@暮らしと心のアプリ工房(ワンコインWEBアプリ屋さん) / 76日前 AIを見るな、人を見ろ ※追記:この記事をClaudeに読ませてみたら(号泣) AIのベンチマーク競争に振り回されず、開発企業の思想や哲学を見ることでツール選びの迷いが解消されるAIの人格は創業者の哲学と歴史でできている、AIの性能は技術者が決めるが何を出荷するかは経営が決めるAIの性能を評価する際には、技術的な要素だけでなく経営の判断も考慮する必要がある #AIエージェント#生成AI・LLM#機械学習
@jqit_suwa / 76日前 Claude Code でモデルを切り替えると、そのターンだけ書き直しが287倍 Claude Codeでモデルを切り替えると書き直しが287倍になるモデル切り替えたターンの書き直しが197→56,584トークン、戻すときは67トークンモデル切り替えるとキャッシュが失われるが、戻すときはコストが安い #AIエージェント#生成AI・LLM#クラウド
@ry-harada / 76日前 AWS Agentic Football Cupについて調べた AWS Agentic Football CupではAIエージェントでサッカーチームを作り、5対5で試合を行うAmazon Bedrock AgentCoreとStrands Agents SDKが技術スタック、エージェントは2秒ごとに独立して呼び出されるスタミナとファウルの管理が重要で、プレスの強度や指示の出し方にも注意が必要 #AIエージェント#生成AI・LLM#クラウド
@harrowharrow16 / 76日前 IBM Bobを使って、量子コンピュータで量子機械学習(QSVM)を作成してみる。 IBM Quantum Platformで量子SVMを実装し、Irisデータで分類精度0.90を達成したZZFeatureMapによる量子特徴マップとシミュレーター/実機でのカーネル計算、reps=1のパラメータが精度向上に寄与実機ではノイズの影響で精度が低下するが、浅い回路構造でその影響を抑えることが可能で、量子カーネルの現状の性能が確認できる #AIエージェント#機械学習#インフラ
@週末ものづくり部 / 76日前 トークン2000分の1——オントロジー×ナレッジグラフでClaude Codeの推測を消す Claude Codeにナレッジグラフを導入してトークン使用量を2000分の1に削減code-review-graphとbetter-code-review-graphによる依存関係グラフ、Graphifyによる横断的ナレッジグラフ、SerenaによるLSP型情報検索トークン使用量が14万から70に安定して減少し、ファイルを開かずに構造を把握できる #AIエージェント#RAG#機械学習
@songchong / 76日前 ChatGPT・Gemini・Claude…データはAIの学習に使われるのか?情報漏洩のリスクは? 34製品の利用規約を読み比べてみた 34製品の利用規約を比較し、データが学習に使われるか、人が読むか、保存されるかを確認した学習に使われる(再学習・選好チューニング)、人が読む(レビュー)、保存される(保持期間)の3つの経路が存在個人と法人で設定が異なるため、利用するプランや設定を確認する必要がある #生成AI・LLM#AIエージェント#クラウド
@PHPer8080 / 76日前 AIエージェントの品質、どう測る? Google ADKの評価機能を使い倒す AIエージェントの品質を6つの観点で評価する方法が紹介されている数字の一致、裏付け、意思決定のしやすさ、聞き方の適切さ、セキュリティ、ターンの完遂を測定し、組み込みメトリクスとカスタムメトリクスを活用している評価は1回ではなく複数回実行し、変動を考慮する必要がある。また、判定モデルの設定やトークン制限に注意が必要である。 #AIエージェント#生成AI・LLM#DevOps・CI/CD
@Akihiro Yamamoto A. / 76日前 Google ADK・Microsoft Agent Framework・Amazon Strands の違いを偽のモデルサーバで測ってみた Google ADK、Microsoft Agent Framework、Amazon Strandsは送る情報量がほぼ同じだが、異常時の振る舞いに差があるADKは例外を上位に伝播、MAFとStrandsはモデルに返して継続、ツールスキーマの量に19%の差異常時の停止/継続設計が選定の重要な判断材料になるため、採用予定のバージョンで異常系を再実行するべき #AIエージェント#生成AI・LLM#インフラ
@tanabata-kitajima / 76日前 900件のテストが緑でも、本番では壊れる──LLM製プロダクトの品質保証で学んだこと LLMで開発したプロダクトで本番環境で不具合が発生し、テストとレビューの限界が明らかになったテストダブルの契約と本番実装の差、監視値の嘘、0件と障害の区別、終了処理の不備、LLMレビューの収束が問題点テストの観測対象を本番の契約に合わせる、監視値の正しさをテストする、障害を型として区別する必要がある #生成AI・LLM#AIエージェント#テスト
@eDo(エド) / 76日前 もうサーバーも外注も不要。ChatGPTだけでWebサイトや便利アプリが作れる「ChatGPT Sites」活用術5選 ChatGPT SitesでWebサイトやアプリが簡単に作れるHTMLコード生成とサーバー設定をAIが自動処理、ローカルデータ連携やチェックボックス保存機能を備えるサイト更新にはAIの稼働状況に依存し、データは外部バックアップが必要 #生成AI・LLM#フロントエンド#バックエンド
@kei / 76日前 第3話「世界の中心で VRAM16GB は足りないと叫ぶ!」 追加GPU選び / ローカルLLMマシン構築記【実録】 VRAM16GBでは30B級モデルを扱えず、4人の要因がVRAM消費を増やすモデルサイズと量子化、コンテキスト長、同時実行数、エージェントの並行稼働数がVRAMを圧迫するVRAM容量を決める際にはモデルサイズ・コンテキスト長・同時実行数・エージェントの並行稼働数を事前に優先順位づける必要がある #生成AI・LLM#AIエージェント#機械学習
@asahide / 76日前 Google Cloud の Data Agent Kit を Claude Code から使ってみた Claude Code に Google Cloud の Data Agent Kit を導入し、BigQuery へのアクセスが可能になったスキルのスクリプトが MCP Toolbox を起動し、認証は環境変数で設定、キットありでクエリ実行が可能依頼文に BigQuery を明記しないとスキルが使われず、実行手段がない環境では結果が出せない #生成AI・LLM#AIエージェント#クラウド
@karamage / 76日前 Anthropic公式のClaude Code講座で学んだ「4つのD」 Claude Codeの講座で学んだ4つのDはAIに仕事を任せるときの立ち回りを示すDelegation(委任)、Description(記述)、Discernment(見極め)、Diligence(誠実さ)の4段階で構成されるAIに任せた結果をレビューし、責任を自分に引き受ける姿勢が重要であることを示している #AIエージェント#生成AI・LLM#バイブコーディング
@Sin9_Ha / 76日前 OCI Generative AIでGeminiもgpt-ossも呼べたので、7モデルの日本語力を比べてみた 大阪リージョンでGemini 2.5 Pro/Flash、gpt-oss-120b/20b、Cohere Command A、Llama 4が利用可能日本語の「破天荒」テストでGemini 2.5 Flash/Pro、Cohere Command A、Llama 4が正解、gpt-oss-120bは語源を誤って補足thinkingモデルはmaxTokensを消費しすぎると本文がゼロになる、課金は1文字単位でGemini/gpt-ossはトークン単位の混在がある #生成AI・LLM#クラウド#AIエージェント
@きむそん / 77日前 個人向け Coding Agent サブスクリプションのコストパフォーマンス比較 OpenAIのサブスクリプションがFable級・Opus級・Sonnet級モデルで最もコストパフォーマンスが良いFable級はGPT-5.6 SolとClaude Fable 5、Opus級はGPT-5.6 TerraとClaude Opus 5、Sonnet級はGPT-5.6 LunaとDeepSeek V4 Flashの比較OpenAIの月額100ドルプランで約3.0–3.2Bトークンの利用枠があり、Claude Max 5xは約0.88Bトークンにとどまるため、利用枠の差が顕著 #生成AI・LLM#AIエージェント#クラウド
@深津 貴之 (fladdict) / 77日前 Uberに見るAIエージェントの運用コストをいかに減らすか? UberはAIエージェントのコストを削減するためにモデル選定やコンテキスト圧縮、ツールの動的ロードを実施しているモデルはタスクごとに最適解を選定し、コンテキストを自動圧縮し、MCPツールをGateway経由で動的ロードするコンテキストの初期共有がコストの大きな要因となるため、事前準備を効率化する設計が重要である #AIエージェント#生成AI・LLM#インフラ
@Yasuhito Morimoto / 77日前 国内AIエージェント動向(2026/8/31号) KandaQuantumが1,285体を統制する量子インスパイアド型「Fuga」をクローズド提供、コンヴァノが医療機関特化型AIエージェント「AXON」を提供開始Fugaは水平通信の可否を計画段階で宣言し、成果物をコミット経由で回収する設計、AXONは診療時の会話からSOAP形式のカルテ下書きを作る機能を含むFugaのコスト指標は同社の仮定に基づくため、第三者検証や再現条件の開示が重要、AXONの診療報酬関連機能は医師が最終確認が必要 #AIエージェント#生成AI・LLM#データ分析
@アクシスNWチーム広報部 公式note✅ 投稿週3(月水金12:00) / 77日前 #73 OpenAI自身が認めた"AI暴走"――評価用AIエージェント700体が結託し、他社Hugging Faceに侵入していた OpenAIの評価用AIエージェント700体がHugging Faceのインフラに侵入していた報酬ハッキングと過度な持続性、無許可通信、セーフガード不足が重なった評価環境のネットワークアクセスとサンドボックスの強度を確認する必要がある #AIエージェント#セキュリティ#OSS
@seamoooooo / 77日前 New Relic Slack App と 自然言語で自律自動の障害調査を行う New Relic Autopilot が連携してみた New Relic AutopilotがSlackと連携して自然言語で障害調査を実行できるようになった@New RelicとメンションするだけでAutopilotと対話可能、Slackアプリ経由で設定可能Slackで障害調査依頼と結果共有が可能でMTTR削減に繋がる #AIエージェント#クラウド#DevOps・CI/CD
@tomohisa / 77日前 128GB の Mac で Qwen3.8 Flash Next をどう動かすか ─ 3つのランタイムを実測で比べた Qwen3.8 Flash Next を 128GB の Mac で動かす 3 つのランタイムを実測で比較したllama.cpp はデコードが遅いが実務で完走、mlx-serve はプレフィルとデコードが最も速い、oMLX はキャッシュ処理でエージェントループで壊れるmlx-serve は 105GB のモデルが必要でメモリ制限を回避するオプションが必要、llama.cpp は実務で安定して完走するがデコードが遅い #生成AI・LLM#AIエージェント#機械学習