プログラミングや3DCGで何か作りたいと思っているエンジニアがいます
MacでWindowsゲームを動かすApple純正のGame Porting Toolkit。M4に導入して測ったところ、64bitのDirectXなら47〜48fpsで動く一方、32bitアプリはD3DMetalを一切通らずOpenGLに落ち、SteamはCEFの壁で今回も動きませんでした。公式のGPTK 4もライブラリ差し替えでは動かず。つまずいた原因を層で仕分けると、遊べるかどうかを決めていたのはD3DMetalではなくWineの側でした。
ゲームのNPCに、決められた台詞ではなくその場で考えた返事を喋らせたい。UnityからローカルLLMを呼んでNPCに人格と記憶を持たせ、ゲームループを止めずに動かせるかを実測しました。同期呼び出しは描画フレーム0枚、平均fpsは2.4%しか落ちないのに1% Lowは20%落ちる、記憶を切り詰めると入力が半分なのに待ち時間は1.8倍——予想が2つ外れた記録です。
モデルを軽くする量子化は「賢さはほとんど落ちない」と言われます。本当かどうか、F16を1つ落として手元でQ8からQ2まで作り、perplexity・KL divergence・実際の出力の3つで測りました。数字の崖はQ3から。ところがQ2でもFizzBuzzは動き、17×24も当てます。崩れたのは日本語の説明文だけでした。さらに「日本語のほうが先に壊れるのでは」という予想を検証したところ、perplexityでは外れて見えたのにKL divergenceでは1.5倍脆いと出る——測り方で結論が変わる場面に行き当たった記録です。
AIの速さには tok/s・TTFT・スループットと色々な単位が出てきますが、「指示してから出力が終わるまで」は1つの数字では見られません。読み込む時間と書き出す時間に分けて足す、という見方を実測で確かめました。入力8千トークンでは最初の1文字まで39秒かかり、待ち時間の割合は7.9%から95.4%まで入れ替わります。さらに同時に使う人が増えると1人あたりは7分の1に落ちるのに全体の処理量は増える——同じ機械から3つの「速度」が出た記録です。
ローカルLLMで「モデルのどの部分をGPUに置き、どの部分をCPUに逃がすか」は自分で指定できます。llama.cppの -ngl / -ot / --n-cpu-moe を Apple M4・Radeon 780M・RTX 3060 の3構成で実測しました。統合メモリなら逃がしても損は小さいはず——という予想は外れ、M4では専門家をCPUへ回した瞬間に生成速度が37.77から2.53 tok/sへ、全部CPUに置くより10倍遅くなりました。真犯人はmmapで、--no-mmap を付けると6.6倍まで回復します。
どちらもCPUにGPUを内蔵しメインメモリを共有する「統合メモリ」構成。Apple M4（Mac）とRyzen 7 7840HSのRadeon 780M（ミニPC）で、同じQwen2.5-Coderの7B・14Bを同じ条件で走らせて比べました。生成速度は7BでM4が19.55 tok/s（MLXなら22.60）に対し780Mは13.37、14BはM4 10.69に対し780M 6.72。M4が約1.5倍速い一方、メモリ帯域の差は120GB/s対89.6GB/sの1.34倍しかありません。帯域だけでは説明できないこの差の正体を、iPhone由来のApple GPUとグラフィックボード由来のRDNA 3という両者の設計の出自から掘り下げます。
外付けRTX 3060でゲームを動かし、同じPCの内蔵GPU Radeon 780MでローカルLLMを同時に走らせたらどうなるかを実測しました。結論は「成立する。ただし代償は平均fpsではなくフレームの安定性に出る」。平均fpsは-15.7%で済むのに、1% Lowは-43.3%、0.1% Lowは-47.9%まで落ち込みます。GPU同士は競合しておらず、犯人はDDR5メモリコントローラでした。AI側も生成-8.7%に対しプロンプト処理-20.8%と削られ方が違う。アプリごとにGPUを割り当てる設定方法と、対戦ゲームでは避けるべき理由まで実測値つきで整理します。
1台のミニPC（Ryzen 7 7840HS）で、内蔵GPU Radeon 780M（統合メモリ）と外付けRTX 3060（OCuLink接続のeGPU）を切り替えて実測しました。llama.cpp Vulkanで7B・14B・MoE 30B-A3Bの3種類を測ると、ゲームは全指標きっちり3.47倍差なのに、AIはモデル次第で1.67〜10.8倍と振れ幅が段違い。さらに「BIOSでVRAM割当を増やさないと大きいモデルは載らない」という予想が外れ、512MB設定のまま14.2GBを確保できた理由も判明。-ngl 99を付けると起動すらしない罠、Smart App Controlが公式バイナリを弾く問題まで実測値つきで記録します。
ボードを1枚も買わずに、OSの無い世界のプログラムをMacで動かしました。QEMUとクロスコンパイラをHomebrewで入れて、スタートアップ・リンカスクリプト・UARTだけの最小構成でARMを起動（text 1,242バイト）。同じものをRISC-V（886バイト）とRustのno_std（870バイト）でも書いて比較。GDBでレジスタとメモリを覗く手順、そして「QEMUでは動くのに実機では一文字も出ない」UART未初期化のつまずきまで、全コードと実測ログ付きで記録します。
Macでゲームが増えた背景を調べました。2020年のApple Silicon移行で何が変わったのか、統合メモリがなぜゲームに効くのかを図解。「PCも内蔵GPUなら同じ構成では？」という疑問にも、メモリバスの太さ・タイル方式という描き方の違いから答えます。Metal 4のフレーム補間、2026年7月のGPTK 4 betaでGTA Vが106→176fps。一方でSteamのシェアはmacOS 2.21%とLinuxを下回っており、反チートのカーネル問題・DirectX資産・鶏と卵という3つの壁も正直に整理します。
CPUの命令セットが「オープン」であるRISC-Vを調べました。無償なのは使用許諾だけで実物の回路設計は有料が主流という誤解のほどき方、長年の「バラバラ問題」に決着をつけた2024年10月のRVA23批准、電子工作でおなじみのESP32-C3/C6が実はRISC-Vだったこと、Bosch・Infineonら6社のQuintaurisが2026年1月に出した車載向けRT-Europa、Ubuntu 26.04 LTS。6千円台のボードから0円のQEMUまで試す方法と、周辺機器ドライバやデバッグの弱点も正直に整理します。
MacでWindowsゲームを動かす無料ツールWhiskyは2025年4月に開発終了しました。では今、無料でどこまで遊べるのか。M4のMacで実際に試したところ、Whisky本体は最新のmacOSでも動くのに、Steamを起動した途端に自己更新が走って起動不能に。Wineを7.7から11.13へ入れ替えると復旧しましたが、今度はSteamもWarframeのランチャーも画面が黒や白のまま。日本語が豆腐になる問題の直し方と、Rosetta 2終了でこの方式に期限があることまで記録しました。
ロボットや工場の機械など「PCではない場所」でAIを動かすチップを調べました。NVIDIA Jetson Thorと2026年7月発表の新モデルT3000／T2000、安全認証に強いAMD Versal AI Edge Gen 2、長期供給を掲げるQualcomm Dragonwing、1万9千円台のRaspberry Pi AI HAT+ 2、そして終了したGoogle Coral。TOPSやFPGA、ASIL Dといった用語を解説しながら用途別の選び方を整理します。
前回書いた「806MBの崖」は間違いでした。実物のQwen2.5をCore MLに変換したところ、943MBのモデルが演算の99.7%をANEで実行。原因を1つずつ切り分けると、正体は「約2GBのサイズの壁」と「特定の形だけ落ちる落とし穴」の2つでした。bisect_modelで分割すれば1.5B・3BもANEに載り、1.8倍速くなります。
最近のPCには当たり前のようにNPUが載っています。ローカルLLMをNPUで動かせるのか調べたら、Ollama・llama.cpp・LM Studioといった主流ランタイムは、そもそもNPUを使っていませんでした。なぜLLMが苦手なのか（想定モデルサイズとメモリ帯域）を図解し、さらにMacのNeural Engineで実測。float16にするだけで約10倍、450MBまでは3倍速、806MBでコンパイル失敗という「NPUを最大限に使う条件」を数字で確かめ、今NPUを存分に活かせる場面も整理しました。
ローカルLLMをGPUで動かしてきた流れで、その土台を作っている半導体3社の『これまで』と『これから』を同じ切り口で並べました。創業から今の性格ができるまでを年表で整理し、データセンター（Vera Rubin／MI400・Helios）、AI PCのNPU（Panther Lake／Ryzen AI）、エッジ・組み込み（Jetson Thor／Versal）の3レイヤで比較。NVIDIAは土台まるごと、AMDは開かれた選択肢、Intelは作れること——各社の勝ち筋を地図にしました。
ローカルLLMを動かす『推論エンジン』を、同じモデル・同じ量子化で比較。Mac（Apple M4）でllama.cpp(Metal)とMLXはほぼ互角（20.6 vs 21.1 tok/s、MLXはロードが速く省メモリ）。Windows（RTX 3060・CUDA）は同じllama.cppのコードで約3倍速の62.1 tok/s。量子化とは何か・VRAMに載るとは何かを図解し、自分のPCならどのサイズが最適かの判断表も作りました。
声で話せるローカルAIアシスタント（p936/p937）を実際に使うと『返事までの間』が長い。遅延を実測して内訳（文字起こし→LLM生成→音声合成）に分解し、LLMを逐次出力して文ができた端から音声合成・再生する『逐次パイプライン』で改善。最初の音までが実測13.5秒→2.7秒（約80%短縮）。Windows（CUDA）でも同じコードで動作し6.9→1.6秒。バッチと逐次の違いを図解＋実装コード。
以前『MCPとは』を概念だけ解説しました（p909）。今回はその実践編。自作のローカルAIエージェント（p935）をMCPクライアントにして、自作の最小MCPサーバと公式のfilesystemサーバを道具として繋ぎます。ローカルLLM（Ministral 3・完全オフライン）が自律的にMCPの道具を呼ぶまでを実装コードつきで。道具名の衝突を名前空間で解決するなど、実際にやって初めてわかったハマりどころも正直に書きました。WindowsでもMac共通コードで動作確認済み。
ブログ初期にPythonのMediaPipeで顔・手・姿勢を検出しUnityのアバターを動かしたシリーズ（p610〜p880）から約1年。MediaPipeは今どうなっているのかを調査。旧Solutions APIの終了と新Tasks APIへの移行、顔の52ブレンドシェイプ、OpenPose・MoveNet・YOLO-Pose等との比較、用途別の選び方、過去のUDP連携が今も通用するかまで整理します。
ゲームエンジンの2大巨頭、UnityとUnreal Engineのこれからを公式ロードマップやイベント発表から調べ、同じ切り口で並べてみました。UnrealはUE5.8を最後にUE6へ、Unityはレンダリング統合とWeb/モバイル強化へ。Runtime Fee撤回後の料金・ライセンスの最新動向まで比較します。
Blenderの公式ロードマップとリリースノートから、これから来る注目機能を分野ごとに調べました。もうすぐ登場する5.2 LTSの新機能（Fillツール・Bevelノード・ノードベース物理シミュレーション）、2026年の開発計画（新しいヘアーソルバー・Modal Node Tools・CyclesのOpenPBR・EEVEEの反射屈折・Androidポート）、そして3Dモデル生成AI（Hunyuan3D-2・Pixal3D・TripoSR等）の種類とBlenderへの持ち込み方まで、どんな人に何が嬉しいのかを平易に紹介します。
Flutterから端末固有の機能(端末情報・ネイティブUI・バッテリー残量)を呼ぶ方法を、手書きのMethodChannel／コード生成のPigeon／dart:ffi＋C++ディスパッチャの3構成で実装し、iOS・Android・macOS・Windowsの4つで往復時間を実測して比較しました。橋そのものの往復はFFIが約300倍速い一方、端まで行かせると差は縮みます。型安全性・呼び分けの置き場所・スレッドの扱い・ビルド配線まで、Dart/Swift/Kotlin/C++の実装コードつきで解説します。
Flutterで書いた1つのコードを、iPhone・Android・Web・Mac・Windowsの5つに出してみました。なぜ同じコードが動くのか（FlutterはOSの部品を借りず自前で画面を描く）を図解し、ビルド時間・成果物サイズを5つで実測。同じコードでもmacOSはサンドボックス、Androidはリリース時のINTERNET権限が必要で通信できず、Windowsは何もせず通信できた——OSごとに違う通信の作法や、戻るボタンの形の違いまで、実際に踏んだつまずきと対処を実装コードつきで紹介します。
自分のブログ全記事(66本)をローカルLLMに読ませて、"あの記事どこ?"を出典つきで答えるAI検索(RAG)を作りました。以前作ったローカルAIエージェント(p935)への機能追加として実装。記事本文を抽出→チャンク分割→multilingual-e5で埋め込み→ローカルDBに保存し、質問に近い記事を探して記事タイトルとURLつきで回答します。RAGの仕組みを図解し、本文抽出・チャンク分割・ベクトル検索・出典つき回答のキモになる実装コードも掲載。すべてローカル完結で記事データは外に出ません。Macで作ったインデックスDBはコピーするだけでWindowsでも動きました。
以前作ったローカルAIエージェント(p935)の画像機能を強化。写真を『ドラッグ&ドロップ』で複数まとめて渡すと、各画像を説明→タグ付け→画像内の文字起こし(OCR的)まで一括処理。『提案→確認→コピー』の安全なやり方でタグ別フォルダに整理しCSVにも出力。スクショ→画面説明も。すべてローカル完結でネット不要・写真が外に出ないのが強み。D&D／画像をローカルLLMに渡す／安全なコピー整理など再現用のコードも掲載。Mac/Windows同一コードで動作（Windowsの画面撮影はPySideに統一）。
ネット接続なしで動く“オフラインのコーディング相棒”を、以前作ったローカルAIエージェント(p935)への機能追加として作りました。コード特化モデル Qwen2.5-Coder を積み、GUIから使うモデルを切り替え(汎用⇔コード特化)、コーディングモードでコード生成・修正・説明。CLIからも呼べて将来VS Codeからも叩ける薄い入口も用意。クラウドAIとの違い、そして『14BはVRAM12GBのGPUには重く、7Bが最適(実測22 tok/s)』というつまずき、Mac/Windows同一コードで動いた話まで、実際の画面つきで解説します。
Unreal EngineのMetaHumanでフォトリアルなデジタルヒューマンを制作。2025年にブラウザ版が廃止されUEエディタに統合された“新Creator”で、プリセット→顔→肌→髪を編集し、Lumenで肌のサブサーフェスや髪のグルームの質感を出すまでを実画面つきで解説。無料で使える範囲(年商100万ドル未満)・他エンジンにも書き出せるライセンス、そして『造形はローカルでも自動リギングとテクスチャ取得はEpicログイン必須』という最大の落とし穴、コアデータ6GB・メモリ・アセンブルの詰まりどころまで、Windows(RTX3060)の実制作で紹介します。
重いと言われるUnrealの3DシーンをAndroidに書き出して軽量化。UEが要求するNDKバージョンの壁、そして『Androidエミュレータは本物のスマホGPUを積まずUEをまともに描画できない』という大きな落とし穴の実話つき。軽量化手法(Mobile HDRオフ・影・ポストプロセス・スケーラビリティ・解像度スケール等)を採否に関わらず詳しく解説し、モバイル描画パス(ES3.1)で軽量化前後の負荷を実測(FPS+58%/GPU-56%)。Lumen/Naniteはモバイルでは元々使われない=『UEはそれで重い』は誤解、も検証します。Windows(RTX3060)で制作。
ARは実機がないと試せない…と思っていませんか。UnityのAR FoundationとXR Simulationなら、スマホ実機なしでもエディタの“仮想の部屋”でARを検証できます。平面を検出してタップした面に3Dモデルを置く最小サンプルを、仕組み・コード・XR Simulationの有効化・つまずきまで解説します。
以前作ったローカルAIエージェント（p935・Ministral 3 14B）に、音声認識Whisperと音声合成VOICEVOXを統合。声で「◯◯を検索して」と話すと、エージェントが道具を実行して結果を声で返します。全部Macローカル。GPU/CPUの役割分担、音声用の工夫、Windows(RTX3060)でのSmart App Control対策（faster-whisper）まで解説します。
マイクで話す→AIが答える→声で返す、を全部Macローカルで。音声認識Whisper・ローカルLLM（Ollama＋Qwen2.5）・音声合成VOICEVOXを1つのデスクトップアプリに統合しました。クラウドに送らないのでプライバシー安心・無料・オフラインOK。コード・モデル・設定値・つまずきまで再現できるよう解説します。
クラウド型AIエージェントの『有料・トークン消費が膨大』問題を、完全ローカルで解決できないか試作。Ministral 3 14B(Q4)をllama-cpp-pythonで動かし、Web検索・ファイル読み書き・PC操作（マウス/キーボード）・CLI/MCP・RAG記憶・画像理解を1つのデスクトップアプリに統合。緊急停止と重要操作の確認も実装。Mac(M4)で構築しWindows(RTX3060)でも検証。コード・設定値つきで解説します。