<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>タグ:claude &#8211; AIディベロッパーblog</title>
	<atom:link href="https://aidev.bluegarage.site/blog/tag/claude/feed/" rel="self" type="application/rss+xml" />
	<link>https://aidev.bluegarage.site/blog</link>
	<description>AI技術を使った様々な開発のTIPSや技術のブログです</description>
	<lastBuildDate>Fri, 03 Jul 2026 01:45:47 +0000</lastBuildDate>
	<language>ja</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
	<item>
		<title>【2026年最新版】主要AI企業のユーザー入力データ利用ポリシー比較まとめ</title>
		<link>https://aidev.bluegarage.site/blog/2026/07/03/%e3%80%902026%e5%b9%b4%e6%9c%80%e6%96%b0%e7%89%88%e3%80%91%e4%b8%bb%e8%a6%81ai%e4%bc%81%e6%a5%ad%e3%81%ae%e3%83%a6%e3%83%bc%e3%82%b6%e3%83%bc%e5%85%a5%e5%8a%9b%e3%83%87%e3%83%bc%e3%82%bf%e5%88%a9/</link>
				<pubDate>Fri, 03 Jul 2026 01:45:47 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[chatgpt]]></category>
		<category><![CDATA[claude]]></category>
		<category><![CDATA[deepseek]]></category>
		<category><![CDATA[google]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9728</guid>
				<description><![CDATA[ChatGPT、Claude、Gemini、Copilot、そしてDeepSeekやQwen（通義千問）など、私たちが日常的に使うAIチャットボットに入力した文章・コード・画像は、いったいどのように扱われているのでしょうか。 「会話が勝手にAIの学習データにされているのでは？」という不安を持つ人は少なくありません。実際、多くのAI企業は個人向け無料プラン・有料プランではデフォルトで会話データを学習に利用し、法人向け（Enterprise/API）契約では原則として学習に利用しないという、二段構えのポリシーを採用しています。 本記事では、米国系（OpenAI、Anthropic、Google、Microsoft）、その他（Meta、xAI）、そして中国系（DeepSeek、Alibaba等）の主要AI企業のデータ利用ポリシーを横断的に整理しました。 1. OpenAI（ChatGPT） Free / Plus / Pro（個人向け）：個人ワークスペースではデータ共有がデフォルトで有効になっており、会話データはモデルの学習に利用される。ただし「設定 &#62; Data Controls &#62; Improve  [&#8230;]]]></description>
									</item>
		<item>
		<title>Sakana AIの新プロダクト「Fugu（フグ）」とは？マルチエージェントAIの全貌を解説</title>
		<link>https://aidev.bluegarage.site/blog/2026/06/23/sakana-ai%e3%81%ae%e6%96%b0%e3%83%97%e3%83%ad%e3%83%80%e3%82%af%e3%83%88%e3%80%8cfugu%ef%bc%88%e3%83%95%e3%82%b0%ef%bc%89%e3%80%8d%e3%81%a8%e3%81%af%ef%bc%9f%e3%83%9e%e3%83%ab%e3%83%81%e3%82%a8/</link>
				<pubDate>Tue, 23 Jun 2026 01:32:16 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[claude]]></category>
		<category><![CDATA[google]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9720</guid>
				<description><![CDATA[2026年6月22日、東京を拠点とするAIスタートアップ・Sakana AIが新プロダクト「Sakana Fugu（サカナ・フグ）」を正式リリースしました。複数のAIモデルを束ねて「1つのモデル」として動かすという斬新なアーキテクチャで、リリース直後から大きな注目を集めています。 Sakana Fuguとは？概要 Sakana Fuguは、複数のAIエージェントをオーケストレーション（協調制御）しながら、ユーザーには単一のモデルとして振る舞うマルチエージェントシステムです。 リクエストを一つのエンドポイントに送るだけで、Fuguがそれをどう処理するかを判断します。シンプルなタスクはそのまま解き、複雑なタスクには専門モデルのチームを編成・調整します。モデルの選択、タスクの委任、検証、統合はすべてFugu内部で完結するため、マルチエージェント特有の複雑さは開発者のコードに一切漏れてきません。 Fugu自体も約7Bパラメータの小型言語モデルであり、他のLLMを呼び出すことを強化学習によって学習しています。トレーニング中には自分自身を再帰的に呼び出すことも覚え、テスト時のスケーリングが可能になっています。 Fuguの [&#8230;]]]></description>
									</item>
		<item>
		<title>無制限に無料でAIコーディング　VRAM 8GB のノートPCでQwen3 Coderを動かしてみる</title>
		<link>https://aidev.bluegarage.site/blog/2026/06/18/%e7%84%a1%e5%88%b6%e9%99%90%e3%81%ab%e7%84%a1%e6%96%99%e3%81%a7ai%e3%82%b3%e3%83%bc%e3%83%87%e3%82%a3%e3%83%b3%e3%82%b0%e3%80%80vram-8gb-%e3%81%ae%e3%83%8e%e3%83%bc%e3%83%88pc%e3%81%a7qwen3-coder/</link>
				<pubDate>Thu, 18 Jun 2026 07:46:58 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[アプリケーション開発]]></category>
		<category><![CDATA[chatgpt]]></category>
		<category><![CDATA[claude]]></category>
		<category><![CDATA[deepseek]]></category>
		<category><![CDATA[inference]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[Qwen]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9706</guid>
				<description><![CDATA[無制限に無料でAIコーディングできるオープンソースのモデルQwen3 Coder　をVRAM 8GB のノートPCで動かしてみてその実力を見てみたいと思います。 まずこちらの記事に従いOllamaを入れます。このソフトはローカルでChatGPTのような感じでLLMを動かすためのソフトです。 次にモデル選択画面プルダウンで、qwen3-coderと入れて、qwen3-coderを選択状態にし何でもいいのでチャットを行います。 するとモデルのダウンロードが自動で始まります。(１７GBあるので結構時間がかかりますので待ちます) 意図的にコードにバグを仕込んで修正できるか試してみる あるコードを少しカスタマイズして下記のような絶対通らないIF文を作りOllamaにこのファイルを＋ボタンから追加して原因を聞いてみました。 if(!empty($youtubeId) &#38;&#38; 1==2){ $replace = [ &#8216;https://youtu.be/&#8217; =&#62; &#8221;, &#8216;https://www.youtube.com/watch?v=&#8217; =&#038;gt [&#8230;]]]></description>
									</item>
		<item>
		<title>Claudeとの会話はなぜ楽しいのか、なぜ安心感があるのかリークされたシステムプロンプトで調べてみる</title>
		<link>https://aidev.bluegarage.site/blog/2026/06/17/claude%e3%81%a8%e3%81%ae%e4%bc%9a%e8%a9%b1%e3%81%af%e3%81%aa%e3%81%9c%e6%a5%bd%e3%81%97%e3%81%84%e3%81%ae%e3%81%8b%e3%80%81%e3%81%aa%e3%81%9c%e5%ae%89%e5%bf%83%e6%84%9f%e3%81%8c%e3%81%82%e3%82%8b/</link>
				<pubDate>Wed, 17 Jun 2026 06:05:31 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[chatgpt]]></category>
		<category><![CDATA[claude]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9703</guid>
				<description><![CDATA[Claudeとの会話はなぜ楽しいのか、なぜ安心感があるのかリークされたシステムプロンプトで調べてみたいと思います。 本物である確証はありませんが、Claude Fable 5のシステムプロンプト全体がリークされました。 https://github.com/elder-plinius/CL4R1T4S/blob/main/ANTHROPIC/CLAUDE-FABLE-5.md 120,000文字。1,585行。27,000+トークンという超巨大なシステムプロンプトになっていますので、人間と接する際の会話のコツ部分だけを引用しその性格の秘密を探ってみたいと思います。(これはおそらく人間が書いたものですので参考になる部分があるかも知れません　笑) このリーク、どこまで信用できるのか リーク元の「CL4R1T4S」というリポジトリは、ChatGPTやGemini、Grok、Claudeなど主要なAIモデルの「システムプロンプトらしき文書」を集めて公開している、いわゆるAI透明化系のプロジェクトです。多くはプロンプトインジェクションのような手法でAI自身に出力させたものとされていますが、その精度や真偽は文書ごとにかな [&#8230;]]]></description>
									</item>
		<item>
		<title>AIエージェント型コーディングで頻発する「Infinite Loop / Spinning」とは？またその回避方法は？</title>
		<link>https://aidev.bluegarage.site/blog/2026/06/16/ai%e3%82%a8%e3%83%bc%e3%82%b8%e3%82%a7%e3%83%b3%e3%83%88%e5%9e%8b%e3%82%b3%e3%83%bc%e3%83%87%e3%82%a3%e3%83%b3%e3%82%b0%e3%81%a7%e9%a0%bb%e7%99%ba%e3%81%99%e3%82%8b%e3%80%8cinfinite-loop-spinning/</link>
				<pubDate>Tue, 16 Jun 2026 01:46:02 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[アプリケーション開発]]></category>
		<category><![CDATA[claude]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9701</guid>
				<description><![CDATA[エージェント型AIにコードの修正や実装を任せていると、いつまで経っても作業が終わらず、トークンだけが膨大に消費されてしまう現象に遭遇することがあります。これは「Infinite Loop（無限ループ）」または「Spinning（スピニング）」と呼ばれる、エージェント型コーディングシステムの既知の問題です。 本記事では、この現象がなぜ起きるのか、どう防ぐのか、そして万が一ループに入ってしまったときの対処法と、AIコストが人間コストを上回る条件についての研究動向まで解説します。 なぜ堂々巡りになるのか？ 主な原因 1. エラー修正の連鎖 最もよく見られるケースです。コードを修正するとテストが失敗し、別の箇所を修正すると今度は最初のテストが壊れる、という繰り返しが発生します。特に依存関係が複雑なコードベースで起きやすい傾向があります。 2. 曖昧な指示・ゴールの未定義 「うまく動くようにして」といった成功条件が不明確な指示では、エージェントが「完了」を自分で判断できず、改善を試み続けます。 3. ツール呼び出し結果の誤解釈 テスト結果やコンパイルエラーの出力を誤読し、「修正できた」と誤判断して先に進んだ結果、同じエ [&#8230;]]]></description>
									</item>
		<item>
		<title>Claude Fable 5・Mythos 5 緊急停止事件 ― 何が起きたのか総まとめ</title>
		<link>https://aidev.bluegarage.site/blog/2026/06/15/claude-fable-5%e3%83%bbmythos-5-%e7%b7%8a%e6%80%a5%e5%81%9c%e6%ad%a2%e4%ba%8b%e4%bb%b6-%e2%80%95-%e4%bd%95%e3%81%8c%e8%b5%b7%e3%81%8d%e3%81%9f%e3%81%ae%e3%81%8b%e7%b7%8f%e3%81%be%e3%81%a8%e3%82%81/</link>
				<pubDate>Mon, 15 Jun 2026 01:30:21 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[claude]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9699</guid>
				<description><![CDATA[Claude Fable 5・Mythos 5 緊急停止事件 ― 何が起きたのか総まとめ 2026年6月9日、Anthropicは新モデル「Claude Fable 5」(一般公開版)と「Claude Mythos 5」(限定版)を発表しました。しかしその直後、わずか数日のうちに米国政府による輸出管理指令でアクセスが世界中で完全停止されるという、業界を揺るがす事態に発展しました。本記事では、この一連の経緯を確認できた情報源とともに整理します。 モデルの概要と発表時の評価 両モデルは同じ基盤(Mythos-class)を持ち、安全ガードレールの強さで区別されています。Fable 5はサイバーセキュリティ、生物・化学関連などの高リスク領域で自動的にOpus 4.8へフォールバックする仕組みを搭載した一般公開版、Mythos 5はその制約が一部緩和された限定提供版です。 発表時のベンチマークでは、SWE-Bench Proで80.3%(Opus 4.8は69.2%、GPT-5.5は58.6%)、FrontierCode Diamondで29.3%(Opus 4.8は13.4%、GPT-5.5は5.7%)といった高い [&#8230;]]]></description>
									</item>
		<item>
		<title>エージェント型AIとLLMの違い、そして「できること」の本当の範囲</title>
		<link>https://aidev.bluegarage.site/blog/2026/06/12/%e3%82%a8%e3%83%bc%e3%82%b8%e3%82%a7%e3%83%b3%e3%83%88%e5%9e%8bai%e3%81%a8llm%e3%81%ae%e9%81%95%e3%81%84%e3%80%81%e3%81%9d%e3%81%97%e3%81%a6%e3%80%8c%e3%81%a7%e3%81%8d%e3%82%8b%e3%81%93%e3%81%a8/</link>
				<pubDate>Fri, 12 Jun 2026 01:27:54 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[claude]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[エラー]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9696</guid>
				<description><![CDATA[LLMとエージェントの違い LLM(大規模言語モデル)は、テキストを入力として受け取り、テキストを出力する基盤モデルそのものです。質問応答や文章生成など、単発の対話に強みがあります。 エージェント型のAI(例:Claude Code)は、LLMを中核として、ファイル操作・コード実行・テスト・検索などのツールを自律的に組み合わせ、複数ステップのタスクを自分で計画・実行・検証するシステムです。LLMが「頭脳」、エージェントは「頭脳+手足+判断ループ」と言えます。 主な違いは次の通りです。 動作範囲:LLMは1回の入出力で完結。エージェントは目標達成まで複数回のツール呼び出し・自己修正を繰り返す 環境との接続:LLMはテキストのみ。エージェントはファイルシステム、ターミナル、APIなどの実環境にアクセスできる 自律性:LLMは応答を生成するだけ。エージェントは計画立案→実行→確認→修正のループを自律的に回す 状態管理:エージェントはタスクの進行状況やコンテキストを保持しながら作業を継続する LLM自体はエージェントを動かす「エンジン」であり、エージェントはそのエンジンに自律的な実行能力を持たせたアプリケーションです [&#8230;]]]></description>
									</item>
		<item>
		<title>AIによるソフトウェア開発でコードが増えれば増えるほどAIのコーディングパフォーマンスが低下する問題</title>
		<link>https://aidev.bluegarage.site/blog/2026/06/01/ai%e3%81%a7%e3%82%bd%e3%83%95%e3%83%88%e3%82%a6%e3%82%a7%e3%82%a2%e9%96%8b%e7%99%ba%e3%81%a7%e3%82%b3%e3%83%bc%e3%83%89%e3%81%8c%e5%a2%97%e3%81%88%e3%82%8c%e3%81%b0%e5%a2%97%e3%81%88%e3%82%8b%e3%81%bb/</link>
				<pubDate>Mon, 01 Jun 2026 01:29:53 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[アプリケーション開発]]></category>
		<category><![CDATA[claude]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9685</guid>
				<description><![CDATA[当社ではエージェント型AI(自分でプロジェクト全体のコードを大まかに調査把握できる)も含めて使ってみてAIでどれだけソフトウェア全体を構築できるのかを制作しながら実験していますが、その際にコードが増えれば増えるほどAIのコーディングパフォーマンスが低下する問題が発生することが体感としてわかってきました。 AIを使ったソフトウェア開発は急速に普及していますが、実際に使ってみると「Aiの作業がどんどん遅くなった」「コードが大きくなればなるほどバグが増えた」という経験をする人も多いはずです。この記事では、AIとの開発でよく起きる問題とその原因、効率的な使い方のコツ、そして今後の展望まで、解説します。 1. AIでの開発で作業が遅くなる・バグが増えるのはよくあること？ 結論からいうと、よくある問題です。 主な原因は以下の通りです。 コンテキストウィンドウの問題 AIはセッション間で記憶を持たないため、毎回コードベース全体を「再読み込み」する必要がある コードが大きくなるほど、関連ファイルをすべて渡すのが難しくなる 重要なコンテキストが抜けると、AIが的外れな変更をしやすい 「大量検査」によるバグの典型パターン 変更が [&#8230;]]]></description>
									</item>
		<item>
		<title>2026年版｜中国系AI APIは本当に危険なのか？DeepSeek・Qwen・GLMを価格・性能・セキュリティで徹底比較</title>
		<link>https://aidev.bluegarage.site/blog/2026/05/28/2026%e5%b9%b4%e7%89%88%ef%bd%9c%e4%b8%ad%e5%9b%bd%e7%b3%bbai-api%e3%81%af%e6%9c%ac%e5%bd%93%e3%81%ab%e5%8d%b1%e9%99%ba%e3%81%aa%e3%81%ae%e3%81%8b%ef%bc%9fdeepseek%e3%83%bbqwen%e3%83%bbglm%e3%82%92/</link>
				<pubDate>Thu, 28 May 2026 01:34:28 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[claude]]></category>
		<category><![CDATA[deepseek]]></category>
		<category><![CDATA[google]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9681</guid>
				<description><![CDATA[生成AIブームが続く中、2025〜2026年にかけて急速に存在感を高めているのが、中国系LLM（大規模言語モデル）です。 特に、 DeepSeek Qwen GLM Kimi Doubao などは、驚異的な低価格で高性能APIを提供し、世界中の開発者に利用され始めています。 一方で、 「中国製AIは危険なのでは？」 「アメリカ製なら安全？」 「実際に企業はどれを使っている？」 という疑問を持つ人も多いでしょう。 この記事では、2026年時点での中国系AI APIについて、 価格比較 性能比較 実務での利用状況 中国AIが安い理由 セキュリティ上の懸念 アメリカ製AIとの違い をまとめて解説します。 中国系AI APIとは？ 中国系AI APIとは、中国企業が開発・提供しているLLM（大規模言語モデル）のAPIサービスです。 代表的な企業には以下があります。 DeepSeek Alibaba Cloud（Qwen） Zhipu AI（GLM） Moonshot AI（Kimi） ByteDance（Doubao） 近年はOpenAIやAnthropicに匹敵する性能を、圧倒的な低価格で提供することで急成長してい [&#8230;]]]></description>
									</item>
		<item>
		<title>AIで中規模ソフトウェアを丸ごと作るのは可能か？その方法論と限界</title>
		<link>https://aidev.bluegarage.site/blog/2026/05/25/ai%e3%81%a7%e4%b8%ad%e8%a6%8f%e6%a8%a1%e3%82%bd%e3%83%95%e3%83%88%e3%82%a6%e3%82%a7%e3%82%a2%e3%82%92%e4%b8%b8%e3%81%94%e3%81%a8%e4%bd%9c%e3%82%8b%e3%81%ae%e3%81%af%e5%8f%af%e8%83%bd%e3%81%8b%ef%bc%9f/</link>
				<pubDate>Mon, 25 May 2026 01:58:10 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[アプリケーション開発]]></category>
		<category><![CDATA[claude]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9677</guid>
				<description><![CDATA[AIは単一ファイルの生成は得意ですが、複数ファイルにまたがる設計の一貫性・依存関係の維持が苦手です。「とりあえずAIに投げる」だけでは、後から修正も拡張もできない壊れやすいコードが生まれます。この記事では、それを防ぐための具体的な方法論を解説します。 ⚠️ まず知っておくべき：AIへの矛盾した指令は危険 AIは「矛盾をエラーで止める」コンパイラではありません。矛盾した指令を与えると、次のような問題が起きます。 パターン AIの実際の挙動 危険度 矛盾に気づいて質問する 「どちらを優先しますか？」と聞いてくれる（理想） 低 どちらかを黙って優先する 後に書いた方・強調した方を無断で選択。人間は気づかない 🔴 高 両方を中途半端に満たす どちらの要件も中途半端に満たした「なんとなく動く」コードが生成される 🔴 高 古いルールを上書きする 長い会話の後に新しい指令が入ると、最初のルールを静かに破壊する 🔴 高 ⚡ 本質的な問題 AIは「矛盾を解決する」のではなく「それっぽい出力を生成する」モデルです。 コンパイラと違って「矛盾を検出して止まる」という保証がありません。 Phase 1 設計フェーズ（コードを書かせる [&#8230;]]]></description>
									</item>
		<item>
		<title>Qwenモデルファミリーについてまとめてみました</title>
		<link>https://aidev.bluegarage.site/blog/2026/05/22/qwen%e3%83%a2%e3%83%87%e3%83%ab%e3%83%95%e3%82%a1%e3%82%a4%e3%83%9f%e3%83%aa%e3%83%bc%e3%81%ab%e3%81%a4%e3%81%84%e3%81%a6%e3%81%be%e3%81%a8%e3%82%81%e3%81%a6%e3%81%bf%e3%81%be%e3%81%97%e3%81%9f/</link>
				<pubDate>Fri, 22 May 2026 01:22:01 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[claude]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[inference]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[ライセンス]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9673</guid>
				<description><![CDATA[「Qwenってよく聞くけど、モデルが多すぎて何が何だかわからない」——そんな声をよく耳にします。本記事では、Qwenの概要・ライセンス・モデルファミリーの全体像をわかりやすく整理します。 Qwenとは Qwen（クウェン）は、中国テック大手 Alibaba Cloud（アリババクラウド） が開発・公開する大規模AIモデルのファミリー総称です。正式名称は 通義千問（Tōngyì Qiānwèn）。「千（Qian）＝千」と「問（Wen）＝問い」を組み合わせた名前で、「無数の問いに答える」という意味を持っています。 2023年4月に最初のモデルが公開され、現在はテキスト生成・画像理解・音声・コード・画像生成と、モダリティをまたいだ多数のモデルが展開されています。多くのモデルがオープンウェイト（重みを公開）で提供されており、ローカル実行やファインチューニングが可能な点が大きな特徴です。 ライセンスについて Qwenのライセンスは モデルによって異なります ので、利用前に必ず確認するようにしましょう。主な区分は以下のとおりです。 ライセンス種別 主な対象モデル 商用利用 Apache 2.0 Qwen3シリーズ全般、Q [&#8230;]]]></description>
									</item>
		<item>
		<title>LLMはなぜコードが書けるのか？現状・限界・リスク</title>
		<link>https://aidev.bluegarage.site/blog/2026/05/21/llm%e3%81%af%e3%81%aa%e3%81%9c%e3%82%b3%e3%83%bc%e3%83%89%e3%81%8c%e6%9b%b8%e3%81%91%e3%82%8b%e3%81%ae%e3%81%8b%ef%bc%9f%e7%8f%be%e7%8a%b6%e3%83%bb%e9%99%90%e7%95%8c%e3%83%bb%e3%83%aa%e3%82%b9/</link>
				<pubDate>Thu, 21 May 2026 01:29:15 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[chatgpt]]></category>
		<category><![CDATA[claude]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9671</guid>
				<description><![CDATA[ChatGPTやClaude、GitHub CopilotなどのLLM（大規模言語モデル）が、プログラムコードをすらすら書く姿を見て「なぜ？」と思ったことはないでしょうか。また、実際に使ってみると「意外と使えない場面もある」と感じた方も多いはず。 この記事では、LLMがコードを書ける仕組みから、現在の実用レベル、エラーを防ぐ方法、そして将来の限界までを解説いたします。 なぜLLMはプログラムが書けるのか コードも「テキスト」だからです。 LLMは「次に来るトークン（単語や記号）を予測する」モデルです。プログラムコードも人間の言語と同様に文字の並びであるため、同じ仕組みで扱えます。具体的な理由は以下の4点です。 大量のコードで学習している：GitHubやStack Overflowなど、インターネット上には膨大なコードが存在します。 コードは言語に似た構造を持つ：文法（シンタックス）・意味（セマンティクス）・文脈による正解の決まり方など、自然言語と共通する構造があります。 コードはパターンの繰り返し：「ファイルを読み込む」「ループを回す」「APIを叩く」など、頻出パターンが大量に学習されています。 説明文とコー [&#8230;]]]></description>
									</item>
		<item>
		<title>【完全無料】Ollamaで“ChatGPTみたいなAI”をローカルPCで動かす方法｜VRAM 8GBでもOK・セキュリティ安心</title>
		<link>https://aidev.bluegarage.site/blog/2026/05/07/%e3%80%90%e5%ae%8c%e5%85%a8%e7%84%a1%e6%96%99%e3%80%91ollama%e3%81%a7chatgpt%e3%81%bf%e3%81%9f%e3%81%84%e3%81%aaai%e3%82%92%e3%83%ad%e3%83%bc%e3%82%ab%e3%83%abpc%e3%81%a7%e5%8b%95/</link>
				<pubDate>Thu, 07 May 2026 03:16:37 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[chatgpt]]></category>
		<category><![CDATA[claude]]></category>
		<category><![CDATA[deepseek]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[Windows]]></category>
		<category><![CDATA[エラー]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9651</guid>
				<description><![CDATA[「ChatGPTみたいなAIを、自分のPCだけで無料＆無制限に使いたい」 そんな人におすすめなのが、ローカルAI実行ツール Ollama と、高性能モデル DeepSeek-R1 の組み合わせです。 この方法なら、 月額料金なし API料金なし 回数制限なし 入力データが外部送信されない オフラインでも使える PHPなどのプログラミングも可能 という、かなり強力な環境を作れます。 しかも、VRAM 8GBクラスのGPUでも動作可能です。 今回は、Windows環境で初心者でもできる導入方法を、5ステップで解説します。 Ollamaとは？ Ollama公式サイト Ollamaは、AIモデルを自分のPCで簡単に動かせる無料ツールです。 通常、ChatGPT系AIはクラウド上で動作しますが、Ollamaを使うと、 自宅PC ゲーミングPC ノートPC などでローカル実行できます。 つまり、会話内容やコードが外部サーバーへ送信されません。 企業の機密情報やソースコードを扱う人にも人気があります。 DeepSeek-R1とは？ DeepSeek公式サイト DeepSeek-R1は、高性能な推論型AIモデルです。 特に強 [&#8230;]]]></description>
									</item>
		<item>
		<title>Claude（Anthropic）・DeepSeek APIの使用率を監視する方法【PHPサンプルつき】</title>
		<link>https://aidev.bluegarage.site/blog/2026/04/13/claude%ef%bc%88anthropic%ef%bc%89%e3%83%bbdeepseek-api%e3%81%ae%e4%bd%bf%e7%94%a8%e7%8e%87%e3%82%92%e7%9b%a3%e8%a6%96%e3%81%99%e3%82%8b%e6%96%b9%e6%b3%95%e3%80%90php%e3%82%b5%e3%83%b3%e3%83%97/</link>
				<pubDate>Mon, 13 Apr 2026 01:38:32 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[ウェブサイト開発]]></category>
		<category><![CDATA[claude]]></category>
		<category><![CDATA[deepseek]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9618</guid>
				<description><![CDATA[APIを使ったシステムを本番運用していると、ある日突然リクエストが弾かれる――そんな経験はありませんか？原因のほとんどはレートリミット（呼び出し回数・トークン数の上限）への到達です。 しかし実は、APIはレスポンスを返すたびに「残り使用枠」を教えてくれています。その情報は HTTPレスポンスヘッダー に含まれており、PHP の cURL でも簡単に取得できます。この記事では、まずヘッダーを生で確認する方法から始めて、最終的に「使用率90%超えを自動検知するコード」まで順を追って解説します。 1. まず「生のレスポンスヘッダー」を確認してみよう cURL にはレスポンスヘッダーをボディと一緒に取得するオプションがあります。CURLOPT_HEADER =&#62; true を追加するだけです。 まずは Anthropic API を例に、ヘッダーを丸ごと出力してみましょう。 &#60;?php $ch = curl_init('https://api.anthropic.com/v1/messages'); curl_setopt_array($ch, [ CURLOPT_RETURNTRANSFER =&#62; [&#8230;]]]></description>
									</item>
	</channel>
</rss>
