Pinned Tweet
VLM（ローカルVLM含む）を用いて、画像や絵文字などから16x16のピクセルアートを作る「ai-pixel-art-converter」をGitHubで公開しました！
github.com/robustonian/ai-pi…
MITライセンスで公開しているので、自由に改造して使ってください
#ローカルAIに向き合う展示会 にて下記の2つを展示しました！
①「ｽﾀｯｸﾁｬﾝ・ニワトリシステム」
ニワトリのように同じ方向を見続ける姿勢安定化モードをIMUのみで実現していた話。カメラは使っていません
②「ai-pixel-art-converter」：画像や絵文字から16x16のピクセルアートをVLMに描いてもらうアプリ
画像生成モデルは使用しておらず、各VLMモデルの画像理解・表現能力を視覚的に比較できます
これは簡単そうなタスクに見えますが、実はとても難しいタスクとなっていて、フロンティアモデルとローカルVLMを比較するとまだ明らかに性能差があることが解ると思います
これ欲しいけど、Mac や Ubuntu で動かせるのかな？
新製品リリース📢 6インチで小型の空間再現ディスプレイ『ELF-MN1』を発売
メガネやヘッドセットなしで、アバターやキャラクターが机の上にいるかのように裸眼で楽しむことが出来ます。
スマートフォンやPCと接続することで、まるでそこに実在するかのような新しい体験を提供します。
🔗sony.jp/CorporateCruise/Pres…
金のニワトリ retweeted
最適は探求中ですが、比較した結果です。Qwenはもっと速度出る気がします。DFlash2使ってないとか？ > DGX Sparkで色々なローカルLLMを動かした比較結果｜からあげ zenn.dev/karaage0703/article… #zenn
こちら、ありがたいことにまさかのMia（@MiaAI_lab）ご本人からズバリ回答を教えていただきました。他に多くの方からコメントいただきもありがとうございます😭
現状は Qwen3.8-Flash-Next 一択とのことで、まずは Mia のレシピを試してみようと思います
教えていただいたレシピ
orenoaさん、ありがとうございます！
xitter.cf/orenoa7/status/2115108…
vLLMだとprefill周りで詰まりにくいので複数人だと良さそうですね
このときは下記のレシピを参考にパラメータを変更したりしてました
vLLM(FP4-Local) NVIDIA
huggingface.co/nvidia/Qwen3.…
Tensorfold(FP4-Local) MiaAI-Lab
github.com/MiaAI-Lab/Qwen3.8…
Flare(NVFP4+MXFP8) NVIDIA
github.com/NVIDIA/flare-loca…
あと幸せをドーパミンとかセロトニンとかオキシトシンといったホルモンの分泌と捉えるなら、果たしてドーパミンをドバドバさせることが本当にその人にとって長期的な幸せにつながっているのか？というのは今でも疑問に思っている
刺激に慣れると同じ刺激ではドーパミンが分泌されにくくなるらしいから、ドーパミンを手っ取り早く分泌させることは将来の幸せを前借りしていることにならないのか？とか
文脈がよくわからないけれど、この問いは少し危うさを孕んでいる気がする。自分自身ですらどんなときに幸せを感じるかわかっていない人もいれば、自分の幸せは自分の力で作りたいとか、この趣味については何人にも触れて欲しくないという人もいる。逆に自分自身や家族の幸せは知る努力をするべきなんだろうと思ってる
GPT-6.1 Terra (xhigh) + Codex の Terminal-Bench 4.0 の評価結果を共有する
●メモ
・性能
Opus 5.5 > GPT-6.1 sol > GPT-6.1 Terra > Haiku 5.5 >> GPT-6 sol
・コスパ
GPT-6.1-SolとDeepSeek-4.1-Flash-1017の間に挟まる形で現時点で最高のコストパフォーマンスを発揮するモデルの一つになった
・速度
このグラフでは見えないが、速度面に置いては今まで評価したモデルと比べて群を抜いてタスク完遂までの時間が短かった。これだけでこのモデルを使う理由にできる
●その他メモ
・maxも試したが、思考が長すぎてトークン消費量が多くなり、またそれに伴い推論時間も長くなるので正直割に合わないと感じた。素直にTerra max を使うぐらいなら、素直にgpt-6.1-sol を使った方が良さそう
タスク遂行の速さが尖っているので、それだけでこのモデルには価値がある。もちろんタスク内容に依るだろうが、うまくハマれば現状唯一無二のモデルといえよう
ちなみに max は思いの外トークン消費量が多かった＆結構時間かかりそうだったので、途中で評価をやめました（というかレートリミットで強制的に中断となった）
さすがに gpt-6.1-sol を超えることはなさそうなので、それなら使えばいいやという結論に達した
GPT-6.1 Terra + codex で早速 ts-bench を評価したので結果を共有する
●知見メモ
・これまでの GPT モデルに比べて、明らかにタスク遂行までの時間が速い！
→ツールコールの回数やエラー率、トータルトークンを比べてもgpt6.1-solより優位性があるようには見えないので、単純に推論速度が倍近く高いことが要因と言えそう
・gpt-6-luna と違って満点を取れている
●結論
コスパもかなり良いので、 gpt-6-luna から切り替えて良さそう
GPT-6.1 Terra、かなりコスパ良さそうなので Plus プランでも Terminal-Bench 4.0 を完走できるかもしれない
→DeepSeek-V4.1-Flash-1017 の評価があと少しで終わるので、それ終わったら GPT-6.1 Terra の評価始めます