何が起きたか
Simon Willison氏が、Hacker Newsで話題になった軽量画像インペイントモデル「Moebius」(hustvl/Moebius、0.2Bパラメータで10B級の性能を主張)を、ブラウザ上で動作させるデモ(simonw.github.io/moebius-web)を公開しました。元はPyTorchとNVIDIA CUDAが必要でしたが、Claude CodeにPyTorch→ONNX変換とWebGPU向け実装を任せ、変換後の1.24GBの重みをhuggingface.co/simonw/Moebius-ONNXにhf CLIで公開、フロントはGitHub Pagesで配信する構成にしました。
何が新しいか
注目すべきは、本人がコードをほとんど読まずに「テストして小さな改善を指示するだけ」(本人いわく”vibe coding”)でこの一式が完成している点です。Claude Opus 4.8がPyTorchモデルのONNXエクスポート(opset 18、torch.onnx.exportで入力latent/出力imageを定義)、Hugging Faceへの公開、Webアプリのビルドまで一気通貫で実行しました。さらにキャッシュ問題に当たった際は、サブエージェントでWhisper Webのデモを調査させ、CacheStorage API(caches.open(‘transformers-cache’))で約1.3GBの重みを保持する実装を引き出しています。
なぜ重要か
これまで「モデルをブラウザで動かす」にはTransformers.js対応か、ONNXへの手動移植という専門知識の壁がありました。今回の事例は、その移植作業自体をエージェントに丸投げできる段階に入ったことを示します。推論はユーザーのGPUで完結するため、サーバーコストはゼロ、画像データは外部に出ません。1.3GBの初回ダウンロードを受け入れられるユースケースに限れば、推論基盤の前提が変わる可能性があります。
💼 事業会社視点：これは自社にどう効くか
日本の事業会社にとって本件の含意は2つあります。第一に、画像編集系SaaS・EC・受託開発で「推論サーバーを持たない選択肢」が現実味を帯びたこと。商品画像の不要物除去、不動産写真の生活感除去、ファッションECのモデル差し替えなど、これまでGPUインスタンス代がボトルネックだった機能を、ブラウザ完結に振り直せます。1.3GB初回ロードの体験設計さえ詰めれば、推論コストの限界利益はほぼゼロになります。
第二に、PoCの作り方そのものが変わります。社内に機械学習エンジニアがいなくても、Claude Codeに「ONNX化してWebGPUで動かせ」と指示するだけで、数十分〜数時間で動く検証物が出てきます。事業責任者は「ML人材がいないからできない」を理由にできない時代に入りました。むしろ問うべきは、自社の業務データで動かすべきモデルが何で、誰がそれを発見・指示するかです。情シスや事業企画にClaude CodeとHugging Faceを使わせる予算を、今期中に確保すべきです。