#Qwen

CircleStone Labs公式の真のbase model Anima-Base v1.0 をM1 Max 64GB / ComfyUIで preview3-base / WAI-Anima と並べた。生成時間は275〜285秒でほぼ同じだがWAI-Anima向け既存 kanachan LoRA は v1.0 で崩壊しやすく、軽い指定では22%しか拾わない。衣装パーツを明示する重い指定+Turbo LoRA+kana 1.0 では67%まで回復。v1.0 ベースで運用するなら LoRA 再学習が必要、というのが結論。

arXiv:2605.03723の人間・LLM共著テキスト分割手法をM1 MaxとQwen3-8B-Baseで動かした。重み付きCUSUMは標準Pythonで動くが、生log-likelihoodだと人間文単独でも境界が量産される。

Qwen-ScopeのSparse AutoencoderをローカルのM1 Max 64GBで動かし、Qwen3-8B-Baseの中間層から日本語・英語・コード・中国語を弁別する特徴IDを取り出した記録。

QwenチームがQwen3/Qwen3.5向けのSparse AutoencoderスイートQwen-Scopeを公開した。14グループのSAEで、推論時ステアリング、評価分析、毒性分類、データ合成、学習改善までを狙う。

カラーのアニメ系AIイラストを漫画原稿風のモノクロへ変換する検証ログ。AI再生成系は色残りか顔変化のどちらかに寄り、決定論的なローカル処理だけだと機械的に見える。次に試すべき方向（Anima にグレスケ専用LoRAを載せる案、See-throughで部位分離してから機械合成する案）まで整理する。

v3 のキャプション据え置きで学習量だけ Anima 公式推奨の 12,000+ ステップまで増やしたら、ep150〜180 で方向ヒット率 100%、ep200 で 0% に急落、ep227 で 67% まで部分回復、という非単調な曲線が出た。1枚あたり露出 600〜720 回が sweet spot、800 回超で catastrophic forgetting。learning_rate 2e-5、約11時間 / $10 のRunPod学習と sweet spot エポックスキャンを記録。

前回サイドポニーの方向制御に失敗したWAI-Anima向けLoRAの再学習に向けて、学習素材53枚のキャプションをAnima推奨形式に書き直した記録。Qwen3 TEに方向情報を流し込めるよう自然言語で画像内の位置を明記し、ILで通用していた「kanachan一語に髪型ごと吸収させる」戦略を諦めて髪型をDanbooruタグでも独立化した。年タグの要否、bikini/nude誤キャプションの発見、blazer色の認識ズレまで含めた準備記録。

Qwen-Image-2.0-Proの2026-04-22版を確認した。ArenaではText-to-Image総合9位だが、Hugging Face上の公式オープンウェイトはまだ見当たらない。

WAI-IL用に整えた53枚をAnimaLoraToolkit + RunPodで学習しWAI-Anima向けキャラLoRAを焼いた。学習自体は$1.22で通ったが、推論でサイドポニーの左右がDanbooruタグでも自然言語でも動かず、最終的にAnima base（preview3-base以降）由来の方向バイアスにぶつかった検証記録。

NotebookLMクローンのopen-notebookはデフォルトがDocker前提＋クラウドAPI前提。SurrealDBをネイティブで入れて4プロセスをtmuxで立ち上げ、Ollamaのqwen3.6:35bとbge-m3だけでRAGを回した。自分が今朝書いたQwen3.6比較記事を食わせたら、正しい数値で答えた。

Qwen3.6-27BをOllama/MLX両方で試したらOllamaはVLプロジェクタ付きGGUFをロードできず、MLXでは11 tok/sで動いた。ついでに35B-A3BをMLXで動かしたらOllama GGUFの2倍速。BBSを両モデルに作らせて意図汲み取りの差も見た。

Ollama 0.20.6でQwen3.6-35B-A3Bを試した記録。Gated DeltaNet対応済みで生成速度はQwen3.5と同じ27 tok/s、ただし思考トークンは13倍。マルチターン・ペルソナ・NSFW三段階の挙動もまとめた。