AI駆動開発部の日常

今回は、阿部さんがフロント実装でGLM-5.3-Flashに二日かかったタスクを、DeepSeek-V4.1-Flashに置き換えたら半日で終わった、という体験を起点に、速さの差がどこから来るのかを掘り下げました。

僕はまず「とにかく速い」という体感から入ったのですが、阿部さんの手元では同じ物量のフロント実装で日数が半分以下になった。コスパはGLM-5.3-Flashの方がまだ上、という前提は共有しつつ、速さ側の使い勝手で見方が分かれるところです。

最後まで「どっちが正解」にはせず、画像まで読めるようになったことや、ローカルで回す夢と並列数の現実も残...

今回は、OpenAIが出したGPT-6 Astraを触ってみて、少し前に取り上げたAnthropicのClaude Fable 5.1との使い分けを掘り下げました。

同じプロンプトでLPを作らせると、Claude CodeとCodex CLIは、素のままだとデザインの質に差がつきます。ところがClaude Designを挟んだ途端、評価がひっくり返る。知識のカットオフの違いが、エージェントやオーケストレーションのような新しい概念を扱う作業でどう表れるか、という見立ても出てきます。

阿部さんはGPT-6 Astraをオーケストレーターに据えた側。呼び出...

今回は、初めてやることだらけの仕事で、まず調べてから動くのと、AIに先にやらせるのと、どちらが速いかという僕の持論をテーマに、AIで仕事を速くするコツを語り合いました。

わからないことがあると徹底的に調べて、一番正解らしいものを選びたがるのが人間の癖。阿部さんは学校の勉強や料理に例えて、まず調べるのは訓練の結果だと言います。中途半端に知っているがゆえに、AIへの頼み方の選択肢が頭の中で狭まってしまう、という指摘も。

後半は、本番リリース後のデータベース設計が気になって仕事が遅くなるという阿部さんの恐怖感から、スタートアップCTOの離職が増えている話題...

今回は、昨日突然出てきたAnthropicのClaude Fable 5.1を起点に、ファーストインプレッションを本音で話しました。

ベンチマークは軒並み上がっているのに、僕の使用感はまだClaude Fable 5から大きく動いていない。阿部さんも感覚としては変わらないと言いつつ、リミットの減りが穏やかになった気もする、と数字との間で印象が割れる。

セーフガードの誤判定が減った話や、effortをLowにしてもClaude Fable 5のMaxを超えるという数字はある。それでもキャッシュヒットを1時間に伸ばすと単価が上がるのか、トークン効率は本当...

今回は、OpenRouterでOx Alphaとして無料公開されていたモデルの正体がZ.aiのGLM-5.3-Flashだと分かったことをきっかけに、実行役としてどこまで任せられるかを本音で話しました。

僕は無料期間中にClaudeの200ドル枠を複数アカウント回すくらい使い倒した一方、阿部さんは本格投入の直前で無料期間が終わってしまい、同じモデルへの温度差がはっきり出ています。DeepSeek V4 Proより桁違いに安いのに、Claude Opus 4.8に並ぶベンチマークもある。Flashという名前が頭をバグらせる、という話にもなりました。

相...

今回は、事業の相談をAIに持ちかけたときに残る噛み合わなさを起点に、AIにあえて最適解を出させない方法を掘り下げました。

競争環境を調べさせて打ち手を並べてもらうと、答えはどんどん収束していきます。ただ僕には飲食の現場感があって、その方向じゃないという感覚が残る。そこで使うのが、誰かになったつもりで考えてもらう頼み方です。イーロンマスクの名前を出した瞬間から、AIの振る舞いは明らかに変わりました。一方の阿部さんは、人物ではなく、その考え方の原理原則だけを切り出して渡していたそうです。

入り口は似ていても、行き着く先は違います。阿部さんが、自分は理論を...

今回は、僕が知り合いからよく聞かれる「AIを勉強したいんだけど、何から始めたらいい？」という質問を起点に、阿部さんと答えを持ち寄りました。

阿部さんが真っ先に挙げたのはManusでした。LINEに画像を送れば中身を読んでくれるし、予定を伝えればGoogleカレンダーに入れてくれる。定期実行まで組めるので、ChatGPTやClaudeのような一問一答で終わらず、生活のほうに入り込んでくるそうです。開発者志望ならCodexやClaude Codeを入れてMCPを触ってもらう、という別の答えも用意していました。一方の僕は、「AIを勉強する」という言い方のほう...

今回は、阿部さんの「AIにどう指示を出せば、いい感じに動いてくれるのか」というテーマを起点に、普段プロンプトで意識していることを出し合いました。僕が挙げたのは二つ。具体例そのものだけでなく、その裏にある考え方まで渡すこと。そして、AIが今どのスコープで物事を見ているかを見極めることです。

阿部さんはあえて例を挙げないという手を使います。例を出した瞬間にAIの思考がそこへ寄ってしまうから、理想だけを掲げて広く考えさせる。懸念が当たっているか確かめたいときも、懸念という言葉は使いません。僕のほうは、考えが一方に寄ったセッションはそこで手放し、やり取りごと別...

今回は、プレビュー版をGA版としてベータリリースする、という妙な発表で登場したDeepSeek V4 Flash 0731を起点に、この値段で実用に足るのかを掘り下げました。

100万トークンあたり入力2ドル・出力10ドルのClaude Sonnet 5に対して、こちらは0.09ドルと0.18ドル。ベンチマークではV4 Proプレビューを上回るとまで言われていて、どこかに落とし穴があるはずだというのが最初の見立てでした。

阿部さんは40画面・65フェーズのフロントエンド刷新を3日間走らせ続けています。僕のほうはワークフローで使うモデルをV4 Proプ...

今回は、少し出遅れましたがClaude Opus 5のリリースを起点に、Claude Fable 5と比べて実際に使えるモデルなのかを本音で話しました。ベンチマークはほとんどの項目でFable 5超え、クレーンの鉄球でビルを壊すシミュレーションを作れたのはOpusだけ、という前評判から入っています。

僕が引っかかっているのは、コンテキストウィンドウが逼迫してからの振る舞いです。50万トークンを超えたあたりで、「判断を誤っていました」とオーケストレーター自身が言い出す。阿部さんが挙げたのは、そこではなく調査の詰めの甘さでした。エフォートを上げると逆に品質...

今回は、阿部さんの長期休暇中に僕が作った仕組みを起点に、AI駆動開発ではなく、AIに駆動される開発について語っております。帰ってきたら勝手に生えていた、と阿部さんがいうこの仕組みは、毎晩午前3時、AIがGitHubのイシューを1件選び、実装してプルリクエストまで出します。
さらに別のセッションが探索的なE2Eテストを回し、懸念を書き残します。

毎晩つながって回る輪は、ループエンジニアリングと呼ばれるものに近いのかもしれません。
なぜ今なのか。モデルが賢くなって、任せきりでも狙いを外さなくなったからではないか。そう見る阿部さんに対して、僕が挙げた決め手は...

今回は、このポッドキャストの編集ワークフローをまるごと作り直した話をきっかけに、AIワークフローとエージェントハーネスの境目を考えてみました。もともとはMastraで組んでいたんです。DeepSeek V4 Flashのような安いモデルでも、決定論的に回し、可能な限り出力がぶれないようにする設計でした。
ただ、決定論的なワークフローで固めると、より安価に頭の良いモデルが出てきた時に、頭の良さを殺してしまうと感じ始めました。人間が最後に手を入れる余地は残したい、けれど固めすぎた手順の上をAIに歩かせると、せっかくのAIの進化の恩恵をフルで享受できずにもった...