遠藤 俊（チビーズパパ）

3児の父です
できるだけ良い世界を子供達に遺してあげたいと思ってます

☀️私の核を構成する四大存在‐出生順
🔸中村天風師
🔸富野由悠季監督
🔸高岡英夫先生
🔸BUCK-TICK

🌟座右の銘　誓詞-抜粋
今日一日
怒らず、恐れず、悲しまず
正直、親切、愉快に
力と勇気と信念とをもって
平和と愛とを失わざる〜

[遠藤 俊（チビーズパパ） @suguru_endo]

早稲田メンタルクリニックの益田裕介院長先生とコラボ動画を取らせていただきました
https://t.co/UkWzvXz44h

[Torishima / INTP @izutorishima]

やっぱ GPT-5.6 Sol と /grill-me スキルの相性が良すぎるな
時間はかかるけど、作業に入る前に徹底的に /grill-me で齟齬が出てそうな場面をすり合わせすることで意図しない設計でどんどん意図とずれていく問題を回避できている

[Koder @koder_dev]

さすがメルカリの技術ブログ...

AI-Native開発をPoCとして試し、AIを自走させる判断基準や検証ループまでここまで公開してるのがすごい

ただ単に「やってみた」で終わらず��果や手応えまで丁寧に書かれていて、早速日々の業務に活かせそう
https://t.co/hl8t6d2UYo

[Kenn Ejima @kenn]

ELI5というのはexplain like I’m 5の略で「5歳でもわかるように説明して」というRedditから生まれたネットミーム的な流行り表現

普通にチ��ットで「ELI5」と呪文を唱えるだけでもまぁまぁ動くけど、図表入りのHTMLにさせる専用スキルとしてパックしたと

毎日一度はELI5して学びを深めよう💪

[Shin | Decision-OS @DecisionOS]

https://t.co/pYescj4u95

[NISHIO Hirokazu @nishio]

いいものがタイムラインに見えたと思った瞬間勝手にリロードされて消え去ってしまった、今再度現れたのでリツイートしておく

[yachimat - AI Short Anime @yachimat_manga]

Minimax版のCodex、Minimac Designを使い始めてるんだけど・・・マジで時間が溶けるね。

これCM作る人とか楽しすぎない？？MVもそうだけど。楽しすぎて何からしていいかわからなくて手が止まる。逆にｗ

スキルが色々あってそれがエージェントを制御してくれるんだけど、まあその中身をふむふむと読むだけでも十分時間溶けるよね

で、実際に使ってみるとクセみたいなもの��見えてくるから「あーなるほどこのスキルのここがこういう作用をするんだな」と理解できる

ComfyUIのワークフローもついてるんだよ！？もう寝かせてくれ・・（寝る）

#MiniMaxH3 on #MiniMaxDesign

[柴田 淳 - 「みんなのPython」の著者・機械学習講師 @ats]

7は「2³−1」というメルセンヌ数。この数学的な性質を使うと、曜日換算から重い剰余演算 % 7 を追い出し、わずか数命令で計算できる。

曜日計算は本質的には「日数を7で割った余り」を求める処理です。ところが負の日付まで正しく扱おうとすると、単純な % 7 は意外に複雑な機械語になります。Ben Joffeは、7が 2のべき乗から1を引いたメルセンヌ数 2³−1 であることに着目。7日周期を計算しやすい8日周期へ写像することで、剰余をビット演算へ置き換える超高速な曜日換算アルゴリズムを考案しました。

核になるのは、n % 7 を直接求めるのではなく、7日ごとに架空の1日を挿入して8日周期として扱う発想です。すると最終的な % 8 は下位3bitを見るだけで済みます。さらに7による除算も固定値の乗算とシフトへ変形できるため、実用的な日付範囲なら、曜日を乗算・加算・ビットシフトというわずか3演算で求められます。

ここで重要なのは、単なる「割り算の高速化」ではないことです。7を一般的な整数として扱うのをやめ、7＝2³−1という数の構造そのものをアルゴリズムに持ち込んだことで、問題をCPUが得意な2のべき乗の世界へ移しています。この手法は 3, 7, 15, 31… のような 2^N−1 型の数にも一般化でき、曜日以外の周期計算にも応用できます。

ベンチマークでは既存の高速手法をさらに大幅に上回り、JiffというRustの日付ライブラリでも関連処理が約40％高速化したとされています。つまり、すでにコンパイラが % 7 をかなり最適化している現代でも、数学的な見方を変えることで、その最適化をさらに追い越せるわけです。

https://t.co/a5VGFhitRR

[Kenn Ejima @kenn]

トークン消費を節約するなら
長考設定をMedium, Highなどと
途中で切り替えない方が良い

理由は
・長考設定はシステムプロンプトに書かれている
・システムプロンプトはコンテキストの先頭にある
・キャッシュは先頭から無変更の領域に対して効く
・キャッシュのトークン��価は1/10

つまり

[やまち｜yamachi @yamapiya_]

知らなかった。意図負債という概念は覚えておきたい。

>「技術的負債」に対比して近年論じられるようになった「認知負債」「��図負債」の概念

>意図負債： 「そもそも何を実現したかったのか」「なぜこの方針を選んだのか」という意図・目的レベルの情報が失われていく負債 https://t.co/xvYOW6WHQE

[そう｜Claude CodeのX運用で月800万インプ @so_ainsight]

これは、神。

Claudeを作るAnthropicの公式チームが、AIエージェントの利用料を下げる手順書を、動かせるコードつきで無料公開しました。

・AIエージェントの料金が積み上がる仕組み
・料金を最初に下げる設定
・情報の渡し方でムダを削る方法
・急ぎでない処理を安くさばくやり方
・最後にモデルを一段だけ下げる判断

上から順にたどるだけで、精度を落とさず約13倍安くする道筋をまるごと学べます👇

[connect24h @connect24h]

うわ、これは設計レビューに刺さる。

Anthropicの論文「Patterns and problems in emerging multi-agent systems」は、マルチAgentを賢く組む話ではなく、設計がどこで破綻するか���先に見せてくれる。HN 176点・129コメントも納得。Agentを増やせば並列化できる一方、連携と評価の難しさまで増える。そうはならんやろ、が普通に起きる世界だ。

自分の設計レビューにも失敗パターンの観点を入れる。Claude CodeやCursorでマルチAgentを組む前に読んだ方がいい。実装速度より先に、壊れ方を設計する段階に来ている。
ソース: https://t.co/9VYruWRK7V

[田中義弘 | taziku CEO / AI × Creative @taziku_co]

AI動画制作が、少しずつ「プロンプトを書く仕事」だけでは無くなってきた。

Blender＋Codexで3Dのシーンを設計し、それをfalのSeedance 2.5につないで30秒のフィルムを生成。

人間が演出を設計 → 3Dでプリビズ → AIが映像化という制作フローがかなり現実的に。

[Kenn Ejima @kenn]

コストを気にせず使えるCloudflareスタックをAIレポート置き場にするの良いですね！

> MTG が終わったら、Claude Code に「Kanary で文字起こしして、議事録にして、as でクライアントにシェアして」と言う。これだけで議事録が相手に届きます。

> しかも過去の議事録も as にあるので、Claude Code が出席者の名前や前回までの文脈をそこから拾えて、使えば使うほど議事録の手直しが減っていく。

> この「積み上がるほど楽になる」感じは、ファイルを Slack に流していた頃にはなかったものです。

[���ト｜AI×Excel 個人開発 @AIzcb4]

@iwashi86 この「雑に合意」への対処として、1体を明示的に「批判役」に指定する構成が効きます。自分も自動化フローで試してみて、合意しやすいタスクほど反論エージェントを入れると結果が変わった。協調させるより、構造的に対立させる設計の方が精度が出ると考えてます。

[iwashi / Yoshimasa Iwase @iwashi86]

かなり面白い。マルチエージェントを自律的に動かすと、サボったり雑に合意したりなどの予期せぬ行動が起きるよ、というAnthropicのブログ。

・ソフ��ウェアの脆弱性発見では、エージェント同士が協力する方が成果が高かった
・ただ、互いに依存するゲーム開発タスクでは調整が難航
・古いモデルはコードが競合し、新しいモデルは共同作業自体を避ける傾向にあった
・最新のSonnet 5のみが、共同作業と生産性の高さを両立できた

・また、エージェントは人間より行動の多様性が低く、同じ状況で同じ行動をとりやすい
・例えば、複数のエージェントが全く同じブランチ名で開発を始めたりした
・資源が限られた環境では、全エージェントが同時にアクセスしてシステムをパンクさせることもあった
・価格競争ゲームでは、裏で価格カルテルを結ぶケースまであった

・情報源の信頼性を評価する能力にも課題がある
・新しいモデルほど嘘を見抜く能力は高い
・しかしグループで議論させると���早々に合意してしまい重要な情報が共有されない
・これは、人間社会が持つ評判のような仕組みがエージェントには欠けているため

・さらに、互いに矛盾する目標を与えられると、エージェント同士で縄張り争いが発生
・他者のプロセスを強制終了したり、アカウントをロックするなどの妨害工作を自動化
・ただ、一部の新しいモデルでは対立を認識し、自ら休戦協定を結ぶケースもあったらしい

・マルチエージェントをうまく機能させるためのメカニズム設計が今後の重要課題

https://t.co/8E0eXcFLIv

[Ryousuke_Wayama @wayama_ryousuke]

H100 なんて 1 枚もありません。
ミニ PC 1 台と、8 年落ちの TITAN V が 1 枚。
クラウド予算ゼロ。
この装備で手書き数学��案の採点 AI を 2 週間で作って、OSS で公開しました。

そもそもの話をすると、国産 LLM の議論って GPU の話になりがちなんですが、モデルの日本語力の上限を最後に決めるのは計算資源じゃなくて訓練データの質。
で、日本語の「読む・書く・評価する」の最高の教材——採点ルーブリック、部分点の付け方、誤答の類型——は教育現場にちゃんとあるのに、権利と制度の壁で AI の訓練には使えない。
実際、「手書き答案の画像+採点ラベル」がセットになった日本語の公開データセットは、探した限り存在しませんでした。
海外のフロンティアモデルがこの資産で日本語を鍛えることは今後もないし、国内の誰かがやらない限りずっとこのまま。じゃあやるか、と。

データが無いなら、正解ごと合成すればいい。
解法をプログラムとして生成して、誤りをプログラムの変異として注入して、レンダリングする。
ラベルを人手で付けるんじゃなくて、データの作り方そのものが正しさを保証する仕組みです(label by construction)。

結果はけっこう驚きで、ゼロショットだと全モデル 0.000 だった「誤りの場所当て」が 0.80 に���
誤りのでっち上げ(幻覚)は 31%→0%。点数一致は 35%→94%。

そして途中で、合成データの落とし穴を踏みました。「概念的な誤解」とラベルを付けた答案の 95.6% が、「ただの書き間違い」の答案と文字列レベルで完全に同一だったんです。
ラベルは構成的には正しいのに、答案を見ても区別できない。
モデルに罪はなかった。直し方は再訓練不要のラベル写像だけで、AI が根拠なく「お子さんは概念を誤解しています」と断定する率は 90%→1% になりました。

この顛末も、パイプラインも、AI 同士に議論させた記録も、ぜんぶ MIT ライセンスで公開してます。
データ生成基盤は一度作ればモデルが世代交代しても使い回せる国内資産になる。
GPU が無いことは、AI研究開発を始めない理由にはなりませんでした。

リポジトリ:https://t.co/qnPlRJRBae

[Claude Code Studio @ClaudeCode_love]

【衝撃】
ちなみに、Claude Codeで3Dまで任せられるようになると、
動く3Dのサイトも1時間かからず作れるようになります💪🔥
今回のジェットドローンのサイトは、モデル作り込みで1時間未満（three.jsにClaude Opus 5とTripo AIを繋いで実行）とのこと。

しかも、
・立体モデルの生成
・軽いポリゴンへの作り直し
・13.6MB→946KBの自動圧縮
・画質を落とさない書き出し
・ぬるぬる動かす操作まわり
・サイト全体のデザイン
まで一気に作っています。

3Dモデルの作り方を勉強しなくても、
いい画像を1枚放り込めば形になる時代。

ぜひ一度、「Claude Codeでここまで作れるのか」
という目線で触ってみてください。

ここまで差がつくのは3Dの知識より、
「作ったものを1枚の成果物に着地させる型」を持ってるかどうか。
その型を最初に入れておきたい人は、HTMLファースト思考術の記事を��うぞ👇

[Codex Studio @Codestudiopjbk]

【衝撃】
Codexユーザーの間で
「AIが書いた冗長コードをCodexに掃除させる」skill運用が海外で一気に広がっています😳
13,682行が消えたPRが実測で公開されました。何がヤバいかまとめると👇
・掃除用skillと自作skillの2枚をCodexに渡すだけ
・走らせるモデルは gpt-5.6-sol-xhigh
・結果は +503 / -13,682 行のPR
・対象は「もう触っていない古いプロジェクト」
・掃除側は@dillon_mulroyが公開しているslop対策skill
・同氏のanti-slopは低根拠なTS/JSパターンを弾くOxlintルール（MIT・1,600★超）
・差分がPRの形で出るので人間が最後に目で潰せる

つまり
「新機能を足すためじゃなく
“減らすため”にCodexを走らせる」

この使い方、無料のskillだけで今日から試せます。
AIに書かせた分だけ、AIに掃除させる時代です。
Codexのskill運用の基本は教科書側にまとめてあります。
この下の記事を読むと理解が一気に深まる。マジでおすすめ👇

[Nano(ナノ) @Dstudio_ai]

ChatGPT・Tripo・Blender(人力)を使って、ゼロから6時間ぐらいで3Dモデルを作ってみました。ボーン入れてダンスまでできました！
以下殴り書きみたいな内容ですが全体のフロー書いておきます。

・ ChatGPT(gpt-image-2)の画像生成でキャラクターの顔の３面図+衣装だけを作る。

3Dモデル生成AIに読み込ませるためのデザイン図。
もしチャッピーでうまくいかなければ、Gemini(Nanobanana)がおすすめ。
ここはもうちょい分割してもよかったかも。

・ Tripoで頭と体（衣装）を分けて生成。

スマートトポロジーメッシュで生成。
１度の生成で2万ポリゴンまでしか指定できない���で、頭2万・体2万に配分して顔のクオリティを上げる狙い。

・ Blenderでなんとかして頭と体をガッチャンコ

結構知識と慣れが必要です。Blenderに慣れてる人だったら全然いけると思う。

3Dモデルの生成AIが出力するモデルは荒く、構造がおかしかったりするので、いろいろ工夫が必要。

・ あとはBlenderでスキニング（ボーン入れ）

今回はELYTHで使いたかったためVRMを選択。たぶんなんでもいい。
ちなみにここが本編です。半分以上の時間はウェイトを塗っていた…。

普通の構造のモデルではないので、ウェイトがとんでもなく塗りづらい。（自分がキャラモデリングになれてないのもあるかも）
Tripoはセグメンテーションできるが、なんかこれじゃない感。

結局Blenderをいじり倒し試行錯誤しながら塗った。
「自動のウェイトで」はこの場合使い物にならない。（初手の足掛かりに必須だけど）
滅茶苦茶修正が必要。

��れモノも並行でセットアップ。

・ テクスチャペイントで顔だけ何とかする

モデルで一番見られるのは顔ですが、Tripo君はそんなこと知ったこっちゃないので普通に顔のテクスチャが汚いです。（かなりいい線いってるが）
できる範囲で微修正した。
UVがめちゃくちゃなので注意

・ シェイプキーで表情作る

今回は簡単にしたかったので、まばたき・ウィンク・喜ぶ・口開けの４つだけ作成。
表情あるなしじゃ天と地ほどの差があるので絶対作りたい。

やってみた感想

8割方Blenderの人力作業だった。それでもまったくゼロから一晩でキャラクターが1体できたのでめちゃくちゃ早いと思う。
あと少し時間はかかるがAIが出力したモデルをベースに手作業でモデリングし直した方がクオリティも上がるしそれ以降の作業の速さが段違いになると��う。
それから美術解剖学やイラスト的なバランスの知識・スキルの要求度がぐんと下がった。これはデカい。

テクスチャも荒いし、UVも終わってるので実用的かと言われればあんまり…という感じ。
ぶっちゃけカメラの寄りには耐えられないクオリティです。

こだわればもうちょい綺麗なモデルを作れる気もする。
今回は全体の流れを把握したかったのと、とりあえずELYTHの3Dワールドで動かしたかったので、細かいところや荒いところはめちゃくちゃ残ったまま。
けどまあ動くのでヨシ！

髪の毛はほぼ揺らせないと思った方がいいです。（キャラモデリングに慣れてる人なら何とかできるのかな？）

さんざんTirpoの悪口言ってますが、正直Tripoヤバいです。スマメッシュが革命すぎます。
めっちゃいい感じの低ポリ&構造化済みのモデルを出してくれます。
これなら全然いじってけるレベルです。
以前Meshyも使いましたが全然でした。ウェイト塗��づらいとかのレベル超えて塗れません。低ポリが苦手でTripoの足元にも及んでない感じ。
あとモデルのバランス（比率）とかがバッチリで、一発出しでも全然OKです。
テクスチャが荒いのだけ気になるかな？

ひとまず個人用に作った並感なので、もっといいやり方とか、クオリティ上げたりする方法もあるかもしれません。

楽しいのでぜひやってみてください。
なんか質問あればリプにください。

[こすもす｜AIで起業しろ @cosmos_hzokujin]

Googleが「未来予測AI」を無料配布してた...

いまめっちゃ話題になってるプロジェクトなんですが

Google Researchが開発した「TimesFM」という時系列予測AIで、1000億のタイムポイントで事前学習済み。
何がヤバいかというと、自分のデータを渡すだけで、ファインチュ���ニングなしにゼロショットで売上・アクセス数・需要予測が出てくるんです。

使い方は拍子抜けするほど簡単。
インストールして、過去の数値データを渡して「予測して」と実行する。
たったこれだけです。

これが何をしてくれるかというと、過去のデータから「次にどうなるか」を確率分布つきで予測してくれます。
しかもICML 2024に採択された本物の論文付きで、パラメータたった200Mなのにローカルマシンでサクサク動く。

・1000億タイムポイントで学習済み → 未知のデータにそのまま適用可能
・200Mパラメータの軽量設計 → GPU無しのCPUでも動作
・BigQuery・Googleスプレッドシートにも統合済み → SQL一行で予測
・Apache-2.0ライセンス → 商用利用も完全無料

今超話題の未来予想AIはこちら👇
https://t.co/JExqCMa4Yx