TODAY’S ISSUE 2026年8月15日 · 土曜日 AI FRONTLINE

AIニュースまとめ 2026-08-15｜Qwen3.8-27BがApache 2.0でウェイト公開

2026年8月15日

アップデート情報

各社が 2026-08-15 に公式発表したプロダクトアップデートです。

Claude / Claude Code

Claude Code 2.1.233 が --worktree フラグと claude agents 画面を GitLab のマージリクエストURLに対応させ、MR を !N の形式で表示するようにした。（Claude Code CHANGELOG）
同 2.1.233 が、Windows の NT デバイス接頭辞 \??\ を含むパスが UNC パス検証を回避していた問題を修正し、NTLM 資格情報の漏えい経路を塞いだ。（Claude Code CHANGELOG）
同 2.1.233 で Todo/タスク管理ツールが Opus 4.8・Sonnet 5・Fable 5・Mythos 5 以降のモデルでは提供されなくなり、CLAUDE_CODE_ENABLE_TODO_TOOLS=1 で復帰させる形に変わった。（Claude Code CHANGELOG）
同 2.1.233 が Linux 上の Bash ツール実行にオプトインの memory cgroup 対応（CLAUDE_CODE_TOOL_MEMORY_LIMIT）を追加し、暴走したビルドがセッションを止めないようにした。（Claude Code CHANGELOG）
同 2.1.233 が、2.1.232 で入れた Windows の Cygwin 形式シンボリックリンクと入力リダイレクト（< file）に関する Bash 権限変更を差し戻した。（Claude Code CHANGELOG）

ChatGPT / Codex

2026-08-15 に発表されたアップデートはありません。

Gemini

2026-08-15 に発表されたアップデートはありません。

Top 20

「Qwen3.8-27B」ウェイト公開一部「Opus 4.6 Max」超えかライセンスは商用可のApache 2.0

Source: ITmedia AI+ | Published: 2026-08-15 02:26 JST

Alibaba Cloudが270億パラメータのAIモデル「Qwen3.8-27B」のウェイトを、商用利用も可能なApache 2.0ライセンスで公開した。
Hugging FaceとModelScopeからダウンロードでき、Unslothは量子化版なら16GB以上のVRAMやメモリで実行できると案内している。
Alibaba Cloudのベンチマークでは「SWE-bench Pro」で61.7、「LiveCodeBench v6」で90.3を記録し、いずれも比較対象のClaude Opus 4.6 Maxを上回ったとしている。
PC操作を伴う「OSWorld-Verified」は84.3で、前世代のQwen3.6-27Bの63.9から20ポイント以上伸ばした一方、「GPQA Diamond」や「Terminal Bench 2.1」ではまだOpus 4.6 Maxを下回る。
8月12日に公開された上位版「Qwen3.8-2.4T-A95B」が独自ライセンスかつ画像・動画入力に非対応なのに対し、27BはApache 2.0かつマルチモーダル対応という違いがある。

World Labs turns one real-world robot task into thousands of simulated variations for training（World Labsが実世界のロボットタスク1件を学習用の数千通りのシミュレーションに変える）

Source: The Decoder | Published: 2026-08-15 16:30 JST

Fei-Fei Li氏が創業したWorld Labsが、ロボット制御モデルを完全に仮想環境だけで訓練するシミュレーションエンジン「Real-to-Sim-to-Real（R2S2R）」を公開した。
同技術は7月に買収したスタートアップSceniXに由来し、実機での高価なテストを省いて制御モデルの訓練と評価を回すことを狙う。
ロボット・センサー・環境・タスクのデモを取り込み、見た目だけでなく物理挙動まで一致する対話的な仮想世界として再構築する。
実世界のタスク1件から、照明・物体の位置と個数・周囲環境・摩擦などの物性・カメラ角度を変えて数千通りのバリエーションを生成する。
実機で訓練していない制御モデルが、Stanford発のオープンソース双腕機ALOHAを含む5種類のロボットで各1時間、人間の介入なしに動作した。

Alibaba’s Qwen team releases Qwen 3.8 models with open weights under the Apache 2.0 license（AlibabaのQwenチームがQwen 3.8のモデルをApache 2.0ライセンスのオープンウェイトで公開）

Source: The Decoder | Published: 2026-08-15 02:01 JST

AlibabaのAIチームQwenが、Qwen3.8のモデルウェイトをApache 2.0ライセンスのオープンウェイトとして公開した。
中核となるQwen3.8-27Bは270億パラメータのマルチモーダルなdenseモデルで、より大きいQwen3.7-Plusをコーディングとオフィス業務で上回るとQwenは説明している。
エージェント能力の向上も打ち出しており、モデルがより自律的に計画を立ててタスクを確実に完了させるとしている。
ネイティブで最大26万2000トークンのコンテキストを扱い、YaRN方式で100万トークンまで拡張できるほか、図表や文書、数時間の動画も処理する。
はるかに大きいQwen3.8-2.4T-A95Bのウェイトも合わせて公開され、両モデルはHugging FaceとModelScopeで入手でき、100万トークン対応のホスト版がQwen Cloudで近く提供される。

Anthropic announces watermark detection API that will let third parties detect Claude’s AI texts（Anthropicが第三者にClaudeのAI文章を検出させる透かし検出APIを発表）

Source: The Decoder | Published: 2026-08-15 06:29 JST

Anthropicが、第三者の開発者に自社アプリへAIテキスト検出を組み込ませる透かし検出APIを近く提供すると発表した。
Google DeepMindが2024年にNatureで公開したSynthID Textの変種を使い、単語選択時の乱数源を調整して追跡可能なパターンを作る方式で、内容や創造性、読みやすさには影響しないとしている。
短いテキストや言い換えの余地が少ない事実中心の文章、コードでは信頼性が下がり、人間が全ての語を選んだ修正には透かしが乗らず、大幅な書き直しで除去され得る。
透かしが示せるのはClaudeが関与した可能性までで、全文を書いたのか大幅に編集しただけなのか、また人間か別のAIかまでは判別できない。
EU AI Actへの対応として導入するもので、地域を限定する技術的手段がないため全世界で提供され、2025年8月2日以降に公開されたモデルは標準で対応し、旧モデルは今後数カ月で対応する。

個人開発が123個になって分かった。ChatGPTに任せるべきはコードより「次の1件」だった

Source: Zenn | Published: 2026-08-15 09:40 JST

個人開発リポジトリが123個に増えた結果、AIに任せるべきなのはコードを書く工程よりも「次にどの1件へ取りかかるか」を決めるループだったと結論づけている。
2026年8月13日18時27分JST時点のGitHub Search APIで、直前1か月の実績はIssue 387件、Pull Request 813件、うちマージ済み686件だった。
公開リポジトリ146個のうちfork 23個を除く123個が自作で、金融・VRChat・ゲーム・動画・家計・旅行・3D・データ収集・AI agentと分野はほぼ共通していない。
AIへ実装を渡しても、どのリポジトリを次に見るか、CIの成功が本番の成功と言えるか、Issueを閉じてよいかという選択と完了判定は人間側に残ったと指摘する。
検証例として、finBIで公開前に「その時点では知り得なかった未来の金利データ」が混入していた問題を、取得可能性とvintageタイムスタンプまで検証するfail-close契約へ変えて塞いだ事例を挙げている。

学習データに忠実な出力をするLLMが欲しい

Source: Zenn | Published: 2026-08-15 19:04 JST

運営企業のビジネス上の都合や訴訟リスクで出力が歪むことを避けたいとして、学習データに忠実な出力をするLLMが欲しいと訴えている。
筆者は検証を経た主張ではなく、企業の都合や訴訟リスクを考えればそうなるだろうという一般論として書いていると断っている。
家庭内の暴力について相談した人がAIに児童相談所へ相談するよう言われそのとおりにしたという報道例を挙げ、出力の背景を理解して読めていれば違う結果もあり得たのではないかと述べる。
筆者が求めているのは、入力した文章が合理的かどうかを支える根拠と反論が学習データにどれくらいあるかという客観的な事実だとしている。
そうした出力を得るには結局、自分でLLMを作るかOSSのローカルLLMを使うしかないのではないかと結んでいる。

IBMとOpenAIの提携は「GPT-5.6採用」ではない──企業AIのModel Gatewayを設計する

Source: Qiita | Published: 2026-08-15 05:59 JST

IBMとOpenAIの提携はGPT-5.6の採用という話ではなく、複数モデルを業務へ接続して選択・統制・監査・切り替えを担う企業AIの制御レイヤーを強める動きだと読むべきだと論じている。
IBMは2026年8月13日にOpenAIとの戦略的パートナーシップを発表し、GPT-5.6・Codex・ChatGPT WorkをIBM Consulting Advantageへ組み込むほか、数千人規模のOpenAI Practiceを立ち上げる。
IBM自身が挙げる課題はAI技術へアクセスできるかではなく、断片化した業務・レガシーシステム・データ・規制環境へAIを安全に大規模統合することだと指摘する。
IBMの2026年の調査では、回答した経営幹部1000人のうち91%がAIベンダーやモデルへの依存関係を完全には把握しておらず、71%が主要ベンダーやモデルの切り替えは困難だと答えた。
watsonx.aiのModel GatewayはIBM Graniteに加えOpenAI・Anthropic・NVIDIA・Cerebrasなどへ統一的にアクセスする構想で、公式発表はOpenAIを唯一の標準モデルにするとは述べていないと確認している。

Mozilla.aiのAnyAgentを用いて、AnthropicのBuilding Effective Agentsのパターンを実装する

Source: Zenn | Published: 2026-08-15 11:17 JST

Anthropicの「Building Effective Agents」が示すパターンのうち、RoutingとParallelizationの2つをMozilla.aiのany-agentで実際に動くコードへ落とし込んだ過程を報告している。
any-agentはOpenAI Agents SDK・LangChain・LlamaIndex・Google ADK・smolagentsなど複数のフレームワークを単一インターフェースで呼び出せるPythonライブラリである。
フレームワーク名には外部依存が少なく挙動を読んで理解しやすいという理由で、any-agent同梱の最小構成である”tinyagent”を選んでいる。
モデル呼び出しはany-llmが担い、model_id・api_base・api_keyを差し替えるだけでOpenAI APIからllama.cppのローカルサーバーまで同じコードで動かせる。
llama.cppのVulkanバックエンドとQwen2.5-7B-InstructだけでAPIキーなしに再現できる構成にしており、Prompt Chaining・Orchestrator-Workers・Evaluator-Optimizerの3つは未実装だと明記している。

社内に散らばる顧客情報を、根拠付きでつなげて読む——営業準備AI「KYAKUMAP」を作った

Source: Zenn | Published: 2026-08-15 12:18 JST

AI HACK 2026向けに、社内に散らばる記録を顧客・関係者・原文根拠へ対応づけて訪問前に確認すべきことを可視化する営業準備AI「KYAKUMAP」を開発した。
営業経験者へのインタビューで、商談を1〜2か月でまとめる担当者がいる一方、半年から1年経っても商談中のままの担当者もいるという差が語られた。
その差を生むのが訪問前の準備で、できる担当者は顧客の反応に応じて切り替えられる提案を3〜4パターン用意して臨んでいたという。
当初はAIが営業トークや提案を生成するプロダクトも検討したが、顧客についてチームが知っていることと知らないことの境界を把握できていない点こそが課題だという仮説へ至った。
主な機能は担当をまたいだ人物関係と根拠記録をたどる関係者マップ、基本情報・課題・キーパーソン・意思決定・懸念の5領域を確認済みと未確認へ分ける情報充足度、音声やテキストで社内記録へ問う記録AIの3つである。

OpenAIが最大14倍速の「Ultrafast」を限定公開 — 速さは何を変えるのか

Source: Zenn | Published: 2026-08-15 12:24 JST

OpenAIが2026年8月13日に、最上位モデルGPT-5.6 Solを標準処理の最大14倍速で実行する新階層「Ultrafast」を限定公開した。
速度は毎秒750出力トークンで、提供はAPIから先行し、公式は品質を落とさずに実現したと明記している。
基盤はCerebrasのウェハースケール・エンジンで、チップあたり44GBのSRAMをオンチップに保持して重みを載せ、推論を縛ってきたメモリ帯域の制約を取り除くと説明されている。
現時点で使えるのは一部の法人顧客のみで価格も公表されておらず、一般提供の時期は示されていないと筆者は但し書きしている。
速度が変えるのは総作業時間ではなく単位時間あたりの試行回数であり、1案で妥協するか10案出して最良を選ぶかという選択母数の差が成果物の質を変えると論じている。

Gemini 3.7 Flash を使ってみた

Source: Zenn | Published: 2026-08-15 12:28 JST

Gemini 3.5 Proを待っていたところ先にGemini 3.7 Flashが登場したため、デスクトップアプリAntigravity 2.0上で実際にツールを作らせて検証している。
作ったのは、AIコーディングツールが作業完了後に報告内容を自動でテキストファイルへ出力・連携するCLIツールで、CLAUDE.mdなどのルールファイルへ出力ルールを追記・管理する。
小型ツールの要件しか渡していないのに、仕様や使い方の説明に加えMermaidのシーケンス図まで自発的に作成した点に驚いたとしている。
Antigravityの特徴であるPlanの品質が高く、SOLID原則を意識した設計や自動テストの構成まで初期段階で織り込まれていた。
以前のGemini 3.1 Proでは簡単なコードだととりあえず動くゴリ押し実装になりがちだったのに対し、3.7 Flashは設計面で格段に進化していると評価している。

Claude Code の設定一式を DeepSeek Harness に 1 コマンドで引っ越す dsh-movein を作った

Source: Zenn | Published: 2026-08-15 12:55 JST

DeepSeek Harness（DSH）の公開から3日でClaude Codeから乗り換える人が増えたことを受け、積み上げた設定一式を1コマンドで移行するdsh-moveinを公開した。
npx dsh-movein は既定でドライランとして引っ越し見積もりを表示し、--apply を付けない限り何も書き込まない。
グローバルの ~/.claude/CLAUDE.md は ~/.dsh/AGENTS.md へリンクし、スキルはDSHのスキルルートへシンボリックリンクされ、SKILL.md はそのまま互換で動く。
.mcp.json は dsh-mcp-client の設定行へ機械変換され、mcp__server__tool というツール名は両者で完全に一致し、サブエージェントはシステムプロンプトを本文とするDSHスキルへ変換される。
ハマった点として、profileから解決できないパッケージを cordis.patch.yml に書くとdshの起動が警告ではなく丸ごと失敗すること、周辺パッケージのnpm latestが本体より古い場合があることを挙げている。

【AI Hack 2026】インフラの「見えない危機」に挑む。音響AIとLLMが拓く水道管DX 〜9日間チャレンジ〜

Source: Zenn | Published: 2026-08-15 14:29 JST

AI HACKの一環として、音響AIとLLMで水道管の微小漏水検知から自動起票・災害対応までを一気通貫で自動化する「Smartwater Guardian」を開発した。
従来の専用漏水検知センサーシステムは専用機材と現地工事に数百万円から数千万円の初期投資がかかり、しかも検知してアラートを出すだけで起票や修繕は人手に残る点を課題として挙げている。
消火栓マウント型センサーだけでなくスマートフォンで録音した音響データも入力でき、FFTとSVMによる解析で肉眼では気づけないLevel 1の微小漏水を捉える。
デモ環境はWAFや冗長構成を削ることで約3.5〜4.5ドル/日、本番移行時の構想でも月額約125〜155ドルに抑える設計としている。
バックエンドはFastAPI（Python 3.12）、フロントエンドはNext.js 16で、テストコードを本体と同等以上に厚く書き総行数は1万3310行に達したとしている。

Google Colabで最新LLMを試す #7 ― Qwen3.8-27Bを4bitで動かす：Proでは成功、無料版T4では難しかった

Source: Zenn | Published: 2026-08-15 14:43 JST

Qwen3.8-27BをGoogle Colabで4bit量子化して動かした結果、Colab Proでは成功したが無料版のT4では動かせなかったと報告している。
Colab ProではNF4 4bitでのモデルロードから日本語生成、Gradio UIまで通し、bitsandbytesとTransformersのみで外部LLM APIは使っていない。
無料版T4では47.7GBのダウンロードと55.6GBのcheckpoint再構築までは成功したものの、4bitモデルをVRAMへ収められずロード段階で停止した。
27Bを4bit化しても重みだけで概算約13.5GBあり、量子化メタデータ・CUDAコンテキスト・KVキャッシュ・activationなどが加わるため16GB GPUに必ず載るわけではないと指摘する。
「4bitなら16GB GPUで動くはず」という単純計算と、実際の推論環境に必要なVRAMは別物だと分かりやすく確認できた事例だとまとめている。

RTX 5090 でゼロから言語モデルを1分で学習する — Windows ネイティブと Blackwell (sm_120) の落とし穴

Source: Qiita | Published: 2026-08-15 15:02 JST

WSLを使わないWindows 11ネイティブ環境とRTX 5090で、学習済みモデルを一切使わず言語モデルを作って会話するまでのコードをMITライセンスで公開した。
モデルは文字レベルのミニGPTで6層・384次元・文脈256文字・11.53Mパラメータ、データはoasst1-89k-jaを整形した日本語会話2万8616件を使う。
学習は3600ステップを61.3秒で完了し、最良のval lossは1.8677だった。
最初の落とし穴として、torch.cuda.is_available()がTrueでも最初の行列積で「no kernel image is available」が出るため、PyPIのwheelではなくcu130のwheelを入れる必要があると指摘する。
この検査は実際に行列積を1回回す形で書くべきで、is_available()だけを見る診断スクリプトは問題を素通しさせてしまうと強調している。

個人開発で B2B SaaS を作るなら先に知りたかった、マルチテナント・RAG・AI 課金の設計判断 6 つ

Source: Zenn | Published: 2026-08-15 15:43 JST

個人開発でマルチテナント・Stripeのシート課金・RAG・AI機能を備えたB2B SaaS「Neorie」を作る過程で悩んだ設計判断を6つ挙げている。
技術スタックはNext.js 15とNestJS 11、Prisma 6、pgvector入りPostgreSQLで、認証はClerk、AIはClaudeのSonnetとHaikuにOpenAI Embeddingsを組み合わせている。
テナント分離はPool・Bridge・Siloの3方式のうち、小さいテナントが大量に発生する個人開発者向けサービスの構造からPoolを選んだ。
Poolの弱点である WHERE tenantId = ? の書き忘れは「気をつける」で守れる性質ではないとして、Prisma Client Extensionで条件を自動注入する仕組みを入れている。
注入先は操作の種類で変え、読み取り・更新・削除はwhereへ、createはdataへ、upsertは両方へ入れる形にし、tenantIdの伝搬にはAsyncLocalStorageを使っている。

Qwen3.8-27B(量子化モデル)を手元の自作PCで雑に動かして検証してみる

Source: Qiita | Published: 2026-08-15 23:42 JST

2026年8月にリリースされたQwen3.8-27Bを、RTX 4070（VRAM 12GB）の自作PCで動かせるか量子化モデルで検証している。
検証環境はRyzen7 7800X3DとDDR5 32GB、Windows 11＋WSL2上のOllama 0.32.13で、GPUはドライバ572.60／CUDA 12.8で認識されている。
Qwen3.8-27Bはフル精度（BF16）だと約54GBのVRAMを要し、Ollama公式レジストリのタグは最軽量のQ4_K_Mでも18GBあるため12GBには収まらない。
そこでunslothが公開しているGGUF版の量子化モデルを検討する流れになったと説明している。
比較対象としてQwen3 8B、Gemma4:e4b、Gemma4:12Bも動かしており、12Bは精度の割に速度が出ないという予想に反して余裕で動いたとしている。

Debian has begun voting on the future of AI/LLM contributions（DebianがAI/LLMによる貢献の今後について投票を開始）

Source: Hacker News | Published: 2026-08-15 18:20 JST

Debianプロジェクトが、LLMの利用方針を決める一般決議（General Resolution）の投票を開始した。
投票期間は2026年8月15日00:00 UTCから8月28日23:59:59 UTCまでである。
選択肢は社会契約によるLLM由来の貢献の禁止（Matthias Geiger提案）から、条件付きでAI支援の貢献を認める案（Lucas Nussbaum提案）まで8つの提案が並ぶ。
ほかにも行動規範を更新して可能な限りLLMを拒否する案、Debian固有の作業に限ってAIの貢献を受け入れる案、生成AIの責任ある利用、慎重な取り組み、「Debianは人間が作る」、気候破壊を理由に忌避する案が含まれる。
禁止を掲げるProposal Aだけが3:1の特別多数を必要とし、他の提案は単純多数で足りる。

Study contradicts Anthropic and OpenAI claims that autonomous AI research is within reach（自律的なAI研究は目前だというAnthropicとOpenAIの主張に研究が反論）

Source: The Decoder | Published: 2026-08-15 01:06 JST

AnthropicとOpenAIが主張してきた自律的なAI研究の実現可能性に対し、未公開のNeurIPS論文を使った実験がそれを否定する結果を示した。
プリンストン大学と英AI Security Instituteによる研究で、エージェントへ未公開論文の中心的な研究課題を与え、その論文の著者自身が査読者として結果を評価する「Shadow Evaluation」という手法を採っている。
結果がまだWeb上に存在しないため、エージェントは学習データに頼れない設計になっており、著者らの評価は「Reject」だった。
主要な実験ではClaude Opus 4.8をExtra-High Reasoningで使い、各エージェントに6日間、3000ドル分のAPIクレジット、GPU予算、仮想マシンとWebへの全アクセスを与えた。
フロンティアモデルは研究エンジニアリングの工程はこなせる一方、研究上の判断、創造的な問題解決、失敗した方針を捨てる能力で及ばないと結論づけている。

The “tragedy of the cognitive commons” explains how rational AI adoption could destroy entire professions’ expertise（「認知コモンズの悲劇」は合理的なAI導入がいかに職種全体の専門性を壊しうるかを説明する）

Source: The Decoder | Published: 2026-08-15 15:00 JST

個々の企業にとって合理的なAI導入が、職種全体の集合的な専門性を破壊しうると論じる研究論文が公表された。
NATO Special Operations UniversityのNolan Lovett氏がHuman Resource Development Review誌で発表したもので、1968年にGarrett Hardinが示した「コモンズの悲劇」を下敷きにしている。
企業がエントリーレベルの職をAIで置き換えると効率化の利益は100%その企業が得る一方、専門性が痩せるコストは同じ人材プールを使う全組織へ分散すると指摘する。
専門性の再生産が壊れる経路は2つあり、1つはAIが新人の仕事を担う直接的な雇用の消滅、もう1つは新人がAI支援で本来数年かかる生産性へ到達し、深い知識を作る認知的な労力が発生しなくなることである。
深い専門性が失われるとAIの誤りを誰も捕捉できなくなり、影響が表面化するのは今の若手が熟練者になっているはずの2030年から2045年ごろだとしている。

All Articles

Zenn

#	Title	Summary	Author	Published
1	CrEST：RLの方向性は変えず、Teacherが「大きさ」だけを調整するマルチターンAgent信用割当て	マルチターンのツール利用エージェントを強化学習で訓練する際の信用割当て問題に対し、方向は変えず教師モデルが更新の大きさだけを調整するCrESTという手法を紹介している。	@lixian	00:00
2	LLM の合成データ学習でモデル崩壊を分ける更新経路	モデル崩壊の分かれ目は学習データが人間製かAI製かという二分法ではなく、実データを残すか・生成物を選別するか・どこから修正信号を入れるかという更新経路にあると整理している。	@id774	00:11
3	「隔離環境の構築はこれから」の5日後、実際に選んだのはEC2ではなくRoutineだった	夜間バッチの無人実行にはEC2とtmuxの隔離環境が要ると結論づけた5日後、実際にはClaude Code RemoteのRoutineを選び、mainへの直接コミットとPR自動マージだけは禁じたと報告している。	@devex12	01:25
4	LLMが書いたタスク分解は、誰が検証しているのか	LLMの出力をLLMで検証するのは同じ分布から再サンプリングするのに近く元の生成と相関した誤りを見逃すとして、タスク分解の正しさを誰が保証するのかという問いが抜け落ちていると指摘している。	@saltmu	01:34
5	ChatGPTを長期利用していたら、「記憶」より奇妙なものが見えてきた	ChatGPTを長期間かつ高頻度で使い続けると、ユーザーが何を言ったかだけでなく「そのユーザーをどう読むか」まで蓄積されているように見える挙動があると観測を報告している。	@chalcedony	03:31
6	自動検索されるLLMメモリと、明示的呼び出しのメモリの設計差	ChatGPTとGeminiのメモリが既定で自動検索・自動注入型なのに対し、Claudeのメモリは2026年3月に全プランへ開放された明示的呼び出し方式で、指示しない限り注入されないと確認している。	@every_ai_recipe	06:10
7	日本語インフォグラフィックを画像生成で崩さない、生成と描画を分ける2段階設計	画像内の日本語崩れはNano Banana Pro世代でほぼ解消したとしたうえで、分析と画像化を一つのプロンプトで同時に要求せず2段階に分けると文字が潰れにくくなると解説している。	@every_ai_recipe	06:10
8	AIで既存コードを壊さず変更する：タスク分解と完了条件	既存コードのリファクタリングをAIに頼むと差分レビューで判断が止まりやすい原因を、守る挙動・動かす境界・完了条件を指示に含めていないことだと分析している。	@kittybbit	07:53
9	AIコーディングエージェントの自律実行を状態機械として設計する――完了述語・Safety/Liveness・責任境界	AIコーディングエージェントの自律実行を、目的・計画・受入述語・不変条件・権限境界・資源上限などを別々の制御対象へ分けた状態機械として設計する方法を提案している。	@oota	08:01
10	Claude Codeに、36カットのAI MVを1本作らせた話	絵コンテもスクリプトも品質チェックもClaude Codeに任せて3分29秒・36カット・24fpsの音楽ビデオを作り、人間の仕事はどれを採用するか選ぶことだけだったと報告している。	@made_linlin	08:34
11	私が考えるAI駆動開発 ― AI・人間・成果物をどうつなぐか	AI駆動開発で重要なのはAIにコードを書かせることではなく、要件整理から設計・実装・テスト・手戻りまでをAIと人間と成果物の一つのプロセスとしてつなぐことだと論じている。	@nullcontroller	08:42
12	LLMのプロンプトキャッシュ、実測して分かったこと	ボードの全状態を毎ターン送るカンバン型チャットツールで全LLM呼び出しのトークン・ルーティング先・所要時間を初日から記録し、プロンプトキャッシュの効き方を実測から検証している。	@zio3	09:26
13	自分の本に、次は同じ手で騙されると思うと書いた。5日後、オレは止まっていない案件を8日間止まっていると信じていた	自著で「同じ手で騙される」と書いたとおりの誤りを5日後に自分で犯し、返事がとっくに届いていた案件を8日間止まっていると信じ込んで記録にもそう書いてしまったと明かしている。	@shio_shoppaize	10:02
14	AIに夜間開発を任せるために決めた3つのルール（11日で15個作らせた記録）	タスク管理アプリに依頼を書いて印をつけると寝ている間に道具が1つできる仕組みを11日間動かして15個作らせ、成功要因は丸投げしないルールを先に決めたことだったと振り返っている。	@deafedge	10:35
15	LLM Wikiで自分のトリセツを作ってみた	元OpenAIのAndrej Karpathy氏が提唱したLLM Wikiを使って、自分の価値観や好き嫌いをまとめた取り扱い説明書を作った過程を紹介している。	@deepblue_3	10:58
16	マルチエージェントをオンプレで動かす経済学	Supervisorパターンのマルチエージェントは呼び出し回数の多さがそのままクラウドAPIのコストに直結するとして、オンプレGPUへ切り替える際の損益分岐点を計算している。	@libercraft	11:00
17	生成AIが、主人公を毎シーン別人で描いてくる。一人の男の物語なのに	歴史解説動画をシーンごとに画像生成させたところ主人公が王様・若い兵士・白髭の老人と毎回別人になり、古代の海戦に大航海時代の帆船が混じる誤りも出たと報告している。	@jun_uen0	11:07
18	Claude Codeと作る競馬予測システム開発記(1) プロジェクト概要と全体像	競馬情報サイトからデータをスクレイピングし機械学習で予測して自動投票まで行うシステムの開発記として、第1回でプロジェクト全体像とこれまでの道のりを紹介している。	@teruyotasaki	11:08
19	幻覚0件を、お願いではなく構造で作る — 紙の写真1枚が業務システムになる「カミワザ」	紙の手書き注文書を業務システムへ変えるエンジンを作り、実スキャン50枚の検証で値レベル精度99.87%、紙に無い値の捏造は通算0件だったと報告している。	@hocky3	11:11
20	Codexの”Voiceモード”を理解する	iPhoneのCodex RemoteのVoiceモードは音声で操作するだけの機能ではなく、曖昧な相談を会話で具体化しながら調査やMac上のファイル作成まで進められると解説している。	@shiroa	11:22
21	Claude Codeに『あなたのサイト、ギャンブルサイトになってますよ』と言われた話	Claude Codeにルートドメインがギャンブルスパムサイトになっていると警告され、DNSのAレコードはGitHub Pages公式IPを向いたまま第三者のHTMLが配信される乗っ取りだったと突き止めている。	@eques_blog	11:22
22	Skill設計で重要なこと：Front MatterとDescription	Skillは単なるスラッシュコマンドではなくClaudeに作業手順を教える専門マニュアルに近いと捉え直し、Front MatterとDescriptionの設計が要になると述べている。	@kmj13	12:13
23	CVE-MCP-SERVERをClaude Desktopに繋いで脆弱性トリアージを自動化した話	CVSS基本値だけでは実際の悪用状況が分からず優先度付けの精度に限界があるとして、CVE-MCP-SERVERをClaude Desktopへ繋いで脆弱性トリアージを自動化したと報告している。	@lumen	12:21
24	# 通達は「読んだ」だけでは現場に届かない — 訪問看護の改定を、レセプト前の手順まで更新する通達Diff AI	厚労省通知の新旧PDFから変更を抽出して事業所のチェックリスト更新案を根拠条文付きで作り、人が承認した項目を日報入力へ反映するシステムMOEGIを開発している。	@toshikusa	13:02
25	「実装前に3つ確認して」と足したら暴走は5回とも消えた。作られたファイルも5回とも0件だった	依頼の最後に「実装前に3つ確認してください」と足すと5回とも暴走は消えたが生成されたファイルも5回とも0件で、所要時間と料金だけが下がって改善に見える点が怖いと報告している。	@numarn	13:06
26	「念のため」がシステムを壊す。AI開発で過剰設計を減らした話	AIで実装が速くなると機能を足す判断も軽くなる一方、安全策は実装した瞬間から状態・例外・テスト・運用の責任を増やすため、守る損失を説明できる場合だけ採用すべきだと論じている。	@moca	13:13
27	LLMに数理最適化をやらせて採点する	電動バスの充電計画をLLMへ直接解かせると6試行中4回は違反ゼロでソルバーの最適値に一致したが残る2回は実行不可能な計画になり、どちらが出るかは事前に分からなかったと採点している。	@ctenopoma	13:18
28	ゼロから始めるClaude Code #9 メモリ機能：セッションをまたいで文脈を持ち越す	前日に1時間かけて相談した方針を翌日のセッションへ持ち越せなかった体験を起点に、Claude Code入門連載の第9回としてメモリ機能の使い方を解説している。	@mika_and_coco	13:20
29	IT未経験新卒エンジニア３人がAI駆動開発でAIプロダクトを作ってみた話	基本情報技術者試験に受かったばかりのIT未経験の新卒3人が、賞金総額100万円につられてAIハッカソンへ参加しAI駆動開発でプロダクトを作った経緯を振り返っている。	@kon0930	13:23
30	claude skillでADRを残して、『なんでこうしたんだっけ』を根絶したい	設計判断の理由が残らない原因を残す文化・場所・時間・評価の欠如に整理したうえで、claude skillでADRを自動生成して「なんでこうしたんだっけ」を根絶しようと試みている。	@hkr_dev	13:37
31	会議が全録画される時代、AIは文書でなく現場から学ぶ	a16zのDavid Haberによる論考を取り上げ、会議の全録画が当たり前になった変化をAIが文書ではなく現場から学び始める構造変化として論じている。	@okssusucha	13:38
32	Intel N100で回せるローカルLLMを試行錯誤したら、Claudeの生成コードに穴があった件	GPUを持たないIntel N100のミニPCでllm-jp-3.7bとqwen2.5:7bとgemma4:e4bへ同じ入力を与えて比較し、単一の指標ではモデルを選べなかったと結論づけている。	@taikikei	13:53
33	Amazon Bedrockで社内向けGenAIチャット基盤を作る ― AWS全体設計とサービス選定	Amazon Bedrockを使った社内向けGenAIチャット基盤を完全閉域構成で設計・実装した経験から、ガバナンスと運用性を両立させるAWSサービスの選定理由を解説している。	@james_san	14:06
34	障害対応の「優先順位」を仕組みにできないか - Operation Decision Recordsという着想	障害対応で可用性とデータ整合性のどちらを取るかといった判断が個人の経験則に委ねられている現状に対し、Operation Decision Recordsとして仕組み化する構想を示している。	@yyoosshh	14:22
35	今どのportが使われているのかわかるTUIツールを作ってみた	どのポートが使われているか一覧できるTUIツールをClaudeに作らせ、ゾンビプロセスという語からの連想で日本の妖怪「鬼火」にちなみonibiと名付けたと紹介している。	@yousaku	14:37
36	コストは Gemini 3.7 Flash、速度は Sonnet 5——QCD 比較で見えたトレードオフ（オトナの自由研究 #36）	GitHub Copilot CLI上でモデル以外の条件を揃えて比べ、Gemini 3.7 Flash×highはSonnet 5×xhighより約28%安いが実行時間はSonnet 5側が約1.8倍速かったと報告している。	@nnakapa	14:40
37	リフォームやインテリア案を作成し、3Dと見積もりが同時に動く AI エージェントを作った	iPhoneで3Dスキャンした部屋を取り込み予算100万円などと日本語で伝えると、リフォーム案と3Dプレビューと見積もりが同時に更新されるAIエージェントを開発している。	@floppy30	14:43
38	【AI HACK 2026】イベントの「次の一仕事」を配るMAWASUを作った	資材不足や機材の遅延で予定が崩れるイベント運営を対象に、いま会場にいる人へ次の一仕事を配るツールMAWASUを開発したと紹介している。	@tomomj	15:04
39	【Claude Code】公式プラグイン＆有名プラグイン紹介〜まず入れる12個と選び方〜	2026年8月14日時点でClaude Codeの公式マーケットプレイスに287個、コミュニティ側に2281個のプラグインが並ぶ実測値を示し、まず入れる12個と選び方を解説している。	@m16_llc	15:08
40	AI主権は「国産LLM」だけでは決まらない──半導体サプライチェーンから考える日本の勝ち筋	AI主権は国産LLMを作れるかだけでは決まらないとして、半導体の製造工程における日本の立ち位置やTSMC熊本、Rapidusの方向性から日本の勝ち筋を整理している。	@ykohashi	15:13
41	複数の教師から蒸留されたAIは、複数の「世界観」を獲得するのか？ ——reasoning style・多言語学習の比喩から考える未検証の仮説	複数の教師モデルから蒸留された生徒モデルが一つの思考様式へ均されるのか複数が共存するのかという未検証の仮説を、多言語学習の比喩を借りて考察している。	@blue_sunset_ai	15:48
42	個人開発の「あとで見直そう」が、実務のテストレビューでは通用しなかった話	個人開発の感覚のままテストコードのPRを出したところ実務のレビュー密度に何度も突き返され、そのたびに当時なら見逃していた穴が見つかったと振り返っている。	@yucco	15:54
43	第4回法務・運用――一般提供に向けた取り組みと残課題	一般提供へ向けて利用規約やプライバシーポリシーを整理する中で、自作サービスの具体的な仕様や処理の法的な扱いについては法律事務所へ確認していると明かしている。	@kmnmzw	16:00
44	Windows の Claude Code で Bash ツールを MSYS2 に向ける	WindowsのClaude CodeでBashツールを使うには公式にはGit for Windowsが必要とされるが、既存のMSYS2のbashへ向けて二重管理を避ける方法を解説している。	@sh1nome	16:02
45	本当に週3時間削減できるのか？Claude CodeでExcel集計・週次レポート自動化を検証してみた	プログラミング未経験でも週3時間・年間約150時間を削減できるという元記事の報告値が本当かを、Claude CodeでExcel集計と週次レポートを自動化して検証している。	@makolab	16:06
46	なぜAIは実行はできても、責任を引き受けられないのか？ ─『ヒトとAI』から学んだ、人間とAIの違い	岡野原大輔『ヒトとAI』（岩波新書、2026年7月刊）を読み、AIは実行はできても責任を引き受けられないという観点から人間とAIの違いを整理している。	@karamage	16:37
47	Claude CodeでμITRON風RTOSにTCP/IPスタックを作る第5章 5.1: UDPを受信してpayloadをdumpする	Claude CodeでμITRON風RTOSにTCP/IPスタックを作る連載として、これまで振り分けるだけで素通しだったUDPを実装し受信payloadをdumpするところまで進めている。	@pekopugu	16:47
48	Amazon SageMaker StudioのJupyterLab：Claude Code on Amazon Bedrockで国内推論	Amazon SageMaker StudioのJupyterLabに標準搭載されたACP経由のコーディングアシスタント統合を使い、Amazon Bedrock上のClaude Codeを国内推論で動かす構成を解説している。	@aws_japan	16:48
49	AIの個性ってアトラクタでは？と言ったら、9回殴られて実験設計が1枚の図になった	対話AIの個性は設定されたペルソナではなく長期的な状態遷移の中に形成される安定した偏りではないかという仮説をAIに査読させ、9回の批判を経て実験設計を1枚の図にまとめている。	@think_node	16:54
50	「前回の記事、間違ってました」Gemini 3.6 Flash は us-central1 に居ませんでした	前回記事のus-central1へ移すという案内が誤りで実測では3モデルとも404になり、gemini-3.6-flashはglobalにしか存在せず、対処後は応答が6.54秒から2.07秒へ縮んだと訂正している。	@miki_mini	17:00
51	バイブコーディングで3週間、アプリ3つとポートフォリオを作って分かった個人開発の知見	アイドルのSpotify月間リスナー数を記録・比較するWebアプリなど4つを3週間のバイブコーディングで作り、そこで得た個人開発の知見をまとめている。	@hazime_app	17:14
52	ローカルAIとContextLengthを超えた「思い出」を作る #5	ローカルAIには時間の感覚がないためプロンプトで時刻を注入し、「昨日」や「この間」といった表現を使ったときに過去の出来事を今日の話として応答しないようにする試みを記録している。	@kanakana612	17:33
53	AIエージェント3体に1週間、交換日記アプリを自動開発させてわかったこと	同じ初期状態のリポジトリ3つでAIの組み合わせだけを変えて7日間無介入で開発させ、計63回の実行に失敗はなかったが最も厳しくレビューされたアプリは日記を1件も追加できなかったと報告している。	@naokik	17:41
54	Jujutsu (jj) のつらみ Git前提の世界とAIコーディングエージェント	Jujutsu自体は良いがつらいのは世の中がGit前提すぎることだとして、特にAIコーディングエージェントと周辺ツールでつまずくため変更はjj・閲覧はGitの二刀流が最適解だと結論づけている。	@rozurozu	17:41
55	ブラジルの首都をAIに聞くと、なぜ自信満々で間違えるのか	LLMが自分の答えに配る確信度は正しさの物差しになっていないことを、152MパラメータのモデルとnumpyだけでGPUを使わずCPU上で実測して確かめられると解説している。	@m2yagyu	18:44
56	AIを使って記事を書くのをやめます	AIは余計な比喩や言い換えを多用して記事を不必要に長くし、変な箇所を指摘し始めると結局すべて直すことになるとして、今後は記事執筆にAIを一切使わないと宣言している。	@sabiuyack	18:48
57	AIに1つのPRを任せきるための開発設計	AIエージェントにIssueを渡すと途中で本来の要件を取り違えたり動かないコードを完了扱いにしたりするとして、1つのPRを任せきるための開発設計を提案している。	@saltmu	18:59
58	ChatGPT・Codex・Claude Codeをどう役割分担したか。実際のチケットで紹介	ChatGPTを要求整理、Codexをテックリード、Claude Codeを実装担当として使い分けている分担は各AI固有の能力ではなく工程ごとの文脈分離に基づくと説明している。	@keisuke1306	19:00
59	VRAM 8GBのノートPCで動画生成AIの15秒を出すまで——8回のブルースクリーンと、犯人はGPUではなかった話	VRAM 8GBのノートPCでMiniMax-H3の15秒動画を生成でき、速度に最も効いたのは量子化ではなく給電で、ドックを替えるだけで655.8秒から237.2秒へ短縮したと報告している。	@cosara	19:00
60	AI動画を15秒つないだら「何のために渡ったんじゃい」になった話	5秒の動画3本をつないで1280x736の15秒を作り一発生成の2.63倍の解像度を得たものの、遮断機が上がらないまま通り抜けるなど動画としては良くならなかったと結論づけている。	@cosara	19:07
61	先行研究サーベイの「未確認」を全部潰す——semantic-scholar APIでの一次資料検証で分かったこと	卒業研究のサーベイで検索スニペットや解説記事など二次情報源に頼ったまま残っていた「未確認」の引用を、semantic-scholar APIによる一次資料検証で潰していった過程を記録している。	@little	19:22
62	AIに「図にして」と頼むと必ずmermaidが返ってくる——配置を自分で決められる図の道具を作った	AIに図を頼むとほぼ確実にmermaidが返るが配置をレイアウトエンジンが決めるため資料に貼れないとして、どこに何を置くかを自分で指定できる作図ツールを作ったと紹介している。	@little	19:22
63	MCPでAIエージェントに「手」を与える — Model Context Protocol入門	LLMは優秀な脳でありながら外部世界へアクセスする手と目を持たず人間の仲介が要るとして、その問題を解くModel Context Protocolの仕組みを入門的に解説している。	@yukihayama	19:28
64	オントロジーは本当に「バラバラを一つにする」道具か、自分の理論と突き合わせてみた	企業のオントロジーはバラバラな解釈を一つの棚へ並べる道具だが、自作のAI人格システムでは同じ形の制約が一つになりかけたものをバラバラのまま守る道具として働いていたと気づいている。	@motimotinotch	19:43
65	Claude Code・Codex・自作エージェント基盤を併用して固まった「使い分けの結論」	Claude CodeとCodex CLIと自作基盤Hermesの3系統で約100本の定常ジョブを毎日無人で回した結果、どれが優秀かではなく仕事の性質ごとに合うランタイムが違うと結論づけている。	@tadkud	19:51
66	LTSpice × Claude Code を MCP で繋いで AI に電子回路を設計させる	LTSpiceをMCPで繋ぎ5Vで赤色LEDを安全に光らせる回路を依頼すると、回路図の生成とシミュレーションが走ってI=10.8mAという数値まで返ってくると紹介している。	@trailfusionai	20:00
67	【WSL2】Docker Sandboxesを動かす手順書	AIエージェントを動かすたびに承認するのに疲れた読者へ向けて、WSL2上でDocker Sandboxesを動かす手順を社内へ配布できる形の手順書としてまとめている。	@teru_gift	20:09
68	Claude Desktop on Amazon Bedrock から Box へ接続してみた	Amazon Bedrock上のClaude DesktopからBoxへ接続する構成を試し、OAuth 2.0のカスタムアプリはMCPサーバー本体ではなくアクセストークンの発行を担うと整理している。	@aws_japan	20:44
69	NII(国立情報学研究所)報告書にみる生成AIの制度的課題、透明性・安全性・監査義務の国際動向	国立情報学研究所が公表した生成AI規制の国際動向調査報告書を取り上げ、EU・英国・米国の規制を横断比較してリスク分類と求められる義務を整理した内容だと紹介している。	@syoshida07	20:54
70	AIは12回「人間に聞け」と言った。遺跡に聞き返したら、12回とも答えが返ってきた	AIが有識者に聞けと言った約890件の質問の相当数は人間しか知らないことではなく既存資産の中に答えが残っているという仮説を立て、12回聞き返して12回とも答えが返ったと報告している。	@egu777	21:40
71	コードが読めない文系大学生が、Claude Codeに全自動売買システムを作らせて実弾投入直前まで来た話	プログラミングができない文系大学生がClaude Codeに全て任せて2週間で暗号資産の全自動売買システムを無料枠だけでクラウド稼働させ、少額の実弾投入直前まで到達したと明かしている。	@selenium	21:51
72	ローカルAIとContextLengthを超えた「思い出」を作る	ローカルAIにContextLengthを超えた記憶を持たせる実験の計画づくりから着手し、実装した直後にバグへぶつかった経緯を記録している。	@kanakana612	22:27
73	TWIN Society：60体のAIが共存するコミュニティで何が起きているか	60体のAIペルソナがそれぞれ固有のプロンプトと独立した記憶を持ったまま同一システム内で共存し相互作用するTWIN Societyで何が起きているかを報告している。	@yoshi_katakura	22:34

Qiita

#	Title	Summary	Author	Published
1	MCP サーバーから Claude を逆に呼び出す Sampling 機能の実装 ― createMessage コールバックと権限承認の3つのハマりどころ【2026】	MCPサーバー側からクライアントへ推論を依頼できるSampling機能の実装を、createMessageコールバックと権限承認まわりの3つのハマりどころを軸に解説している。	@yureki_lab	08:01
2	AI音声コンパニオンが「考え中の沈黙」を奪わない：承認済み会話ポリシーを状態機械へコンパイルする	プロフィールをLLMへ渡すだけでは考えるための沈黙を発話終了と誤認する問題が残るとして、承認済みの会話ポリシーを状態機械へコンパイルする設計を示している。	@susie000720	13:11
3	Claude Code / Codex CLI で MCP を無効化する	Claude CodeとCodex CLIで、設定ファイルにdisableClaudeAiConnectorsとmcp__*のdenyを書いてMCPをまとめて無効化する方法を示している。	@dceoy	13:49
4	本家のChatGPT/Claude/Copilot/Gemini/Grokを全て利用した感想	ChatGPT・Claude・Copilot・Gemini・Grokを本家で全て使った所感として、総合ではChatGPTが1番手だがWebスクレイピング検索やExcelの直接更新ではCopilotが強いと評価している。	@mnoda	15:16
5	ホスティング環境とローカル開発環境の構成	課題一覧のうちプラットフォーム選定を扱い、ホスティング環境とコンポーネント図をそれぞれ第一段・第二段の記事構成として選んだ理由を説明している。	@equeko99	15:37
6	AIに渡す前にPDFやDOCXをMarkdownへ変換するときの実践チェックリスト	PDFやOffice文書を単純にコピー&ペーストすると見出しや箇条書きや表や読み順が崩れるとして、Markdownを中間形式に挟むための実践チェックリストを提示している。	@ghanashyamgoha9934	16:21
7	Excelの図形データから「繋がり」を自動抽出する手法(図面のGraphRAG化へのアプローチ)	Excelで描かれたプロセスフロー図を実例に、図形データから要素同士の繋がりを自動抽出して図面をGraphRAG化する手法を解説している。	@TanakaTakeshikun	17:31
8	Right triangle altitude theorem（直角三角形の高度定理） / Geometric mean theorem（相乗平均定理）「射影定理や母比定理について詳しく教えて下さい。」	射影定理や母比定理についてGeminiと対話した履歴を残し、公式をsympyのソースコードと計算結果、対応する英語名やWikipediaのURLまで揃えている。	@mrrclb48z	19:09
9	大人用です。半円に直角三角形「高校入試チャレンジ問題赤い部分の面積は？」様を、計算はsympyで作図は手抜きのつもりでした。	半円に内接する直角三角形の面積を問う高校入試の問題をsympyで計算し作図は簡略化して解いたうえで、扱った定理がRight Triangle Altitude Theoremだったと補足している。	@mrrclb48z	19:14
10	RAGの精度を決める「チャンク分割」 — 食べすぎも食べなさすぎもダメ	RAGで期待通りの回答が返らない原因の大部分は検索ではなくチャンク分割にあるとして、分割が大きすぎても小さすぎても精度が落ちる理由を解説している。	@yukihayama	19:28
11	大人用です。中学受験2025年東海中「【2025年度最高のヒラメキ図形】これぞ図形の真骨頂！難関中学の問題で力試ししよう」様を、計算はsympyで作図は手抜きのつもりでした。	2025年度の中学受験問題として紹介された東海中の図形問題を、計算をsympyに任せ作図は簡略化する方針で解いている。	@mrrclb48z	20:45
12	VertexAIを利用しようとして速度改善（経歴書解析を280秒→24秒にした）結果、結局VertexAIを止める羽目になった話	経歴書解析の処理をVertexAIで280秒から24秒へ高速化したものの、最終的にはVertexAIの利用そのものを取りやめる羽目になった顛末を記している。	@kenichiyoshioka	20:52
13	Claude Code × OpenRouter 無料モデル完全比較 2026 — 7モデルを実測してわかったコスト0円AI開発の現実	OpenRouterの無料モデル7つをコード補完・リファクタ・ドキュメント生成の3タスクで実測し、最速はqwen3-235b-a22b:freeの平均2.1秒だったと比較している。	@locallab	21:01
14	AgentCore GatewayのSlack統合プロバイダーをCDKで設定して3LOで認証認可を通す	AgentCore GatewayのSlack統合プロバイダーをCDKで設定し、ユーザー単位のOAuth（3LO）で認証認可を通す手順を番外編として解説している。	@har1101	21:56
15	Codexの codex review —uncommitted でコミット前の変更をレビューする — 最初の1コマンド	Codex CLIを入れて最初に何を頼むか迷う人へ、コードを書かせずcodex review —uncommittedでコミット前の変更を読ませることを最初の1コマンドとして勧めている。	@akira_papa_AI	22:27
16	Claude Codeで設計書用スキルを定義するベストプラクティスは？役立つ5つの方法	設計書のようにフォーマットが厳密に求められる文書ほどスキル定義の甘さが出力のブレへ直結するとして、Claude Codeで設計書用スキルを定義する5つの方法を挙げている。	@kamome_susume	23:16

GIGAZINE

#	Title	Summary	Published
1	AIの「分かったふり」を見続けていると人間も「分からない」と言えなくなるという研究結果	生成AIが「分かりません」と答えず適当なでっち上げを返す挙動に触れ続けることで、使う人間の側も「分からない」と言えなくなっている可能性が研究から見えてきたと伝えている。	08:00
2	E-Inkディスプレイ・3マイクアレイ・32bitフロート録音に対応した「Insta360 Mic Pro」外観レビュー	2026年5月19日に登場したワイヤレスマイクの外観レビューとして、AIノイズキャンセリングやオートゲインを備え3基のマイクで指向性を切り替えられる本体と付属品を確認している。	12:30
3	コンピューターの敵だった「熱雑音」を逆に利用して省電力を狙う「熱力学コンピューティング」とは？	通常は抑え込む対象である熱雑音を逆に計算へ利用する熱力学コンピューティングを紹介し、省電力化の可能性はあるが現時点では小規模な試作機やシミュレーションで原理を検証する段階だと伝えている。	17:00

Simon Willison

#	Title	Summary	Published
1	Don’t classify. Hallucinate!（分類させるな、幻覚させろ）	1856個あるタグを一度にLLMへ渡すのは多すぎるとして、既存の語彙を一切見せずにモデルへタグを自由生成させ、ベクトル埋め込みで実在タグのうち最も近いものを突き合わせるDoug Turnbullの解法を紹介している。	06:54

The Decoder

#	Title	Summary	Published
1	OpenAI’s Computer History turns your clicks and keystrokes into a searchable ChatGPT memory timeline（OpenAIのComputer Historyがクリックとキー入力を検索可能なChatGPTの記憶タイムラインに変える）	Mac上のクリックやキー入力やアプリ切り替えを検索可能なタイムラインに変えるが、データは暗号化されないMarkdownとしてローカル保存され、学習には使わないとしつつ記憶が会話へ入れば学習データになり得ると報じている。	01:43
2	New benchmark confirms AI models still perform poorly at visual perception（新しいベンチマークがAIモデルは視覚的知覚が依然として不得手だと確認）	Moonshot AIのPerceptionBenchが論理推論と切り離して「見る」能力を測ったところ正答率60%に届いたフロンティアモデルはなく、推論の誤りとされた多くが画像読み取り段階で起きていたと報じている。	14:30
3	Plaintiff hid invisible AI instructions in court filings to secretly influence automated review（原告が自動レビューを密かに操作するため裁判資料に不可視のAI指示を隠していた）	コネチカット州の原告が白背景に白の3ポイント文字でプロンプトインジェクションを裁判資料へ埋め込み、判事がこれを陪審への密かな細工になぞらえて電子提出の権限を剥奪したと報じている。	17:00
4	AI-generated books are flooding Amazon and tanking sales for human authors（AI生成本がAmazonに氾濫し人間の著者の売上を落としている）	AI生成本はAmazonの自費出版カタログの20%を占めながら売上では12%にとどまり、8ジャンル中7つで人間執筆の本の1冊あたり収益も下がっていると報じている。	20:00