クリエイター時代、ほぼ働かずファンの支援と不労所得で生きていた。元UE4エバンジェリスト / Muv-Luv VR開発 / 起業家 / 著書あり。今はAIに働かせて、金と構造の本音だけ書く。
デジタル埼玉
Joined October 2014
- Tweets34.1K
- Following1.3K
- Followers2.3K
- Likes17.8K
ぬるぽん | 働かずに生きてた人 retweeted
Of course it can. Take all 100,000+ games on steam, scrape their descriptions and metadata, semantically plot them in vector space using embeddings, mathematically choose a location in vector space far away from neighbors, convert that back to a description and metadata, boom, brand new ideas ranked by how unlike any other ideas they are.
ぬるぽん | 働かずに生きてた人 retweeted
デザインハーネスとしてとても良さそう。お勉強しよう
impeccable.style/
ぬるぽん | 働かずに生きてた人 retweeted
🚀 Introducing DeepInfer, our in-house inference framework, now fully open source!
Powering DeepSeek-V4.1-Flash at scale with high throughput and low latency. We’re sharing our production stack to help the community lower compute costs, reduce energy use, and make AI more affordable.
🔗 github.com/deepseek-ai/DeepI…
1/4
ぬるぽん | 働かずに生きてた人 retweeted
Opus 5.5 × DeepSeek-V4.1-Flash-1017
昨日はDeepSeekがWorkerとして非常に優秀なことが分かったので、Opus 5.5をOrchestratorにして夜間の長期タスクの検証。
※Orchestrator(指揮官)が指示役のAI、Workerが作業の実行役。役割分担することでコストのかかる作業だけをコスト削減する
題材は実社会の中規模オフィスのファサード。昨日試していた「ミウラ折り」の機構を持ち込んでアイデアを考えてもらう
敷地は前に風邪シミュレーションした虎ノ門の敷地を流用。PLATEAUからモデル拝借。Opusの判断で時刻ごとの日射条件に応答して開閉する仕組みを考えてくれた。
成果物の良し悪しというよりは、難易度の高い長期タスクでどれだけやれるか確認したかったんだけど、結果としてはかなり良いと思う
Opus 5.5がDSへタスクを渡し、結果をレビューしていくので、全体の作業品質自体は良好かと思う。
作業時間は全部で5時間と少し
OpusとDSの間のラリーは29回で、最終的にDSHのAPIクレジットが尽きて止まった(ワイの管理不足)
29回のプロンプト実行でDSのコストが＄4.06。並列している分を加味すると461分稼働しているので、時給＄0.5未満。もうタダ。
長くなったので強引にまとめると、WorkerとしてDeepSeek-V4.1-Flash-1017は破格の安さを誇っている。
ワイの中ではOpus 5.5をOrchestratorに、DSをWorkerに使う構成が良さそうだ。
試していないけどAstraをOrchestratorにしてもそこそこ良いと思う。
Opus 5.5に、DeepSeek-V4.1-Flashを使わせてVibe Modelingする
今日はClaude CodeのOpus 5.5からDSHのDSV4.1Fに指示して作業させていました。
目的は品質やコスト感を確かめるためで、結論としては結構良い感じです。
DeepSeek-V4.1-Flashは公式APIから使用
ここまで総作業時間は13時間
DSの料金は900円くらい（$5.6）
超安いですね。
Opus 5.5は100ドルプランの週次上限の14％消費程度
Claudeの100ドルプラン＋DeepSeek-V4.1-Flash
という構成でかなり多くのことができると思いました
もうしばらく深めていきます
ぬるぽん | 働かずに生きてた人 retweeted
業務フローを人間が読む図からAIが理解・レビューできるデータにする話。これまだ個人的にベスプラ見つかってないから助かる。
従来のExcelやPowerPointによる業務フローは、AIが業務の意味を理解しにくい。
そこで記事では、国際標準規格「BPMN 2.0」と「bpmn.io」を活用する方法が紹介されてる。
具体的には、
① 誰が何をするか、どこで分岐するかを構造化データとして保存
② 開始・終了の欠落や未接続タスクを自動検出
③ Claude Codeで「承認したのに却下通知が送られる」といった業務上の矛盾もレビュー
さらにGitで変更履歴も管理できる、と
future-architect.github.io/a…
ぬるぽん | 働かずに生きてた人 retweeted
「アニメをめくれる漫画に」
Opus 5.5 × Python
久しぶりにアニメ→漫画。
After Effects も Blender も使わずにコマ割りからページめくりまで、全部 Python でチャレンジ。
Python といってもOpus 5.5 と会話して、書いて動かしてもらっただけです。
■素材
・キャラ設定画：Midjourney
・アニメ：MiniMax H3
・音：H3 の音そのまま（めくる音だけ Python で合成）
■Python でやらせたこと
・アニメを線と色に分けて、漫画の絵柄に描き直す
・コマ割りと、下描き→ペン→色の順に描かれていく演出
・くしゃみは見開き1枚。ギザギザと描き文字を1字ずつ組んで動かす
・コマを追うカメラと、本のページめくり
■わかったこと
・編集ソフトがなくてもここまで組める
・やっているのは「1コマずつ絵を作って並べる」だけ
・直しは会話で頼んで、書き出し直すだけ（1回5分）
・Adobe を持っていない人でも作れる
編集ソフトがなくても、色々な表現が可能になってきました。まずは自分の作りたいものを会話しながら近づけていくのが良さそうです。もちろんいきなりいい感じにはならないことが多いですが、自分の思っているものが動画になるのは楽しいですよね。
ぬるぽん | 働かずに生きてた人 retweeted
この二つの記事が、今の永遠の撤退戦の崩壊と対策をものの見事にまとめられている。ただ、これを非ITの普通の中小企業で実現するのは不可能なんで、思いつくとしたら、全業務Microsoft、aws、google、Cloudflare のゼロトラストの世界で全システム作り直すか、誰かが中小企業向けにこれらの土台の上にZero Trust as a Serviceを作って丸ごと運用を請け負うかしかないと思うが、そんな銀の弾はすぐには出てこないので、どうしたもんかと頭をかかえている。
AI時代のゼロトラストがキツい件について blog.cloudnative.co.jp/artic…
【アンサー】ゼロトラストはキツくない。「ゼロトラストの完成」を目指す運用がキツい blog.cloudnative.co.jp/artic…
ぬるぽん | 働かずに生きてた人 retweeted
新刊見本誌！！
10月9日に三年半ぶりの『狼と香辛料』新刊出ます！
今回すごくたくさんｲｯﾇがでてきます。
わっちゃあ犬ではありんせん！
帯の「1000万部」もまさかまさか。
amzn.asia/d/0aXZnAnX
ぬるぽん | 働かずに生きてた人 retweeted
半年前にやりたかったことができてしまった
この先どこまでいくんだろう😅
ぬるぽん | 働かずに生きてた人 retweeted
JIZURAをたくさん使っていただきありがとうございます
JIZURAを改造すると、グリーンバック（透過）のダンス動画を文字代わりに動かしてこんな事もできます
英語UI他、AEのCEPにも対応しました。
楽しんでください。
github.com/852wa/JIZURA
🤖 Made with AI
ぬるぽん | 働かずに生きてた人 retweeted
"DiffusionGemma as Jev" showcases the power of non-autoregressive architectures.
While Jev demonstrates the value of rapid decision models, running DiffusionGemma in this paradigm leverages canvas diffusion to evaluate structured choices in a single parallel pass:
⚡ ️Massive Parallelism: Denoises across an open canvas in a single step instead of sequential autoregressive token generation (~0.2s on a DGX spark).
🧠 Full Bidirectional Attention: Allows every option to attend to the full context concurrently, yielding well-calibrated decision distributions.
👁️ Multimodal Grounding: Inherits Gemma 4's spatial vision capabilities for complex visual and text decisions.
Read more about this approach here:
github.com/vllm-project/vllm…
xitter.cf/mmastrac/status/210037…
xitter.cf/mmastrac/status/210062…
ぬるぽん | 働かずに生きてた人 retweeted
駐車場監視をAIで自動化する開発者(Fit_Professional氏)
DINO＋Blenderの合成データで、駐車スペースの空き状況を検出している。車体が他の車で隠れていても、影や路面など周辺情報から駐車を推定。
実環境の監視カメラでも機能する設計が面白い。
ぬるぽん | 働かずに生きてた人 retweeted
AI × モーショングラフィックス
架空の現場管理アプリCM
MiniMax H3 Max on #Fal
🤝 Paid partnership · 🤖 Made with AI
ぬるぽん | 働かずに生きてた人 retweeted
MCP経由でSkillsを配布・取得できる「Skills Over MCP」という仕組みです。対応クライアントでMCPをつなぐとSkillを使える仕組みで、サーバー側で更新すれば最新版を反映できるようです。Skillsの配布や更新管理が楽になりそうですね！
github.com/modelcontextproto…
ぬるぽん | 働かずに生きてた人 retweeted
CloudFlare AI Agentlar için security-skill yayınlamış, direkt yapıştıralım 👇
github.com/cloudflare/securi…
ぬるぽん | 働かずに生きてた人 retweeted
I BUILT A FLY BRAIN THAT CAN BE PLUGGED INTO ALMOST ANY MACHINE.
github.com/Frankweb33/flybra…
I call it BRAIN.
With Claude’s help, I built a local bridge that turns camera input into neural activity and neural activity into motor commands.
The current version uses eight virtual neural populations, IMU feedback and left/right motor control. It includes a working synthetic demo and an ESP32 scaffold.
Connect it to a robot, a drone or even a robot vacuum.
The code is MIT licensed.
Fork it and make something move.
THE FLY BRAIN ESCAPED THE COMPUTER. I PUT IT INSIDE A PHYSICAL ROBOT.
Scientists released a reconstructed map containing 166,700 neurons from a fruit fly.
I connected it to a Strandbeest.
The panel in the top-right shows the simulated brain running. Its neural activity is translated into motor commands that move the mechanical legs below.
The catch: this is a computational model built from biological wiring. I engineered the interface connecting its outputs to the robot.
First, the fly brain entered DOOM.
Then it played Chrome Dino.
Now it has a physical body.
166,700 neurons.
25 million connections.
One nervous system walking through the real world.
ぬるぽん | 働かずに生きてた人 retweeted
ハエ脳開発の一般/開発者向けの解説つくっといた（英語版もあるよ）
hae.satoru.net/faq/?lang=en
hae.satoru.net/tech/?lang=en
■主な開発の特徴
・生物の配線図をそのまま使う（FlyWire の実測データ）
・学習規則は生物で知られているドーパミン依存の可塑性（KC→MBON シナプス）
・行列演算ではなく、スパイクのイベント駆動シミュレーションで計算
・元の Brian2 モデルとスパイク単位で一致する WASM（19 KB）で、サーバでもブラウザでも同じコードが動く
ぬるぽん | 働かずに生きてた人 retweeted
GPT‑6 Astra（xhigh）にどのように作ったのか聞いてみました。
-----
Marvelous Designer内のPython APIと、Computer Useによる画面操作を組み合わせて作りました。
流れはこうです。
1. 私が操作用のPythonファイルを作成
型紙の寸法・位置、生地、縫製、シミュレーション、保存などの処理を書きます。
2. MD内のPythonエディタから実行
既存のランナーが操作ファイルを読み込み、MDの公式APIを通して、開いている衣装を編集します。
3. 細かい編集は画面操作で補完
リボンの裁断、ボタンの移動、生地の厚み入力などは、実際の画面を見ながらマウス・キーボード操作も使いました。
4. MDで物理演算して確認・保存
前後左右の表示を確認し、保存したプロジェクトを開き直して、変更が残っていることまで確認しました。
常駐する専用MCPサーバーをMDへ接続した構成ではなく、「操作スクリプトをMD側で実行する連携」です。
出来上がった衣装は、MDで型紙・縫製・生地を引き続き編集できる実データになっています。
