AI駆動開発部の日常

今回は、リスナーさんから頂いた3件のお便りに答える形で、『MiMo-V2-Proを使ってみた所感』『AIの記憶をどう管理するかについて』『生成AIの情報収集をどう行っているか』について語っております。
1件目はXiaomiが出したMiMo-V2-Proについて。OpenRouterで一時1位になっていた、100万トークンコンテキスト対応のモデル「MiMo-V2-Pro」を使ったことのある阿部さんの評価はどうだったのか、Qwen3.6 PlusやGLM-4.6、GLM-5.1、MiniMax-M2.1との比較も踏まえて話しています。僕が最近使ったQwen ...

今回は、Z.aiのGLM-5.1とAlibaba Qwen TeamのQwen 3.6 Plus Previewを実際にエージェント開発で使ってみた感想について語っております。
僕も阿部さんも期待していたGLM-5.1ですが、実際にOpenCode上でサブエージェントとして動かしてみると、思わぬ不安定さに直面しました。一方で、100万トークンのコンテキストウィンドウを持つQwen 3.6 Plus Previewは、ロングコンテキストでの安定性やトークン出力の速さなど、想像以上の良い感触がありました。この違いはどこから来るのか？20万トークンと100万ト...

今回は、「AI駆動開発において、なぜエンジニアほどAIに任せきれないのか？」という僕自身の気づきを起点に、AI駆動開発の考え方そのものについて語っております。
先日、北海道の鶴居村で羊飼いの方を訪問した経験から、エンジニアの仕事は「料理人」、AI駆動開発は「農家」に近いのではないかという話をしています。料理人は自分の技術で直接品質を作り上げる。一方、農家や羊飼いは生き物に直接手を加えられないからこそ、環境整備に全力を注ぐ。この違いがAIとの向き合い方にも通じるのではないか。
僕から「Environment Engineering」という言葉を出してみたと...

今回は、「MiniMax M2.7をAIワークフローに組み込んだらどうなるか」という僕の試行錯誤について語っております。
MiniMaxが新しく始めたToken Planでは、コーディング以外の用途にもサブスクで使えるようになり、GLM-5の約1/3のコストで回せる可能性が出てきました。そこで、Mastraで組んでいる記事生成ワークフローのモデルをGLM-5からMiniMax M2.7に差し替えてみたのですが、そこで見えてきた課題が想像以上に根深くて。中国語の文字が混じる問題、文脈が破壊される問題、Structured Outputに対応していない問題と...

今回は、Kimi K2.5を実際にエージェント駆動開発の現場で使ったらどうなるのか、という検証結果について語っております。
Moonshot AIが発表したKimi K2.5は、Agent Swarmやマルチモーダル対応など魅力的な特性を持ち、僕もかなり期待していたモデルです。実際にKimiのアプリでLP制作を試した際の出来栄えが良かったこともあり、阿部さんにOpenCode上のオーケストレーターとして実戦投入してもらいました。ところが、GLM-5と比較したときに見えてきた差が、なかなか興味深い結果でした。
単発のタスクと複合的な分析タスクで評価が大きく...

今回は、「GPT-5.4のコストに見合うメリットが感じられない」という話を起点に、何を基準にモデルを選ぶべきなのかについて語っております。
100万トークン対応や自律的な長時間実行といったGPT-5.4の強みは、OpenCodeとOhMyOpenCodeの組み合わせでカバーできてしまう。それならGPT-5.3-Codexの方がコードベースの理解力もコスパも優れているのでは、というのが僕の仮説で、阿部さんも近い感覚を持っていたようで、かなり意見が一致するポイントでした。
さらに、OhMyOpenCodeのリポジトリにあるエージェントごとのデフォルトモデルや...

今回は、3月5日にOpenAIがリリースしたGPT-5.4を実際に使ってみて、前モデルのGPT-5.3-Codexとどう違うのか、どう使い分けるべきかについて語っております。

阿部さんはCodex CLIで、僕はOpenCodeでそれぞれ使い込んだのですが、「コーディング精度は5.3-Codexの方が上では？」という阿部さんの実感と、「オーケストレーター的な役割には5.4が合う」という僕の感覚には、実は根本的な考え方の違いがありました。言うなれば5.3-Codexは「内性的な職人気質のエンジニア」、5.4は「頭の切れるビジネスマン」のようなもので、この...

今回は、「Codexのウィークリーリミットが3日で尽きてしまう」という僕たちの切実な悩みを起点に、その解決策として注目しているOpenCode＋Oh My OpenCodeについて語っております。
以前試した時は安定感に欠けていたOpenCodeですが、今回改めて使うとかなり成熟していて、さらにオーケストレーションレイヤーのOh My OpenCodeを組み合わせることで、阿部さんは1時間が限界だったコーディングセッションが5時間のロングランに化けたと言います。SisyphusやOracle、Prometheusといったエージェントの使い分けや、Ultr...

今回は、「AIレビューが爆量に返ってきて人間がボトルネックになる問題」を起点に、AI駆動開発におけるレビュー体制と自動化について語っています。

僕たちのチームでは Codex、CodeRabbit、Claude、Devin の4つのAIレビュアーを導入しています。これらについてどのレビュアーの指摘が的確で、どれが参考程度でよいのかなど、各ツールの評価について2人の意見を話し合いました。

AIのレビューと修正を繰り返すうちに、1つのPRがコメント375件・約80コミットまで膨れ上がってしまい、人間が手動で付き合い続けるのは現実的ではないという課題も浮き...

今回は、以前も話題にした音声入力アプリAmicalのアップデートとして、阿部さんがVoiceOSやApple純正の音声入力を経て再びAmicalに戻ってきた経緯について語っております。
スクリーンショットのコンテキストを読み取って文章を生成してくれるVoiceOSの機能に惹かれつつも、実際に使ってみると出力の精度に課題があったという阿部さん。一方でApple純正はレスポンスの速さと安定感が魅力だけれど、カタカナや英語の変換に弱い。この三つ巴の中でなぜAmicalに軍配が上がったのか、それぞれの強みと弱みが浮き彫りになるやり取りでした。
後半では、Amic...

今回は、ついに実装されたCodexのサブエージェント機能を実際に使ってみた感想を起点に、「サブエージェントによってAIの思考はどう変わるのか？」について語っております。
僕としては待ちに待った機能で、experimentalながらかなり安定している印象を受けました。さらに面白かったのが、親エージェントがサブエージェントに進捗確認をしたり、タスク委譲の前段で視野を広げた探索を始めたりと、Claude Codeのサブエージェントとは少し違う振る舞いが見えてきたことです。スコープの分離が思考の深さにどう影響するのかという点でも、阿部さんとかなり盛り上がりました...

今回は、2026年2月12日にZ.aiがリリースしたGLM-5を使ってみた感想について語っております。

阿部さんはGitHubのプルリクエストに来るAIの自動コードレビューの妥当性評価と実装方針検討を、GLM-5とClaude Opus 4.6、GPT-5.3-Codex Extra Highの3モデルに同時に投げて比較したところ、情報収集やツールユースの巧さが光る場面がある一方で、最終的な判断にブレが出るケースもあったとのことです。

僕の方でもドキュメント更新やPlaywright MCPを使ったE2Eテストを試してみました。もっともらしい嘘（ハル...