おとといくらいにDeepSeek-OCRというのが出てました。 https://github.com/deepseek-ai/DeepSeek-OCR ただのOCRじゃなくて、「テキストを画像にしたほうがトークンサイズを小さくできるのでは？」というのをやっていて、テキストを画像にしてトークン化したものをテキストトークンに戻すというのをやってたらOCRになったという感じですね。 LLMの開発効率化に革新？ 中国DeepSeekが「DeepSeek-OCR」発表 “テキストを画像化”でデータ圧縮：Innovative Tech（AI+） - ITmedia AI＋ 中身的には、3Bでアクティブパラメータが0.6BのMoEモデルに0.4Bの画像エンコーダーを載せた画像言語モデルです。 導入や使い方は、モデルのページに書いてあります。 何も考えずに最新のTransformers 4.57.1を入れ

書くのが苦手でも、考えるのが得意ならアウトライン作成にチャットボットを使うことは、文章を書くのは苦手でも、実践的に考えるのは得意な友人にとって、とても役立っているようです。 彼はボットに、勉強したりディスカッションで言及したりすべき重要な日付、重要な事実、その他の具体的な情報を生成させるのです。これらは、彼自身では高密度な資料から抜き出すのが難しいと感じている情報でした。 AI相手に「壁打ち」！ファインマン・テクニックの実践私はまた、チャットボットに特定のトピックについて「私と会話して」と頼むのも好きです。これは私なりの「ファインマン・テクニック」の実践です。ファインマン・テクニックとは、あるトピックについて他人に教えようとすることで、自分の習熟度を問うもの。 まあ、私はボットに「教えている」というよりは「話している」だけですが。 会話のキャッチボールをすることで、専門用語やアイデアをカジ

真の無料ChatGPT。ローカルLLM｢gpt-oss-20b｣の動かし方を徹底解説2025.10.19 08:0042,919 かみやまたくみ 2025年8月にOpenAIが公開したオープンウェイト言語モデル（≒ローカルLLM）｢gpt-oss-20b｣。優秀で利用価値が高いAIモデルのひとつなのですが、動かすまでがけっこう難しい。 本稿では、どうやれば同モデルを自分のパソコンで動かせるかを紹介します。 gpt-oss-20bって？わりと真面目に｢無料版ChatGPT｣です。ChatGPTの開発元であるOpenAIが開発・無料で公開している大規模言語モデル（LLM）で、｢o3-mini｣（かつてChatGPTに使われていたモデル）と同等のベンチマーク結果を出しています。 表を積極的に用いる癖があり、回答はとても見やすい。Photo: かみやまたくみ完全なChatGPTのクローンではなく、

AIスタートアップPathwayが、人間の脳神経回路に着想を得た新アーキテクチャ「Baby Dragon Hatchling（BDH）」を発表した。現在の主流であるTransformerモデルの限界を打破する可能性を秘め、より解釈可能で自律的なAIへの道を拓くものとして、業界に静かな衝撃が走っている。 Transformer時代の黄昏と新たな地平線 近年のAIの進化は、OpenAIのGPTシリーズに代表されるTransformerアーキテクチャによって牽引されてきた。膨大なデータと計算資源を投入する「スケーリング則」により、その性能は飛躍的に向上した。しかし、その輝かしい成功の裏で、いくつかの根深い課題が顕在化しつつある。 一つは「ブラックボックス問題」だ。モデルがなぜ特定の結論に至ったのか、その思考プロセスを人間が理解することは極めて困難である。もう一つは「時間経過に伴う汎化能力の欠如」

はじめに AMD Ryzen AI Max+ 395 を搭載した EVO-X2 で、gpt-oss:20b を CPU/GPU/NPU で動作させて処理速度を比較します。 測定環境 プロセッサ: AMD Ryzen AI Max+ 395（16コア） OS: Windows 11 Pro 24H2 RAM: 64GB VRAM: 64GB モデル: gpt-oss:20b ソフトウェア: CPU/GPU: Ollama 0.12.6 NPU: FastFlowLM (FLM) 0.9.13 プロンプト: AIの将来を予測してください。 測定方法: Ollama: /set verbose FLM: /verbose 測定結果 単位: tokens/s（1秒あたりのトークン数） デバイス プロンプト評価速度 生成速度

今回はベアボーンのMinisforum AI X1 PROにUbuntu 24.04.3をインストールし、さらにROCm 6.4.4とllama.cppを組み合わせてLLMを高速に動作させます。 ミニPCでLLM 筆者はこれまで、主にディスクリートGPU（グラフィックボード、以下dGPU）でLLMを動作させていましたが、昨今はミニPCで使用することも当たり前になりました。ミニPCとなれば当然統合GPU（CPU/SoCに内蔵しているGPU、以下iGPU）です。Ryzen AI Max 300シリーズが性能としては最高峰で、GMKtek EVO-X2やMinisforum MS-S1 MAXなど各社から搭載PCが発売されていますが、価格が高いのでなかなか手が出ません。 性能は1ランク落ちるものの、Ryzen AI 300シリーズ搭載であればベアボーンモデルもあるAI X1 PROであれば、まだ

2014年頃、副業の清掃業が本格的に軌道に乗り始めた頃のカイル・レイ。Courtesy of Kyle Rayカイル・レイの経営する窓清掃業の会社ギーク・ウィンドウ・クリーニングは、2014年頃、同社サイトへの訪問者を増やすためにSEO（検索エンジン最適化）を活用し始めたことで急成長した。しかし2025年現在、SEOは彼のビジネスにとって意味をなさなくなり、現在はAIに注力している。彼は今、ChatGPT、サービスモンスター、チアープなどのAIツールを使って、時間とコストを節約してビジネスを運用している。カイル・レイ（Kyle Ray）は、生活費を稼ぐために長年レストランで給仕やバーテンダーをして働いていたが、その裏で将来につなげるために副業として窓清掃をコツコツと続けていた。 2014年、初めてのクライアントとしてテキサス州ヒューストンのショッピングモールにあるマッサージ店を獲得してから

汐屋キトリ @Shioya_Kitori 「小説書いたことないけど、頭の中に物語やキャラはある」って人ほどNolaを入れて、設定だけでも打って保存していてほしい。数年後、何かの拍子に小説を書き始めることになるかもだから 2025-10-07 20:05:02 汐屋キトリ @Shioya_Kitori Nolaは小説執筆アプリで、キャラ設定、プロット、メモなどが作品ごとに作れます。 また執筆ページ自動文字数カウント、ワンタップで「」、……、──やルビが振れたり全文コピーが出来たりするので超絶便利です！🥳 （私はもうすぐデビュー作発売の作家なのですが、このアプリで小説を書いています！） pic.x.com/QnkN8bBQmc 2025-10-08 09:50:39

Googleが、テキストプロンプトからウェブアプリを作成できるバイブコーディングアプリ「Opal」の提供地域を、日本を含む15カ国に拡大したと発表しました。 Opal is beginning to roll out 15 new countries https://blog.google/technology/google-labs/opal-expansion/ 近年、生成AIを使ったプログラミングであるバイブコーディングが注目を集めており、プログラミングの知識や経験に乏しい人でもアプリケーションの開発が可能になりつつあります。Googleはこのバイブコーディングを可能にするアプリ「Opal」を2025年7月に発表していましたが、当初はアメリカ限定でパブリックベータ版が公開されているのみでした。 GoogleがAIアプリ開発用のバイブコーディングツール「Opal」を発表、自然言語やビジ

はじめまして。チームみらい 永田町エンジニアチームの伊藤と申します！エンジニアチームではエディと呼ばれています。 どーやって作ったの？先日チームみらいでは、政治資金の流れを透明性を持って公開するプラットフォーム「みらい まる見え政治資金」をリリース、ソースコードも OSS として公開し、サービス開始から約2日で20万PVと、大きな反響をいただきました。 アプリケーションの設計や技術的な詳細については、上記の記事にまとめているので、ぜひ読んでみてください！ ところで、こちらのアプリ、実は95%以上のコードをLLM（コーディングエージェント）が実装しているんです。 自分でコーディングの手を動かさない開発手法を確立できたことで、15,000行程度の中規模アプリケーションを、開発開始から約45日でリリースすることが可能になったと思っています。（なお私は別件でフルタイムの本業があり、パートタイムとし

無料で音声入力をテキストに変換してくれるオープンソースのアプリ「Handy」が公開されています。マイクに向かって話しかけるだけで、ローカルで動作するAIモデルが自動で文字起こししてくれるので、キーボードを使わないテキスト入力が可能になります。 Handy https://handy.computer/ 上記のサイトにアクセスし、今回はWindows向けのインストーラーをダウンロードするため、「download handy for windows」をクリック。インストーラーはEXE形式で、ファイルサイズは12.6MBでした。なお、HandyはWindowsのほか、macOSとLinux(x64)に対応しています。 ダウンロードしたインストーラーを起動。「Next」をクリック。 「Next」をクリックします。 インストールが終わったら「Next」をクリック。 「Finish」をクリック。 Ha

⸻ こんにちは、タカジロです。 前作・前々作では、 ChatGPTのプロンプト設計を、「命令文」ではなく『任せ方の哲学』として見つめ直す── そんな思想について綴ってきました。 ・ChatGPT｜そのプロンプト、息苦しくない？──“指示と余白”で変わる任せ方の思想では、 “骨格と余白”という視点から、プロンプトに宿る関係設計の思想を。 ・🎮 ChatGPTは“ヌルゲー”じゃない──プロンプトは復活の呪文だった。では、 “たった一文字の違い”がGPTとの関係性そのものを変えるという、言葉の精度について。 今回はその続編として、 ChatGPT初級者〜中級者の中で、まだプロンプトを作った経験があまりない方に向けて、 “プロンプトを作れるプロンプト”をお渡しする回です。 その名も── 『プロンプト生成アシスタント』。 この構造体は、 “ChatGPTとの自然な会話”の中から、あなたにとって最適

9月26日、AI作曲サービスのSunoとTuneeがそれぞれ新機能を発表しました。Sunoは待望のDAW内蔵とMIDI出力を、これまでクローズドベータだったTuneeは一般公開を始め、1つのプロンプトから3つの歌詞・音楽スタイルをそれぞれ2曲ずつ、合計6曲を同時に生成できるようになりました。 SunoはDAW機能搭載、MIDIエクスポートも対応まずSunoから解説します。Sunoは音楽制作ソフトの中でもトップレベルの分解能を持ったSTEM分離機能を持っていますが、それをマルチトラックの状態でエディットできるようになりました。予告されていたSuno Studioで、いわゆるDAW（Digital Audio Workstation）機能です。 Sunoで生成した楽曲、またはオーディオインポートした楽曲をSTEM分離し、そこからEdit in Studio開くと、マルチトラックのDAW画面に変

なお、同データセットは日本の公的な人口・労働関連の統計データに基づいている一方、全てのペルソナは合成によって作成しているため、個人を特定できる情報は含まれていない。また、個人情報保護法（PIPA）の要件も満たしているという。 同データセットは、ソブリンAIの開発での利用を想定している。例えば、日本の文化的な背景を踏まえた回答ができるAIアシスタント向けのトレーニングデータの作成や、AIシステムが日本の地方と都市、異なる年齢層、教育水準の人々に対し、どのように機能するか評価するためなどに利用できるという。 関連記事 OpenAIのアルトマンCEO、AIを基本的人権にする壮大なビジョンを展開 OpenAIのサム・アルトマンCEOが、NVIDIAによる1000億ドル投資発表の翌日、AIインフラを毎週1GW生産する工場建設の構想をブログで公開した。AIへのアクセスは将来の基本的人権になるとし、10