最近気になった記事２０２６年０１月１４日
GPT-5.2とGemini3の画像作成で大きな違いが出るのはなぜか
GPTとGeminiの設計思想の違いを解説しています。
両方の特徴を理解して使い分ければ、欲しい情報や回答を得やすいって事だと思います。
記事では、以下のように
GPT-5.2が考えるAIとして設計
と書かれており、考えをまとめたり問題点を洗い出すなど、何かをする前の準備段階で有効に使えそうで、
Gemini3は次のように書かれていて、
Gemini3は、業務で使われる成果物を作ることを強く意識した設計
最終的にまとめる時や、資料となる画像や具体的な書類を作成するのに向いている感じですね。
記事には以下のように書かれており、
GPT-5.2は、思考から表現へ進みます。Gemini3は、成果物から構成を逆算
GPT-5.2は優秀な戦略コンサルタントです。Gemini3は優秀な資料作成担当
アプローチが真逆なのが面白いですね。
だからこそ、使うタイミングや使い方が大事だと分かります。
更に、
日本語の文字化け問題は、すべての言語で同じように起きているわけではありません。
と書かれていて、それはそうだよなと思います。
日本語は漢字そのものに意味があったりするので、AIにとって特に扱いにくいです。
逆に日本の画像生成AIが最初にこれを突破して正確に文字を画像に書き込むAIを開発できれば、世界に追いつくチャンスもあるかと思いましたが、Google強いですね・・・。
と言う訳で、絵に日本語を書くと言う文脈で次の記事が面白かったです。
Qwen-Imageに日本語を書かせる
画像生成は既に既存の物でもかなりできが良いので、必要なのは如何にうまく日本語を書き込むかって事なので、それをやってみようって記事です。
これの面白い所は、GeminiのNano Banana Proは日本語をかなりうまく扱えて、文字入りポスターみたいな物や、文字入りの図などもうまく作成してくれます。
タイトルの画像もNano Banana Proで作成してもらっています。
その手法を真似て、Qwen-Imageに適用してみるって発想が素晴らしく、綺麗に実装しています。
実際に試してみたい内容ですね。
マイクロソフト、オープンソースの3Dモデル生成AI「TRELLIS.2」リリース！ 40億パラメータ、Image-to-3D、MITライセンス
３Ｄモデルを生成するサービスで、ライセンスがMITなのがポイントですが、依存関係にあるNVIDIA製ライブラリが非商用のライセンス形態なので、結果商用に使えないという所が残念です。
でも、今後に期待したい技術ではあります。
AIに「ありがとう」と言うだけで数千万円の損失が…!? OpenAI代表サム・アルトマンも危惧するChatGPTの“恐るべき電気代”の真相
それはそうですよね。
原理的に、「ありがとう」ってプロンプトを真面目に処理するのでそうなりますよね。
「ありがとう」を処理する専用のAIをフィルタリングして、処理専用AIとか出てきたりするかもしれませんね。
ただこの記事で、電力量や水の使用量の話が出ていますが、
GPT-3の学習に「真水70万リットル」
と書かれていますが、具体的な数値がある内容は、結構根拠が曖昧なので、実態がよく分からないです。
特に「真水70万リットル」の基準が分からなくて、水って突然蒸発することは無くて、冷却に使用したら水は排水として捨てるので、水が温まることが温暖化とかってアプローチなら分かるけど、その辺が雑だと記事自体の信憑性に疑問が出てきますよね。
記事としては,AIがエネルギーや水等の資源を大量に消費しているって所を強調したいのだと思いますが、その辺はごもっともで、AIが電力を馬鹿食いするのは有名な話なので、今後AIの開発競争は性能以外にコスト競争と同時に、低消費電力競争になるのかなと思います。
なぜ誰も手を付けなかったのか？ ― Vibeコーディングが解いた15年の沈黙
Vibeコーディングは使えないとか、プロジェクトを破壊する、とか色々ちまたでは言われていますが、使い方次第ってのはなんにでもある典型的な話です。
特にこの記事は、そこそこ利用者がいて有用なツールにもかかわらず、１５年以上メンテされていなくて、メンテする人もいないし、金をかけてメンテする程のでは無くて、コストとリターンが見合わないプロジェクトを、筆者の方がAIの力を借りて「15年放置されたOSSを蘇らせる」話が結構面白いので興味がある方は是非読んでみてください。
最後はセキュリティー関連のニュースです。
偽の「ブルースクリーン」でユーザーをだます新たなマルウェアに注意
あの手この手の典型です。他にも色々な手口が書いてるので、知っておくといいかもしれません。
