mogucaのAi活用

超軽量1.28GBの1-bit量子化モデル「Bonsai 8B」と、3.37GBの4-bit量子化「Gemma 4 E2B」をRAG連携タスクで比較検証。iOSやApple Siliconでのローカル推論を想定し、知識系Q&A・RAGソース活用・回答の具体性を評価。結論として、1-bitモデルは技術デモとしては興味深いが、実用にはサイズ差2.6倍でも4-bitモデルが圧勝。

はじめに 最新のローカルLLMには「思考モード（Thinking Mode）」が搭載されています。回答前に内部で推論プロセスを実行し、より正確な回答を導き出す機能です。 今回は、コーディング以外のタスクでQwen 3.5とGemma 4...

Apple M1 Max上でGemma 4 26BとQwen 3.5 35Bの画像認識性能を比較。vllm-mlxを使用し、速度・品質を3つのテスト画像で検証。Gemma 4が約4.5倍高速で品質も上回る結果に。2026年4月版。

OllamaのMLX対応は本当に速いのか。Mac M1 MaxでQwen 3.5を使い、mlx-lm.serverと速度・品質・運用性を比較した実測ベースの記事。

Qwen 3.5の9B Dense、27B Dense、35B A3B（MoE）をMacBook ProでTodoアプリ生成タスクで比較。思考ON/OFFの品質差、MoEの真価、27Bが過大評価だった理由を実データで解説。

あのカタールW杯の熱狂、まだ記憶に新しいですよね。ドイツとスペインという優勝候補を次々と破った、あの歴史的なジャイアントキリング。当時は日本中で「奇跡」なんて言われて大盛り上がりでしたが、どうやらあれは単なる奇跡や運だけじゃなかったみたいな...

Mac M1 Max（64GB）でQwen3.5の35B-A3B（MoE）と9B（Dense）をMLXで比較。RAGでは35B-A3Bが高速・高精度、HTMLクロールでは9Bが100%正確という驚きの結果に。思考モードの検証や用途別の使い分け戦略も解説。