AI・機械学習用語集

2026年 AI業界主要trend。Reasoning Models主流(Claude Opus 4.7 Extended Thinking・OpenAI o3/o4・Gemini 2.5 Thinking・DeepSeek R1)・Long Context 1M+ standard(Claude 1M・Gemini 2M-10M)・MCP(Model Context Protocol)Anthropic主導・全Editor対応(Cursor/Cline/Zed)・Computer Use/Agent automation拡大(Claude/OpenAI Operator/Browser Use)・Multi-modal Vision native全モデル・Voice Realtime API低latency化(GPT-4o 320ms)・FP4 Tensor Core RTX 50/Blackwell GPU・Local LLM Mac Studio M4 Ultra 256GB Llama 70B Q4実用・OSS DeepSeek R1/Qwen 2.5/Mistral・Vector DB Qdrant/pgvector主流・2026年 Enterprise + Personal AI双方向加速。

RTX 5090 vs Mac Studio M4 Ultra Local LLM比較。RTX 5090(32GB GDDR7・1.79TB/s・575W・¥289k・PC本体¥600k+)・Llama 3.3 70B Q4_K_M(40GB)→Out of memory(GPU 32GB限界)・405B model→絶望(複数GPU要)・代替: 32B model実用 200 t/s・Mac Studio M4 Ultra 256GB Unified(546GB/s・100W average・¥499k本体完結)・Llama 3.3 70B Q8(70GB)実用 25-30 t/s・405B Q4(200GB)→ 8-12 t/s実用 with Memory Pressure・Performance: Inference RTX強・Capacity Mac Studio強・Power Efficiency Mac圧勝(W/token)・2026年 RTX inference・Mac Studio mass model実行。

AI Tool Comprehensive Best 2026年。Code Editor Tier 1: Claude Code(¥0 CLI・$20-200/mo Pro/Max・Anthropic公式・Mass appeal Best)・Cursor IDE($20-40/mo・mass appeal IDE)・Tier 2: Windsurf($15-60/mo・Cascade)・Zed(OSS・Rust・10倍速)・Tier 3 OSS Extension: Continue.dev・Cline・Aider CLI・LLM Model: Claude Opus 4.7($15/$75 Mtok・Code/Reasoning最強)・Sonnet 4.6($3/$15・Daily coding mass appeal)・Haiku 4.5($0.80/$4・Customer support/Voice)・GPT-4o($2.50/$10・Realtime API)・o3($15/$60・Reasoning・Math/Science)・Gemini 2.5 Pro($3.50/$10.50・2M context・Multimodal)・DeepSeek R1($2.19/M・OSS・Reasoning)・MCP Server: Filesystem/GitHub/Postgres/Slack(全 OSS install)・Local LLM: Ollama + Mac Studio M4 Ultra 256GB Llama 70B Q4・Vector DB: Qdrant + Qwen3-Embedding-8B・選択: Code = Claude Code+Sonnet・Reasoning = Claude Extended/o3・Cost-perf = Sonnet/Haiku・2026年 Claude Code市場リーダー。

AI Code Editor包括Recommend 2026年(全選択肢)。Tier 1 Premium Anthropic専用: Claude Code(¥0 CLI・Anthropic公式・$20-200/mo Pro/Max・Opus 4.7専用・MCP統合・Skills/Hooks/Subagents・Terminal-first・Computer Use・Mac/Win/Linux)・Tier 2 IDE Premium: Cursor IDE(VS Code fork・$20-40/mo・Claude/GPT/Gemini選択・Composer agent・Tab autocomplete・@Docs/@Codebase context・MCP対応 2024年12月-)・Tier 3 IDE Mid: Windsurf(Codeium・$15-60/mo・Cascade agent・Claude/GPT・MCP対応・$15 Pro tier最安)・Tier 4 OSS Premium: Zed(OSS・Rust製・Mac/Linux/Windows・Claude/GPT/Gemini integration・MCP native・collaborative・10倍 fast performance)・Tier 5 OSS Extension: Continue.dev(VS Code Extension・OSS・MCP)・Cline(VS Code Extension・OSS・MCP)・Aider CLI(Python・任意Model対応・git auto commit)・選択基準: Terminal自由 = Claude Code・IDE = Cursor・budget = Windsurf・OSS performance = Zed・2026年 Claude Code市場リーダー。

AI 2026年trend総括。Reasoning Models主流(Claude Opus 4.7 Extended Thinking・OpenAI o3/o4・Gemini 2.5 Thinking・DeepSeek R1)・Long Context 1M+ standard(Claude 1M・Gemini 2M-10M・GPT-4o 128K legacy)・MCP(Model Context Protocol)Anthropic主導・Editor統一(Cursor/Cline/Zed/Continue)・Computer Use/Agent automation拡大(Claude Computer Use・OpenAI Operator・Browser Use)・Multi-modal Vision native全モデル・Voice Realtime API低latency化(GPT-4o 320ms)・FP4 Tensor Core RTX 50/Blackwell GPU・Local LLM Mac Studio M4 Ultra 256GB Llama 70B Q4実用・OSS DeepSeek R1/Qwen 2.5/Mistral・Vector DB Qdrant/pgvector主流・Cost optimization Caching/Batch API/Sonnet主体・2026年 Enterprise + Personal AI双方向加速。

Transformerの計算を最適化し高速化・省メモリ化を実現する手法

LLM 4強選択 2026年。Claude Opus 4.7($15/$75・1M context・Code/Reasoning最強・Computer Use・MCP標準・Extended Thinking・Anthropic SDK)・OpenAI GPT-4o($2.50/$10・128K context・Realtime API 320ms・Vision native・Operator・大Mass appeal)・OpenAI o3($15/$60・Reasoning最強・Math/Science PhD・thinking model)・Google Gemini 2.5 Pro($3.50/$10.50・2M context・Deep Research・Multimodal)・Gemini 2.5 Flash($0.10/$0.40・cheap・Long context)・DeepSeek R1($2.19/M token・OSS MIT License・Reasoning・cost killer・local可)・選択: Code = Claude Opus・Long Context = Gemini 2M・Cost = GPT-4o mini/Gemini Flash/DeepSeek R1・Reasoning math = o3・Multimodal = Gemini・Local OSS = DeepSeek R1・2026年 Claude Code市場リーダー、Cost Sensitive DeepSeek/Gemini Flash。

Claude Desktop/Code MCP Server install。1) Claude Desktop config: ~/Library/Application Support/Claude/claude_desktop_config.json (Mac) or %APPDATA%\Claude\claude_desktop_config.json (Win)・2) JSON edit: { "mcpServers": { "filesystem": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/dir"] } } }・3) Claude Desktop restart→tool icon表示確認・4) Other servers: Github(env GITHUB_PERSONAL_ACCESS_TOKEN)・PostgreSQL(connection string)・Slack(env SLACK_BOT_TOKEN)・Google Drive(OAuth)・5) Claude Code: .claude/settings.json mcpServers同format・6) MCP Inspector debug tool・7) Custom server: FastMCP Python framework・stdio/SSE/HTTP transport・2026年 enterprise MCP server内製拡大、Claude Desktop config標準化。

MCP Server自作開発 tutorial(2026年)。Step 1: FastMCP framework(Python・@modelcontextprotocol/server-base代替)・pip install fastmcp・Step 2: Server import・@mcp.tool() decorator function定義・Step 3: Tools(name・description・input_schema)・Resources(URI based・read-only context)・Prompts(parameterized template)・Step 4: Transport: stdio(default・local Claude Desktop)・SSE(Server-Sent Events・remote)・HTTP(REST・remote standalone)・Step 5: Test: MCP Inspector debug tool(npx @modelcontextprotocol/inspector)・Step 6: Claude Desktop config(claude_desktop_config.json mcpServers section)・Step 7: Production: Docker containerize + HTTP transport・SDK: Python/TypeScript/Go/Rust(public)・Use case: Internal API integration・Database connector・Workflow automation・2026年 Enterprise内製拡大、$20-100k Custom MCP server market。

CPU/GPUからNPUへAI処理を委譲し効率化する設計手法

Claude 3-tier model選択指南 2026年。Claude Opus 4.7(claude-opus-4-7・$15/$75 per Mtok・1M context・Code/Reasoning最強・Computer Use・Extended Thinking 32k token・最Premium・slow latency・$0.30/conversation typical)・Claude Sonnet 4.6(claude-sonnet-4-6・$3/$15・200K context・Daily coding/Refactoring/Documentation・mass appeal Best Coding・Computer Use・balanced・$0.05/conversation typical)・Claude Haiku 4.5(claude-haiku-4-5-20251001・$0.80/$4・200K context・low latency 200ms・Customer support/Voice realtime/Translation・$0.01/conversation typical・cost-effective)・選択指南: Math/Science/Complex Code/Research = Opus・Daily coding/Standard Q&A = Sonnet(95% use case)・Customer support/Bulk processing/Voice = Haiku・Cost管理: Sonnet主体 + Opus complex limited・Caching -90%・Batch -50%・2026年 Sonnet daily defaultが mass appeal Best。

2024年4月Snowflake発表Arctic・Industry-leading 480B total + 17B active dense-MoE hybrid + Industry-leading 128-expert MoE + Industry-leading enterprise-focused + Industry-leading Snowflake Arctic Apache 2.0 enterprise MoE LLM 2024。

The Browser Company 2022年公開Mac/Windows AI Browser Arc。Pin/Space/Easel UI革新 + Boost CSS Inject + Arc Search AI Browse for Me・$0(無料)、Chrome独占下のAI Browser代表機。

「タブ」の概念を再定義し、AIによる情報の要約や整理に特化した次世代型ブラウザ。Chromiumベースの互換性を持ちつつ、垂直タブやSpace機能で作業領域を分離できる。

人間と同等の汎用的な知能を持つAIシステム。特定タスクに限定されない幅広い問題解決能力を持つ。

LLMが全層の計算を完了する前に中間層で早期出力を行い、簡単なクエリの推論コストを削減する手法。

LLMが生成した複数応答をランキング学習で整合するPPO不要のRLHF代替手法。報酬モデルでスコアリングした応答をランキング損失で学習し、高コストのPPO最適化なしに人間の選好をモデルに反映する。

LLMのハルシネーションと知識の鮮度問題を解決するため、外部データベースから関連情報を検索し、生成プロセスに統合する技術。最新情報や特定ドメインの知識を動的に参照可能にする。

RAG（Retrieval-Augmented Generation）は、外部知識ソースから関連情報を検索し、その結果をコンテキストとしてLLMに与えることで、事実に基づいた高精度な回答を生成するアーキテクチャパターンである。

RAGパイプラインは、ドキュメントの取り込み（Ingestion）・検索（Retrieval）・生成（Generation）の3段階で構成される処理フローであり、各段階のコンポーネントを最適化・組み合わせることでLLMの回答品質を制御する。