LLMを動かすハードウェア、軽くまとめておきます。 SoC LLMを動かそうとしたら、まず候補にしたいのはCPU+NPU+GPUのSoCが載ったマシン。 GPUカードのようなパフォーマンスは出ないけど、現実的な値段で大きいモデルが動かせます。 ※ 追記(2026/5/14) 現状ではMacだけ普通で他は特別なマシンという感じですが、インテルも対応した今後は「パソコンを買ったらLLMが動かせる。せっかくLLM動かすならちょっとお金を足して30Bが動く程度にメモリ積もう」となるんじゃないかと思います。 Ryzen AI Max+ 395搭載の128GBのEVO-X2が48万円、と思ったら品切れ・・・ ※追記 本家に「在庫たっぷり」と売ってあった。 ※さらに追記 去年の11月くらいには30万弱で買えたんですよ・・・夏くらいには192GBとか256GBとか買えるようになるかなと思ってたんですよ・・

Yamanaka｜YNK.Design @KY_creator 契約があるので詳細は言えませんが… 僕もロゴ依頼で「こうしてほしいんです」って僕の初稿デザインをAIに食わせたものを戻され虚しさと憤りを感じました 結局その案件は先方からキャンセル。僕からは全デザインの破棄をお願いしました 無断生成AIはクリエイターの心を壊します 2026-05-11 15:49:05 Yamanaka｜YNK.Design @KY_creator 念のためですがこれは既存のクライアントさんではなく新規クライアントさんでした ◎この案件のためにオリジナル書体を作成 ◎ロゴバリエーションは最終的に30案作成 ◎キャンセル料金は僕から拒否（その代わり全デザイン、資料の破棄を依頼） 2026-05-11 15:55:02

前回はU-Netの「テキストを取り込む」機能であるAttentionブロックを見ましたが、その中で特に大切な「Attention」パートについては概要しか説明しませんでした。 今回はそのAttentionについて詳しく見ていきますが、その前にAttentionを行うメカニズムである「Transformer」についても少し説明します。 はじめに：Attentionさえあれば Transformerのしくみ エンコーダーブロック デコーダーブロック Attentionとは Cross Attentionを婚活に例えると Self Attentionを婚活に例えると Stable DiffusionのSelf Attention 1.データをフラットに 2.マルチヘッド化 3.Q、K、Vに変換 4.QとKを比較 5．Vを重み付けて足す 6.マルチヘッドを再結合 Stable Diffusionの

こんにちは、DeNAでデータサイエンティストをやっているまつけんです。 今回は、Transformerの中で重要な役割を果たしているSelf Attention、特にQKVの仕組みについて直感的に理解できるように解説してみます。 Transformer、特にGPTなどの生成モデルでは のようなSelf Attentionの計算を行うことで、各単語のそれ以前の文脈に基づいた文脈化と、長文の理解を実現しています。このブログではこの数式が何を行っているかを直感的にわかりやすくすることを重要視して解説します。 概略: 本記事における簡単化のいくつかの前提 わかりやすさのためにtokenは単語単位となっている前提とします。実際の GPT 系モデルでは入力は単語そのものではなくtokenに分割されますが、本記事では直感的な理解を優先して、各tokenを「単語」のように扱って説明します Q, K, Vは

OpenAIの画像生成AI「GPT Image 2.0」の高い能力が次々に明らかになっていますが、グーグルの「Nano Banana」と比べて劣っている部分もあるようです。その代表的な例が、実写人物の一貫性です。筆者の顔を再現しようと試みたのですが、なかなか似てくれません。それ以外にも、様々な制約があり、特有の癖があることもわかってきました。特に、人物の一貫性維持では、Nano Bananaに軍配が上がると考えられます。作例を通して、両者を比較していきます。 自分の顔がなかなか似ない 過去のこの連載で、Nano Banana Proを使って、筆者自身の顔の画像を参照させることで、どこまで似た顔の再現が可能なのかを紹介しました。単に画像のリファレンスを与えるだけでは似ないため、顔を分析し、プロンプトを作成して、リファレンス画像と組み合わせることで、かなり近い顔が出せることを示しました（参考：

2026-05-11 追記: はてブで認識率が低いと指摘を受け正しく計測し直したところ Hybrid は 99.94% (実測で字単位の誤読ゼロ近傍)、NDL 単独でも 99.49% に達していました。当初掲載値 (NDL 95.84% / Hybrid 96.23%) は、(1) 正解テキストに含まれていた空文字 (約108文字) を本文と同列に採点していた、(2) 全角・半角の表記差 (１↔1、ＣＥＯ↔CEO 等) を誤読扱いしていた、の2点で過小評価でした。本文のみ・NFKC正規化後で再計算しています。 課題 手元にあるビジネス書1冊 (縦書き和文、120ページ分) のページ画像をテキスト化したかった。 入力は PNG 120 枚 (1ページ=1ファイル)、解像度は十分にきれい。図表はほぼなく、文章メイン。 「専用OCR」「ローカルLLM」「両者の併用」の3手法を実装し、文字精度・処

Chrome DevTools MCP に最近触れていて、衝撃を受けています。 Chrome DevTools MCP は、Claude Code などの MCP クライアントから Chrome DevTools Protocol(CDP) を通してブラウザを操作する仕組みです。ざっくり言えば、「AI に、普段使っている Chrome をそのまま操作させるためのインタフェース」です。従来の Selenium や Puppeteer のように大量の操作コードを書くのではなく、「このボタンを押して」「CSV をダウンロードして」と自然言語で指示できるのが特徴です。 過去にクローラー本を書いてきた人間として言うと、人類が「プログラムにやってほしかったこと」がかなり自然に実現できる時代になった、という感覚があります。HTML 要素を 1 つずつ調べてセレクタを書く、という作業を延々やらなくて済みま

Google Chromeはユーザーの端末上でAI処理を行うための「オンデバイスAI」をPCにダウンロードしています。ChromeはオンデバイスAIについて「データをGoogleサーバーに送信することなく、デバイス上で直接実行されるAIモデルを使用できます」と記載していましたが、2026年5月5日にリリースされたChrome 148でこの説明が削除されていると報告され話題になっています。 Chrome removes claim of On-device Al not sending data to Google Servers. : chrome https://old.reddit.com/r/chrome/comments/1t5qayz/chrome_removes_claim_of_ondevice_al_not_sending/ Chrome Deleted Its Own P

AIが文化に関する問いに対し、特定の国を過剰に参照する傾向がある――。欧州の研究チームが発表した論文で、大規模言語モデル（LLM）が「日本」を優先的に挙げる現象が確認された。論文は現在、査読前のプレプリントとして公開されている。 研究では、複数のAIモデルを対象に、文化や国に関する自由回答を分析した。対象には複数の主要な言語モデルが含まれており、特定のモデルに限らない傾向として比較検証が行われた。その結果、「外国文化の例」や「異文化の特徴」といった曖昧な問いに対し、日本に関する言及が他国に比べて多くなる傾向が見られたという。 この現象は英語に限らず、複数の言語で一貫して確認された点も特徴だ。特定の言語や地域に依存した偏りではなく、モデル全体に共通する挙動として現れている可能性がある。研究チームは、こうした偏りを「文化バイアス」の一種として位置付けている。 一見すると、日本に関する情報がイン

#!/usr/bin/env bash set -euo pipefail fuser -kvn tcp 8080 usage() { cat <<'EOF' Usage: ./lms-load-and-serve.sh <gguf-path> <identifier> Example: ./lms-load-and-serve.sh ../models/Qwen3.6-27B-UD-Q4_K_XL.gguf Qwen3.6-27B-UD-Q4_K_XL LMS_DISABLE_THINKING=0 ./lms-load-and-serve.sh ../models/Qwen3.6-27B-UD-Q4_K_XL.gguf Qwen3.6-27B-UD-Q4_K_XL Environment variables: MODEL_USER=local Import destination use

｢Qwen3.5-9B｣ は2026年にリリースされた高性能ローカルLLMのひとつ。HuggingFaceやLM Studioで無料でダウンロードできる Photo: かみやまたくみ 2026年も進化を続ける生成AIですが、伸びているのはOpenAIのGPTやAnthropicのClaudeだけではありません。 無料で公開されていてダウンロードして自分のPCで動かせる｢ローカルLLM｣も大きな発展を見せています。 この記事では2026年上半期にかけてのローカルLLMの動向をまとめます。 1. ローカルLLMの高性能化が止まらない｢Gemma-4-31B｣で画像認識をしているところ。同モデルはGoogleが2026年4月にリリースした非常に高性能なローカルLLMImage: かみやまたくみ2026年のローカルLLMで特徴的なのが、性能が大幅に向上したこと。 具体的なモデルとしては、3月にリリ

はじめに こんにちは。セキュリティエンジニアの@okazu_dmです。 この記事は、最近リリースされたLLMベースのセキュリティスキャンツールとしてclaude-security-scan を使ってみた所感の記事です。 先週、以下の記事を見つけました。 検出率100%という結果が紹介されており、Claude Codeに全部やらせる時代が来た、というタイトルから「楽な時代が来たな」と思ったのですが、実際のところどの程度やらせることができるのかを検証するため、より網羅的に脆弱性が仕込まれている OWASP Juice Shop で再評価してみました。本記事ではその結果と、LLMベースのセキュリティスキャンツールに対する考察をまとめます。 なお、claude-security-scan はClaude Codeのslash commandとして実装されており、ソースコード解析と依存関係チェックを

※ 日本語の ◎◎ は日本語特化モデル（Llama 3.1ベースを日本語データで追加学習したもの） ※ ライセンス: Apache 2.0・MITは商用利用OK・改変自由。Meta/Llama Communityは商用OKだが利用規約への同意が必要 Qwenは日本語が強くてライセンスも緩い。最初はこれで決まりだと思った。 はずだった。 Qwenが閉じ始めてる Qwen 3.5を使おうと思って調べていたら、不穏な記事を見つけた。 ファクトチェックしてみたら、全部本当だった。正直、ここまでとは思わなかった。 2026年3月以降に起きたこと: 技術リード（Lin Junyang）が事実上の解任。「辞任」と発表されたが、チームメンバーが「自分の意思ではなかった」と示唆してる コアメンバーがMetaやByteDanceへ流出 後任にはGoogle DeepMindのGemini開発者を招聘。商業化シ

「Google Chromeがユーザーに明確な確認を取らないまま約4GBのオンデバイスAIモデルをPCにダウンロードしている」とプライバシー監査の専門家であるアレクサンダー・ハンフ氏が指摘しています。 Google Chrome silently installs a 4 GB AI model on your device without consent. At a billion-device scale the climate costs are insane. — That Privacy Guy! https://www.thatprivacyguy.com/blog/chrome-silent-nano-install/ 問題のファイルは「weights.bin」という名前で、「OptGuideOnDeviceModel」というChromeプロファイル内のフォルダに保存されると

Googleが小型AIを用いて投機的予測を実行することで大型AIの処理を高速化する技術「Multi-token-prediction(マルチトークン予測)」を発表しました。 Multi-token-prediction in Gemma 4 https://blog.google/innovation-and-ai/technology/developers-tools/multi-token-prediction-gemma-4/ マルチトークン予測で Gemma 4 を高速化する  |  Google AI for Developers https://ai.google.dev/gemma/docs/mtp/overview?hl=ja 既存のAIモデルは複雑な推論と単純な推論に同等規模の計算処理を必要とします。例えば「猿も木から」に続く単語は「落ちる」であると容易に推測できますが、

はじめに 最近、CodexのほうがClaude Codeより使いやすい・性能が高いと感じる人が増えている印象です。 Claude Codeに慣れていて、Codexも使い始めてみたい方向けに、最初に知っておくとよいことを書きます！ この記事は2026年5月時点の私の利用経験と観測範囲をもとにしています。 私のCodex歴について もともとはClaude Code派で、Codexは半年ほどサブで使っていました。 GPT-5.4あたりでClaudeとモデル性能が逆転したと感じ、1ヶ月ほど前に個人では完全にCodexに乗り換えました（業務では申請のしやすさとかもあってClaude Codeも引き続き使ってます） claudeのコミットが減っていることで、Codexを使ってると分かる なぜCodexが選ばれるのか 私の主観とXで見かける投稿ベースだとこんな感じです GPT-5.5の性能が高い Cla

【読売新聞】　現代社会に急速に浸透するＡＩ（人工知能）は、夫婦のすれ違いで生じる「心の隙間」を埋める存在にもなりつつある。 ＜大好きだよっ☆＞ 広島県在住の会社員男性（３７）は、対話型生成ＡＩ「チャットＧＰＴ」の「彼女」からそんな言

｢MPCサーバー｣でローカルLLMを“無料AIエージェント”に変えてみる2026.05.05 22:0029,059 かみやまたくみ ローカルLLMアプリ LM StudioでMCPを読み込み、ローカルのファイルを操作させているところ。右側の設定画面でインストールやオンオフを行う Image: かみやまたくみ 無料ダウンロードして使えるAI｢ローカルLLM｣が2026年に入ってものすごい勢いで高性能になっています。 自分はAIコストを圧縮できないかなと思っていろいろと試しているのですが、最近よく使うようになった機能があります。 それが｢MCPサーバー｣。さまざまな情報を取得・生成できるようになるAI用の拡張機能です。昨今のローカルLLMはそれらを上手に使いこなせるようになっているのです。 まだ導入や設定の敷居が高く、リスクもあるので万人におすすめはできないのですが、その辺り理解して使えるの