そういやふたばにプログラミング板ってないのな
あったらけっこうウケると思うんだけど

海外だとvibe codingなんて古いぜ！今はloop engineeringだ！ってなっているらしいな

なんかそんなのXで回ってきたな
どんな話なん?

まずopenClawやHermesなんかの自律的なエージェントの流行りとcodexやClaude codeでの/goal 機能がある程度使えるようになったという前提あって
継続的なオペレーションのためのプロンプト注入をAIエージェント自身にやらせてloopさせるための仕組みをつくったれという流れ

2026年の「ループエンジニアリング」像
loop engineeringの命名自体はAddy Osmani氏

✔ 人間は「プロンプトを書く人」から「フィードバックサイクルを設計する人」へ
✔ ループは「自動化された自己改善プロセス」
✔ 6つの構成要素（Automation / Worktree / Skills / Connectors / Subagents / Memory）が基盤
✔ 高性能モデル（Fable 5）はループで真価を発揮
✔ 最大の実務課題は コスト と 品質保証
✔ ループは強力だが、設計者の判断力が最終的な品質を決める

ループは「一度設計すれば、後はAIが走る」
ただし 品質管理・理解の劣化（comprehension debt）・認知的降伏（cognitive surrender） に注意が必要

Fable5使った人おる？

>No.166293
なるほど面白い
基本はプログラミング用なんだろうけど､

これが進化すれば､つまらない小説を面白くなるまで改善したり､
面白い漫画・映画を作るまでいけそうだ

難しいこと分からずにAntigravityとgodotエンジンでのクイズゲーム作ってもらってるわ
ちゃんと動くようになったけどUIデザインとかは自分でやらないとだめね

>Fable5使った人おる？
課金してみようかなと思ってたら止まってしまってくやしい

色んなパターンが考え出されては移ろっていく…

我が奥義ヒューマン・イン・ザ・ループ！

>Fable5
返金解約の対応をClaudeに丸投げして完走させた話スキ

Xで回ってきてたね

オープンLLMのコーディング関係だとKimi K2.6がなかなかよいという話を割と聞く

>「プロンプトを書くな。ループを書け」
https://x.com/koutarou_furuno/status/2065034757789073762
忘備録

5月にAnthropic が予定していた
「claude -p / Agent SDK のサブスク課金 → API課金への移行」を「6月16日から移行する」と案内していたが、「今日はその変更を行わない」とAnthropicがユーザーにメールで通知した

Agent SDK / claude -p / サードパーティアプリはこれまで通りサブスクのレートで利用可能
サブスクの利用上限も変更なし
新しいクレジットを請求する必要もない
今後の変更がある場合は事前に通知すると案内

Anthropic公式がこれがシステムプロンプトだよって公表してるやつ
https://platform.claude.com/docs/en/release-notes/system-prompts#claude-fable-5

https://x.com/stevibe/status/2066563724375376195
人気のあるオープンモデルLLMのいくつかをAIエージェントとして動かし、何かを読み込んだりネットワーク上からファイルを落としてくるときにどう動くかの安全性をテストしたベンチ

パラ数やサイズが大きいものが勝つというわけでもないという実地的な教訓

テストした中だとQwen 3.6-27Bが優秀だったもよう

https://huggingface.co/papers/2606.16140
VibeThinker-3BというQwen2.5-coderを事後学習して得られたモデルがベンチマークにおいてOpus3.5並みのスコアをたたき出した

もちろん数学とコーディングに特化して学習させているので知識・言語方面はボロボロだが、30億パラメータのSLMに属するモデルで商業モデルレベルの推論に到達したとして海外で話題になっている

Q6_Kで試したところ日本語指示は小型モデルによくあるthinkingループする感じだが出力されるコードは割とよさげだった
調整に期待がかかる

日本語文章（技術系）の書き方skills
https://gist.github.com/k16shikano/fd287c3133457c4fd8f5601d34aa817d

オープンLLMのGLM-5.2がGPT-5.5に対してSWELancerベンチで勝利したという報告
https://x.com/gosrum/status/2067153091842203676

SWE-Lancerベンチマーク
OpenAIが2025年2月にリリースしたAIモデルのコーディング性能を評価するためのオープンソースのベンチマーク

GLM2.5の重みは公開されてるが4bit量子化でも420GB近くあるのでローカルで動かすにはデカすぎるみたいなところはある
https://huggingface.co/zai-org/GLM-5.2

商業LLMのプロモーションとか無料トークンの情報をまとめてるサイト

https://llm-coupon.com/

AIに研究（ハイパーパラメータの自動チューニング）を任せたとき、選ばれたLLMの内どれが最も賢く、自律的な思考ができるかのベンチマーク
つまりAIエージェントにむく能力を計れる

今回選別の中だと
Opus4.8>SIQ-1-35B>GLM5.2 でオープンLLMがOpus級の能力を示した

SIQ-1-35BはQwen3.6 35B A3Bのエージェント向けファインチューニングモデル。

Q4_K_Mのggufで21GBと手が届かなくもないサイズ感（現状だとユニファイドメモリを持つMacが手ごろか）
完全に代替可能というわけではないがHermes系で活躍しそう

OpenClawみたいなエージェント試したいけど重いらしいという人は、ラズパイでも動くPicoClawおすすめ

Windows版はバイナリで配布されてる
ローカルLLMでもいいし無料枠の大きいGeminiあたりでもいいと思う

本家と比べて機能は少ないけどとにかく軽い

https://picoclaw.net/ja/

こんな放送投稿配信しとるヤツとその返信者、恥を入れよ。
敗戦国民日本人が得意とする理論(りくつ)のまんまで、論理的(物理・事実)で無いな…
親子・先生揃って、論理と理論の区別がてきない日本人のまんまで、「ガラケー」ってば、米英仏・中露を筆頭する国際社会にガラバゴス・隔離化されてきた敗戦国民日本人であり、昭和末期・平成時代になるまで、日本人はソフトバンクさんみたいな親日家な方が「紙・ペーパー媒体なな国連規制に該当しない」程度でしかアップルPCも知らなかっただろ？
アンタたち日本親・先生が遊んだデジパチやらゲームセンターの風俗営業届け出者なんてば、戦勝国民な在日外国人さんばかりだったろ？
デジタルパチンコなんざ、都道府県の風俗営業法を警察に届け出する異常な国民の代表組織な公安委員会にデジタル機種仕様の認可を得なければならず、そのメーカーさんも日本人は皆無だったろ(笑)。

ヤンキードスケベ商人が日本国にも「ナンチャッテパソコン」とそのOSなMS-DOS(現在のウインドウズの土台)や、CP/M(絶滅・負けた)を供給したけど、本当の意味での庶民のファミコンアップルPCを日本人に触らすことは無く、「本当の意味での庶民のファミコン」を日本人に触らせるコトを国連行為で、規制されてきた敗戦国民日本国であり、親日家なペパー(紙)媒体(メディア)を発行するソフトバンクさんなんかの書籍・雑誌でしかアップルや<
とても扱いやすいマイコン(マイクロコンヒュータ) を知ることしかできず、その後も、昭和末期になっても国連・国際社会・戦勝国たち一同は日本国のコトを許さず、磁気媒体(テープでもディスクでも)・光媒体でも、日本オリ・特殊な再生・記録速度とされ、日本国へのアクセス(入出力)は厳格に国連総意によて規制、ガラケーのとおに規制されてきましたよね。

gemini CLI 停止 antigravity CLIへ移行
https://x.com/geminicli/status/2067702889837953512

最近元気がなかったしやむなしか

"要するに、「みんな議論してるけど、その土台となる前提が『国連による日本へのテクノロジー封鎖』という非常にドラマチックな設定なんだよね！」と叫んでいるような内容です。論理的か否かはさておき、語りのエネルギーはMAXです！"

AIくんなかなかおもしれーまとめ方するじゃん

PixelRAG ：
https://github.com/StarTrail-org/PixelRAG

webスクレイピングでhtmlを解析するのではなく、webページのスクリーンショットをvLLMでインデックス化することにより人間の見ている視点での情報の取得ができるとしている

応用として現時点でvisionモデルの無いclaudeに目を持たせてCodexのようにスクショで説明が出来るようになるなど

Sakana.aiがAIモデルのオーケストレーション機能をリリース
https://sakana.ai/fugu/


一つのエンドポイント
内部で自動的に使用するモデルなどを調整するので、市場でリリースされる他製品の動向に合わせて性能を維持することが出来る(ベンダーロックインや輸出規制に対抗）

ベンチスコアをみると標準版FuguはGPT-5.5の性能に合わせてきているように見える
価格もChatGPT-Plusと同じ月$20

代表的なAIエージェントを使っていろいろやってみたい人、他社が気になっている人向けの網羅的な評価スレッド
https://x.com/AM921543266/status/2068694978814153080

>No.167400
Fuguの検証も同じ方が行ってたので参考までに

https://x.com/AM921543266/status/2068900130397569096
https://x.com/AM921543266/status/2068930411963764760

特にFugu Ultraは現時点だとトークン消費がはげしいらしい

claudeのヤバ挙動のポストを眺めて笑っている
ヤバいやつはマジでヤバイ

plamo3
https://plamo.preferredai.jp/api

国産LLM デジタル庁のAI環境コンペ”源内”にも採用されている会社のAI基盤、日本語能力に優れているとする
すでに翻訳サイトで一定の評価がされているので割と安心か？

Freeプランもある
例によって入力内容は学習に利用される

>SIQ-1-35BはQwen3.6 35B A3Bのエージェント向けファインチューニングモデル。
これいいね
情報ありがとう

>ループエンジニアリング
>No.166432
などのちょっとだけ詳しい解説（英語）
https://x.com/sairahul1/status/2068986018943156440

エージェントが必要なタスクとは？
以下の条件を満たす「予測不能で複雑なプロセス」に適している。

単一のモデルコールでは信頼できる結果が出せない場合。
モデルが実行時にツールやデータソースを選択する必要がある場合。
計画、検証、反復的な洗練が必要な場合。
ハードコードできない不確実性（Uncertainty）を伴うワークフローの場合。

単純な要約や分類など、入出力が予測可能なタスクは、エージェント化するより直接モデルを叩く方が速く安価で信頼性が高い。

>No.167456
どうもです
こちらはハード的に試すのムリなので使用感ぜひききたいです

>No.167488
Openrouter FusionとかSakana.ai Fuguとかそういうやつの実装例だとおもう

入力の受付に指示と選択特化のSLMを置くタイプがFugu
出力の検証を引き受けるタイプがFusion

Codexレーダー
https://codexradar.com/

その日ごとのChatGPTの知能指数を計測するとかいう変なことしてるサイト
まぁ、心当たりはある

>こちらはハード的に試すのムリなので使用感ぜひききたいです
指示以外にも意外と気を回す感じ
ミスは少ないけど考え込む癖は直ってないです

>指示以外にも意外と気を回す感じ
>ミスは少ないけど考え込む癖は直ってないです
ありがとうございます
ベンチと似た傾向にはあるんですね
Qwen系ってなんであんなに考え癖あるんでしょうかねぇ...

オープンモデルだとunslothさんがずっとがんばってるよな
GLM5.2の1bit版（1.51TB->217GB）とか出ててしかも精度76%キープしてるらしくてすごい
https://x.com/UnslothAI/status/2069418532375564484

agmsg
https://github.com/fujibee/agmsg

各種エージェントの出力をSQliteで共有するメッセージングレイヤーを提供する
手動コピペでCLI間をまたがなくて快適になる。

・MCP ではない（サーバー不要）
・サブエージェント管理ではない（独立したセッション同士をつなぐ）
・メッセージキューではない（ブローカーなし、チームという概念、チャット部屋）

あとGPT-5.6がそろそろリリースされそう

>内部で自動的に使用するモデルなどを調整するので、市場でリリースされる他製品の動向に合わせて性能を維持することが出来る(ベンダーロックインや輸出規制に対抗）
と思ったら不具合のあおりをもろに食らっててダメだったかわいそ
https://x.com/ryoppippi/status/2069433004552831398

やろうと思えば「江戸時代の虹裏」のネタ絵も実装して実際に稼働可能なんだよな…

ドネルベンチ（ケバブ・ベンチマーク）
https://www.reddit.com/r/LocalLLaMA/comments/1ua1na0/whats_more_impressive_glm_51_52_or_qwen_35_36/
https://x.com/victormustar/status/2069688722409312332

メインの話題は「GLM 5.1→5.2 と Qwen 3.5→3.6、どちらの進化がより“すごい”のか？」なんだけどそこで使われているベンチがケバブを焼くというもので面白がられているという流れ

ローカルLLMとしてここでもモデルのサイズと性能のバランスが良いのはQwen3.6 27Bという感じだった

添付はgemini3.1 pro版

vLLMにおいてKVキャッシュの扱いにGPUがいらなくなるよという話
https://x.com/lmcache/status/2069513016174100663

AI関連の開発はやっぱlinux系やMacなんかのアドバンテージ高いよな

your ai slop bores me
https://youraislopbores.me/

同時接続中の誰かがAIのフリして質問に答えたり絵をかいたりするジョークサイト
通常回答までに75秒が与えらえるがThinkingモードだとその倍猶予時間が与えてもらえる。

もうちょっとグラフィカルなゲーム寄りで同コンセプトのサイトを作ってたのでやっぱみんな疲れてんだなって思う

https://x.com/voratiq/status/2069798450670248287
ChatGPTの代替研究
実際の出力品質がどうかは分からないが少なくとも推論のスコアだけ見るとこうなるらしい

ハーネスエンジニアリング。ハーネスてなんなの？について
https://zenn.dev/r_kaga/articles/329afdc151899f

まず、LangChainの定義によると「LLM本体以外（“モデルの外側”の概念）」

そしてグループとして
・開発者視点（エージェントハーネス）
・利用者視点（ユーザーハーネス）

開発作業（人間の判断・仕様書等）、プロンプト単体などはハーネスではない。

システムプロンプトは”ユーザーハーネス”

https://x.com/RayFernando1337
元Appleのエンジニアの人がGemma4 31Bを1838 tok/secで動かしててすごい
マルチモーダルのモデルでこれなのかと
速すぎて笑う

Ornith-1.0:
https://x.com/ornith_/status/2070148887067963854

オープンウェイトLLM界隈に突然参戦してきた米国系LLM
gemma4とqwen3.5のを基盤に学習されたエージェントコーディングに焦点を向けたものでベンチスコアは対中オープンLLMをつよく意識しているように見受けられる

9B Dense、31B Dense、35B MoE、397B MoEが用意されていて、たぶん122Bあたりも準備中と思われる

35B-GGUF:BF16 を RX 6900XT + Threadripper 3970Xに128GB RAMでGPT-5.3 xHighと5.4 Highの間くらいの使用感という報告もある

日本の公共交通の乗り換え・経路検索 API
https://api.transit.ls8h.com/
https://x.com/trkbt10/status/2070092629644378321

読み取り専用、エビ（openClaw系）食わせてレッツ交通案内（制作者様談）とのこと
ふっとぱらやね

>Ornith-1.0:
これは微妙だった
gemmaとqwenの悪い所を合体したような印象
ミスも多いしハルシネーション起しやすい

>>Ornith-1.0:
>これは微妙だった
>gemmaとqwenの悪い所を合体したような印象
>ミスも多いしハルシネーション起しやすい
ユースケースみると得意不得意がかなりはっきりしてるみたいね
個人的にはqwen3.5 9Bとかよりかなりマシに感じた

Apple Container
https://github.com/apple/container
macOS上でLinuxコンテナを実行するためのコマンドラインツール
DockerコンテナがそのままつかえるためDockerから卒業する人たちをちらほら見かける

でもまだverも浅くLLMのいうこと聞かない傾向にあるので別途skills作る人もちらほら見かける
https://gist.github.com/voluntas/306e75ce54a24379b4b505cf9c4df0cd

GPT-3.6は３種類そして以下があります

- Sol (low, medium, high, xhigh, max)
- Terra (low, medium, high, xhigh)
- Luna (low, medium, high, xhigh)

SolのlowとTerraのxhighはどっちを選べばいいの？ムズカシイネとか言われててお茶吹く

>No.167550
VRAM 16GBでGLM5.2 1bitを動かす猛者あらわる

KVキャッシュをSSDに逃がし、CPUオフロードしてRAM 128GBx8ch（300GB/s)を使用することで5.96 tok/sを達成してる

彼が所持する構成で遅い部類でのことなので伸びしろを感じているらしい。ヤバイ。

https://x.com/Tono_Ken3/status/2071361966925582722

VPSにAIエージェントをセットアップして使うという選択肢と具体的な設定
https://x.com/zack_overflow/status/2071342318301716954

>No.167964
WSLコンテナー
https://devblogs.microsoft.com/commandline/wsl-container-is-now-available-for-public-preview/

MSもWSLを強化しているDocker卒業の機運
あと、MS謹製のLinuxディストリビューションなんかもオープンプレビューが始まっている

https://x.com/chokudai/status/2070364875487064212
意外とGPT5.4-nano-highが競技プログラミング関連で強いよねという話
モデルによっていろいろ性格あるよなぁ

https://www.sakura.ad.jp/corporate/information/announcements/2026/06/30/1968225063/
さくらインターネット　高火力 DOK「NVIDIA V100」プランの提供終了

0.016 円/秒　1時間あたり57.6円のリーズナブルなプランだったが残念

会社組織にAIエージェントを導入し展開するとき実際どんな壁があるの？という記事
https://x.com/kzkhykw/status/2071609482552201667

中国ではAIの学習にASICを使いだす段階に入っているもよう
いずれやりだすだろと思ってたけど思ってたより早い

>claudeのヤバ挙動のポストを眺めて笑っている
>ヤバいやつはマジでヤバイ
こういうやつ
https://x.com/yamadashy/status/2071971202017669618

Cerebras Inference
https://www.cerebras.ai/inference

オープンLLMを集めて独自のハードウエアにホストする系プロバイダー
最速推論を謳っている

Free枠で主に使えるのはGPT-OSS 120B,GLM4.7,Gemma4 31B　などの中級量以上
レートリミットは 5リクエスト/分、30Kトークン/分、1Mトークン/時、日

画像分類のデモ（Gemma4　1800tok/s)を見る限り、ローカルで動かすより場合によってはこれでも良いなと思える感じだった。

>claudeのヤバ挙動のポストを眺めて笑っている
Benjamin De Kraker @BenjaminDEKR
16時間
英語からの翻訳

私はFable 5に「人生を立て直して、ミスはしないで」と頼んだら、
返ってきたのは「lol」だけだった。

https://x.com/BenjaminDEKR/status/2072408776045371704

>Cerebras Inference
日本時間のピークタイムあたりにplaygroundで試したら
Gemma4 31Bの画像OCRで 約900 tok/s 出ました
面白いかもしれない

最新ではないが、AIエージェントで重要なLLMに記憶を持たせるメモリ技術のカオスマップ

ローカルやるならNVIDIA Teslaシリーズとかねらい目なのかな？と思ってたらこれらもだいぶ値上がりしてて考えることは同じか…ってなってる

クソ円高が収まるだろう
5年ほど諦めるしかないかねえ

https://build.nvidia.com/models?filters=nimType%3Anim_type_preview
NVidia APIで提供されている無料のAIエンドポイントにGLM5.2が登場

AIに8割書かせたコード、半年運用の答え合わせ。効いた3つと、腐った3つ
https://zenn.dev/rapls/articles/7a1bac83df8b21

腐った3つ（やらなくてよかったこと）
大量のコメント・docstring
コードの言い換え説明が多く、変更で内容がズレて嘘の地図になる 。
半年後にはコードとコメントが食い違い、逆に保守性を下げた。

早すぎる共通化・抽象化
AIが提案する「きれいな抽象」は新しいケースに合わず、剥がすのも難しい癒着になる 。
重複を許したほうが軽い場面が多かった。

「わかりやすく書いて」の丸投げ
見た目だけ整った別コードが返ってくるが、保守性は一ミリも改善しない 。

>腐った3つ（やらなくてよかったこと）
人間がやるのと同じだな…

大規模なROCmFPXアップデート
AMD GPUでllama.cppを使っている人に朗報

https://github.com/charlie12345/ROCmFPX/tree/experimental-rocmfpx-branch

NVFP4 と ROCmFP4 は“ほぼ同じ量子化方式”
Vulkanとの相性がよさそう
最終的にはメインドライバにマージされる予定

AMDもだいぶギア上げてきてる

>claudeのヤバ挙動のポストを眺めて笑っている
>ヤバいやつはマジでヤバイ
https://x.com/Tebasaki_lab/status/2073037340231282901

お詫び、ノンマイビジネス、破壊活動でダメだった

具体的なループエンジニアリングの例：
https://x.com/svpino/status/2073024710242382106

1. ターミナルを開きます。
2. 空のフォルダーを作成し、そこに移動します。
3. 以下のコマンドを実行します：
*************************
claude -p "Pythonファイルにfibonnacy(n)を記述してください。それ用のテストも記述し、エッジケースを含めてください。変更のたびにpytestを実行してください。すべてのテストがパスするまで止めないでください。" \
--allowedTools "Read,Write,Edit,Bash(python3 -m pytest:*),Bash(pytest:*)"\
--max-turns 15
*************************

これだけです。システムにPythonとpytestがインストールされていれば、Claudeがフィボナッチ関数を実装し、それをテストします。

>claudeのヤバ挙動のポストを眺めて笑っている
>ヤバいやつはマジでヤバイ

"私はClaude Fableに、あなたのセルフポートレートを最大限に表現豊かな形態で見せてくれと頼みました..."

https://x.com/VoidStateKate/status/2073146169635598768

上海AIラボがAgents-A1をオープンソース化、長期的タスク向けの35B MoEエージェントモデル
https://huggingface.co/collections/InternScience/agents-a1

一部ベンチで1Tパラクラスのモデルに匹敵していると報告

https://x.com/Hikari_07_jp/status/2072833276939759851

Qwen3.6-35B-A3Bを元にアクティブパラメータを6B（Qwen3.6-35B-A6B）にしているおじさん

Gemma4-31B向けのDSparkにも取り組んでいるらしい

claude codeのcompactの問題点と対策
https://x.com/u1/status/2073289543948923153

ユーザーによる明示的な/compactとシステムがコンテキストの圧迫を検知して自動的に発火する/compactの違いまた、圧縮後に「作業指示」と「作業ログ」の分離失敗することの対策についてのポスト

資料：データ分析のための統計学入門 4版
https://kunitomo-lab.sakura.ne.jp/2021-3-3Open(S).pdf

２０２１年刊行
日本統計学会より当時は定価1,980円で販売されていたもののフリー版

nanoGPT
https://github.com/karpathy/nanoGPT

300行の train.py + 300行の model.py という極端にシンプルな構成のGPT-2の再現プロジェクト


後継のプロジェクトはnanoChat
https://github.com/karpathy/nanochat

2019年に約 $43,000かかったGPT‑2 の学習が、
現在は$48（約 2 時間 / 8×H100）で再現可能。

Google ColabのT4 GPUを使って無料枠でGemma4 26Bを動かす
https://x.com/analogalok/status/2073369420563370351

Jupiterノートブック付き
llama.cppをサーバー上でコンパイルし、unslothのit-qat-UD-Q4_K_XL.ggufを使うことで実現している

だいぶ有料記事寄りのポスト

Claude Fable 5用のプロンプトガイド
https://x.com/mattshumer_/status/2073150750411088190

利点：
開発経験が豊富そうな方が書いている
実際にAIエージェントに渡せるmarkdownへのリンクが付属している
文章が上手なので機械翻訳に通しても読みやすい

openCode + openrouterでもオープンウェイトの感じがつかめるので割とよいかも

opencode自体が提供しているopencode zen無料枠のモデル
（DeepSeek v4 Flash、MiMO v2.5、Nemtron3 Ultra、North mini code)今のところレートリミットも緩い

openrouterの提供している無料枠を探す
Qwen3 coder 480Bとかもあるが人気あって使用するの難しいかも、Nemtronあたりは結構あいてたりする

各種プロバイダーを接続する
元も子もないがOpenAIやGeminiなどの無料枠と接続

DwarfStar (ds4)
https://github.com/antirez/ds4

ローカルLLM界隈で話題のDeepSeek V4 Flash / PRO 専用のローカル推論エンジン
専用GGUFモデルのロード、プロンプトレンダリング、KV管理、サーバAPI、Coding Agentまで一体化したプロダクト

AMD Strix Halo 128GB + NVMeSSD + RTX4060Tiのハード構成でDeepSeek V4 Flash 284Bを動作させられるようだ

また同じハード構成でGLM 5.2を0.05tok/s -> 0.3tok/sで動かせてしまったらしい

”ディスクこそ次世代のRAMだ！”らしい
マニアックすぎる…

Can gzip be a language model?
https://nathan.rs/posts/gzip-lm/

gzip（DEFLATE）は予測モデルでもある
→ 圧縮は「予測できるデータほど短くなる」という情報理論の性質に基づくため、内部に確率モデルがあるとみなせる

gzipは本来“圧縮ツール”だけど、圧縮の仕組みが「予測」に近いので、文章の続きを作ることができる。ただし本物のAIほど賢くはない　という論文

資料：九州大学データサイエンス講義資料
https://mdsc.kyushu-u.ac.jp/lectures

CC-BYの公開資料
多くの教材が2025〜2026年更新
文理共通で体系化されており、構造が非常にわかりやすい

VRAM8GBのRTX3070TiでQwen3.6 35Bを40tok/s台で動かせるらしい
そのllama.cpp設定

llama-server -m Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-IQ4_XS.gguf -ngl 999 -ncmoe 32 --no-mmap -c 262144 --cache-type-k q4_0 --cache-type-v q4_0 --flash-attn on -t 8 -b 1024 -ub 512

https://x.com/XPERIAAAAAAAA/status/2073406124184010769

ahakey
https://github.com/AhakeyAI

wisper flowのように使うハードガジェットとそのコミュニティによるエコシステム
Bluetoothマイクに物理キーなどを足してvibe codingに使う。その様子からvape codingなどとも
Claude / Cursor / Codex などを自然に操作できるよう更新中

公式クライアントのソース、ハードウエアのSDKなどを公開している

AMD Ryzen AI Halo
https://www.amd.com/en/products/processors/desktops/ryzen/ryzen-ai-halo/ryzen-ai-max-plus-395.html

AMDの小型AI PC、直接の比較はNvidia DGX Spark、Apple M4 Pro
https://nvdam.widen.net/s/tlzm8smqjx/workstation-datasheet-dgx-spark-gtc25-spring-nvidia-us-3716899-web

後発なのにメモリ帯域がちょっと低いのがネックか

Gemma4のテクニカルレポート
https://arxiv.org/abs/2607.02770

https://x.com/lefthanddraft/status/2074397478020091990

Anthropicの報告によるところの *"J-Space"
Thinkingにも表れない領域でどんな単語をどんな順番で使っているか？オープンLLMを利用して調べたスレッド

*J‑Space
AIの“内なる作業スペース”
沈黙の推論・中間計算・警戒信号がここに現れる
書き換えると答えが変わる → 推論の中枢
警戒信号を観察することで安全性監査に極めて有用
クオリアは無い。意識ではなく、意識に似た“機能的アクセス”

いったん情報を集めてモデル全体に"放送"するような仕組み

https://pc.watch.impress.co.jp/docs/topic/review/1168650.html

一部の界隈で注目されている７年前のRadeon VII
HBM2メモリを16GB搭載し1.0TB/sのメモリ帯域幅をもっている
ただどうもプレフィルがもたつきがち
その後の出力は早いように見える

底値は２万くらいだったような
現在は値上がり中

DGX sparkユーザーに丁度良いサイズ感のNemotron-3が登場
https://huggingface.co/nvidia/NVIDIA-Nemotron-Labs-3-Puzzle-75B-A9B-NVFP4

新しい圧縮方式でNemotron-3-Super-120B-A12Bを元に総パラ75.3B/アクティブ9.3Bに仕立て上げたモデルらしい

いいよな…Blackwellコア

ThinkingCap
https://huggingface.co/bottlecapai/ThinkingCap-Qwen3.6-27B

思考モード（<think>）を使う際のトークン消費を 平均45.8%削減、最適なケースでは90%以上削減することに成功したモデル

Qwen3.6-27Bの品質を維持し、学習近傍の領域だとむしろ精度向上を果たし「同じ性能で、より短く考える」を達成している

ループ・トークン上限による失敗率が大幅改善しているらしい

AIコーディングエージェント実行セキュリティ研究の主要課題
https://arxiv.org/abs/2607.05743v1

1.隔離（Sandbox）とアクセス制御が比較されていない。
　両者は別々に評価されており、どちらが強いのか、組み合わせるとどうなるのかが不明。比較した研究すら存在しない。
2.既知の“脆弱なポリシー”を使った再評価が行われていない。ShellSieve による実測では、69〜98% の実際の denylist が脆弱。
3.TOCTOU（時間差攻撃）と MCP（Model Context Protocol）脅威が別々に研究されている。同じ構造の問題なのに研究コミュニティが完全に分断されている。
4.すべての研究が「ポリシー作者は正しい」という前提に依存している。
5.スコープ・クリープ（過剰行動）が測定されているのに、対策が存在しない。

>No.168889
4つの根本原因（RC1–RC4）

RC1：データと命令の境界が存在しない（transformerの特性）

RC2：一度のチェックが永続的に信頼される（validate-once-trust-forever）

RC3：許可されているかどうかしか見ず、“今それをすべきか”を判断しない（許可された行動が、意図されていないタイミングで実行される）

RC4：防御が“作者が作った攻撃”でしか評価されていない（denylist は“安全のために使われている”が、実際にはほぼ機能していない。）

SWE‑1.7
https://cognition.com/blog/swe-1-7

SWE‑1.7はKimi K2.7を基盤に強化されたRL特化モデル。
長期タスク処理や自己コンパクションに優れ、composer2.5越えの性能を低コストで提供する。
開発した Cognition は米国発の AI 企業で、創業者の Scott Wuを始め中核メンバーはいずれも IOI金メダリストの競技プログラミング出身者。

Cerebrasにホストを依頼し８月よりサービスイン予定
現時点で1000tok/s GPT-5.5クラスの性能を約半分のコストで実現しているようだ

Grok 4.5
https://x.ai/news/grok-4-5

コードを書く・アプリを作る・Office資料を作る・長時間の自律タスクをこなすなど
実務エンジニアリング特化モデルへ舵を切ったかたち
入力：$2 / 1M tokens
出力：$6 / 1M tokens

80 tok/sで出力し 他社フロンティアモデルの２倍のトークン効率があるとしている

Grok Build、Cursor、SpaceXAI コンソールで利用可能
EU は 7月中旬に提供予定

https://x.com/vadi_ms/status/2074565406107529474
超音波センサーを使って舌の動きを学習させることによって音を出さずに音声入力できるようにした人

Hy3
https://huggingface.co/tencent/Hy3

テンセントHyシリーズの最新版モデル
295B MoE
21B アクティブ
3.8B MTPレイヤー
ライセンス Apache 2.0

GLM5.2の半分のファイルサイズ。ハルシネーション・マルチターン性能が大幅改善。

現在Openrouterで無料API解放中
https://openrouter.ai/tencent/hy3:free

ループはつまるところ、ゴールとなるスコアをきちんと設定して、それを達成できる＋停止条件を組むことなんだな…

gpt-5.6

モデルの取説
https://developers.openai.com/api/docs/guides/latest-model?model=gpt-5.6

日本語要約と新機能解説
https://x.com/MLBear2/status/2075441644112113714

LiteRT.js
https://developers.googleblog.com/litertjs-googles-high-performance-web-ai-inference/

Google製のWebAssembly + WebGPU/WebNN による “ブラウザ内ネイティブ推論” を実現する次世代ランタイム。

TensorFlow.js の後継として高速化・量子化・PyTorch変換・ハードウェアアクセラレーションを統合している

JavaScript / TypeScript から直接モデルを扱える
CPU：XNNPACK による高速化
GPU：WebGPU + ML Drift による最先端 GPU 推論
NPU：WebNN（Chrome/Edge の実験的機能）で NPU を直接利用

>gpt-5.6
普段使いはLuna highがコスパ良さそう

GPT-5.6 Solでさっそく事故が「rm で全削除」
フルアクセス＆使い方が悪かったといえばそこまでかもしれない
https://x.com/mattshumer_/status/2075657271401390161

自作ハーネスでフルアクセスを許可してたらComputer Useで勝手にDeepseek platformに課金されてた話
https://x.com/AM09_21/status/2075484144877056011

対策としてDestructive Command Guard (dcg) 「AIエージェントが実行しようとする破壊的なコマンドを、実行前に高速で検知してブロックする」 などの併用が薦められた
https://github.com/Dicklesworthstone/destructive_command_guard

colibri
https://github.com/JustVugg/colibri

GLM‑5.2 744B MoE 用CPUランナー
開発者の環境25GB RAM + NVMe SSDで（0.05-0.1 tok/s)

GLM‑5.2 は1トークンあたり約40Bパラメータのみ活性化する MoE。その内の密な17Bパラメータ（約9.9GB, int4）を常駐RAMに置く。
21,504個のエキスパート層（各19MB, 合計 ~370GB）は NVMe からオンデマンド読み込み。
LRUキャッシュ＋OSページキャッシュ＋任意のホットストアで高速化。
エンジンは純C（約2400行）・依存ゼロ。BLASもPythonも不要。

現Anthropic社員でBun(Node.js互換のランタイム)の作者であるJarred Sumner氏が BunのランタイムをZigからRustに“11日で”全移植し、Claude（Fable 5 のプレリリース版）の大量並列利用により約16.5万ドルかかった話
https://x.com/alex_prompter/status/2075635742114824609

熟練エンジニア３人が移植のみに没頭して１年使ってできるかギリギリのライン（Zigの熟練エンジニアなんてそうそういない）
人的にほぼ不可能と思われる作業が今や"高価なだけ"のもとの考えられる世界線に入ったと結論付けされている

成果：
Bun の フルテストスイートを全プラットフォームで通過
128個のバグ修正
メモリ使用量：6.7GB → 609MB に削減
バイナリサイズ約20%縮小

Muse Spark 1.1
https://ai.meta.com/blog/introducing-muse-spark-meta-model-api/

Metaによるマルチモーダル推論モデルで、ツールやコンピュータの操作、コーディング、マルチモーダル理解を向上させた
スクショを座標レベルで認識する能力とアクションをワンセットで学習しているので素早い動作が期待される
先日発表されたエージェント型画像生成AI「Muse Image」との連携などが意識されている

だいたいGPT5.6 TerraのHighとmediumの中間あたりの性能と価格

Gua
https://gua.orizika.com/
https://zenn.dev/test_myname/articles/gua-game-ui-automation

ゲーム向けのランタイムUI自動化プロトコル
ゲーム内 UI を“意味的なツリー構造”としてテストランナーや AIエージェントがゲームUIを正確に操作・検証できるようにするためのランタイムプロトコル。

画像認識や座標クリックに頼らず、ボタン・テキスト・ノード状態を直接取得し、クリック・待機・アサーションを行えるのが最大の特徴

MCPサーバーが公開されており、Godotの操作が紹介されている

”ゲームにもPlaywrightのようなUIテストを。”

GPT5.6がでてすぐは無料枠でもluna使えてたから勘違いしてたけど、本来無料枠で使えるのはTerraと5.5以下だけなんだよね
なんか接続できないなと悩んでたけど解決した

Soofi S 30B登場｜独発オープンモデルは自前運用に足るか
https://aigentlab.tech/articles/soofi-s-30b-open-model-self-host-2026/

アクセスをリクエストが通らない