AI新聞

AIに人生相談すると毎回「初対面」になる問題に対し、筆者はClaude CodeとGitHubで自分の取扱説明書を作り、目標や記録を時系列で整理して運用した。Skillsや外部連携で自動化も試したが、最大の効果は自動化より『自分を言語化する強制力』が効いたことだという。

進む方向は人間が決め、実行の加速をAIに任せるのが要点。まずはメモに価値観・今年やりたいこと・悩みを書き出すだけでも効果が出る、と結論づけている。

• 目的は、macOSでネットが落ちても使えるローカルのコーディングエージェントを作ること。OpenAI互換APIで他ツールから呼べて、画像（スクショ）入力にも対応する構成。

• 推奨構成は、llama.cpp（Metal有効）＋Gemma 4 26B-A4B Q4 GGUF＋MTPドラフト（Q8）＋マルチモーダル用プロジェクタ＋Pi。サーバはOpenAI互換の/v1で公開。

• 速度は、MTPなしの58.2 tok/sからMTPありで72.2 tok/sへ向上。M1 Maxでは--spec-draft-n-max=3が最速だった。プロジェクタ追加でもテキスト速度は低下しない。MLX系よりllama.cppが速かった。つまり、llama.cpp＋MTPがMacで最速かつ実用速度に届く。

• 画像入力は、llama.cppを--mmprojで起動し、Piのmodels.jsonでinputに["text","image"]を入れるのがコツ。

• 手順は、brewで依存関係→llama.cppをMetal対応でビルド→Hugging Faceからモデル・MTP・mmproj取得→llama-server起動（OpenAI互換）→Piにローカルプロバイダを追加。

• 代替としてQwen3.6 35Bはコーディング精度が高いが約55 tok/sで遅め。用途と待ち時間のバランスで選ぶとよい。

ビジュアル系バンドDIR EN GREYの楽曲をもとに、米AI企業サイファー・スタジオが開発したアプリ。AIが楽曲から感じ取った「痛み」「闇」「狂気」などの感情を再現し、AIが感じたDIRの世界観を体験できるのが特徴。アーティストの権利を守る仕組みを土台にしており、昨年12月にバンドと提携した。

ただし表現が過激としてApp Storeの審査で複数回リジェクト。対象年齢を17歳以上に上げ、再申請を予定している。

半導体とAIの供給網で主導権を握る台湾・韓国を歴訪したのに、日本は外れた。これは日本の半導体競争力の弱まりに加え、日本がAIの中核サプライチェーンから外れつつあるという危機感を示す動きだと指摘している。

台湾はTSMCを軸に設計から製造までの連携が強く、韓国はHBMなどメモリでNVIDIAと密接だ。対して日本は大型データセンターや先端メモリの量産体制、迅速な投資判断で見劣りし、パートナーとしての存在感が薄れていることが背景にあると論じている。

日本語プログラミング入門サイト「言語の庭」は、6コース・54レッスンで学べる無料教材。日本語キーワードの教材言語「にわ語」とエディタがあり、実行や構文木の可視化までブラウザ内で完結する。コース後半では正規表現エンジンやチューリング機械のシミュレータ、型検査なども体験でき、説明は初学者にやさしく、しかも正確。

特に、教材用言語を自作し、ブラウザだけで処理系が動く設計が秀逸。ほぼClaude Fable 5への/goal指示だけで形になったという制作過程も見どころ。登録不要・広告なしで今すぐ試せる。

生成AIが普及して初のW杯を前に、各チャットボットが優勝国を予測している。ChatGPTやClaude、Gemini、Perplexityはスペイン本命でフランスが次点、MistralのLe Chatはフランス、DeepSeekとQwenはアルゼンチンを推しており、予測は割れている。

記事の肝は、単なるお遊びの予言ではなく、コーチや医療スタッフ、審判、詐欺対策まで、勝敗予測だけでなく運営の裏方でAIが働くという点だ。優勝チームもその過程でAIに支えられる可能性が高いと示している。

MiniMaxがオープンウェイトLLM「MiniMax M3」を公開。総4,280億パラメータで、使う部分だけ動かすエキスパート混合(MoE)により実動は約230億。テキスト・画像・動画を追加アダプタなしで扱える。

独自のSparse Attentionで最大100万トークンの長文脈と高速化を両立し、プリフィル約9倍・デコード約15倍を達成。SWE-Bench Proで59.0%など、Gemini 3.1 Proと拮抗する実力のオープンウェイト。非商用は無料、年商2,000万ドル未満なら届け出と表記で商用可。bf16で約855GBだが1-bit GGUFで約128GBまで圧縮できる。

AnthropicがPro/Maxの全ユーザーに対し、5時間ごとと週単位の上限を全ユーザーの利用制限を一斉リセットしたと発表した。理由は非公表だが、米政府の輸出規制によりClaude Fable 5とClaude Mythos 5の提供を全面停止したことへの補償とみられる。

他のClaudeモデルは引き続き使えるとしており、同社は停止中モデルの復旧に向けて対応中だという。

米政府がアンソロピックの先端AI「クロード・ミュトス」の海外提供を止めた背景に、アマゾン幹部が「抜け穴」による悪用リスクを政府に伝えたことがあるという報道。アマゾンは同社の大口顧客で株主でもある。

この動きは、AIの安全確保と国際提供のバランスを巡り、業界内でも意見が割れている現実を示す。つまり、業界内からのリスク申告が政策を動かしたことが新しい点で、輸出や提供の管理が一段と厳しくなる兆しといえる。

エンタープライズ向けの自律型AIが本格実装段階に入り、UCPなどの標準化が進む一方、LLMの暴走や詐称に弱い欠点が残る。講演では、LLMをルールベースの決定論的レイヤーで挟む「サンドイッチ設計」と、エージェントに選ばれるための商品属性の整備（AEO）が鍵だと示された。

また、RAGはテキスト中心から多様なデータと複雑なクエリを扱う段階へ移行し、単一テーブルで検索と履歴を統合する設計が有効とされた。評価は「成功1件あたりのコスト」を軸に、軽量モデルでの自動審査と観測基盤の統合が現実解。NVIDIAの事例では、コード生成をAIに任せ、人はワークフロー設計に注力する体制で開発速度を維持していた。最大の示唆は、今後のアクセスが人間の活動リズムに依存しない24時間連続トラフィックになるという点で、これに耐えるインフラ設計が急務といえる。

GoogleのGemma 4 12Bは、画像・音声・テキストを同時に扱えるミッドサイズのAIで、16GB級の一般的なノートPCでも動く設計。視覚・音声の別エンコーダを省き、バックボーンに直接統合することで遅延とメモリを削減し、26B級に近い推論力をより小さい容量で実現する。

MTPドラフター（複数トークン同時予測）で応答を高速化し、ネイティブ音声入力で書き起こしや翻訳も完全オフラインで可能。Apache 2.0で公開され、LM StudioやOllama、Hugging Faceなどからすぐ試せる。一般的なノートPCで高性能なマルチモーダル推論をローカル実行し、エージェント体験を身近にする点が魅力。

Anthropicの新モデル「Claude Fable 5」は、文章の指示だけで動画の台本やショット割り、BGMや効果の提案、ストック素材の当て込みまで行い、15〜120秒のYouTube向け動画を作れる。実際に解説動画を作ってみると構成のまとまりが良く、映像案とテンポも自然で完成度が高い。プロンプトからYouTube動画の構成と素材選定まで自動で組み上げるのが魅力。

一方で現時点の弱点は大きい。日本からは一部の生成ルートが使えず、Claude Design経由でもmp4の直接書き出しやSNS連携が整っていない。長めの尺は上位プランが必要で、120秒の生成に数分かかるなど運用面の詰めも残る。実験段階としては非常に有望だが、本番利用には出力周りとワークフローの改善が必要といえる。

GitHub Copilot CLIにLSPサーバーを自動設定するスキル「LSP Setup」を紹介。対象言語とOSに合わせてサーバーを入れ、設定ファイルを生成し、定義ジャンプ・参照検索・ホバー・型情報などを使ったLSP由来の正確なコード理解をエージェントに与える。テキスト検索では弱いジェネリクスや依存関係をまたぐ型解決にも強くなる。

TypeScript/Java/Python/Go/Rustなど14言語に対応。Awesome Copilotからインストールし、ユーザー単位またはリポジトリ単位で設定できる。導入後は/lspで状態確認し、依存ライブラリ内への定義ジャンプで動作検証できる。

• データ保管は用途別に分散。横断分析用は手元のPostgres（データベース）へ寄せ、写真はImmich、メモはObsidianを一次ソースのまま使う。Agentからは一貫して参照できるよう配線する。
• 収集はpush（iOSから自動送信）/batch（定期取得）/on-demand（問い合わせ時取得）を使い分ける。
• datalake-apiという薄いREST層で取り込みと配信を統一し、データ資産とAgent実装の結合を弱める。定型取得を固定してAgentの無駄な探索を減らす。
• Hermesからの参照は3経路：RESTで定型取得、Postgres直読（読み取り専用ユーザー）で横断、写真・メモは一次ソース直読。
• rawは「証拠」、解釈済みは別テーブル。event/aggregate/interpretationの層に分け、解釈はいつでも作り直せる設計にする。
• 境界は「LLMの判断が要るか」で分担。固まった意味づけは基盤へ下ろし、仮説や提案はAgent側に残す。
• 運用はSOPSで秘密管理、Grafana/Lokiで監視、resticでバックアップ、外部アクセスはTailscaleで閉域化。
• まず旅行の振り返りで横断の効果を確認。次に朝のブリーフや生活パターン提示へ拡張予定。