Geekなオヤジブログ

フロンティアモデルにBlenderでモデリングさせるのが流行っているので、Claude Code（Opus 5.5）に仕組みを聞きつつ、機械式の懐中時計を作ってもらいました。AIはBlenderを手で操作するのではなく、Pythonを書き、レンダリングした画像を見て直す、を繰り返します。ただ、1作目は見た目こそ本物でも、計算で確かめると秒針が53秒で1周する設計でした。設計からやり直し、毎時18,000振動の時計が部品から自分で組み上がって動き出す動画に。BGMはComfyUIのMiniMax Music 3で作り、720pで15MBに収めています。

Qwen Image 2.1とQwen Image Edit 2511に、同じ男性へジャケット・カメラ・柴犬・背景…と参照画像を1枚ずつ足してもらいました。2.1は参照10枚まで24枚すべてが作例として使える出来で、2511（Lightning）は参照4枚で3枚中1枚、5枚で0枚。素の速さは2511が2〜3倍上ですが、ComfyUIの標準ノード（comfy kitchen attention＋EasyCache）を足すと、EVO-X2（Radeon）でも2.1が約4倍速くなり、参照3枚で211秒→55秒と2511を追い抜きました。EasyCacheで出る無地の背景の色むらを、画像処理で強調して見比べています。

Clineに続いて、OSSのAIエージェント基盤OpenCode・OpenHands・Gooseを、同じQwen3.6 35Bと同じ21回のテストで比べました。合格はCodex 10、Cline 13、OpenCode 8、OpenHands 14（同じ条件の回し直しで11）、Goose 10で、±3本は揺らぎの範囲。一方、モデルをQwen3.8 27B（Dense、RTX 5090でQ6_K）に替えると、Codex 19・OpenHands 19・Cline 20と、どのハーネスでも7〜9本伸びました。同じ世代のMoE（Flash Next、88GB）とはほぼ互角。OpenHandsの打ち切りの原因だった中継の不具合と、長考が止まらないときのハーネスごとの止まり方も。

LM Studio Bionicの安全性調査編で予告した「BionicとCodex CLIを同じモデルで比べる」を、Clineで回収。BionicはVMからホストのモデルを使うのにLM Link（アカウント＋LM Studioのサーバー＋Tailscale）が必須で完全ローカルにならないため見送り、OSSのCline（Apache-2.0）をVMの専用ユーザーに閉じ込め、外向き通信をホストのLM Studioだけに絞って計測しました。同じQwen3.6 35B・同じ21回のテスト・同じ判定器で、合格はCodex CLIの10/21に対してClineは13/21、中身の質は3.32→3.78。伸びたのは家計簿と議事録の細部で、ブログ下書きの書き直しループと動画プロンプトの記法はどちらのハーネスでも直らない。Clineがモデル一覧を認証なしで取りに行く不具合など、つまずいた3点と回避策も。

『ファミコン探偵倶楽部 消えた後継者』を自宅のRTX 5090とMiniMax H3で実写化する計画が、4時間27分53秒・2,605カットで完成しました。権利の都合で誰にも公開しない、観客は私ひとりの映画です。没テイク込みで5,034本・8時間54分を生成し、生成÷採用は全体で1.96倍。固定アンカー方式の答え合わせ、心の声の無音版+音声版合成、参照音声に固有名詞を入れてはいけない話、夜間の無人運転、原曲を採譜して編曲したオープニング、全カットのレビュー画面など、中間報告以降のノウハウ。そして「有償APIなら38万5千円、ただし財布に入ったお金は0円」という、RTX 5090機の回収計算(震え声

前回GPT-5.6 Lunaを測った記事を公開した当日に、OpenAIがGPT-6 Lunaを発表。同じVM・同じCodex CLI・同じ判定器で、同じ21回をeffort既定・high・xhighの3通りで回しました。費用は21回$0.124（約18円）で旧Lunaから4割減、ただし出力が1.4倍に増えて1タスクの中央値は33秒から58秒に。精度は数字が2つあり、判定器どおりなら12/21で旧Lunaの14/21より後退、中身の質は満たしているのに判定器の読みが厳しくて落ちた4か所を、全モデル共通の規則で緩めると18/21でローカル最良のQwen3.8 IQ4_XS（17/21）を超える。旧Lunaの「壊れた物差し」と家計簿は直り、動画プロンプトは話者IDを書きすぎから書かなさすぎに反転。落ち方は「足す」から「省く」へ。effortは12→12→11で、上げても効かない。

前回のパイプラインには「完成品を評価して直す」段が無かった。Qwenに丸投げは無理、ロジックで矛盾は見られない、だからフロンティアか人間しかないのか——と問うたら、Claude Codeは「半分不同意」。検品を3層に分けて試しました。第2層（節どうしの矛盾）は、分解して作ったから中間データがあり、「この人物はShot 2にも出る」という宣言と本文の食い違いをコードで照合。判定器を通った25本のうち21本に見つかり、機械で修理。第3層（意味）は、材料の一覧から作った二択104問にQwen3.6が答えて、Claudeの正解と98%一致（凡例なしだと83%、無いものを「ある」とは言わない）。120Bのqwen3.8も98%で4秒/問。見つけたものを戻したv12でも、後のショットの出来事が前のショットに漏れる、人物の外見を初めて出る場面で描かない、は残り、二択で場所まで分かる。人間かフロンティアの仕事は、旗の立った段落を読んで書き直しを指示する1〜2割に縮みました。