AI開発スイート「Codens」——PRの65%がAI生成、マージ中央値2分
Corevice社が開発するAI開発スイート「Codens」のチームが、自身の開発プロセスを公開しました。GitHub APIによる実測値で、マージされたPRの65%がAI生成だそうです。さらに、PR作成からマージまでの中央値は2分、93%のPRが1時間以内にマージされています。
「AIに任せたらそんなに速く回るわけがない」と思うかもしれませんが、モデルの賜物だけでこの数字にはならないとのこと。どのような設計と運用でこれを実現しているかが語られています。週次更新のダッシュボードもcodens.ai/statsで公開されており、AI開発の効率化に関心がある人は参考になるでしょう。
llama.cpp b9966——デコードスレッドのregex再コンパイルを修正
llama.cppのビルドb9966がリリースされ、-sm tensorモードでのパフォーマンス修正が含まれています。
問題は、デコードスレッドがテンソルごと・トークンごとに29個のregexパターンを毎回再構築していたこと。修正ではこれをキャッシュするように変更し、動作は同じままCPUの無駄を大幅に削減しています。
本番環境で-sm tensorを実行している場合は、このアップデートを取得することをお勧めします。
- リリース: llama.cpp b9966 (GitHub)
デュアルGPU環境でのPCIe転送を実測——tensor並列 vs pipeline並列
LocalLLaMAコミュニティで、RTX 3090 + Titan RTX（各24GB）のデュアルGPU環境におけるPCIe帯域幅の実測データが共有されました。
Qwen3.6-27B（Q4_K_XL、180kコンテキスト）を使用したテスト結果：
| 項目 | tensor並列 | pipeline並列 |
|---|---|---|
| デコード速度 | 47 t/s | 30 t/s |
| プリフィル速度 | 650 t/s | 1250 t/s |
tensor並列はデコードが速い一方でプリフィルが遅く、pipeline並列はその逆という結果に。興味深いのは、PCIe 3.0 x16の帯域域が飽和していないにもかかわらずtensor並列でプリフィルが低下した点です。
投稿者はこのデータから、PCIe 1x riser（マイニング用）を使ったマルチGPU構成でもボトルネックにならないという結論に達しています。複数GPU環境の構築を検討している人にとって有用なデータポイントです。
MCPサーバーで本番DBを守る——「文書化されたAPI境界」の設計
MCP（Model Context Protocol）でAIエージェントに社内システムを触らせる構成が増える中、「DBにSELECT権限を与えるのは安全か」という問題が注目を集めています。
Qiitaで公開された記事では、AIエージェントから直接データベースにアクセスさせるのではなく、文書化されたAPI境界を通す設計パターンが提案されました。MCPツールがSQLを直接実行するのではなく、API経由でアクセスすることで、権限管理と監査の境界を明確にするアプローチです。
エンタープライズ環境でMCPを導入する際の実践的なセキュリティ設計として参考になります。
AIが細胞を解読する——Silvana KonermannのTED講演
AIを用いて細胞の複雑なメカニズムを解読しようとする取り組みが、TEDで発表されました。Silvana Konermannが、人間の細胞が持つ驚異的な複雑性と、AIがそれにどう立ち向かうかを語っています。
生物学とAIの交差点は近年特に活発な領域で、今回の講演はその全体像を理解する良い入り口になります。