#Qwen

M4・16GBのMac miniでMiniCPM-V 4.7 35B-A3Bを検証。表画像の読み取りでは転記と計算の分離が有効で、thinkingやDSparkによる速度とメモリの変化も実測した。

M4 Mac mini上のDSHにModelScope経由でQwen3.8 Flash-NextとDeepSeek V4.1 Flashを接続。同じ不具合修正を3回ずつ実行し、テスト結果・変更ファイル・所要時間を記録した。

WordPress MCP Adapter 0.7.0とQwenをM4 MacのDocker環境で接続。自然文の指示からWordPress側でのAI要約と下書き保存まで試し、認証・権限・APIエラー時の挙動も確かめた。

M5Stack CoreS3のStackChanで、Claude Code・Codex・AntigravityのHookから届いた作業完了を、音声サーバーでかなの声にして読み上げた。長い読み上げのプチプチ切れは、M5Unifiedのスピーカーの送り出し設定を変えて改善した。

M5Stack CoreS3を載せたStackChanで、Port AのSCD41の値を音声サーバーのPOST /contextへ送り、CO2濃度や室温をLLMの返答に反映させた。頭上タッチの撫で誤反応の調査と、返答感情に合わせた首振り動作の実装、SCD41の簡易校正までを記録した。

Qwen3-EmbeddingとQdrantの長期記憶をStackChan用の音声チャットサーバーに組み込み、会話から事実文を自動で抜き出して後から聞き返すテストを音声で通した。ラーメンとギターは思い出せたが、箱根の予定だけは疑問符の全角と半角で判定が変わるほど、しきい値0.45すれすれのスコアだった。

Qwen-Image 2.1のKVキャッシュとTaylorSeerキャッシュを併用すると2ステップ目でエラーになる不具合を、DiffusersにissueとPRで報告し、4日弱でマージされた。AIエージェント利用時のDiffusersの投稿ルール、レビューで求められた再現コード・出力画像・テスト、取り込まれた4行の修正の中身。

M5Stack CoreS3を載せたStackChan Bodyで、頭のタッチで話しかける音声チャットを組んだ。起動直後にタッチの誤検出で録音が走り、サーバーのQwen3-ASRが無音からヒント語を書き起こして返事まで作っていた現象の切り分け。端末・中継・サーバーの対策から表情切り替え、フィラーの作り直し、声の途切れで送る操作への変更まで。

M5Stack CoreS3を載せたStackChan Bodyの顔を、128x128のドット絵からかなちゃんの絵に差し替えた。目と口と表情の差分はModelScopeのQwen-Image 2.1で作り、実機では目と口の範囲だけを上書きして目ぱち・口パクさせ、頭を叩くと喜怒哀楽が切り替わる。顔を画面いっぱいにする切り抜きと、5表情をフラッシュに入れた容量まで。

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。