今日のマーベルの衝撃的なドライブを借りて、前日に仕込んだ坑を埋めよう。最近のAI界で面白いと感じたJev、Strata、Atlasの3つについて話す。 技術的な細部は説明せず、映画のシーンを使って3つをつなげて説明する。興味のある人はAIやリサーチに聞いてみてください。 そのシーンとは――『ターミネーター』！ T-800が1984年に送り込まれ、サラ・コナーを見つけ出して殺害するという任務を遂行すると想像してみよう。 このとき、T-800には以下の3つの基本機能が必要だ：空間を理解する、瞬時に判断する、ネットに接続せずに思考する（1984年には天網などない）。 なんと、この3つはそれぞれAtlas、Jev、Strataに完全に対応している。 1. まず李飛飛教授のAtlas――空間を理解する シュワルツェネッガー（T-800）が部屋に入り、一瞥しただけで、ドアの向こうや机の下に何があるかを把握する。 Atlasが現在行っているのはまさにこれだ：数枚の写真を入力として、別の視点から見た様子を予測する。 LLMは次の単語を予測し、 ビデオモデル（例：Seedance）は時間軸に沿って映像を生成する。 Atlasは「新しい視点」を予測する。 現在多くのビデオモデルが「ワールドモデル」と称しているが、李飛飛教授は数か月前にこれを3つに分類した：レンダラー、シミュレーター、プランナー。 シミュレーターはレンダラーに変換可能だが、プランナーは強力なシミュレーターを前提とする。 T-800が一瞥して部屋の中身を把握するのはシミュレーター。跳び降りたときの結果や、弾丸がどこに当たるかを計算するのもシミュレーター。追いかけるか、逃げるか、車で突っ込むかという行動選択にはおそらくプランナーが必要で、レンダラーはほぼ使われない。 Atlasの目標は、最強のシミュレーターを作ること。その後、プランナーへと進化する。 ロードマップはこうだ： 静的3D空間（現在）→ 動的（4D）→ 編集可能→ 交互可能→ シミュレーター＝プランナー（最終形） 万里の長城の第一歩に過ぎないが、ターミネーターを実現するにはこれが必要不可欠。単なるLLMでは不十分だ。 2. 次にJev――瞬時の判断 あのシーンを覚えているか？T-800がモーテルで管理人にノックされたとき、彼の視界に一連の返答候補が即座に表示され、その中から一つ選んで返す。言葉を組み立てる必要はない。（記憶では最も無礼な文を選んだ……） これがJevだ：LLMが文章を生成したり、COT（Chain-of-Thought）で思考したりする必要がない。与えられた選択肢の中から選び、その確信度を示すだけ。 TypeSafeのJevはまさにこれ：文字を生成せず、与えられた選択肢の中から選択し、調整済みの確率を出力する。 ある返答の確信度が0.97 → 直ちに返信 最高でも0.60 → 返信せず、より遅いが賢い大モデルに任せる TypeSafeのデモ動画では、請求書の偽造判別を行っている。従来のLLMは8秒かかるところ、Jevは0.1秒で完了。 速いのは、文字生成ではなく選択だけだから。正確なのは、RLCD（Reinforcement Learning for Calibrated Decisions）というブラックテクノロジーによる――「調整済み意思決定」のための強化学習。 アーキテクチャはまだ公開されていないが、おそらくTransformerベースで、生成というプロセスを完全に削除したものだろう。特定の文脈におけるLLMのASIC（専用回路）と見なせる：会話もコードも書けず、高頻度意思決定だけを行う。従来のLLMが行う複数ステップを一つの選択問題に圧縮・簡略化し、速度とコストは1～2桁違う。 これはダニエル・カーネマンの有名な『ファスト＆スロー』における「システム1」に似ている。従来のLLMは「システム2」だ。 生成という新たなAIの道を開いたように思える――意思決定／判断。 結局、今のLLMの判断速度ではターミネーターは映画中のどんな任務も遂行できない。カタツムリのように遅いだろう（なぜか『ファントム・カーチャー』のスローモーを思い出した……）。そのときこそJevが登場し、ターミネーター機能の第二ピースが完成する。 3. 最後のピース――Strata：ローカルで大規模モデルを実行 1984年にはインターネットは存在したが、速度は極端に遅く、軍隊や大学以外では使われていなかった。さらにクラウドには天網などない。T-800の脳内にローカルモデルを搭載してタイムトラベルしなければならない。 Strataは、12GB VRAM＋64GB RAMという一般消費者向けGPUで、1250億パラメータのQwen3.8-Flash-Nextモデルを実行可能にする。 ブラックテクノロジーはまずパラメータを16ビットから2～3ビットに量子化し、サイズを数倍縮小。次に頻繁に使う20%のエキスパート（コピー）をVRAMに置き、全エキスパートを64GBメモリに配置。さらに30GBの大規模検索テーブル（訓練時のクイックリファレンス）をSSDに保存する。 完全オフラインでデータプライバシーも確保。ただし圧縮により性能は低下し、長文読解も遅い。しかし、高級ゲームコンソールで千亿パラメータモデルが動くというのは「無から有」への飛躍だ。 T-800内のGPU・メモリ・CPUの具体的な仕様は不明だが、Strataは限られたハードウェア環境でより大きなMoEモデル（現時点ではQwenのみ対応だが、MoEモデル全般に適用可能）を実行できるようにする。 こうして見ると、我々は天網とターミネーター時代へとますます近づいているようだ！ @drfeifei @theworldlabs @typesafeai P.S. 誰か金持ちがRoadsterを予約してくれたら、2028年に一緒に体験させてください。お願いします！