「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

セパレートする、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とを。この分野で不足しているのは計算能力よりもむしろ規律である。

事実

ジョージ・ホッツ（geohot）は2026年7月12日に「I love LLMs, I hate hype」を発表した。短く、断固とした投稿で、モデルが行うこと（圧縮、再生、補間）とマーケティングが与えること（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ない。誰もやりたがらない分類を再び行っただけだ。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。使いこなすための条件は、何を接続するかを理解することだ。

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、長期計画、厳密な形式的整合性、正確な計算などの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）によるものだ。

結論

実務家：最も高いROIは、圧縮可能なタスクとツールを組み合わせたものにある。 意思決定者：常に「利益のどれだけがモデル由来で、どれだけがハーネス由来か」を尋ねること。この区別が、次のモデル変更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
• ランバートやカルパティの次の投稿