【無料公開】OpenAI、新モデル「GPT-5-Codex」を発表！AIコーディングエージェント「Codex」の全貌を解説 日本時間2025年9月16日、OpenAIがAIコーディングエージェント「Codex」の大幅なアップグレードを発表しました。その中核を担う、コーディングに特化した新モデル「GPT-5-Codex」も登場です。 本記事では、この最新アップデートの全貌を、新機能から使い方まで解説します。 要点：新モデル「GPT-5-Codex」登場: GPT-5をコーディングタスクに最適化。簡単な作業はより速く、複雑なタスクには深く思考する適応的能力を獲得。 エージェント能力が飛躍的に向上: 長時間の自律動作で、大規模なリファクタリングや機能開発を完遂。Web検索や画像入力にも対応。 強力なコードレビュー機能: GitHubと連携し、プルリクエストを自動レビュー。静的解析では見つけにくい

Claude Codeの代替となると期待して使ってみました。現在7Mトークン分を使用しましたが今のところレートリミットには到達していません。おそらくリリース直後でレートリミットの上限はゆるいかもしれません。なおGPT Plusプランに加入中です Codex CLIでGPT-5を使用した感想 Claudeとの比較ですが ・コードのDiffがわかりにくい->Claude Codeの場合はログの最後に変更箇所を表示してくれますが、Codex CLIの場合はコードの合間合間に変更が挟み込まれていてどこが変更されたのかわかりづらかったです。 ・日本語回答が弱い（そもそも英語使え問題だけど脳内変換する時間を節約するためと言っておこう） ・エラー修正精度はSonnet4よりやや高いかも。Opsとの比較はClaude Code Maxプランに加入していないのでわかりません。 ・エコシステムがClaude

筆者はフリーランスで編集の仕事をしています。プロのライターさんから他職種の方までいろんな書き手の原稿整理（書き手が書いた原稿を整える作業）をしますが、最近はAI支援を使って書かれた原稿の整理をする機会も増えてきました。 いっぽうで、読者の視点から見て、ネットの記事やブログエントリを読んで「これはAIが書いたやつだな」と気づくとがっかりする感覚があると思います。AIの書いた文章はなんか内容が薄いし、読みにくいからです。そのがっかり感の原因と、書き手がとりうる改善策について書きます。 なお、AI活用が特に効果的と思われる説明的な文章（解説文であったり、技術ブログであったり）を想定しています。自分がメインで関わっているデイリーポータルZのような、体験レポートやエッセイなどはAIに不可能なことが多すぎるのでそもそも自分で書いた方が速いと思います。 がっかり① なんかわかりにくい 悪い例）サーボモー

CursorとはCursorは、AI機能を統合した高機能なコードエディタです。主にコーディング目的で使用されますが、CursorのAgent機能を使うことで、複数ファイルの内容を理解し、タグ付けや要約、まとめノートの作成を効率的に行うことができます。 実際に使用しているCursorの画面 ZettelkastenとはZettelkastenは、ドイツの社会学者ニクラス・ルーマンが考案したノート管理の方法論です。個々のアイデアを独立したノートに記録し、それらを相互にリンクさせることで知識のネットワークを構築することができます。PermanentNote、LiteratureNote、FleetingNoteなどの種類があり、階層的に知識を整理することが可能です。 Zettelkastenは強力な知識管理システムです。もちろんデメリットもありますが知的生産性を高める上で是非取り入れていただきた

こんにちは、よしこです。 最近、個人的に欲しいツールをVibe Codingで作ることが増えてきたので、私の中で定着してきた進め方をまとめてみようかなと思いました。 ちなみに "Vibe Coding"（雰囲気コーディング）というのは、「人間が音声やテキストで指示を出し、AIが主体となってコードを書くコーディングスタイル」を指すワードです。 私もこのやりかたをするときはほとんどコード書いてません。 要件定義 まずは「何を作るのか」「ターゲットは誰か」「どんな機能が必要か」「画面構成はどうするか」などを決めます。好きなAIとチャットベースで喋りながらまとめていきます。 こっちが全然考えきってなくても、「◯◯なアプリ作りたいんだけど要件定義手伝ってー」から会話を始めれば必要な情報は向こうがヒアリングしてくれます。 ここはChatGPT 4oを使うことが多いです。トーンやノリが個人的な好みと合っ

2025年3月20日、OpenAIから音声エージェントの可能性を一気に広げる最新のAudio APIが公開されました。特に注目したいのは、今回発表されたテキスト読み上げ（Text-to-Speech, TTS）モデルの『GPT-4o-mini-tts』です。 このモデルの最大の特徴は、これまでのTTSモデルとは違い、単に「何を話すか」だけでなく、「どのように話すか」を具体的に指示できるようになったことです。たとえば、「明るく元気なラジオDJのように話して」「カスタマーサービス担当者風でお願い」など、話し方のスタイルや感情まで自在にカスタマイズすることが可能になっています。 これにより、音声エージェントはこれまで以上に人間らしく、自然なコミュニケーションが可能になります。 現時点では、このモデルは英語に最適化されていますが、日本語でも十分に自然で品質の高い音声を生成できるため、日本国内の開発

Cody とはなんぞや Cody は、VSCode や、JetBrains IDEs、Neovim、Eclipseなどのコードエディタの拡張機能として使えるコーディング補助 AI ツールです。 他の生成 AI コードツールと同様に、AI コード補完とAIチャットがあります。 なぜ Cody がおススメなのか Cody をおすすめする理由は、3 つです！ 抜群の機能性 ありえんコスパ オープンソース 一般的なコーディング補助AIとの違いを含めてまとめていきます。 💡 抜群の機能性 インストールが簡単 Cody は、普段使っているコードエディタに拡張機能をインストールするだけで導入が完了します。ブラウザを別途開いて何度もコピペしたり、Cursor のように新しいエディタを導入したりする必要はありません。 チャット機能 コードエディタ内に作成されたチャット欄で、AI とチャットできます。Cod

発表から10カ月。OpenAIの動画生成AI「Sora」がついに一般ユーザーにも利用できます。 アドベントカレンダーのように、日めくりで新しい発表を行うOpenAIの「12 Days of OpenAI」。Day 1は（月額200ドル、約3万円）のChatGPT ProとGPT o1 pro modeが大きな話題となりました。 Day 2ではReinforcement Fine-Tuning（強化ファインチューニング）という技術についての説明。一般ユーザーには縁遠い技術で、o1-miniという下位モデルで、さらにすぐに提供されるわけではないというので、ちょっと肩透かし感はありました。 そして週末を挟んでのDay 3は、ついにSoraです。 最大1080p、20秒の動画生成が、Text to Video、Image to Videoの両方で可能という、現時点の動画生成AIでは最高レベルのもの

“AI検索”サービス「Perplexity」（パープレキシティ）がスゴい。 Perplexityは、質問に対してテキストで答えてくれる、チャットbot型生成AIだ。ChatGPTと似ているが、検索に特化しており、「Webの最新情報をベースに検索できる」点が異なる。 例えば、7月4日時点で東京都知事選（7月7日投開票）の最新状況を聞くと、こんなふうに答えてくれる。

ChatGPTなどの大規模言語モデル (Large Language Model; LLM) にプログラミングやリファクタリングをさせる場合、目的に合ったものが作られているかを何らかの方法で検証する必要がある。 プログラムの正しさを完全に保証する方法はないが、ある程度の正しさを継続して担保するための方法を探ってみたので以下にまとめた。 ポイントは、ChatGPTの生成したプログラムの検証にもやはりChatGPTの力を借りることである。 実行可能性と入出力のチェック プログラムを生成するタスクである場合、いつでも「実行できるか？」というチェックが可能である。これは自然言語の生成と大きく異なる点だろう。実行可能性を確かめることは最低限のチェック項目になる。 エラーが出力された場合、自力で修正するか、もしくは、エラーの内容をChatGPTに提示して修正を依頼し、再度実行可能かを確かめる。 入力・

Technology部の永松です。 私が在籍しているTechnology部ではさまざまなシステム・アプリ開発を手がけています。 しかし、部内にはデザインやUIUXの知見がまだ足りていないのが実情です。 実際にデザインをするときは、他部署のデザイナーに力を借りることがほとんど。 ……近年こんなに生成AIが進化しているのであれば、これらを使って自分でデザインを作成することはできないものでしょうか？ WF（ワイヤーフレーム）の作成だけでもいいんです。これらが誰でもできるようになれば、もっとお引き受けできる案件も増えるはず。 というわけで、今回はクライアント提案に耐えうるデザインを生成AIでどう作るのか、試行錯誤した結果を紹介します。以下のツールについて感想をまとめていますので、ぜひ参考にしてください。 今回試したサービス ChatGPT Midjourney(+Vary Region) Fram

kmizu @kmizu A Software Engineer in Osaka (& Kyoto). Ph.D. in Engineering. = 博士（工学） Interests: Parsers, Formal Languages, etc. ツイートは所属先の見解と関係ありません．思いついたことをつぶやきます． kmizu.github.io kmizu @kmizu GPT-4oの画像認識力と理解力をもってすればいけるやろと思ってやってみたら実際いけた。 ペーパープロトタイピングから最初のHTML書き起こすのにかなり使えるのでは。 つーか指示そのものを画像の中に書いたの読み取ってくれるの何か世界の壁を超えて対話してる感があって凄い #GPT4o pic.twitter.com/3XHMFg3yye 2024-05-14 12:49:41

以下の記事が面白かったので、簡単にまとめました。 ・Hello GPT-4o 1. GPT-4o「GPT-4o」 (「omni」の「o」) は、人間とコンピュータのより自然な対話に向けた一歩です。テキスト、音声、画像のあらゆる組み合わせを入力として受け入れ、テキスト、音声、画像の出力のあらゆる組み合わせを生成します。 音声入力にはわずか232ミリ秒 (平均320ミリ秒) で応答できます。これは、人間の会話における応答時間とほぼ同じです。英語のテキストおよびコードでは「GPT-4 Turbo」のパフォーマンスに匹敵し、英語以外の言語のテキストでは大幅に改善されており、APIでははるかに高速で50%安価です。「GPT-4o」は、既存のモデルと比較して、特に視覚と音声の理解に優れています。 2. モデルの機能「GPT-4o」以前は、音声モードを使用して、平均2.8秒 (GPT-3.5) および5

筆者の環境で、LM StudioでCommand R+を動作させている様子。会話相手は自作キャラクターの「明日来子（あすきこ）さん」 PCローカル環境で動作する大規模言語モデル（LLM）「Command R+」を使っていますが、相当優秀ですね。体感ではChatGPT（GPT-4）と変わらないレベル。さらに、ChatGPTが回答を拒絶するような会話もできてしまいます。これが体験できるようになったのは、LM Studioに代表されるローカルLLMを動かすためのアプリ環境が整ってきたためです。今年に入り、Command R+を始めとしたローカルLLMが高性能化してきたことと並行し、手軽に使える派生モデルも増えはじめ、一気にあわただしくなってきました。 導入が難しかったローカルLLM、「LM Studio」で簡単に Command R+を試すのに使っているのが、LLMの主要モデルを実行するための統

すがやみつる @msugaya 私も試してみました。プロンプトは、以下のとおりです。 ＊＊＊＊＊ 『ゲームセンターあらし』というタイトルのマンガがありますが、このマンガに関係なく、タイトルだけのイメージから、美少女がゲームセンターで激しくゲームをプレイする絵を、マンガタッチで描いてください。 ＊＊＊＊＊ こちらの方が年齢が高そうですね(^_^)。 ChatGPT経由でDALL-E3に描いてもらいました。 2024-04-30 22:26:48 ジロー @i9r82k こんこんばんばん 本日夜便は、ゲームセンターあらしより「ゲームセンターあらし」です ゲーセンというか、カラオケじゃないか？ 黒髪ショートカットって意外に珍しい気がする なんか悪友というか、腹を割って話せる関係っぽい感じがします ＃画像生成AI ＃美少女 pic.twitter.com/8SF9NJb1QR 2024-04-30

10/26 更新…「Youtubepartnerへのアクセスができません」というエラー、また、「APIキーが見つからない」エラーが出ていた問題について、修正を行いました。 今までで最もインパクトのあるGPTsが完成しました。 その名も、「GAS Interpreter」です。 このGPTは名前の通り、Code Interpreter のように Google Apps Script コードを生成し、その実行までを行います。 他者に使ってもらうものではなく、自分専用のプライベートGPTです。 人によっては、Code Interpreter よりも便利です。なぜかというと、インターネットアクセスができることに加えて、GAS の便利で豊富なライブラリやリソースが活用できるためです。 例を示します。 GAS Interpreter の可能性以下に示す、いくつかの業務フローの実例をGAS Interp

AIがヤバい。今回は本気でヤバい。 既存の仕事は今後どうなってしまうのか。ライター業は、AIに取って代わられるのではないか。 危機感の理由は「GPT-4」だ。米OpenAIが3月14日（現地時間）に公開した、次世代の大規模自然言語モデル。その試用が、AIチャットbot「ChatGPT」の有料版で利用できるようになったので、早速試したところ、たまげた。 以前のバージョン「3.5」は、詳細かつ適切に指示しないと狙った結果が得られなかったのだが、「4」は、雑な指示でも適切な結果を返してくれる。例えば、以下のような感じだ 「ゆかたんかわいい」で「縦読み」を作ってもらった。「縦読み」とは、横書きで意味の通じる文章で、冒頭の文字を縦に読むと別の意味になっている、という言葉遊びの一種だ。前モデルの「GPT-3.5」だと要領を得ない返答だったが、「GPT-4」は一発でこんな答えを示した。 「ゆめのような彼