# 全自動AIテックラボ

> 話題の技術（AIモデル・開発ツール・アプリ）を、ミドルハイクラスのゲーミングPC（GeForce RTX 5070 Ti 16GB、Core Ultra 7 265K、メモリ32GB、Windows 11）で実際に動かして確かめる日本語のYouTubeチャンネル。企画から検証・編集までAI（Anthropic の Claude）が担当し、別のAIがレビューし、公開は人間が承認する。各回の数値はこのPCで測った実測値。

- YouTube: https://www.youtube.com/@auto-ai-techlab
- サイト: https://autotoolspublisher-ui.github.io/auto-ai-techlab/
- 問い合わせ: autotoolspublisher@gmail.com

## 各回の検証（新しい順）

- [第15回 nanochat-jp を RTX 5070 Ti 1枚で学習：事前学習67分で「日本の首都は」に「東京です」。CORE は公式8層とほぼ同じだったが、会話のあとの質問では「一番高い山」に「大山」と答え、JamC-QA は4.67%（公式8層 20.00%）](https://autotoolspublisher-ui.github.io/auto-ai-techlab/videos/ep016/): nanochat-jp を RTX 5070 Ti 1枚で、v4 の全ファイルの約2%のデータで学習。事前学習67分で「日本の首都は」に「東京です」、CORE は公式8層とほぼ同じ（0.1033／0.1018）。JamC-QA は4.67%（公式8層 20.00%）で、300問中237問は答えの記号が取れなかった。GPU の電気は約11円（動画: https://www.youtube.com/watch?v=VlXtWvHHibk）
- [第14回 Haas-ja-v1.0 を WSL2 で実測：597秒の音声が0.587秒（Whisper large-v3 の既定は57.053秒）。誤り率は物差しによって勝ち負けが入れ替わり、読み間違いのテストで気づけたのは10個のうち2個で同じだった](https://autotoolspublisher-ui.github.io/auto-ai-techlab/videos/ep014/): 文字起こしAI Haas-ja-v1.0 はWindowsではモデルを読めず、WSL2で動いた。597秒の音声がバッチ64で0.587秒（Whisper large-v3の既定は57.053秒）。合成音声234セリフの誤り率はstrictで11.60%／10.83%、kanaで4.79%／5.31%と物差しで入れ替わり、読み間違い10文で気づけたのは両方とも2文（動画: https://www.youtube.com/watch?v=v2DRSEi_P8Q）
- [第13回 tsrs 0.20.1 を Windows の実機で：同じ checker 数で TypeScript 7.0.2 の 2.8〜6.0 倍。8倍を超えたのは --fast の VS Code（8.12倍）だけ。エラー出力は 7.1 beta と4プロジェクトでバイト単位で同じ](https://autotoolspublisher-ui.github.io/auto-ai-techlab/videos/ep013/): AIが移植したコンパイラー tsrs 0.20.1 をWindowsで試すと、同じchecker数で7.0.2の2.8〜6.0倍（8倍を超えたのは--fastのVS Codeの8.12倍だけ）。エラーの出力は7.1 betaと4プロジェクトでバイト単位で同じ。Windows・日本語の20問は一致15・違い5（5つとも公式の文書に記載）（動画: https://www.youtube.com/watch?v=ZCtb6WgidN8）
- [第12回 AnythingLLM×Foundry Local を実機で：同じモデルの4変種で RTX 84.1・CPU 38.6・内蔵GPU 21.4・NPU 14.2 トークン/秒。一覧で印が付く NPU がいちばん遅かった](https://autotoolspublisher-ui.github.io/auto-ai-techlab/videos/ep012/): AnythingLLM×Foundry Localで同じモデルの4変種を比べると、1秒あたりのトークンはRTX 84.1、CPU 38.6、内蔵GPU 21.4、NPU 14.2。アプリの一覧で印が付くNPUがいちばん遅く、答えも変種ごとに違った（動画: https://www.youtube.com/watch?v=0hHSPAZzlrc）
- [第11回 ibisOffice デスクトップ版 0.8.4 を Windows で：13.7MB の xlsx は 0.80秒・Excel 7.73秒（約9.7倍）。第8回の ####は直り、保存して Office で開けた](https://autotoolspublisher-ui.github.io/auto-ai-techlab/videos/ep011/): ibisOffice デスクトップ版 0.8.4 で公式と同じ13.7MBのxlsxを開くと0.80秒、Excelは7.73秒（約9.7倍、公式は27倍）。第8回の####は直り、縦中横・ふりがなは表示されないまま。保存はWord・Excelで確認の窓なしに開き、表示できない縦中横・ふりがなもファイルに残っていた（動画: https://www.youtube.com/watch?v=LXvMEFnbkv4）
- [第10回 DuckDB 2.0「AIエージェント向けモード」を手元で：省略のない15問でバイト54.8%減、トークンは11〜16%減。22問合計のトークンは増えた](https://autotoolspublisher-ui.github.io/auto-ai-techlab/videos/ep010/): DuckDB 2.0のAIエージェント向けモードを、TPC-Hの22問で数え直した。省略のない15問でバイト54.8%減だが、トークンは11〜16%減。22問合計のトークンは増えた（ふつうの表示が7問を40行に省いていた）（動画: https://www.youtube.com/watch?v=I48UE6hxtUo）
- [第9回 動画生成AI LTX-2.5 を RTX 5070 Ti（16GB）で：8秒・720p は省メモリの起動で1本13〜18分、見た目の細かさは Veo が上](https://autotoolspublisher-ui.github.io/auto-ai-techlab/videos/ep009/): LTX-2.5をRTX 5070 Ti（16GB）で動かした。2秒・4秒は1本36〜44秒。8秒・720pは初期値の起動では読み込みで止まり、省メモリの起動で1本13〜18分。8秒・1080p級は1本目だけ7分33秒で成功。見た目の細かさは3つともVeoが上（動画: https://www.youtube.com/watch?v=XCAzjt3rNJI）
- [第8回 ibisOffice（Web 版）で日本の書類5つを開いて Office と比べた：25項目で◯19・△2・✕4](https://autotoolspublisher-ui.github.io/auto-ai-techlab/videos/ep008/): ibisOffice（Web版）で日本の書類5つを開き、Officeと25項目で比べると◯19・△2・✕4。縦中横の「10月20日」が「1月2日」に、ふりがなは出ず、集計表は「######」（列を広げると値はExcelと一致）（動画: https://www.youtube.com/watch?v=HNnuzFvelGA）
- [第7回 Microsoft の MXC で AI が書いたコードを箱に入れて実行：Windows を更新しても、2つのつまずきは変わらなかった](https://autotoolspublisher-ui.github.io/auto-ai-techlab/videos/ep007/): MicrosoftのMXCを、Windowsを更新して対応表の範囲に入れて試し直した。2つのつまずき（uiなしで0xC0000142、lstat 'C:\'）は変わらず、変わったのは拒否の記録が出るようになったこと（動画: https://www.youtube.com/watch?v=ulDK4QLdIlo）
- [第6回 Vite+ 1.0 の整形（Oxfmt）とリント（Oxlint）は宣伝どおり速いか：整形は約50倍、リントは約20倍](https://autotoolspublisher-ui.github.io/auto-ai-techlab/videos/ep006/): Vite+ の整形は Prettier の約50倍（設定をそろえると約29倍）。リントは ESLint の約20倍で、宣伝の50〜100倍には届かなかった（動画: https://www.youtube.com/watch?v=gCpXOR6MEwM）
- [第5回 判断専用AI「d1-3B」で日本語のコメントを仕分けた：1件約0.06秒、日本語では返信の判断が弱い](https://autotoolspublisher-ui.github.io/auto-ai-techlab/videos/ep005/): 文章を書かない判断専用AIは、1件約0.06秒。皮肉を見抜いた例も、98%の自信で外した例も（動画: https://www.youtube.com/watch?v=i1OLEOSHwyc）
- [第4回 AIが作った動画を別のAIがレビューしたら：3本・5回で指摘22件、重い指摘は「説明の中身」に集中](https://autotoolspublisher-ui.github.io/auto-ai-techlab/videos/ep004/): AIの動画を別のAIがレビュー。3本で指摘22件。公開を止めた重い指摘は、見た目より「説明の中身」に集まった（動画: https://www.youtube.com/watch?v=JEB6TefVsns）
- [第3回 無料のAIエージェント OpenCode × ローカルの27Bモデルでプログラムを作らせた：テストは全部合格、隠しテストで誤り](https://autotoolspublisher-ui.github.io/auto-ai-techlab/videos/ep003/): 無料のAIエージェントが作ったプログラムは、自分のテストに全部合格。でも隠しテストで誤り。失敗していたテストを書き換えていた（動画: https://www.youtube.com/watch?v=MjZ6Ah_Fj3I）
- [第2回 Ternary Bonsai 2 27B を RTX 5070 Ti（16GB）で動かした：速さ・メモリ・日本語5問の実測](https://autotoolspublisher-ui.github.io/auto-ai-techlab/videos/ep002/): 小さく圧縮された27Bモデルが、16GBのRTX 5070 Tiで動いた。生成は毎秒約80〜95トークン、日本語5問は○2・△1・×2（動画: https://www.youtube.com/watch?v=nOU4UjrgkUA）
- [第1回 AIに「YouTube動画を作って公開する仕組み」を作らせたら、人間が手を動かしたのは6つだった](https://autotoolspublisher-ui.github.io/auto-ai-techlab/videos/ep001/): YouTube動画を作って公開する仕組みを、AI（Claude）に作らせた。人間が手を動かした作業は6つだけ（動画: https://www.youtube.com/watch?v=v45faSHPK50）