Cursor の新モデル（1 分で読めます）
Morgan Linton は、LLM の「モデル重み」が交通状況や出発時間などの入力に重要性を割り当てるアナロジーを通じて、非技術者にも理解しやすい概念として解説している。
キーポイント
モデル重みの直感的な定義
記事は、空港への到着時間を予測する例を用い、各入力要因（交通量、出発時間など）に割り当てられる「重要性の強さ」がモデル重みそのものであると説明している。
数値化された重みの役割
LLM において重みは単なる数字であり、入力データを重要度に応じて掛け合わせることで最終的なスコアや予測結果を導き出す数学的要素であると解説されている。
非技術者向けの教育アプローチ
著者は微積分などの高度な数学知識を必要とせず、日常的な経験に基づいたアナロジーを用いて複雑な AI 概念を友人や家族に説明する手法を示している。
LLM のモデル構造の基礎
LLM の重み（weights）は浮動小数点数としてファイルに保存されており、このファイルそのものがモデルを構成している。
開発プロセスの本質
生成 AI を利用した開発では、最初のプロンプトや初期ビルドは完成品ではなく、継続的な改善とリファインのスタート地点である。
Perplexity Computer のコード最適化機能
初期ビルド直後にコードベースを評価でき、プロンプト内で指定したセクション（良い点、改善点、重大な誤り）に基づいた詳細な分析結果が得られる。
フルスタックファンドシステムの構築成功
4,500 行以上のコードを一度に生成し、1-2 人の人間で運用可能な小規模ファンドの核心ワークフローを実装した Web アプリが動作するようになった。
影響分析・編集コメントを表示
影響分析
この記事は特定の技術的革新や新製品の発表ではなく、既存の LLM 概念である「モデル重み」に対する教育的な解説に留まっているため、業界全体への直接的なインパクトは限定的です。しかし、AI の普及に伴い非技術層向けの説明ニーズが高まる中、複雑な概念を平易なアナロジーで伝える手法としての価値が高く、教育・啓発の文脈では重要な役割を果たします。
編集コメント
本記事は技術的な新情報というよりは、AI の基本概念を一般向けに解説する教育的なスレッドの抜粋です。業界動向への直接的な影響は薄いものの、ステークホルダー教育の参考資料としては有用です。
More from @morganlinton
link#goto">
twitter-profile#error" data-retried="true">
Mar 26
私は最近、友人や家族に大規模言語モデル（LLM）を説明することが増えています。
私が最近特に詳しく解説している要素の一つが、モデルの重み（weights）です。
もっと詳しく知る
lottery
カスタム Twitter ボット
リーダーアプリ購読
書籍
フォーラム & チャットプロバイダー
クラフト
モバイルアプリのプロモーション
science
これらが何なのか完全に理解できていない方のために、簡単な概要をご紹介します。微積分の知識は不要です。
「モデルの重み（weights）とは何か？」🧵
まず、「重み」とは何でしょうか。
私は比喩を使うのが好きなので、通常は以下のように説明しています。「空港に時間通りに着く確率を予測しようとしていると想像してみてください」。
私たちは皆、このような状況に陥った経験があるはずです。
空港に時間通りに着けるかどうかを理解するために使用する重要な入力要素があります。例えば、交通量の多さ、家を出た時刻の早さ、空港までの距離などです。
次に、「何が最も起こりそうか」と問うのではなく、各要素に強さや影響力を割り当てます。
つまり、交通渋滞は確かに悪影響で、時間通りに着けるかどうかを大きく左右します。早く家を出ることも同様です。空港からの距離は中程度の影響力を持つかもしれませんし、その他にも様々な要素があります。
ここからが数学的な魔法のパートですが、数式の詳細には立ち入らず、高レベルな説明にとどめます。
本質的には、各入力にその重要性を掛け合わせて最終スコアを算出します。
先ほど計算した重要性の値、その通りです——それが重み（weight）です。
バシッとシンプルに説明すると、モデルの重みとは何かを理解していただけたはずです。
ただしこれはスレッド形式なので、ここからさらに深く掘り下げていきましょう。
LLM における重みは数値であり、その数値は——お見事、ご推察通り——ファイルに保存されています。
これらの数値は浮動小数点数（float）として保存されます。つまり、18.23 のように小数点以下にも数字を持つ数値です。
ここで、多くの人を驚かせるような驚きの事実があります。
その数値すべてを含むファイルこそが、モデルそのものです。
重みをメモリに読み込み、トークンを入力し、出力を得る——これが基本動作です。
ご理解いただけましたでしょうか？では、さらに深く掘り下げていきましょう。
7 件のツイートを閲覧する
link#goto">
twitter-profile#error" data-retried="true">
Mar 6
@perplexity_ai が Computer をリリースして以来、毎日新しいものを構築しています。
素晴らしい経験でしたし、何度も申し上げている通り、一度きりの試みでスクリーンショットを見せるだけで完了したわけではありません。
さらに詳しく知る
Twitter ボット開発
X トレーニングリソース
X 分析プラットフォーム
モバイルアプリ & アドオン
movie
ツイート分析ツール
Web アプリ & オンラインツール
モバイルアプリ開発
最初のプロンプトと初期の構築は、始まりであり、終わりではありません。もちろん完成品でもありません。
さて、今ではいくつかのプロジェクトをコードの精査に使用しているので、どのようにそれらを精査しているか、そして最初の試みを超えて使えるプロンプトやワークフローについて共有しようと思います。
この楽しい小さな株式ポートフォリオ分析ツールの例を使います。これは誰かが私が作るべきだと提案してくれたものです。
Perplexity Computer のコード最適化スレッド 🧵
初期ビルドの直後、私がまず行うのはコードベースの評価です。Perplexity Computer を離れる必要はありません。このようなプロンプトを使って、その場で直接実行できます。
すると、プロンプトで指定した通り、良い点、改善が必要な点、そして私の favorite である明らかな誤りといったセクションに分かれた、非常に詳細な分析結果が返ってきます。
では、まず「良い」として返ってきた部分から始めましょう：
Read 11 tweets
link#goto">
twitter-profile#error" data-retried="true">
Feb 26
Whoa, it did it. @perplexity_ai Computer just one-shotted a ful-stack fund in a box.
Over 4,500 lines of code, and it works.
The goal was to build a system that could credibly run a small fund's core workflow with 1-2 humans vs. the current model which is 10 analysts on terminals.
I came up with the idea by asking what could I build with computer that would be more valuable than a $30,000/year Bloomberg terminal.
Here's a screenshot of the fully working web app.
詳細は以下に。これはおそらく世界初の Perplexity コンピューター・スレッドになると思います 🧵
まず、私が Perplexity と一緒に取り組んだアイデアをご紹介します。
その後、私にプロンプトを作成させました。すると怪物のようなプロンプトが完成しました。これを一度で実行するには本格的なプロンプトが必要だったため、数回に分けて共有します。
プロンプト 部 1:
あなたは自律的なエンジニアリング、製品、研究チームです。Thesium(. )finance を構築してください。これは AI ネイティブのファンド運用システムであり、エージェントがあらゆる銘柄とテーマについてライブな投資 thesis（見解）を維持し、人間は Thesium Desk と呼ばれるワークステーションを監督します。
あなたの目標は、1〜2 人の人間が監督する形で、アナリストの床を必要とせず、小規模ファンドの中核ワークフロー（調査→リスク管理→実行）を信頼性を持ってエンドツーエンドで実行できる Thesium(. )finance の MVP を設計し実装することです。
18 件のツイートを参照
link#goto">
twitter-profile#error" data-retried="true">
2 月 16 日
最近、多くの人からローカルでモデルを実行することについて質問されています。
そこで、私が友人たちに常に送っている内容をほぼそのまま共有しようと思います。また、LLM が内部でどのように動作しているかを理解していなくても、このスレッドを追うことは十分に可能です。
ローカルで LLM を実行するスレッド 🧵
まず第一に、私は Mac に対して強いバイアスを持っており、あなたもそうあるべきです。
現在のソフトウェアエンジニアリングの多くは Mac で行われており、Codex Desktop アプリのような最新のクールな機能もまず Mac 向けに登場します。
ローカルで LLM（大規模言語モデル）を実行する際、Apple Silicon がすべてを変えました。
ユニファイドメモリアーキテクチャにより、CPU と GPU が同じメモリプールを共有します。LLM にとってはこれほど素晴らしいことはありません。
モデルには大きな連続したメモリ領域が必要です。64〜128GB のユニファイドメモリを搭載した Mac では、多くのコンシューマー向け GPU では処理が追いつかないような大規模なモデルも実行可能です。
ハードウェアを選ぶ際は、64GB 以上のユニファイドメモリを備えた Mac Studio が、ベースラインの Mac mini よりもはるかに多くの選択肢を開きます。128GB のユニファイドメモリに達すると、本格的な領域に入ります。ここで量子化（quantization）を適用すれば、70B パラメータクラスのモデルもプレイ可能になります。
次にソフトウェアスタックについてです。選択肢は多数ありますが、私は友人たちにはすべて「簡単モード」をお勧めしています。
最も簡単な入り口は Ollama です。
これは基本的に「LLM 向けの Docker」です。インストールしたら、以下のように実行するだけです。
ollama run llama3
すると、ローカルモデルがあなたとチャットし始めます。
Ollama は以下の機能を処理します：
– モデルのダウンロード
– 量子化ビルド（quantized builds）
– Metal アクセラレーション
– シンプルな REST API
内部では llama.cpp を使用しており、これは Apple の Metal GPU フレームワーク向けに高度に最適化されています。
これは以下の用途にとって最もスムーズな道筋です：
– Llama モデル
– Mistral
– Mixtral
– コード生成モデル
– 7B〜13B の小規模モデルの実験
12 件のツイートを読む
link#goto">
twitter-profile#error" data-retried="true">
Jan 25
ClawdBot は素晴らしい - 確かに注目を集めるにふさわしい存在です。
しかし、多くの人がハッキング被害を受けることになります。
その理由は、セキュリティについて考えもせず、無謀にも飛び込んでくる人があまりにも多すぎるからです。
セキュリティ研究者たちはすでに、プロンプトインジェクションを使ってあなたのすべてのメールを削除できることを示しています 😳
したがって、ClawdBot を使い始める前に知っておくべきセキュリティ上のポイントがいくつかあります。時間はかかりませんが、その価値は十分にあります。
ClawdBot のセキュリティに関する解説 🧵
まず、サンドボックスモード（Sandbox Mode）を有効にしてください。
次に、ターミナルで「clawdbot security audit」と入力してセキュリティ監査を実行してください。
7 件のツイートを読む
link#goto">
twitter-profile#error" data-retried="true">
2025 年 7 月 2 日
私はここ数週間 @diabrowser を使い続けており、完全に熱狂してしまうような稀な製品の一つになりました。
最近の私のタイムラインは荒れ模様で、同じ体験をする人が非常に多いです。そこで、私が最もお気に入りのトップ 10 を 🧵 で共有しようと思います。
11 件のツイートを読む
原文を表示
More from @morganlinton
link#goto">
twitter-profile#error" data-retried="true">
Mar 26
I’ve found myself explaining LLMs to more and more friends and family.
One component I’ve been covering a lot lately is model weights.
Discover more
lottery
Custom Twitter bots
Reader app subscription
Books
Forum & Chat Providers
Crafts
Mobile app promotion
science
If you aren’t totally clear on what these are, here’s a simple(ish) overview - no calculus knowledge required.
A “what the heck are model weights” 🧵
First - what is a weight.
I like analogies so what I usually tell people is - imagine you’re trying to predict the chance that you are going to get to the airport on time.
We’ve all been in this situation.
There’s some key inputs you’d use to understand you’ll make it to the airport on time - things like how much traffic there is, how early you left your house, distance from the airport.
Now, instead of asking - what’s the most likely to happen, you assign a strength or influence to each.
So traffic, yeah that sucks, and it can really influence if you make it on time, same with leaving early. Distance from the airport might be more of a medium influence, etc.
Now for the magical mathematical part where I’ll leave the math out and keep it high level.
You essentially multiply each input by how important they are and get a final score.
The importance values you just calculated, yup - that’s the weight.
Boom - you now understand in super simple terms, what model weights are.
But this is a thread, so now let’s go deeper.
In LLMs, the weights are numbers, and those numbers are stored in - bingo, you guessed it, a file.
These numbers are stored as floats, just think - numbers with decimals and the ability to have more numbers after the decimal, like 18.23 vs just 18.
Now here’s the kinda wild part that blows some people’s minds.
The file, with all these numbers - that’s the model.
Load weights into memory, send in tokens, get outputs.
Got it? Let’s go even deeper then.
Read 7 tweets
link#goto">
twitter-profile#error" data-retried="true">
Mar 6
Every day since @perplexity_ai released Computer, I have built something new.
It has been an awesome experience, and as I've said many times, I'm not one-shotting something, showing a screenshot, and calling it done.
Discover more
Twitter bot development
X training resources
X analytics platform
Mobile Apps & Add-Ons
movie
Tweet analysis tool
Web Apps & Online Tools
Mobile app development
The first prompt, and initial build, is the start, not the end, and definitely not a finished product.
So, now that I've got a bunch of projects I'm refining the code on, I thought I'd share how I'm refining them, and some prompts and workflows you can use to go beyond the first shot.
I'm going to use this fun little stock portfolio analyzer someone suggested I build as an example.
A Perplexity Computer code optimization thread 🧵
The first thing I do after the initial build is evaluate the codebase, and you don't have to leave Perplexity Computer, you can do this right in there with a prompt like this.
And you'll get back some really nice detailed analysis, broken down into sections like I specified in the prompt, i.e. what's good, needs work, and my favorite - glaringly wrong.
So let's start with what came back as good:
Read 11 tweets
link#goto">
twitter-profile#error" data-retried="true">
Feb 26
Whoa, it did it. @perplexity_ai Computer just one-shotted a ful-stack fund in a box.
Over 4,500 lines of code, and it works.
The goal was to build a system that could credibly run a small fund's core workflow with 1-2 humans vs. the current model which is 10 analysts on terminals.
I came up with the idea by asking what could I build with computer that would be more valuable than a $30,000/year Bloomberg terminal.
Here's a screenshot of the fully working web app.
More details below, in what I think my might be the world's first Perplexity Computer Thread 🧵
First, here's the idea I worked on with Perplexity.
I then had it build me a prompt, and it build a monster prompt, I'll share it in a few segments because to one shot this, I needed a serious prompt.
Prompt Part 1:
You are an autonomous engineering, product, and research team building Thesium(.)finance, an AI‑native fund operating system where agents maintain live theses on every name and theme, and humans supervise a workstation called Thesium Desk.
Your goal is to design and implement an MVP of Thesium(.)finance that can credibly run a small fund’s core workflow end‑to‑end (research → risk → execution), with 1–2 humans supervising instead of a floor of analysts.
Read 18 tweets
link#goto">
twitter-profile#error" data-retried="true">
Feb 16
I’ve had a lot of people ask me about running models locally lately.
So here’s essentially what I keep sending to all my friends, and thought why not share with all of you.
And you honestly don’t need to know anything about how LLMs work under-the-hood to follow this.
A running LLMs locally thread 🧵
First things first. I’m heavily biased towards Macs, and you should be too.
Most software engineering today is done on a Mac, and all the cool new stuff comes out for Mac first, like the Codex Desktop app.
When it comes to running LLMs locally, Apple Silicon changed everything.
The unified memory architecture means the CPU and GPU share the same memory pool. For LLMs, that’s gold.
Models need big contiguous memory. On a Mac with 64–128GB unified memory, you can run models that would choke on many consumer GPUs.
If you’re choosing hardware, a Mac Studio with 64GB+ unified memory opens far more doors than a base Mac mini. Once you hit 128GB unified memory, you’re in serious territory. That’s when 70B-parameter class models become playable with quantization.
Now the software stack. There are lots of options, but I just recommend easy mode to all my friends.
And the easiest entry point is Ollama.
It’s basically “Docker for LLMs.” You install it, then:
ollama run llama3
And suddenly you have a local model chatting with you.
It handles:
– Model downloads
– Quantized builds
– Metal acceleration
– Simple REST API
It uses llama.cpp under the hood, which is highly optimized for Apple’s Metal GPU framework.
This is the smoothest path for:
– Llama models
– Mistral
– Mixtral
– Code models
– Small 7B–13B experimentation
Read 12 tweets
link#goto">
twitter-profile#error" data-retried="true">
Jan 25
ClawdBot is amazing - it absolutely deserves all the attention it’s getting.
But, a lot of people are going to get hacked.
And that’s because way too many people are diving in without thinking about security.
Security researchers have already shown how prompt injection can be used to delete ALL of your email 😳
So there’s a few things you should know about ClawdBot security before you let it lose - it won’t take too long, but yes, it’s worth the time.
A ClawdBot security 🧵
First, there’s a Sandbox Mode - enable it.
Second, run a security audit, just type this in your terminal: clawdbot security audit
Read 7 tweets
link#goto">
twitter-profile#error" data-retried="true">
Jul 2, 2025
I've been using @diabrowser for a few weeks now and it's become one of those rare products I become completely fanatical about.
My timeline lately has been wild, so many people having the same experience. I thought I'd share my top ten favs in a 🧵
Read 11 tweets
関連記事
[AINews] 今日特に大きな出来事はありませんでした
Latent Space は、GLM 5.2 が依然として注目されていると指摘しつつ、AIE WF 2026 の通常チケットが月曜日に完売すると発表しました。同サイト購読者向けに限定割引を提供し、参加者には Warp や Datadog などからのスポンサークレジットも付与されます。
米国がアンソロピックの「Fable 5」発売を禁止、しかし市場は動じず
米国政府は国家安全保障上の懸念から、アマゾンの研究者らがガードレール回避手法を発見したとして、アンソロピックに対し最新モデル「Fable 5」と「Mythos 5」の販売差し止めを命じた。サイバーセキュリティ研究者らはこの措置が危険だとする公開書簡に署名し、同社も他モデルでも同様の抜け道が存在すると指摘している。
社内データ分析エージェントの構築方法について
GitHub は、大規模なデータ組織が直面する自己完結型のデータアクセスと洞察提供の課題に対し、AI を活用した信頼性の高い解決策として、社内でデータ分析エージェントを構築したことを発表した。
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み