#Python

Qwen-Image 2.1の編集をM1 MaxのDiffusersで測った。832×1216の元画像は既定のままだと832×1248に伸ばされ、出力の人物が約2.7%細くなった。output_resolution=1006を指定するだけで、画像全体の位置ずれは約0.1pxに。表情差分、片方だけの着せ替え、背景の透過も1枚約4分半で処理できた。

M1 Max 64GBのDiffusersで1枚約10分かかるQwen-Image 2.1に、学習なしで使えるTaylorSeerキャッシュを入れた実測。既定のKVキャッシュと併用すると2ステップ目でエラーになるので、十数行のパッチで回避し、参照画像つきの編集も721秒から278秒になった。

Qwen-Image 2.1の公開重みをM1 Max 64GBで動かし、4月のAnima・WAI-Anima・WAI-Illustriousの作例と比較。立ち絵・走る場面・NSFWは同じプロンプト、i2iは同じ元画像を使った。生成は1枚約10分でAnima系の2倍強かかり、i2iでは顔をほぼ変えなかった。

RTX 3050 Ti 4GBノートで動かしている音声チャットサーバーにQwen3.8-Omni-Flashを導入した。ModelScope APIでの音声直接入力でSTTとLLMをまとめ、CPU常駐のQwen3-ASRを外してサーバープロセスのメモリを1.3GBから118MBへ削減。アイドル復帰待ちの解消と応答速度を実測した。

FlyWireコネクトームを使った全脳LIFモデルをM1 Max 64GBで再現し、中心複合体の実配線をマスクにした方位積分課題の重み学習まで試してみた。

FlyWireコンソーシアムが公開したショウジョウバエ13.9万ニューロンの全脳配線図の規模、LLMとは異なる省電力感覚運動制御への応用先、Pythonでデータを扱うための最小コードを整理した。

Qdrantで検索した記憶をQwenに渡す会話テストで、最新の作業が候補に入らない問題と新しい記憶がしきい値を割る問題を、類似度に新しさの加点1項を足すだけで直した。係数は4候補を機械的に選び、無関係な記憶が増える副作用まで実測した。

StackChanに載せる前に、Qdrantで検索した記憶をQwen3.7-Plusへ渡す会話をPC側で10問固定のセットで試した。記憶の主語を省くとキャラが自分の話と取り違え、しきい値0.45の前後は文面差で判定が逆転し、途中でModelScopeの埋め込みAPIが消えてローカルに切り替わった。その分をLLM側で取り返せるかアンバサダー枠の5モデルも叩いた。

Windows 11、AMD Ryzen 7 5800HS、RAM16GBの本番機で、Qwen3-Embedding-0.6BのローカルCPU実行とModelScope API経由を実測し、TTS・ASRが常駐した実運用状態で同時に動かした場合の干渉も測った。ローカルは音声応答も道連れに遅くしたが、API経由は劣化しなかった。

Windows 11、RTX 4060 8GB、RAM32GBの開発機で、Qwen3-Embedding-0.6BのCPU実行とQdrantのローカルモードを動かし、RAM消費と処理時間を実測した。StackChanの長期記憶設計で測れていなかった部分の続き。

RTX 3050 TiノートとCoreS3の既存音声チャットへ、Qwen3-EmbeddingとQdrantによる長期記憶を足す。StackChanWorldのAPIへ依存せず、会話ログ、検索用メモリ、人格、身体を分離する実装前の設計をまとめた。

7=2³−1を使うBen Joffeの曜日アルゴリズムを、Apple M4上のclang・Rust・V8・CPython 3.14で普通に書いた%7と実測比較。生成コードの命令数、V8で負のゼロが引き起こす25倍の減速、CPythonで逆転する理由まで。