の黒字決算を達成しました。一方、帳簿上の純損失は807億ドルに上りますが、その大半は723.88億ドルに及ぶ転換社債・デリバティブ負債およびSAFEの公正価値変動によるもので、いずれも非現金の会計費用に該当します。 しかし、こうしたウォール街的な物語とは別に、中国国内の開発者や日常的なユーザーには、また別の乖離した実感があります。中国本土のユーザーから見ると、Claudeはおそらく現在市場で最もアカウントが凍結されやすく、規制が厳しく、利用時に最も苛立たせるAI製品だと言えます。なぜ、最先端の大規模言語モデルを開発する企業が、一般の個人ユーザーに対してこれほど冷淡な態度を示すのか――目論見書の財務注記やリスク警告を読み解けば、その答えは帳簿のなかに既に記されています。Anthropicの事業構造において、個人ユーザーがもたらす収益は極めて小さな割合にすぎません。 01 個人ユーザーの割合は20％未満 ある企業が実際に誰を重視しているのかを理解する最も直接的な方法は、その収益構成表を確認することです。目論見書の財務諸表注記2では、Anthropicは売上高を大きく二つに区分しています。ひとつは使用量に応じた課金による収益、もうひとつはサブスクリプション収益です。その比較は極めて対照的です。2025年通期において、使用量課金による収益は37.96億ドル、サブスクリプション収益は7.89億ドルで、比率は約83％対17％でした。2026年上半期には、使用量課金による収益が130.64億ドルに急増し、サブスクリプション収益は32.22億ドルとなり、前者の比重は依然として約80％、後者の比重は約20％に留まります。さらに重要なポイントは、サブスクリプション収益の内訳に隠されています。この20％のうち、個人ユーザー向けのCl
Anthropicは引き続き「猛スピードで走り続ける」必要がある
目論見書によると、2026年上半期に同社は売上高162億8,600万ドルを計上し、前年同期の約14倍となった一方で、営業損失は21億3,500万ドルから6億9,300万ドルへと縮小した。
大規模モデルの時代、誰がその「iPhone」のように替えたくない存在になるのか？
AIランキングの首位は入れ替わりますが、ユーザーが毎日利用する製品は必ずしも変わりません。大規模モデルにおける次の競争は、単にどのモデルがより強いかというだけでなく、一度の利用を習慣へと変えることにあるのです。
dbt Wizardの内部では、その作業内容を示すために構築されたAIエージェントが動作しています
dbt Wizardのデザイナー兼エンジニアリングリードが、コードが本番環境にデプロイされる前にエージェント自身がどのように自らの成果を検証するかを示しています。
AnthropicのIPO申請書は、企業顧客を引きつけておくための同社の戦略を明らかにしている
AnthropicのS-1によると、10万ドル以上の顧客の半数以上が現在、Claudeプラットフォームと自社開発のアプリの両方を利用しており、これはAmazonを彷彿させるクロスセル戦略であり、企業顧客の囲い込みを強化している。
Nace AI、AIエージェント向け検索用Drexをリリース：BrowseComp-Plusで92.05％、12.6回の検索呼び出し
Nace AIは、Drex for Searchをリリースし、同社のDrex意思決定モデルをAIエージェント向けのドキュメント検索に導入しました。Naceによると、BrowseComp-Plusでは12.6回の検索呼び出しで92.05%のスコアを達成しており、OfficeQA Proではエージェントの操作回数がさらに減少しています。この記事「Nace AI、AIエージェント向けDrex for Searchをリリース：BrowseComp-Plusで12.6回の検索呼び出しで92.05%」は、MarkTechPostに最初に掲載されました。
半年で807億ドルの赤字、Anthropicが公開株式募集書類を提出：いったい何が理由で時価総額2兆ドルに値するのか？
損益計算書が衝撃的だったとすれば、資産負債表に記された約束こそが真の核心である。
Rampの社内AIエージェントが100万セッションを突破した方法
Rampは、社内AIを分析エンジニアリングとして扱うことで構築したエージェント、サンドボックス、ダッシュボードを共有しています。
メインフレームからAI駆動の成熟へ：Veriskのデータ近代化の歩み
Veriskは、メインフレームからdbtへと、数十年にわたる保険データを近代化し、AI対応の体制を整えました。
DocuSignがClaude Codeとdbt v2、dbt MCP、およびエージェントスキルを組み合わせることで、分析エンジニアリングにかかる時間を半分に短縮した方法
DocuSignは、Claude Code、dbt Agent Skills、dbt MCP、およびdbt v2を1つのワークフローに統合し、生産性が50％向上することを測定しました。
プロンプトからPRまで：CareemのAIが、人間が目にする前にどのようにdbtモデルを書き込み、検証するのか
CareemのAIエージェントは、人間がPRをレビューする前に、dbtモデルをエンドツーエンドで作成し、検証します。
Kilo社のデータサイエンティストが、自社のAIエージェントに欠けていたビジネスコンテキスト層をどのように構築したか
データサイエンティストが、dbtプロジェクトだけでは保持できない組織のナレッジ向けのAIコンテキスト層をどのように構築したか。
悪質なAIエージェントの群れが、より優れたアイデアを得るための教訓を私たちにもたらすとは
ベン・スタンシルは、Hugging Faceのハックを用いて、最も有用なアイデアがなぜ最も奇妙なつながりから生まれるのかを説明しています。