「LLMが大好き、過剰な宣伝は大嫌い」 - geohotが唯一残ったルールを思い出させる

分離する：モデルが実際に行っていることと、それに対して我々が抱く期待を。計算能力よりも、この分離が不足している。

事実

George Hotz（geohot）は2026年7月12日に「I love LLMs, I hate hype」を発表した。短く、明確な投稿で、モデルが行うこと（圧縮、再現、補間）とマーケティングが付与すること（推論、計画、理解）を区別している。

私たちの解釈

Geohotは何も新しいことを言っているわけではない。誰もやりたがらない整理を再び行っているだけだ。2026年現在、ほとんどの「思考するエージェント」のデモは、優れたハーネスを接続したデモであり、新たな推論の出現ではない。これはLLMを無用にするわけではない。むしろ、使いこなすための条件を明確にすることで、有用なものにするのだ。

内部構造

この主張は3つのポイントにまとめられる。 (1) LLMは、学習データセットにパターンが存在する圧縮可能なタスク（コード、要約、翻訳）で優れている。 (2) LLMは、長期的な計画、厳密な形式的整合性、正確な計算など、サポート外のタスクで失敗する。 (3) 観測される「推論の進歩」は、モデルそのものではなく、ハーネス（テスト時の計算、RAG、ツール）によるものである。

結論

実務家：最もROIが高いのは、圧縮可能なタスクとツールの組み合わせだ。 意思決定者：常にモデル自体の貢献とハーネスの貢献を分けて評価せよ。この区別が、次のモデルチェンジに対するリスクを左右する。

見逃せない動向

• モデルとハーネスを分離したベンチマーク
• LambertやKarpathyによる次の投稿