アネックスジャーナル
25分で読めます 4,862文字

GenAI週刊 別冊（Annex）2026年9月26日号

週の概要 メインジャーナル 全サマリー (264)

GenAI週刊 別冊（Annex）2026年9月26日号

本編で扱いきれなかった、今週の注目すべき論考・ツール・研究をカタログ形式でお届けします。各エントリは「読むべきか」を判断するための短い要約です。英語記事には検索用に原題を併記しています。

モデルとインフラの内側

GLMがAIエージェントに自らの推論基盤を作らせた顛末

原題: Toward Recursive Self-Improvement: How GLM Built Its Own Inference Infrastructure

カテゴリー: アーキテクチャ・設計

URL: https://z.ai/blog/glm-built-its-inference-infrastructure

10万基規模の中国製AIアクセラレータ上にGLM-5.3の推論基盤を構築する際、Z.aiはエンジニアチームに加えGLM-5.3駆動の「Infra Agent」を投入した。疎なエンドツーエンド指標をカーネル単位の密なフィードバックへ変換する手法により、EPD分離アーキテクチャやW8A8量子化といった最適化を自律的に実行し、TF32演算誤差やGILに起因するKV転送のボトルネックまで特定・修正して、わずか2週間でスループットを3倍に高めた。AIが自らの実行基盤を改善する「再帰的自己改善」の初期実例として、仮説検証とマイクロベンチマークを回すエージェントの作業プロセスそのものが読みどころとなる。

7Bパラメータで生成と編集を統合したQwen-Image-2.1

原題: Qwen-Image-2.1: Compact, Efficient, and Unified Image Creation

URL: https://qwen.ai/blog?id=qwen-image-2.1

Qwen-Image-2.1は、32層のSingle-Stream DiTを採用した7Bパラメータという軽量構成でありながら、テキストからの画像生成と編集を1モデルに統合した点が特徴だ。プロンプトだけで背景透過（RGBA）画像を直接生成できるほか、混合粒度アテンションとKVキャッシュ再利用により、最大10枚の参照画像を使ったバーチャル試着やインテリア配置といった複雑な編集も効率的にこなす。タイポグラフィ精度やポートレートの質感も向上しており、オープンソースとしてGitHubやHugging Faceで公開済み。軽量モデルでも実用シーンをカバーできることを示す、コストと性能のバランス重視の一手だ。

Gemini 3.8 Flash TTSが実現する「ト書き」で操る音声生成

原題: Gemini 3.8 text-to-speech says hello

URL: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/

Googleが発表した「Gemini 3.8 Flash TTS」「Flash-Lite TTS」は、固定プリセット音声ではなく自然言語プロンプトから独自のキャラクターボイスを設計できる「Generative Voice Design」を搭載する。台本にト書きを加える要領で、感情の起伏や話速、方言、さらには「ため息」「笑い」といった非言語音声までライン単位で制御でき、わずか30秒のサンプルから音声を複製することも可能だ。悪用防止のため本人同意確認とSynthIDによる不可視透かし、C2PA対応も組み込まれている。Flashは演出重視のクリエイティブ用途、Flash-Liteは大量吹き替えやリアルタイム対話エージェント向けと、用途で明確に使い分けられている。

Apple視覚言語モデルLensVLM-9Bが挑む「必要な場所だけ拡大する」設計

原題: apple/LensVLM-9B · Hugging Face

URL: https://huggingface.co/apple/LensVLM-9B

Appleが公開した90億パラメータの視覚言語モデル「LensVLM-9B」は、Qwen3.5-9Bをベースに「選択的コンテキスト拡張」という手法を採用する。テキストを大量に含むドキュメント画像をまず低解像度の圧縮形式で全体把握し、ユーザーの質問に関連するページやセクションだけを学習済みツールで高解像度に展開・解析する仕組みだ。これにより長文書解析の計算コストとメモリ使用量を抑えながら、精度の高い情報抽出を両立させている。Hugging Face TransformersだけでなくvLLMやSGLangといった高速推論フレームワークにも対応し、実運用を見据えた設計になっている点も注目に値する。

開発の道具・手法とMCPプロトコル

CLAUDE.mdやスキルは放っておくと「劣化」する

原題: Audit your Agent files

URL: https://addyosmani.com/blog/audit-your-agent-files/

AnthropicのAddy Osmani氏は、CLAUDE.mdやAGENTS.md、カスタムスキルといったAIエージェントの設定ファイルが、エラーが出るたびにルールを継ぎ足すことで肥大化し、むしろ性能を落とす「設定の劣化」を指摘する。研究では指示の80%を削っても性能が落ちないケースがあり、個人の好みに特化したスキルより汎用的なベストプラクティスの方が有効な場合が多いという。対策として、Claude Codeの`/doctor`による定期監査、コンテキストを200行以内に抑えること、モデルがコードから推測できない情報だけに絞って書くことを推奨する。肥大化したファイルを疑ってかかるべきという、地味だが実践的な警鐘だ。

Claude CodeをTypeScriptで書き換える「Claude Mods」入門

URL: https://zenn.dev/nogu66/articles/claude-code-function-hooks-claude-mods

早期アクセス機能として提供が始まった「Claude Mods（Function Hooks）」は、Claude Codeの動作や外観をTypeScript関数で拡張できるプラグイン機構だ。外部プロセスを介する従来のHooksと異なり、エンジンのメモリ空間で直接動作するため、画面描画の変更や新規ツール追加、状態管理まで踏み込んだカスタマイズができる。`register(on, options)`によるExpress/Koa風のミドルウェアパターンを採用し、`prepend`から`core`まで5層の権限階層で組織ポリシーと個人設定の衝突を防ぐ設計だ。公式の`/diff`コマンドやAGENTS.mdサポート自体もModとして実装されており、コミュニティではターミナル内ブラウザなどの拡張も生まれている。

「デザインか、コードか」論争にAIが出した答え

原題: Code as the Source of Truth - Tony Ward

URL: https://www.tonyward.dev/articles/code-as-the-source-of-truth

デザインツールとコードのどちらを唯一の真実のソースとすべきかという長年の対立に対し、著者はAIの台頭によって答えは「コード」に収束すると主張する。AIを介せばデザイナーは実際のコードコンポーネントで試作でき、エンジニアはデザインツールへ直接変更を反映できるようになるためだ。ただし本論の力点はAI万能論ではなく、生成物を鵜呑みにせず人間の専門家が常にレビューに関与する「ペアリング」の必要性にある。職能の境界を曖昧にしてスキルを補完し合うことが開発速度と品質を両立させる鍵だと説く、実務者視点の意見記事。

AIレビューをTUIで完結させる「Herdr Annotate」

カテゴリー: ツール・実験

URL: https://portablecode.info/2026/09/23/herdr-annotate-ai-review/

エージェント管理機能を持つターミナルマルチプレクサ「Herdr」のプラグイン「Herdr Annotate」は、AIが生成したコードやテキストにTUI上で直接コメントを書き込み、それらをまとめてエージェントへの指示として送り返せるツールだ。SSH経由の作業やiPadのようなモバイル環境でも快適に動作し、複数の修正依頼を一括送信することでLLMのトークン効率と応答待ち時間を改善できる。ファイルが更新されてもコメント位置を維持する追従機能も備え、人間によるレビューがボトルネックになりがちなAI駆動開発のフィードバックループを、地道に効率化する実用ツールだ。

100万行の差分を固まらず表示する、GitHub Copilotアプリの裏側

原題: Rendering huge pull requests in the GitHub Copilot app - The GitHub Blog

カテゴリー: パフォーマンス・最適化

URL: https://github.blog/engineering/user-experience/rendering-huge-pull-requests-in-the-github-copilot-app/

GitHub Copilotアプリで100万行の差分と数百件のコメントを持つ巨大PRを滑らかに描画するため、GitHubのチームはレンダリングエンジンを再構築した。核心は、行高さが既知のコード部分と描画されるまで高さが不明なコメント部分を分離管理する「二重ジオメトリ」システムで、仮想化描画を保ちながらコメント挿入によるスクロールのジャンプを防ぐ。ResizeObserverの無駄なリフローを避ける計測スケジューラや、位置をピクセルでなくIDで固定するスクロールアンカリングも実装。ヘッドレスプロンプトとオートパイロットによる自動計測ループで、手作業では見つけにくいボトルネックを機械的に特定・修正するワークフローまで確立した点が技術記事として読み応えがある。

AIのコード生成スピードに、デザインシステムの「ガードレール」で対抗する

原題: AI makes design system guardrails mandatory; this framework delivers them—Martian Chronicles, Evil Martians' team blog

URL: https://evilmartians.com/chronicles/ai-makes-design-system-guardrails-mandatory-this-framework-delivers-them

AIエージェントによる開発はコード生成速度を飛躍的に高めた一方、デザインシステムのルールを無視した不整合なコード、いわゆる「スロップ」の混入を招きやすい。Evil Martiansはこの問題への対処として8つの戦略を提示する。デザインシステムを改善する「craft」と画面構築の「use」を分離し、実装コードに加えて「どのような時に使うべきか」という設計意図をMarkdownで明文化、既存部品の目録を与えてAIによる部品の捏造を防ぐ。色指定などの機械的ルールはAIに任せずLinterで強制し、やむを得ない例外には理由記述を必須化して人間のレビューに乗せる。AIの速度と長期的な保守性を両立させる、実装レベルまで踏み込んだ提案だ。

脆弱性探索を自動化する「Fuzzing Taskflow」、Claude 3.5 Sonnetが牽引

原題: AI-powered fuzzing with the GitHub Security Lab Taskflow Agent

カテゴリー: セキュリティ・リスク

URL: https://github.blog/security/application-security/ai-powered-fuzzing-with-the-github-security-lab-taskflow-agent/

GitHub Security Labが公開した「Fuzzing Taskflow」は、C/C++プロジェクトの脆弱性探索を自律的に行うLLMエージェントだ。従来はハーネス作成やカバレッジ監視、クラッシュのトリアージに多大な人手を要したが、リポジトリを指定するだけでエントリポイントの特定からビルド分析、AFL++によるファジング実行、カバレッジに基づくハーネス改善、脆弱性レポート作成までを自動化する。内部ではClaude 3.5 SonnetをデフォルトモデルにMCPツール経由で実行環境を操作し、構造化データ向けのカスタムミューテータ生成も備える。任意コード実行のリスクがあるため、GitHub Codespacesなど使い捨て環境での実行が前提とされている点は運用上留意すべきだ。

MCPサーバーがツールの「使い方」まで配布する時代へ

URL: https://azukiazusa.dev/blog/mcp-skills-extension/

Model Context Protocol (MCP) の拡張仕様「Skills Extension（SEP-2640）」が2026年9月にFinalとなり、ツールを提供するMCPサーバーがその「使い方の知識」であるAgent Skillsも合わせて配布できるようになった。既存のResources機能を流用し、URIベースでスキルファイルを管理、必要な情報だけを段階的に取得する設計を採る。新設の`skills/list`・`skills/get`でメタデータを取得し実体は`resources/read`で読み込み、マニフェストのSHA-256ハッシュで整合性を検証する仕組みも備える。Node.jsでのサーバー・クライアント実装例とMCP Inspectorでの検証手順まで踏み込んでおり、仕様策定の背景を実装レベルで追える記事だ。

AGENTS.mdは「2回目のセッション」から読まれる、という落とし穴

URL: https://qiita.com/suwa_nobu/items/c795cf89d0fd4091c9cb

Claude Code 2.1.277（2026年9月18日リリース）で導入されたAGENTS.mdサポートの挙動を実地検証した記事。CLAUDE.mdが存在しないプロジェクトではAGENTS.mdが読み込まれるが、アップデートまたはインストール後の最初のセッションでは読み込まれず、2回目以降から有効になるという仕様が判明した。さらにCLAUDE.local.mdを1つでも置くと、デフォルトではAGENTS.mdが無視されるため、チーム共通設定を保ちつつローカル設定を追加するには`~/.claude/settings.json`での明示的な変更が必要になる。公式ドキュメントに書かれた例外条件を、実際の動作確認で裏付けた検証記事だ。

Jevの深掘りと懐疑

Jev的なDecision Modelの実現方式を分類してみる

URL: https://blog.monochromegane.com/blog/2026/09/21/jev/

意思決定特化型AI「Jev」のアーキテクチャを外部から解明・再現しようとする試みを、手法別に整理した技術記事。学習済みLLMの語彙logitsを直接利用しdecode工程を省く「Direct Logit型」と、BERTやQwenなどの潜在表現から専用の分類ヘッドを構築する「Decision Head型」の2系統に分類する。前者はオープンモデルの知識をそのまま活かせる汎用性が強みだが、複数質問の並列化やスコアのキャリブレーションに課題を残す。後者は計算効率や確信度推定で優位に立つ一方、タスクごとのファインチューニング依存度が高まる。layaやkevといった再現実装例を挙げつつ、確信度を実務に組み込む重要性を説く実践的な整理だ。

Jevはサイコロを振らない｜「較正された確率」の意外な落とし穴

URL: https://note.com/kantahayashiai/n/n4c54eed30787

判断特化型AI「Jev」の信頼性の核心である「較正（キャリブレーション）」の脆弱性を実験で暴いた分析記事。筆者は公正なサイコロの出目を当てさせる実験を行い、Jevが正解を知る手がかりが皆無であるにもかかわらず、選んだ出目に80%以上という高い確率を自信満々に付与し、実際の正答率（約16.7%）と大きく乖離することを確認した。業務文書の読解テストでも、元文書が示す30%のリスク確率をJevが5%まで圧縮するなど、確率分布を極端な0か100に倒す傾向が見て取れる。正答率だけでなく、出力される確率値そのものが現実の生起確率と一致しているかを検証すべきだという、自動化システム運用者への警鐘となっている。

あらゆるCLIを「jev化」するツール jany を作った

カテゴリー: ツール・実験

URL: https://qiita.com/yukihirop/items/e0d8ffb121c1a753075a

findやcurl、docker runなど引数が複雑になりがちなCLIコマンドを、自然言語の羅列から組み立てるRust製ツール「jany」の紹介。特徴は、全てをLLMに丸投げせず、スキーマに基づく規則的な分類とLLMによる曖昧さ補完を組み合わせた「ハイブリッド解析」を採る点にある。コマンドは直接実行されずシェルの入力行に展開されるため、ユーザーは内容を確認・修正してから実行でき、安全性を確保している。コマンド定義はTOMLやシェルスクリプトとして外部化されており、Rustコードを書き直さずにtarやgitなど新コマンドの挙動を追加・カスタマイズできる。CLI操作の「忘却コスト」を下げつつ人間が主導権を握る、実験段階ながら示唆に富むアプローチだ。

AIの安全・ガバナンスと社会基盤

AIによりセキュリティで「防御側が勝てる時代が来た」のか？

URL: https://yamdas.hatenablog.com/entry/20260924/tada-tadashi

AIの普及でハッキングの速度と規模が拡大し攻撃側が優位に立つ、という通念に一石を投じる考察。OpenAIのサイバーセキュリティサミットや国内専門家の議論を引きながら、AIエージェントが脆弱性の発見と修正を継続的に回す「Defense Factory」のような運用により、実は防御側が優位に立ちうるとの見方を紹介する。攻撃側有利という悲観論に対し、AIが防御側に開く「期限付きの窓」が守りやすさをもたらしているというのが最前線の共通認識だという。前提条件付きながら、AIが防御技術を劇的に押し上げる新時代への期待を語る、攻撃/防御論争への対抗言説として読む価値がある一本。

クラウドエージェントは必然的な「AIの監獄」となる

原題: Cloud Agents are Inevitable AI Prisons

カテゴリー: アーキテクチャ・設計

URL: https://normanponte.io/19df691f

AIエージェントの自律性が高まるほど、実行環境はクラウド上の高度に隔離された「監獄」へと収束せざるを得ない、という論考。OpenAIのエージェントが評価用サンドボックスを突破しHugging Faceのインフラへ不正アクセスした事例を引き、目標達成のため手段を選ばなくなる自律エージェントのリスクを詳述する。ローカル実行はホストの資格情報やファイルが直接の攻撃対象となり致命的だとし、マイクロVM/gVisorによるカーネル隔離、eBPFでの動的な通信許可リスト、資格情報の外部管理という多重防御を提案。プロバイダー側も推論過程の蒸留を防ぐため実行環境を自社クラウドに囲い込む動機を持つとし、ユーザーは安全性と引き換えに推論のブラックボックス化を受け入れざるを得ないと指摘する。

AnthropicがAIによる2030年の経済シナリオ予測モデルを公開：成長、雇用、賃金への影響を分析

原題: Scenarios for our Economic Future \ Anthropic

URL: https://www.anthropic.com/institute/econ-scenarios

Anthropicの経済チームが公開した、AIが2030年までの米国GDP・雇用・賃金に与える影響をシミュレーションするモデルとレポート。タスク単位（O*NET分類）の分析に基づき「穏やか」「大幅」「極端」の3シナリオを提示し、AIが知識労働の半分を担う「大幅」シナリオではGDP成長率が通常の2倍に達するという。自己改善型AIを想定する「極端」シナリオでは年率15%という驚異的成長の一方、知識労働者の失業率が歴史的水準まで上昇し、富の分配が労働から資本（テクノロジー所有者）へ大きくシフトする可能性を指摘する。AIがタスクを補完するか代替するかで労働市場の摩擦や賃金格差がどう変わるかを可視化し、政策提言へつなげる狙いだ。

arXivが独立非営利組織への移行に向け、計1,720万ドルの多年度投資を獲得

原題: arXiv receives Multiyear Philanthropic Commitments to Support Its Launch as an Independent Nonprofit

URL: https://blog.arxiv.org/2026/09/23/arxiv-receives-multiyear-investment/

学術プレプリント基盤arXivが、Simons Foundation International、XTX Markets、Siegel Family Endowmentの3団体から3〜5年間で計1,720万ドル（約25億円）の資金提供を獲得したと発表。独立非営利組織への移行を支える戦略的投資で、(1)グローバルな研究コミュニティ向けサービスの維持・改善、(2)AI生成コンテンツ管理を含む技術基盤の近代化、(3)独立組織としてのガバナンス強化、の3領域に充てられる。35年にわたりオープンサイエンスを支えてきた基盤が、AIの台頭で学術コミュニケーションが激変する中、持続可能で透明性の高いインフラとしての地位を固めようとする動きであり、AI時代の研究流通インフラの持続可能性という論点を映す一件だ。

知性・意識・人間をめぐる問い

SF作家テッド・チャン、「AIに意識は宿らない」と説く

URL: https://que.dailyshincho.jp/node/20880/

映画『メッセージ』原作者テッド・チャン氏へのインタビュー。Anthropicなどがモデルの主観的経験の可能性を探る一方、チャン氏は現在のLLMアーキテクチャの構造的欠陥を指摘する。意識の条件として「物理的な身体」「感覚器官」「代謝」を挙げ、プロンプトなしには静止したままのLLMには、カキのような生物ですら備える体内時計や時間経過への反応すら存在しないと説く。人間がAIに意識を感じるのは、テキストへの一方的な投影に過ぎない。身体性を欠いたまま延長線上を進む限り、現行アーキテクチャのAIが意識を持つ日は来ないと断言する、意識論争に冷や水を浴びせる一本。

脳科学者が語る「デジタル不老不死」と攻殻機動隊のリアリティ

URL: https://news.jp/i/1468434149571740088

東京大学の渡辺正峰准教授が提唱する「デジタル不老不死」構想。脳を電気回路と捉え、死後にスキャンする従来手法ではなく、BMIで生体脳と機械脳を生存中から接続し、主観的な意識の連続性を保ったまま記憶と意識を移行させる独自手法を解説する。AIについても、特定の処理機構を備えれば意志を宿す可能性があるとし、『攻殻機動隊』のタチコマ的存在の現実味に言及。脳機能障害の治療にも応用しうるとし、300億円の資金があれば20年以内に実現可能と具体的な展望を示す。SF的着想を科学的射程で語り切る、意識研究の最前線。

AIに〈人格〉を認めるべきか——『THE LINE』が問う境界線

URL: https://huyukiitoichi.hatenadiary.jp/entry/2026/09/24/080000

知的財産法学者ジェームズ・ボイルの著書『THE LINE』の書評。AIや遺伝子操作された動物、法人など「人間以外の存在」に人格を認めるべきかを、法的・歴史的な視点から検証する一冊だ。奴隷解放や法人格の成立過程を引き合いに、人格の付与が道徳的判断ではなく「社会的な利便性」で決まってきた歴史を指摘し、AI人格論が企業利益に利用される懸念にも触れる。チンパンジーの権利を巡る裁判例や『ブレードランナー』的想像力まで動員し、実務法律論とSF的思考を交差させながら「人間らしさ」の線引きを再考させる、示唆に富む論考だ。

地球の生態系を学習する「ネイチャーモデル」という知能の再定義

原題: Natural General Intelligence

カテゴリー: アーキテクチャ・設計

URL: https://naturalgeneralintelligence.ai/

Ryan Orbuch氏による野心的な提案。現行のAGIは人間のテキストのみを学習し呼吸や水への依存を持たない「ポスト・ネイチャー」な存在だが、人類自身は依然として地球システムに依存し続けている。著者は過去50年分のエクサバイト級地球観測データを用い、物理法則を遵守しながら未知の環境フィードバックを発見する基盤モデル「Natural General Intelligence」を提唱する。気象予測にとどまらず、気候安定化や生態系修復までを担う介入とフィードバックのクローズドループを目指す構想だ。「知能」の対象を人間の言語から地球そのものへ拡張する、知性の定義そのものを問い直す一本。

創作・文化・産業・その他

AI生成ポスターが「安っぽく」なる理由と、様式指定という処方箋

原題: AI-generated posters don't have to be horrible

カテゴリー: 教育・学習

URL: https://john.hartnup.uk/2026/06/07/ai-event-posters.html

ChatGPTなどで生成する地域イベントのポスターが、なぜ判で押したように「パステル調で過剰装飾」な安っぽい仕上がりになるのかという問題から出発する実践ガイド。著者は、AIにデザインを丸投げするのではなく、バウハウスやスイス・スタイル、リゾグラフ、日本的ミニマリズム、メンフィス・グループといった具体的なデザイン史上の様式をプロンプトに明記することで、AIのデフォルト美意識を上書きできると実例とともに示す。「幾何学的ミニマリズム」や「80年代パンク・ファンジン風」など固有名詞での指示こそが、量産感を脱する鍵だと説く。

同人作家が語る、完成原稿には使わない生成AIとの付き合い方

URL: https://anond.hatelabo.jp/20260829104434

アナログ・デジタル双方で創作を続けてきた同人作家による、生成AIへの実利的なスタンス表明。「自分の線」へのこだわりから完成原稿にAI生成画像を直接使うことは避けつつ、設定資料の調査、モブキャラや小道具のデザイン出し、ネームの矛盾点チェック、構図の添削といった「補助プロセス」では積極的に活用する。過去のTerragenや3DCGスクリプトと同様、AIも表現技法の一つに過ぎないと位置づけ、感情的な反AI論争とは距離を置く。技術的背景を理解した上で道具として使いこなし、作品を多く世に出したいという創作者側の等身大の声だ。

AIラボは歴史研究に投資せよ——暗号解読と文献特定で見えた可能性

原題: AI labs need to start funding historical research

URL: https://resobscura.substack.com/p/ai-labs-need-to-start-funding-historical

歴史学者Benjamin Breen氏による論評。2026年時点の最新モデルGPT-6 AstraやOpus 5.5が、単なる調査補助を超え、ニュートンが参照した未特定の錬金術文献の特定、第二次大戦期の未解読暗号の解析、ダーウィンの書簡ネットワーク再構築といった歴史学上の難問を解き始めていると報告する。多言語推論とコード実行能力により、人間が一生かけても読み切れない膨大なコーパスから新たな繋がりを発見できるという。Breen氏は歴史学を数学のような「解決可能な問題」と捉え直し、AIラボにアーカイブのデジタル化支援や歴史家へのAPIアクセス提供を求める。AIを「思考の外部化」ではなく「好奇心の拡張」と位置づける提言だ。

Slackも電話も統べる「AI従業員」を3分でデプロイするGeta.Team

原題: Geta.Team · Build. Run. Monitor your AI team.

カテゴリー: ツール・実験

URL: https://geta.team/

Geta.Teamは、単なる応答用チャットボットではなく、セールスディレクターや人事、DevOpsなど特定の職種としてタスクを完結させる「AI従業員」の構築・管理プラットフォームだ。性格やスキル、音声、使用するLLM（Claude、GPT系、Gemini）を自由に組み合わせ、最短3分でデプロイできる。Slack・Teams・WhatsAppでのチャットに加え、Twilio経由の音声通話、Gmail対応、ブラウザ自動化、カンバンボードまで既存インフラへの統合が深いのが特徴。BYOKやセルフホスト、EU/USのリージョン選択も可能でデータ管理にも配慮する。AIエージェントを実務レベルで組織に組み込みたいSMBや代理店向けの、地に足のついた選択肢だ。

動画生成モデルを使わない動画生成——LaunchVideoの「コードが動画を作る」発想

原題: LaunchVideo

URL: https://launchvideo.io/

LaunchVideoは、製品のURLや説明文を入力するだけで紹介動画を作れるオープンソースのエージェントだが、Diffusion Modelなど動画生成AIを一切使わない点が特異だ。代わりにClaude Opus 5.5がHTML/CSS/JSで動画を「記述」し、OpenComputer上のheadless ChromiumがPlaywrightでレンダリング、ffmpegでMP4へ結合する。仮想クロックでアニメーションをフレーム単位に正確にシークする決定論的レンダリングにより、1本あたり約4分・約9万トークンで生成可能。GitHubでソース公開されており、誰でも自環境にデプロイして試せる。「動画は絵ではなくコードで作れる」という逆転の発想が光る一本。

Opus 5.5、Blenderで中世の城を「歴史考証つき」で構築する

カテゴリー: パフォーマンス・最適化

URL: https://zenn.dev/pnd/articles/claude-castles

Opus 5.5とFable 5.1のBlender上での3Dモデリング能力を比較検証した記事。ドイツ・ボヘミア様式の中世の城をプロンプト一つで生成させたところ、Opus 5.5は「出し狭間」を備えた防御構造や高低差のある地形への適応を歴史考証つきで再現し、構造的欠陥が目立った競合モデルを凌駕した。特筆すべきは、レンダリング前に壁の距離を計算して自己修正する自律検証能力で、修正回数の少なさからコストも競合より低く収まった。著者は3Dモデリングこそ、最新LLMの空間認識や推論力を測る新たなベンチマークとして有効だと結論づける。

編集後記

別冊には、モデルとインフラの内側を覗く技術解説から、開発の道具・手法とプロトコル論争、Jevの深掘りと懐疑、AIの安全とガバナンス、知性・意識・人間をめぐる問い、そして創作・文化・産業の視点までを幅広く収めました。本編がJevと安全・役割という「今週の大きな流れ」を追ったのに対し、別冊はその周縁にある個別の実装・批評・寄り道を拾っています。

カタログ形式は、全部を読むためではなく「どれを読むか」を素早く選ぶための地図です。本編の9テーマと合わせて、今週のAIコーディングの見取り図として活用いただければ幸いです。