アニメ『アメイジング・デジタル・サーカス』に登場するAI義歯「Caine」のように、ユーザーに日替わりの冒険を提供するデジタルペットを作ろうとした開発プロジェクトが、当初の構想を実現できずに方向転換を余儀なくされた。NVIDIAの大規模言語モデル「Nemotron 30b」を使い、Three.jsによる動作するゲーム生成を試みたが、安定したコード出力に至らず、最終的にシンプルなHTMLツール生成にとどまった事例が、Hugging Face上のハッカソンブログで公開された。

この記事を一言でいうと

大規模言語モデルに完全なゲームプログラムを一発生成させる試みは、プロンプト拡張やRAGを用いた技能注入でも「動くレベル」に達しなかった。一方で、時計やToDoリスト、SnakeやBreakoutといった単純なHTMLアプリケーションの生成には成功している。

なぜ話題なのか

今回のプロジェクト「Amazing Digital Dentures」は、2026年6月に開催された「Build Small Hackathon」に提出されたもので、開発者「Virus Dumb」によってHugging Face上に詳細な経緯が綴られた。着想源は人気アニメ『アメイジング・デジタル・サーカス』。仮想空間で人間のデジタルクローンに冒険を提供するAIキャラクターのように、実生活の生産性向上につながる“ゲーム化されたToDoリスト”を目指した。

当初、NVIDIAのNemotron 30bモデルにThree.jsを使った完全なゲームを生成させようとしたが、長文プロンプト単体では動作しないコードが出力された。次にGitHubの「awesome-copilot」で公開されているスキルカードを注入したが、トークン制限に抵触。コンテキストウィンドウを拡張しても問題は解決せず、Codexを使ってスキルを単一テキストファイルに蒸留しRAGで検索させる方式に切り替えた。それでも、複雑なゲームでは常に何らかの不具合が残り、最終的に画面が空白になるケースが多発したという。

一般読者や企業にどう関係するのか

この失敗事例が示すのは、「AIに任せれば何でも自動化できる」という期待と現実のギャップである。現在の大規模言語モデルは、HTMLの時計やToDoリスト、古典的ゲームのSnakeやBreakout程度なら一発生成できるが、テトリスクラスの複雑なゲームになると破綻する。これは企業がコード生成AIを開発現場に導入する際の「任せられる範囲」を見極める上で示唆的だ。日本企業がAIによる業務自動化を進める際にも、複雑な仕様のコード生成を一発で成功させることは依然として難しく、人間による分割設計と段階的な検証が欠かせない。

AI業界の構造で見ると何が変わるのか

今回の事例は「コード生成AIの限界」というよりも、「単一モデルに閉じた自動生成の限界」を示している。プロンプトの長文化、外部スキルの注入、RAGによる知識検索の組み合わせは、いわゆるAIエージェントの基本設計そのものだ。ここで動くゲームが生成できなかったという事実は、現在の言語モデルが「複数ファイルにまたがる状態管理」「物理演算を含むリアルタイム処理」「エラー耐性のあるコード構造」といった複合的タスクを自律的に完遂するには、まだ追加のレイヤー（反復テスト環境、デバッグ用AI、モジュール分割機構など）が必要であることを示唆する。

Hugging Faceのハッカソンという草の根的開発の場で、NVIDIAのNemotronとOpenAIのCodexが併用されている点も興味深い。単一プロバイダーに依存せず、目的に応じてモデルを使い分ける「マルチモデル戦略」が個人開発者レベルでも当然になりつつある。

一次情報から確認できる事実

Hugging Face上のプロジェクトページと開発者ブログから確認できるのは以下の事実である。モデルはNVIDIA Nemotron 30bを使用。Three.jsによるゲーム生成を目指したが、動作する成果物は得られていない。RAG用にCodexでスキルを蒸留する手法は一定の効果を見せたが、複雑なゲームでは不具合が解消されなかった。最終的に公開されたのは、時計、ToDoリスト、Snake、BreakoutなどシンプルなHTMLを生成するツール「AmazingDigitalPetDentures」である。開発者は現在、別アイデアへのピボットを検討している。

関連企業・関連技術

  • NVIDIA: 大規模言語モデル「Nemotron」シリーズの開発元。今回のプロジェクトでは30bパラメータ版が使用された。
  • OpenAI: スキル蒸留にCodexを利用。コード生成分野での基盤技術として活用されている。
  • Hugging Face: プロジェクトのホスティングとハッカソン運営を担うプラットフォーム。
  • Three.js: ブラウザ上で3Dグラフィックスを描画するJavaScriptライブラリ。ゲーム生成のターゲット環境として選択された。
  • RAG（検索拡張生成）: 外部知識を検索してプロンプトに注入する手法。今回のプロジェクトではスキル注入に応用された。

今後の論点

今回の失敗例は、コード生成AIの実用限界を測る有益なデータポイントである。今後注目すべきは以下の点だ。第一に、反復的な自己テストと修正ループを組み込んだAIエージェントの開発動向。第二に、Nemotronのような非OpenAIモデルがコード生成タスクでどこまで追いつくか。第三に、ハッカソンレベルの個人開発から企業の実業務まで、コード生成AIの「任せどころ」に関する設計論が共有されていくかどうか。開発者が次にどのような方向へピボットするのかも、個人開発者コミュニティの試行錯誤を知る上で注目される。