はてなブックマーク

GPT-6 Astraで飛躍的に向上したゲーム制作能力 - Unreal Engine / Unity / Godot / Three.js 「GPT-6 Astra」で飛躍的に向上したゲーム制作能力についてまとめました。 1. はじめに2026年9月3日に発表された「GPT-6 Astra」では、コーディングだけでなく、ゲームや3D空間を実際に作る能力も大きく向上しています。 OpenAI公式や公式サイトで紹介された事例では、 ・Blenderで作った家をUnreal Engine 5の歩けるシーンへ展開 ・Unity / Godot上でゲームを編集・プレイ・検証 ・Three.jsで大規模な3Dゲームを制作 といった事例が公開されています。 さらにXでも、Manhattan規模の3D世界、AIエージェントが暮らす世界、Call of Duty風FPS、Godotの3Dゲームなど、さまざ

「GPT-6 Astra」で飛躍的に向上した「Blender」 制作能力についてまとめました。 1. はじめにOpenAIは2026年9月3日、新モデル「GPT-6 Astra」を発表しました。 GPT-6 Astraでは、コーディングやComputer Use、長時間タスクへの対応が強化されていますが、発表直後から特に注目されているのがBlenderを使った3D制作能力です。 X上では、 ・家の写真から編集可能な3Dシーンを再構築 ・古い機関車の絵から3,295個のオブジェクトを生成 ・Blenderを直接操作してキャラクターをモデリング ・自分のレンダーを確認して間違いを修正 ・BlenderからUnreal Engine / Unity / CADへ展開 といった事例が次々に公開されています。 重要なのは、単に3Dモデルを生成できることではありません。 GPT-6 Astraでは、

「GPT-6 Astra」の概要をまとめました。 GPT-6 Astra の概要1. はじめにOpenAIは2026年9月3日、新しいフラッグシップモデル「GPT-6 Astra」を発表しました。 GPT-6 Astraは、推論やコーディングだけでなく、ブラウザやPC、各種ツールを操作しながら、複雑な仕事を最後まで進める能力を強化したモデルです。 OpenAIは、Computer Use、Browsing、Software Engineering、Science、Professional Workなどで高い性能を持ち、コード、ブラウザ、専門ソフトをまたぐ複数ステップの作業を得意とすると説明しています。 発表後に特に注目されているのは、 ・ARC-AGI-3での大幅な性能向上 ・Computer Useの本格化 ・Coding AgentとしてのToken効率 ・AGI eraをめぐる議論

AIからBlenderを操作する2つの方法、CLIとMCPの特徴と使い分けを整理します。 1. はじめに「Codex」「Claude Code」からBlenderを操作する方法として、「Blender CLI」「Blender MCP」があります。 どちらもAIにBlenderを操作させる方法ですが、作業の進め方が異なります。 ・Blender CLI → Blender Pythonを生成し、コマンドラインから自動実行 ・Blender MCP → 起動中のBlenderと接続し、現在の状態を確認しながら対話的に操作 今回は、それぞれの特徴と使い分けを整理します。 2. Blender CLI2-1. Blender CLIとは「Blender CLI」は、Blenderをコマンドラインから実行する方法です。 Blender本体に含まれる機能なので、別途「Blender CLI」というソ

ローカルLLM向けの NVIDIA GPU の選び方をまとめました。 1. はじめにローカルLLMを高速に動かしたい場合、最も有力な選択肢のひとつが「NVIDIA GPU」です。 NVIDIA GPUでは「CUDA」を中心としたAI向けソフトウェアが充実しており、多くの推論エンジンや高速化技術を利用できます。 一方、ゲーム用GPUを選ぶ感覚で、CUDAコア数が多いGPUを選べばよいというわけではありません。 ローカルLLMでは特に、 ・VRAM容量 ・メモリ帯域 ・Prefill ・Decode ・GPU世代 ・価格 を見る必要があります。 今回は、主にデスクトップ向けの「GeForce RTX」と「RTX PRO」を中心に見ていきます。 2. NVIDIA GPUがLLMに向いている理由2-1. CUDAエコシステムNVIDIA GPU最大の強みは「CUDA」です。 LLM向けの主要な推

ローカルLLM向け Mac Studio の選び方をまとめました。 1. はじめに「Mac Studio」は、Apple Siliconを搭載する高性能デスクトップMacです。 動画編集や3D制作向けとして知られていますが、大容量の「ユニファイドメモリ」を搭載できるため、 ローカルLLMを動かすためのマシン としても有力な選択肢になります。 2026年8月に発表された新しいMac Studioでは、 ・M5 Max：最大128GBユニファイドメモリ ・M5 Ultra：最大512GBユニファイドメモリ を搭載できます。M5 Ultraではメモリ帯域も「1.2TB/s」まで向上しました。 今回は、LLM用途でMac Studioを選ぶときに重要な、 ・メモリ容量 ・メモリ帯域 ・Prefill ・Decode ・M3 / M4 / M5の違い ・NVIDIA GPUとの違い を順番に見ていき

「FreeToken」の概要についてまとめました。 1. FreeToken「FreeToken」は、NVIDIA GPUで、VRAMに収まりきらない大型MoE（Mixture-of-Experts）モデルを高速にローカル推論するためのAI推論エンジンです。 MoEは推論時に一部の「Expert」だけを使うため、FreeTokenはExpertをGPUへキャッシュしつつ、必要に応じてCPUとGPUで協調実行します。これにより、モデル全体がVRAMに収まらない場合でも高速な推論を狙えます。 主にRTX 30 / 40 / 50シリーズなどのNVIDIA GPU向け（DGX Sparkは含まない）で、特にモデルサイズがVRAMを超えるMoEモデルで強みを発揮します。 2. FreeToken の動作確認済みモデルFreeTokenが公式に動作確認済みとして挙げている主なモデルは、次のとおりです

「Qwen3.8-27B」におすすめの推論エンジンをまとめました。 1. はじめに「Qwen3.8-27B」は、270億パラメータのマルチモーダルLLMです。量子化することで、Apple Silicon MacやNVIDIA GPU搭載PCでもローカル実行できます。 ローカルで動かす場合に迷いやすいのが、「どの推論エンジンを使うか」です。代表的な選択肢には、「Ollama」「llama.cpp」「MLX」「vLLM」「SGLang」などがあります。 さらに最近では、「DSpark」「DFlash 2」などを使った「投機的デコード」(Speculative Decoding) によって、Qwen3.8-27Bの生成速度を高速化する方法も登場しています。 ここでは、次の2つを分けて考えます。 ・推論エンジン Qwen3.8-27Bそのものを実行するソフトウェア ・投機的デコード 先のトークンを

「Qwen3.8-27B」におすすめのハーネスをまとめました。 1. はじめに「Qwen3.8-27B」は、ローカル環境でも動かせる高性能なオープンウェイトLLMです。 モデル単体で使うだけでなく、「Pi」や「OpenCode」などのコーディングエージェントハーネスと組み合わせることで、コードの読み書き、コマンド実行、検索などを自律的に行わせることができます。 今回は、「Qwen3.8-27B」と組み合わせる候補として評判の良いコーディングエージェントハーネスを紹介します。 2. Qwen3.8-27B におすすめのハーネス2-1. Pi「Pi」は、シンプルで軽量なコーディングエージェントハーネスです。 基本ツールを「read」「write」「edit」「bash」などに絞っており、システムプロンプトやツール定義によるコンテキスト消費を抑えやすいのが特徴です。 Qwen3.8-27Bのよう

「Ornith-1.5」の概要をまとめました。 ・Ornith-1.5: From Self-Scaffolding to Self-Improvement 1. Ornith-1.5とは1-1. Ornithシリーズ「Ornith-1.5」は、Ornithチームが開発するオープンソースLLMです。 前世代の「Ornith-1.0」では、問題を解くための指示やツール、処理手順などをまとめた「Scaffold」をモデル自身で生成する「Self-Scaffolding」が採用されていました。 Ornith-1.5では、この仕組みをさらに拡張しています。 1-2. End-to-End Self-ImprovementOrnith-1.5では、モデル自身が次のサイクルを繰り返します。 (1) 新しい学習タスクを生成 (2) タスクを解くためのScaffoldを生成 (3) 実際に問題を解いてSo

最新のAI研究とAIツールをもとに、AIによって漫画制作がどのように変わるのかを整理します。 1. 漫画を制作するAI1-1. 画像生成AIが「1枚絵」から「連続した作品」へ漫画制作に大きな影響を与えているのは、漫画専用AIだけでなく、汎用画像生成AIの進化です。 OpenAIは2026年4月に「ChatGPT Images 2.0」を公開し、APIでは最新画像モデルとして「gpt-image-2」を提供しています。画像生成と既存画像の編集に対応し、指示追従や文字描画などが強化されています。 Googleの「Nano Banana 2」（Gemini 3.1 Flash Image）は、参照した人物やオブジェクトを維持しながら、繰り返し画像を生成できます。Googleは最大5人のキャラクターと14個のオブジェクトを1つのワークフローで維持できるとしており、ストーリーボードや連続した物語画像

最新のAI研究とAIツールをもとに、AIによってBlenderの使い方と役割がどのように変わるのかを整理します。 1. AIによって変わるBlender制作1-1. 「ゼロから作る」から「生成して直す」へ「Blender」では、3Dモデルの作成からアニメーション、レンダリングまで、さまざまな3D制作を行えます。 主な作業は次のとおりです。 ・モデリング ・スカルプト ・UV展開 ・マテリアル作成 ・リギング ・アニメーション ・カメラ・ライティング ・物理シミュレーション ・レンダリング 従来の新規モデリングでは、Blender上でプリミティブなどから形を作り始める方法が基本でした。 プリミティブを配置 ↓ 頂点・辺・面を編集 ↓ 細部を作り込む 生成AIを使うと、この「最初から形を作る」工程をAIに任せられます。 テキストや画像を入力 ↓ AIが3Dモデルを生成 ↓ Blenderに読み

最新の研究論文や技術報告をもとに、ゲーム開発とプレイヤー体験の未来を整理します。 1. ゲーム開発はどう変わるか1-1. 「素材を作るAI」から「ゲームを作るAI」へ現在の生成AIは、ゲーム制作では主に次の用途で使われています。 ・コンセプトアート生成 ・3Dモデルやテクスチャ生成 ・BGM・効果音・音声生成 ・シナリオやNPC会話生成 ・プログラム生成 ・ステージやクエスト生成 しかし今後は、それぞれを個別に生成するのではなく、 「中世の海辺の街を舞台にした探索型RPGを作って」 のような指示から、地形、建物、NPC、クエスト、ルールなどをまとめて構築する方向へ進むと考えられます。 Metaの「WorldGen」は、自然言語から探索・編集可能な大規模3D環境を生成します。ただし、NPCやクエスト、ルールを含むゲーム全体を作るものではありません。 ゲーム開発は、 人間 → 個々のアセットを

「DGX Spark」で「MiniMax H3」による動画生成を試したのでまとめました。 1. はじめに「MiniMax H3」は、MiniMaxが公開したオープンウェイトの動画生成モデルです。 テキスト、画像、動画、音声を扱うことができ、映像だけでなく、セリフ、効果音、音楽を含むステレオ音声も同時に生成できます。出力は24fpsで、動画の長さは4〜15秒です。 「ComfyUI」はMiniMax H3をネイティブサポートしており、公式のTemplate Libraryには次の3種類のワークフローがあります。 ・T2V（Text-to-Video）：テキストから動画を生成 ・I2V（Image-to-Video）：画像から動画を生成 ・R2V（Reference-to-Video）：画像、動画、音声を参照して動画を生成 今回は、128GBの統合メモリを搭載する「NVIDIA DGX Spa

Mythos級ローカルLLMまとめ - Kimi K3・Qwen3.8-Max・GLM-5.2・DeepSeek-V4 Flash 最近話題のMythos級ローカルLLM 「Kimi K3」「Qwen3.8-Max」「GLM-5.2」「DeepSeek-V4 Flash」についてまとめました。 1. はじめに2026年夏、オープンウェイトを中心としたLLMの性能が大きく伸びています。 Arena.aiのFrontend Code Arenaでは、「Kimi K3」「Qwen3.8-Max」「GLM-5.2」「DeepSeek-V4-Flash」がClaudeやGPTなどのフロンティアモデルと並ぶ上位グループに入っています。 2026年8月6日時点の代表例は次のとおりです。 今回は、この中から次の4モデルを紹介します。 ・Kimi K3 ・Qwen3.8-Max ・GLM-5.2 ・Deep

「ChatGPT Desktop」で「Blender MCP」を試してみたのでまとめました。 1. Blender MCP「Blender MCP」を使うと、ChatGPT Desktopとの会話からBlenderを操作できます。 例えば、次のような処理を自然言語で指示できます。 ・オブジェクトの作成・移動・削除 ・マテリアルやモディファイアの設定 ・カメラやライトの配置 ・既存シーンの分析と整理 ・Blender Python APIを使った処理 「Blender MCP」には、次の2種類があります。 ・Blender公式MCPサーバー：Blender Labが提供する公式版 ・BlenderMCP：コミュニティ版 本記事では、Blender公式MCPサーバーを利用します。 2. セットアップ2-1. インストール(1) ChatGPT DesktopとBlenderのインストール。 ・

ローカルネットワークでDockerサーバーを常時稼働させる方法をまとめました。 1. はじめに自宅や社内のローカルネットワークで、サーバーを常時稼働させたい場面があります。Dockerを利用すると、アプリケーションと必要なライブラリをコンテナとしてまとめて管理できます。 ただし、単にコンテナを起動しただけでは、PCの再起動やコンテナの異常終了後にサービスが停止したままになることがあります。 常駐サーバーとして運用するには、次の点を考える必要があります。 ・Dockerとコンテナの自動起動 ・IPアドレスの固定 ・データの永続化 ・障害時の再起動 ・ログ容量の制限 ・停電後の自動復旧 2. Dockerサーバーを構築するローカルネットワークでは、Linuxマシン上でDocker EngineとDocker Composeを動かす構成が一般的です。 開発中の一時的なサーバーであれば、MacやW

「Tsurugi DB」の使い方をまとめました。 1. Tsurugi DB「Tsurugi DB」は、メニーコアCPUや大容量メモリを活用するために開発された、国産のオープンソースRDBです。 一般的なRDBと同じようにSQLを使えますが、短時間のオンライン処理と、長時間の大量データ処理を共存させやすい点が特徴です。 この記事では、以下を試してみます。 ・DockerでTsurugi DBを起動 ・Pythonから接続 ・テーブル作成 ・データの登録と検索 ・更新と削除 ・トランザクション制御 2. 環境の準備この記事では次の環境を使います。 ・Docker Desktop ・Python 3.10以降 ・uv バージョンを確認します。 docker --version python3 --version uv --version3. Tsurugi DB の起動(1) 公式Docker

以下の記事が面白かったので、簡単にまとめました。 ・Introducing GPT‑Live 1. GPT-Live「GPT-Live」は、ChatGPTの音声対話をより自然にするための新しい音声モデルです。 従来の音声モードは、ユーザーの発話が終わってから応答する、ターン制の会話に近いものでした。これでも音声チャットはできますが、人間同士の会話のように、相手の話を聞きながら相づちを打ったり、途中の言い直しを受け止めたり、沈黙を待ったりするのは得意ではありませんでした。 GPT-Liveはフルデュプレックス構成に基づく音声モデルで、「聞く」と「話す」を同時に扱えるように設計されています。これにより、ユーザーが話している途中でも文脈を追い続け、必要に応じて自然なタイミングで反応できるようになります。 GPT-Liveは、ChatGPTのVoice機能に順次展開されます。Go、Plus、Pro

以下の記事が面白かったので、簡単にまとめました。 ・Claude Fable 5 and Claude Mythos 5 1. Claude Fable 5Anthropicは、一般利用向けに安全対策を施したMythosクラスの新モデル「Claude Fable 5」を発表しました。 Fable 5は、これまで一般公開されてきたClaudeモデルを上回る性能を持ち、ソフトウェアエンジニアリング、知識労働、画像認識、科学研究など、幅広い分野で高い能力を発揮します。特に、長く複雑なタスクほど強みを発揮するモデルです。 一方で、これほど高性能なモデルにはリスクもあります。サイバーセキュリティや生物・化学分野などでは、正しく使えば大きな価値がありますが、悪用されると深刻な被害につながる可能性があります。 そのためFable 5では、一部のリスク領域に対して安全分類器を導入しています。サイバーセキュ

以下の記事が面白かったので、簡単にまとめました。 ・Gemma 4 QAT models: Optimizing model compression for mobile and laptop efficiency 1. Gemma 4 QAT2026年6月5日、Quantization-Aware Training（QAT）で最適化された「Gemma 4 QAT」チェックポイントがリリースされました。 「Gemma 4 QAT」は、「Gemma 4」をより少ないメモリで動かすための量子化対応モデルです。エッジデバイスやコンシューマー向けGPUでも、Gemma 4をローカル実行しやすくなります。QATは、学習中に量子化をシミュレートする手法です。学習後に量子化するPost-Training Quantization（PTQ）と比べて、モデル圧縮時の品質低下を抑えやすいのが特徴です。 今回の

「Codex」の「プラグイン」と「スキル」の関係をまとめました。 1. はじめに「Codex app」を使っていると、プラグイン画面には、「プラグイン」と「スキル」というタブがあります。一方で、公式ドキュメントを読むと、「App integration」「MCP server」「Marketplace」「Hooks」なども出てきます。 このあたりの関係が少しわかりにくいので、整理します。 2. 全体像Codexの「プラグイン」「スキル」などの関係は、次のように考えるとわかりやすいです。 ・Marketplace ・Plugin ・Skill ・App integration / connector mapping ・MCP server config ・Hooks ・Assets つまり、MarketplaceはPluginのカタログ、Pluginは配布パッケージ、SkillはCodexが

OpenBlender の概要についてまとめました。 1. OpenBlender「OpenBlender」は、生成AIの機能をBlenderに統合するためのアドオンです。Blenderで3Dシーンを作りながら、画像生成、動画生成、3Dモデル生成、HDRI生成、リグ生成、AIチャット、MCPによる外部操作などを同じ画面内で扱えるようになります。 「OpenBlender」を使うと、Blenderを単なる3D制作ツールとしてだけでなく、生成AIの構図制御ツール、素材生成ツール、AIエージェントの操作対象として使えるようになります。 主な機能は次のとおりです。 ・TXT to IMG ・IMG to IMG ・IMG to VID ・VID / TEXT / IMG to VID ・IMG to 3D ・TXT to HDRI ・TXT to RIG・IMG to RIG・VID to RIG