ホストされるプロキシこそがアクセス機構であり、提供するモデルではない

Hugging Face の hf jobs run ワンライナーは、1コマンドでプライベートな OpenAI 互換 vLLM エンドポイントを立ち上げるが、全体を支えるのはモデルではなく、すべてのリクエストをあなたのネームスペースに限定するホストされるプロキシだ。Hugging Face の2026年の投稿「Run a vLLM Server on HF Jobs in One Command」によれば、a10g-large フレーバーは1.50ドル/時で秒単位課金され、露出したURLにはそのジョブへの読み取り権限を持つHFトークンがないとアクセスできない。門は供給されるもので、建造するものではない。

これは私たちが何度も辿り着く形と同じだ：ルーティング層がモデルが発話する前に誰が応答を得るかを決める。機構を名指しし、その機構が実際に存在し測定しているかを判断する——それが21本の論文にある Theorem 3（ある属性は、その機構が実装され測定している時に正確に保証される）。ここで属性は アクセスが自分に限定されている であり、機構は 私のネームスペースに紐づくベアラートークンを要求するホストされるプロキシ だ。モデルはその決定の下流にいる。

HF Jobs が実際に供給するもの

投稿は、そのコマンドが与えるものについて率直だ：「hf jobs run はHFインフラ上の docker run だ」。イメージ（vllm/vllm-openai:latest）、GPU フレーバー、露出するポート、タイムアウトを選ぶ。プラットフォームがレンタルしたGPUにイメージを引き、vLLM を起動し、コンテナのポートを公開ジョブプロキシ経由でルーティングする。そのプロキシが、安定したURLを与え、リクエストを終端し、ベアラートークンの門を強制するという3つの仕事を同時にこなす唯一の機構だ。

投稿の正直さは一瞬立ち止まる価値がある。著者たちはそれを導入する同じ文の中で本番サービスと区別する：「管理された本番対応のサービスが欲しいなら、それは Inference Endpoints の出番だ」。彼らは Jobs を本番とは呼ばない。「テスト、評価、バッチ生成のためにモデルを立ち上げる最速の方法」と呼ぶ。これは機構の現実の範囲を過剰に売り込むのではなく名指しするベンダーの姿勢だ——私たちが自身のロードマップで保とうとする姿勢であり、そこでは Wallet & Token 🔵、Super App 🔵、Community Credit 🔵 はその機構が届けられ測定されるまで Roadmap のままだ。

ポートを露出するパターンがルーティングの決定だ

--expose 8000 フラグがルーティングの起きる場所だ。プラットフォームにコンテナのポートを公開ジョブプロキシ経由でルーティングさせ、https://<job_id>--8000.hf.jobs という形のURLを返すよう伝える。それ以外のすべて——モデルの選択、tensor-parallel サイズ、チャットテンプレート——はそのルートの背後で動くものの設定だ。ルートが境界だ。これは私たちの、永続化は常にポート（トレイト）を通じて到達し、決して具体的な PgPool を通じないという規則と同じ形だ：呼び出し側が依存するのは境界であって、背後にあるものではない。

ベアラートークンの門がアクセススコープだ

投稿はプロキシが強制するものについて明示的かつ率直だ：「すべてのリクエストはそのジョブのネームスペースへの読み取り権限を持つHFトークンを運ばなければならない。単なるブラウザ訪問は拒否される。実質、ジョブプロキシがあなたのAPI門だ：アクセスはあなた（とあなたのorg）に限定される」。それがアクセス制御の全物語だ。vLLM の内側に第二の認証層はない。プロキシが門だ。

[UNIQUE INSIGHT] 耐荷重性のある洞察は、アクセス境界がルーティング層の属性であって、モデルやその背後のアプリケーションの属性ではないということだ。プロキシのないモデルサーバーは開いたポートだ。ネームスペースで限定されたプロキシの背後にある同じサーバーはプライベートエンドポイントだ。モデルは変わっていない；ルーティングが変わった。これが「the space is the router」の縮図だ：トポロジー（誰が何に到達できるか）は何かが応答する前に決まる。Everythink では、network→community→room トポロジーが、Sister や Oracle がリクエストを見る前にそれをルーティングする——room が門であり、room の背後のモデルではない。

秒単位課金がコスト制御機構だ

課金モデルは脚注ではない。Jobs はハードウェア使用の秒単位で課金し、投稿は使い終わったらサーバーを止めるよう告げる：hf jobs cancel <job_id>。--timeout フラグはジョブを自動停止する安全網だが、「明示的にキャンセルする方が安い」。コストを制御する機構は cancel コマンドと秒単位メーターの組み合わせだ——効率についての約束ではない。

これも Theorem 3 だ、コストに適用したものだ。属性 アイドルに課金されない は機構 scale-to-zero によって保証され、scale-to-zero は Inference Endpoints にあり、Jobs にはない。Jobs では、属性 アイドルに課金されない は機構 私が明示的にキャンセルする によってのみ保証され、それは人間かスクリプトが cancel を発した時にのみ保証されることを意味する。誰もキャンセルしなければ、タイムアウトまで課金される。投稿はこれを、一方が両方をこなすふりをするのではなく、二つの製品を並べて名指しすることで尊重している。

タイムアウトは安全網であり、予算ではない

--timeout 2h は「これは最大2時間のGPUコスト」という意味ではない。「私がキャンセルし忘れたら、プラットフォームは2時間でジョブを止める」という意味だ。違いは重要だ。安全網は一次機構（キャンセル）が失敗した時にあなたを受け止める；一次機構を置き換えない。私たちは自身のロールバック経路を同じように扱う：deploy-and-pray のワークフローにはロールバック機構が必要で、安全網（タイムアウト、ヘルスプローブ）は機構ではない——明示的なロールバックこそが機構だ。

Jobs 対 Inference Endpoints は機構マッチだ

投稿の結びの比較が最もきれいな部分だ。なぜなら二つの製品を格付けするのを拒み、代わりにそれぞれをある仕事にマッチさせるからだ。HF Jobs は「最大の柔軟性と制御」が欲しい時に——イメージ、正確な vllm serve フラグ、ハードウェアを選び、ジョブが動く間秒単位で課金される。Inference Endpoints は「より本番対応のもの」が欲しい時に——より細粒度のアクセス制御（公開、保護、プライベート）と、非活動中に課金されないための scale-to-zero を追加する。

これは機構マッチであって、機能比較ではない。問いは「どちらがより良いか」ではない。問いは「どの機構が私が必要な属性を保証するか」だ。属性が 実験してから解体する なら、Jobs が合う：秒単位課金に明示的キャンセルを加えたものが機構で、serve フラグへの柔軟性がコミット前にモデルを試す機構だ。属性が アイドル支出なしの耐久的エンドポイント なら、Inference Endpoints が合う：scale-to-zero がアイドル非課金を保証する機構で、より細粒度のアクセス制御がカスタムゲートウェイなしで欲しいスコープを保証する機構だ。

[ORIGINAL DATA] 21本の論文シリーズはこれを機構-属性対応と呼ぶ：ある属性は、その機構が実装され測定している時に正確に保証される。ここに適用すれば、Jobs と Endpoints の間の決定は好みの問題ではない——照合だ。必要な属性を列挙し（アイドルコストゼロ、公開アクセス、正確なフラグ制御、秒単位実験）、その属性を実装し測定する機構を持つ製品を選ぶ。どちらも持たなければ、どちらも正しいツールではなく、どんな設定もそうはさせない。

シャーディング機構はフレーバーに一致しなければならない

投稿のより大きなモデルに関する節には、引き出す価値のある機構の規則が隠れている。2× H200 で122B の Qwen3.5 mixture-of-experts を提供するには、--tensor-parallel-size 2 を設定し、規則は明確に述べられる：「--tensor-parallel-size はフレーバーのGPU数に一致すべきだ（h200x2 → 2、h200x8 → 8）」。両者を不一致にすれば機構は動かない——モデルは実際に持つGPU間で正しくシャードされない。

同じ節がメモリ機構を名指しする：256Kトークンのデフォルトコンテキストを持つハイブリッド Mamba/attention アーキテクチャについて、「コンテキスト長と同時シーケンス数を制限すればGPUのメモリ内に収まる。out-of-memory や cache-block エラーでモデルが起動に失敗したら、まず試すのはこの二つを下げることだ」。モデルをメモリに収める機構は --max-model-len と --max-num-seqs をGPUが実際に持つ予算に制限すること だ。これは測定された制約であり、能力についての感覚的な主張ではない。

ハーネスがエージェント機構であり、モデルではない

投稿の Pi コーディングエージェントの節は、私たちが固く守る規則の静かな実例だ：ハーネスが機構であり、モデルではない。ターミナルコーディングエージェントを支えるには、--enable-auto-tool-choice と --tool-call-parser hermes で vLLM を再起動する。なぜなら「エージェントはツール呼び出しを通じてモデルを駆動し、vLLM はサーバーがツール呼び出し有効で起動された場合にのみそれらを受け付けるからだ」。モデルは能力を得ていない。ハーネス（ツール呼び出し解析、Pi エージェントループ）がサーバーに配線され、その配線こそがツール呼び出しを機能させる機構だ。私たちは他の場所でこれを書いた：エージェントを雇うのではなく、機構を配線する。エージェントは配線であり；モデルはその背後のエンジンだ。

クロスドメイン：the space is the router

HF Jobs の投稿にあるすべての機構は私たち自身のスタックに並行対応があり、それらを名指しすることが、アーキテクチャを願望ではなく正直に保つ方法だ。

• プロキシとしての門 ↔ room としての門。 HF ジョブプロキシはアクセスをネームスペースに限定する。Everythink では、network→community→room トポロジーがアクセスを room に限定する。「The space is the router」は、room が Sister や Oracle が応答する前にリクエストをルーティングすることを意味する——room が門であり、モデルは門の背後にいる。機構の形は同一だ；ドメインは違う。
• ベアラートークン ↔ Eye Key。 ジョブのネームスペースへの読み取り権限を持つHFトークンが、プロキシを通してあなたを運ぶ資格情報だ。私たちの Eye Key（スペース付き）が私たちのAPI門を通してあなたを運ぶ資格情報で、Eye Key 平文は決してディスクに触れない——HMAC と指紋だけが永続化する。属性 資格情報主権 は機構 永続化の前にHMAC によって保証され、アクセスが自分に限定 が ネームスペースに紐づくベアラートークン によって保証されるのと同じだ。両者ともルーティング層の保証であって、モデルの保証ではない。
• tensor-parallel ↔ Oracle 正規化。 シャーディング規則（並列サイズがGPU数に一致）は制約マッチング機構だ。私たちの Oracle ✅ は確率を正確に一つの場所で正規化する——消費者は sum(probability) ≈ 1.0、シナリオは降順、エントロピーは nats に依存する。両者とも「機構は制約に一致しなければならない」だ：シャードサイズをGPU数に、正規化を一つの場所に。マッチを間違えれば保証は壊れる。

[PERSONAL EXPERIENCE] HAI Engine は2016年から本番で動いており、私たちが繰り返し再学ぶ教訓は、HF Jobs の投稿が飾らずに述べるものだ：門があなたが最初に供給するものであり、モデルが二番目に設定するものだ。間違った門の背後のモデルは開いたポートだ。正しい門の背後のモデルは製品だ。

Everythink で構築することが意味するもの

Everythink のスタックは、HF Jobs の投稿が従うのと同じ規則によって形作られている。Sisters ✅ は決して Postgres に書き込まない——SisterOutput を返し、Loom がポート（LoomStore）を通じて永続化する、vLLM がプロキシを通じて提供するのと同じだ。Oracle ✅ は Sisters の下書きを正確に一つの場所で正規化された Ensemble に統合する、プロキシがアクセスが強制される唯一の場所なのと同じだ。World Monitor ✅ はキャッシュから読み、上流からは決して読まないゲートウェイであり、クライアント数ではなく私たちのポーリング日程によって制限される——ジョブプロキシがモデルではなくネームスペースによってアクセスを制限するのと同じだ。

まだ本番でないモジュールは自身の正直タグを持ち、タグ付けされたままだ。Matchmaking ⚠️、Marketplace ⚠️、Calendar ⚠️ は Partial だ——機構は存在するがまだ全規模で測定していない。Wallet & Token 🔵、Super App 🔵、Community Credit 🔵 は Roadmap、プレ収益、Howey 審査対象であり、私たちは密かにそれらを昇格させない。それは HF Jobs の投稿が Jobs と Endpoints を分ける時に取る姿勢と同じだ：機構を名指しし、その範囲を名指しし、状態を昇格させない。

市民的・防御的な範囲のみ。私たちはターゲティングや攻撃的なツールを構築しない。アクセスを制限するルーティング層は防御的な機構だ——誰が何に到達するかを決める——そしてそれが私たちが向ける唯一の方向だ。

重要な要点

• プロキシが門であり、モデルではない。 HF ジョブプロキシはベアラートークンを通じてすべてのリクエストをあなたのネームスペースに限定する。アクセスはルーティング層の属性であり、背後のモデルの属性ではない。
• 秒単位課金は機構であり、価格ではない。 属性 アイドル支出なし は scale-to-zero（Inference Endpoints）か明示的キャンセル（Jobs）によって保証される。タイムアウトは安全網であり、一次機構ではない。
• Jobs 対 Endpoints は機構マッチだ。 必要な属性を列挙し、その機構を実装し測定する製品を選ぶ。照合であり、好みの問題ではない。
• シャードサイズはGPU数に、メモリ上限はGPU予算に一致しなければならない。 両者とも制約マッチング機構だ。マッチを間違えれば保証は壊れる。
• ハーネスがエージェント機構だ。 ツール呼び出しが機能するのは、サーバーがツール呼び出し解析有効で起動されたからであって、モデルが賢くなったからではない。機構を配線する；エージェントを雇うのではない。
• The space is the router. room はモデルが応答する前にルーティングする、プロキシが vLLM が応答する前にルーティングするのと同じだ。門が先に供給され；モデルが次に設定される。

よくある質問

HF Jobs エンドポイントをプライベートにする単一の機構は何か？ ホストされるジョブプロキシだ。すべてのリクエストはそのジョブのネームスペースへの読み取り権限を持つHFトークンを運ばなければならず、単なるブラウザ訪問は拒否される。プロキシの背後のモデルは自身のアクセス制御をしない——プロキシが門だ。

なぜ投稿は Jobs を本番と呼ばずに HF Jobs と Inference Endpoints を区別するのか？ 機構が異なるからだ。Jobs は秒単位で課金し、明示的キャンセルかタイムアウトでのみ停止する；Inference Endpoints は scale-to-zero とより細粒度のアクセス制御を追加する。Jobs を本番と呼べば、機構が支えない状態を昇格させることになる——私たちが Roadmap モジュールで拒むのと同じことだ。

tensor-parallel サイズはどう機能し、なぜ重要か？ --tensor-parallel-size はフレーバーのGPU数に等しくなければならない（h200x2 → 2）。これは制約マッチング機構だ：シャーディングはハードウェアに一致しなければならない。不一致にすれば、モデルは持つGPU間で正しくシャードされない。

これは Everythink の「the space is the router」と何の関係があるか？ HF プロキシはモデルが応答する前にアクセスをネームスペースに限定する。Everythink の network→community→room トポロジーは、Sister や Oracle が応答する前にアクセスを room に限定する。両者ともルーティング層の保証だ——門が先に供給され、モデルが次に設定される。

Everythink の HAI Engine は同じ種類の機構か？ 同じ形、異なるドメイン。HAI Engine は2016年から本番で動いており、その規則は同じだ：門（room、ポート、プロキシ）がエンジンが応答する前にルーティングする。Sisters は出力を返し Loom はポートを通じて永続化する；Oracle は一つの場所で正規化する。機構は名指しされ、形容詞化されない。

もしあなたが、モデルが発話する前にルーティング層が供給され、すべての能力が正直タグを持ち、門があなたが最初に建造するものとなるプラットフォームを欲するなら——あなたのネットワークを作ろう。

Sources

• 2026 — Hugging Face, «Run a vLLM Server on HF Jobs in One Command»: https://huggingface.co/blog/vllm-jobs