｢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

けっこう実用的。｢OpenCode｣×ローカルLLMで“無料Claude Code”してみた2026.05.02 13:0045,597 かみやまたくみ オープンソースのAIコーディングエージェント｢OpenCode｣をローカルLLM｢Gemma-4-26b-a4b｣で動かして簡単なゲームを作っているところ Image: かみやまたくみ AIでいろんなことができる反面、料金もけっこうかかるように。 個人的に最近すごーく気になっています。新しいAIアプリやサービスを導入したくても、コストが厳しいことが多い。 気づいたら｢安く使えて実用性もあるAIやアプリはないかな？｣と日々探すようになっていました。 そんな中、なかなかいい組み合わせを見つけました。 オープンソースのAIコーディングエージェント｢OpenCode｣をGoogleの最新ローカルLLM｢Gemma 4｣と組み合わせて使ってみたら、

2026年4月16日、AnthropicがClaude Opus 4.7をリリースしました。 同時に公式ブログ「Best Practices for Using Claude Opus 4.7 with Claude Code」が公開され、Claude Code作者のBoris CherneyもXで「6つの新技」を投下しています。 両方を通してAnthropic公式が言っているのは「これまでのClaude Codeの使い方は、今日でやめろ」です。 4.6までは正解だった作法が、4.7では逆効果になることもあるようです ↓Claud CodeはもはやただのAIコーディングツールではなく、誰もがアプリで稼げるようになる収益化ツールです！ よければこちらのツイートも見てみてください！ 「ペアプロ（細かく指示する）」のはもうやめろ 4.6までの「細かく指示するほど賢く動く」という感覚は、4.7では

同様の被害は他にも報告されており、13,428USD、82,000USDといった請求がそれぞれ別のユーザーから寄せられています（調べると結構出てきます）。 下の方のredditでは、このままでは倒産してしまう、というかなり悲痛な声があります。82000USDは約1200万円なので、当然でしょう、、。普通にサイバー犯罪の被害者なので、FBIにも相談したみたいです。 本題に戻ると、予算アラートが間に合わなかったのは、Google Cloudの請求システムに構造的な遅延があるためです。公式ドキュメントには最大10分程度と記載されていますが、実際には 数時間遅れ で発火するケースも報告されています。アラートだけでは、この種の攻撃に対して本質的に無力です（これはGCPに限った話ではありません）。 実はこの問題は、2025年11月にセキュリティ企業Truffle Securityが Googleの脆弱

TL;DR: Today, we are announcing that all GitHub Copilot plans will transition to usage-based billing on June 1, 2026. Instead of counting premium requests, every Copilot plan will include a monthly allotment of GitHub AI Credits, with the option for paid plans to purchase additional usage. Usage will be calculated based on token consumption, including input, output, and cached tokens, using the li

ブラウザは、私たちが仕事をこなし、新しい知識を学び、世界とつながるための大切な場所です。しかし、ときには長い化学の論文を読み解いたり、夕食の献立を素早く考えたりといったオンラインでの作業が、少し手間に感じたり、時間を取られたりすることもあります。 そこで私たちは、ユーザーが情報をよりスムーズに探し、理解できるように、Google Chrome で直接 AI を使えるようにしました。試験勉強やプレゼント選び、日々のちょっとした用事まで、あらゆるシーンで AI があなたをサポートします。本日、Google Chrome の最新 AI 機能、Gemini in Chrome を日本で提供開始します。Google の最新 AI モデルである Gemini 3.1 を活用したこれらの新機能は、デスクトップで順次利用可能になります。 展開予定の主な機能をご紹介します。 タブを切り替えずに AI アシス

デザインシステムを Skills にしたら使いやすくなった サイボウズのプロダクトである kintone では、社内向けに kintone Design System と呼ばれるデザインシステムが提供されています。 AI Agent を用いた開発向けに、このデザインシステムの Skills 化を試みたところ、提供側・利用側ともに非常に取り回しやすい形となったため、事例として紹介します。 デザインシステム x MCP デザインシステムをコーディング用の AI Agent から活用する際、一例としては MCP の提供が挙げられます。 一時期話題になった印象で、個人的にも、以下の記事を参考にさせて頂いた記憶があります。 なぜ MCP が効いたか デザインシステム x MCP のパターンが普及した際の背景事情として、エージェントにナレッジを与える方法は限られていた、ということが挙げられます。 AG

前回の記事で、AIクローラーにだけx402で課金するペイウォールをCloudflare Workers上に実装しました。OpenAIのクローラーが実際に支払いを行い、「AIに課金する」というコンセプトが機能することを証明できました。 しかし、その後の運用で壁にぶつかりました。ペイウォールが効きすぎている。 導入3日でフリーミアムへ移行した x402ペイウォールを導入したのは4月3日。OpenAIのクローラーが実際に支払いを行い、「これは機能する」と確認できたのが翌日。そしてその直後、ダッシュボードの数字が止まりました。Paid 15、検出クローラー 11 — 24時間以上まったく動かない。 AIクローラーは来ている。検出はされている。でも支払いは増えない。 クローラーランキング。GPTBot、ChatGPT-User、OAI-SearchBotだけがPAYING。Amazonbot（2,2

CLAUDE.mdは長いほど効くわけではありません。むしろ長いほどClaude Codeは従いにくくなります。 100行書いたCLAUDE.mdと、35行に削って残りを.claude/rules/に分離したCLAUDE.md。同じ指示を出しても、後者の方がClaudeの出力品質が明らかに高いのです。 この記事では、なぜそうなるのかを公式仕様に基づいて解説し、「どの行を残し、どの行を移し、どの行を消すか」を1行単位で設計する方法論を紹介します。 CLAUDE.mdの注入メカニズム — なぜ「埋もれる」のか User Messageとして注入される事実 公式ドキュメントにはこう書かれています。 CLAUDE.md adds the contents as a user message following Claude Code's default system prompt. — Claude

AGENTS.md は「AIコーディングエージェント向けの README」です。 リポジトリにこのファイルを置くことで、Codex CLI・Cursor・GitHub Copilot など多くのツールが共通の指示を読み取れます。ただし、ツールごとに対応状況や読み込み条件には差があります。 この記事では、AGENTS.md が生まれた背景、ツールごとの対応差、実践的な導入ノウハウまでを体系的に解説します。 1. なぜ AGENTS.md が必要になったのか ツールごとに設定ファイルが分断された現実 AIコーディングエージェントの普及に伴い、各ツールが独自の設定ファイルを要求するようになりました。 ツール 設定ファイル

はじめに こんばんは、mirukyです。 「AIエージェントにコードを書かせたら、半分書いたところでコンテキストが切れて、次のセッションで最初からやり直しになった。」 この経験、ありませんか。 2025年後半から、AIコーディングエージェントの能力は飛躍的に向上しました。Claude Code、OpenAI Codex、Kiro CLI、GitHub Copilot Agent Mode ── どれもコードを「書く」能力は十分です。しかし、長時間の自律作業で一貫した品質を維持する能力は、まだ人間の設計に依存しています。 その設計手法こそが、ハーネスエンジニアリングです。 プロンプトエンジニアリングが「何をどう指示するか」、コンテキストエンジニアリングが「何を文脈に含めるか」を扱うのに対し、ハーネスエンジニアリングは**「AIエージェントが長期間、安定して成果を出し続けるための環境と制御構造

はじめに この記事では、GitHub Copilot CLIをマスターしたい人に向けて、インストールからGitHub Copilot CLIを用いたアプリケーションの開発まで手を動かしながら完全に理解する会となります。 最近ではほぼ毎日GitHub CopilotのUpdateがあり、非常に進化が早い分野になります。 また、日々どんどんと便利機能が追加されている状況です。 特に2026年2月25日にGAされたGitHub Copilot CLIは非常に便利で、エンジニアだけではなく、ビジネス職の方にも是非使っていただきたいツールになります。 そこで今回は、GitHub Copilot CLIを使って開発をする上で、基本的な使い方 から始め、 開発ワークフロー や SKILLs、MCP連携、最後にはアプリ開発まで体感していただけるマスタークラスを作ってみました。 是非、一緒に手を動かしながら

こんにちは。ソリューション本部 エンタープライズ事業部 スポーツプラットフォーム部の永田です。普段の業務ではスポーツ領域の新規サービス開発に従事しています。 本記事では、複雑なドメインを持つ新規サービス開発のプロジェクトにおいて、「AI を活用して開発生産性を向上させる」 ために構築した仕組みと、その具体的な例を紹介します。 背景と課題 プロジェクトの特性 本プロジェクトには、以下のような特性があります。 新規サービス開発: ゼロからの立ち上げであり、設計判断が多い タイトなスケジュール: ビジネス要件上、できるだけ早く開発を進める必要がある 複雑なドメイン・コード: 特有の概念や複雑な構造が多く、全体像の把握が難しい。新規メンバーが多いチーム構成も相まって、ドメイン知識の蓄積が十分でない こうした背景から、AI をうまく活用してスピードと品質を両立して開発を効率化したいと考えていました。

本記事では、エンジニアがつくってきた“自分仕様のAIツール”やAI活用術をご紹介します。エージェントやBot、LLM連携ツールなど、実用的なものから、ちょっと遊び心のあるものまで。プロンプト設計やUIの工夫、うまくいかなかったことや思いがけない発見を通して、AIとの付き合い方をのぞいていきます。AIをどう使うかだけでなく、どんな距離感で付き合っているのか。誰かのAIとの向き合い方が、あなたとAIのちょうどいい“さじ加減”の手がかりに。 Ubieの鹿野です。普段はUbieでプロダクトエンジニアとして働いていて、フロントエンド・バックエンド・モバイルアプリ開発等をしています。2025年5月頃から「Claude Codeにタスク丸投げおじさん」を自称しています。 Claude Codeを始めとするAIエージェントの登場で、コードが生産されるスピードと量は劇的に向上しました。しかし、実際の開発では

最近、Claude CodeやCopilot Agentを触り始めたんだけど、正直な感想として「素のAgent、思ったより微妙じゃない？」って思ったんですよね。 チャットはできる。コードも生成してくれる。でも、なんか…プロダクションレベルじゃない。 例えばこんな感じ： コードは書けるけど、設計パターンがめちゃくちゃ 質問には答えてくれるけど、実務のベストプラクティスを知らない UIは生成できるけど、どう見てもデザイン素人が作った感じ 要するに、スマホを買ったけどアプリを何もインストールしてない状態。OSはあるのに、使い道がない。 Skillsって何？ Skillsはプラグインとはちょっと違います。Agentに業界のベストプラクティス、実プロジェクトの経験値、エンジニアリングの制約ルール、構造化された思考フレームワークを注入するものです。 つまり、「Agent の地頭」を底上げする仕組みです

こんにちは、ソフトウェアエンジニアの渡邉（匠）です。「カミナシ 設備保全」の開発に携わっています。 Claude CodeのSkills（以下スキル）を使い、約2週間で40,000行超のAPIシナリオテストを書き切りました。最初のスキルは粗削りでしたが、テストを量産する中で繰り返し改善した結果、後半は「スキル実行 → レビュー → マージ」のサイクルだけで回せるようになりました。 この記事では、スキルをどう設計し、どう育てたかを中心にお伝えします。 背景 APIの動作保証にシナリオテストツール runn を使っていました。 サービス成長に伴うAPIの増加により、当初のテスト構成では運用が回らなくなってきました。1ファイルあたりのステップ数が膨らみ、どこで何を検証しているのか判別が難しい状態に。テストの追加・修正が心理的にも技術的にもハードルの高い「辛い作業」へと変わっていました。 そこで、

1週間の気になる生成AI技術・研究をいくつかピックアップして解説する連載「生成AIウィークリー」から、特に興味深いAI技術や研究にスポットライトを当てる生成AIクローズアップ。 今回は、Y CombinatorのCEOであるギャリー・タン氏（Garry Tan）が、自身のClaude Code用カスタムスキル「gstack」をGitHubでオープンソース（MITライセンス）として無料公開したことを取り上げます。 タン氏はCEOとしての多忙な日常業務をこなしながら、このgstackを活用して60日間で60万行以上（35%テストコード）のプロダクションコードを書き上げました。これは1日あたり1万から2万行の実用的なコードを出荷している計算になり、たった1人でかつての20人規模のチームに匹敵するスピードを実現しています。 ▲2013年の手動開発（772貢献）と、gstackを駆使した2026年の

はじめに Claude Codeを使い始めた直後は感動します。自然言語でコードが書ける、テストも回してくれる、リファクタリングまでやってくれる。ところが1ヶ月ほど経つと、壁にぶつかります。 「前にも同じ指示を出したのに、また違うスタイルで書いてくる」 「プロジェクトのルールを毎回説明するのが面倒」 「サブエージェントを使いたいけど、どう設計すればいいかわからない」 この壁を越えるカギが CLAUDE.md の設計です。 筆者は本業・副業・個人開発を並行して進めており、Claude Codeを日常業務のパートナーとして使っています。最初は雑にCLAUDE.mdを書いていましたが、構造を設計し直してから、指示のやり直しが激減しました。この記事では、実際に運用しているCLAUDE.mdの設計と、それを軸にしたワークフローを公開します。