Google I/O 2026、去年と何が違ったのか？ 2025の発表と並べて気づいた4つのこと

Google I/O 2026（2026年5月19日(火)〜5月20日(水)開催）が終わりました。例年通り発表数が多すぎて、自分も全体像を整理するのにけっこう時間がかかったんですよね。Gemini 3.5 Flash、Managed Agents、Antigravity 2.0、Searchの刷新、ChromeのWebMCP…どれも単体では追えるんですが、束ねて眺めると「去年とは違う方向に進んでいる」という印象が残りました。

そこで今回は、2026年単体のまとめではなく、2025年と2026年の発表を並べて見たときに、Googleがこの1年でどこに舵を切ったのかを整理してみます。仕事や開発のためというより、単純に去年との違いが気になって調べているうちに面白くなってきた、というのが正直な動機です。

並べる切り口は本当にいろいろあるんですが、その中で自分がいちばん気になったのは次の4つでした。AIの役割、開発ツールの位置づけ、Searchの作り直し、そしてモデルそのものの扱われ方です。今回はこの4つの軸に絞って眺めてみます。

⚠️ 本記事の情報は2026-05時点のものです。I/O 2026の発表は提供時期が米国先行・Pro/Ultra先行のものも多く、機能やAPIの仕様は今後変わる可能性があります。

『どこまでやればいいのよ…🥲』SaaS時代のセキュリティで悩んだので、自分なりに整理してみた

最近、情報漏洩のニュースをよく目にするようになりました。

目立つのは、自社の事故ではなく、業務委託先や、契約しているクラウドサービス側で起きた事故が、自社にも影響してくるというパターンにみえます。毎月のように、どこかで何かが起きているような印象…💧

これって、世の中の事故が急に増えたというよりは、法改正や開示義務の強化で、これまで水面下にあったものが表面化してきた側面が大きいのかも。

ただ、これをセキュリティ担当の立場で捉えると大きな頭痛の種になります。

自社で直接起きた事故じゃない領域に対して、どこまで、何をすればいいんだろう？

自分は最近セキュリティ関連のこともやることになっちまった😣ので、こういった課題にずっとモヤモヤしていました。特に「業務委託」とは性質の違う「SaaSのような外部サービスの法人利用」になると、どうすればいいのか頭の中の整理がうまくつきません。

今回は、開発という内容とは少し離れたセキュリティに関しても自分に整理し、方向性を書き残してみました。これは「正解」という話ではなく、ひとつの方向性としてのメモとなります。

⚠️ 本記事の情報は2026-05時点のものです。法改正やサービス仕様の変更で前提が変わる可能性があります。また、組織規模や業態によって現実的な選択肢は大きく変わるので参考にならない業種の方もいると思います。

🧠【ローカルLLM思考妄想】GPU 9万円〜DGX Spark 70万円、2026年のデバイス選び。"ちょうどいい"はどこなのか妄想してみた 💸

最近、YouTubeで「予算別ローカルLLM思考実験」的な動画を見かけまして、これがなかなか面白い内容だったので、自分のこれまでの検証経験と照らし合わせながら同じことをやってみようと思っての記事となります😊

自分の環境は、RTX 4070 Ti（12GB VRAM）のデスクトップ、Ryzen 7 6850H + Radeon 680M のミニPC、M1 MacBook Air 16GB、Raspberry Pi 5など、わりと雑多に揃っているのですが、ローカルLLMのスペックからするとかなり微妙なものが多い🥲

そんな中で「予算別」というテーマは、ちょうど自分が ローカルLLM環境を予算をかけて強化していきたい と考えていたタイミングで、結構刺さりました。手持ち機材だけだと厳しい場面も増えてきたので、ここで一度「予算帯ごとに自分ならどう投資するか」を妄想しておきたい、というのが今回の動機です。動画の内容をベースに、Mac（Apple Silicon） と Ryzen AI Max+ 395 という選択肢も加えて、自分なりの予算別プランとしてまとめています。

※今回は100% 自分の妄想ですあらかじめご了承ください🙏

⚠️ 本記事の情報は2026年5月時点のものです。ローカルLLM周りはハード・ソフトともに動きが早いので、最新情報は各種公式ドキュメントも併せて確認してみてください。

---

M1 MacBook Air 16GBでMLX対応ローカルLLMはどこまで動くのか試してみたゾ（2026年5月版）

実は2026年の4月くらいから、長らくメインだったWindowsから少しずつMacも使えるようにする「Macリハビリ」を始めていまして🤗 手持ちのM1 MacBook Air（2020年モデル、16GB）を引っ張り出して、ちょこちょこ環境を整えながら使い慣れているところです。

そんなタイミングだった3月末に、OllamaがMLXバックエンドに対応したというニュースが飛び込んできました。MLXはApple Siliconの統合メモリを直接活用して推論を高速化するためのライブラリで、要するに「M1/M2/M3/M4/M5チップのGPUとメモリを素直に使ってLLMを動かす」仕組みです。

Apple Siliconって、ベンチマークの数字だけ見ていると「最新のNVIDIA GPUにはさすがに敵わないでしょ🙄」くらいに思っていたのですが、ローカルLLMの文脈では統合メモリのおかげで大きめのモデルがそのまま乗るという独自の強みがあります。とはいえ自分のマシンはM1という4世代前のチップ、しかも16GBのエントリースペック。果たしてどのくらいパフォーマンスが出るんだろう🤔 というのが、今回の一番の関心事でした。

ということで、手持ちのM1 MacBook Air（16GBメモリ）で、MLX対応の各ツールを一通り試してみた備忘録です。LM Studio と Ollama の2つを実際にセットアップして、どれくらい動くのか？速度差はあるのか？を自分の手元で確認してきました。

結論から先に言ってしまうと、正直、このスペックでも動作して驚きました🤩 Ollama公式が「32GB以上推奨」と書いているMLXプレビューも、小さめのMLX系モデルなら16GBで普通に動きます。「4世代前のM1 Airで、ローカルにこのレベルのモデルが乗るんだ」という感触は、Macリハビリ中の自分にとってはちょっとしたご褒美のような体験なのかも😊 そのあたりの温度感も含めて、以下にまとめていこうと思います。

⚠️ 本記事の情報は2026年5月上旬時点のものです。Ollama・LM Studioはいずれも開発の動きが早いので、最新情報は各公式ドキュメントも併せて確認してみてください。

関連

uepon.hatenadiary.com

ローカルLLMに「CPU温度を教えて」と聞いたら、ちゃんと関数を選んでくれた話

先日の記事では、Granite 4.1をRaspberry Pi 5で試していましたが、そのなかでFunction Calling（ツール呼び出し）を初めて使いました。 名前は知っていたけど実際に触ったのは初めてで、やってみたら思っていたより仕組みがシンプルだったので、備忘録としてまとめておこうと思います。

今回は先日と同様にプラットフォームとしてはOllamaを使います。Function Calling自体はモデルに依存しない仕組みなので、Granite 4.1に限らず、Ollamaで動くモデルであれば同じ方法で試せます。

今回のデモでは日本地名の取得など日本語のやり取りが出てくるので、日本語が得意なモデルのほうが成功体験を得やすいです。ということで今回はGemma 4（E4B）を使ってみます。Qwen2.5やLlama 3のFunction Calling対応版でも同様に動きます。

関連記事

uepon.hatenadiary.com

⚠️ 本記事の情報は2026年5月時点のものです。OllamaのAPIやFunction Callingの仕様は今後のアップデートで変わる可能性もあります。