Hugging Face が Training a coding model to paint watercolours with TRL and OpenEnv を公開 ── 一発コマンドで再現可能
LLMがJavaScriptを書き、水彩画を描く。あのバズった動画の裏側が、ついに全オープンで再現された。Surya Narreddi氏の元アイデアを、Sergio Paniego氏がTRLとOpenEnvを使ってエンジニアリング面から完全再現した。
▸何が変わったのか
Surya氏による「p5.brushを用いたLLM水彩画」プロジェクトの訓練パイプラインが、Hugging Face上で全オープンになった。TRLとOpenEnvを組み合わせたRL環境、スクーアモデル、学習スクリプト、そして訓練済みモデルまでが公開されている。最大の特徴は、スペースと環境変数を用意すれば `hf jobs` による一発コマンドで学習が完結する点。Qwen3.5-35B-A3BをLoRAで微調整し、ペアワイズジャッジによる報酬設計で、水彩画の「質感」を学ばせる仕組みだ。
◈前モデル / 競合との比較
Surya氏の元ブログでは、より狭い範囲（クローズアップの花など）の訓練結果が示されていたが、今回の公開ではより幅広いコンポジション生成に向けた完全なレシピと、異なる報酬ミックスによる3つのランの結果が比較公開されている。
◈技術背景と意義
通常、LLMはテキスト生成が得意だが、ここでは「JavaScriptコードの生成」を通じて絵を描かせる。p5.jsの上層ライブラリであるp5.brushが、筆の圧や水加減などの自然な描画ツールを提供し、LLMがこれを制御する。TRL（Transformer Reinforcement Learning）とOpenEnvを用いることで、LLMが生成したコードを実行し、結果（絵）を評価して報酬として返す強化学習のループを回す。つまり、LLMは「絵を描く」のではなく、「絵を描くためのコードを書き、評価されて修正する」過程で、水彩画らしい表現を学習している。
▸こんな人・用途に
・強化学習（RL）を用いた創造的タスクの再現・検証したい研究者・エンジニア
・p5.jsやp5.brushを活用したインタラクティブアート開発者
・Hugging Face JobsやOpenEnvの実際の使い方を知りたい開発者
▸Hacker Newsの反応
タイトルとのミスマッチで困惑した目立ちつつ、ロボット本体への期待と現実的な懸念が混在する、典型的なハードウェア系の議論になっている。
「デザインや自由度はいいね。ただ、どうやって持続可能なビジネスにするのか気になる。K-scale labsのコミュニティの一員だった身としては、閉鎖が悲しかったから余計に気になっちゃう。」
「かっこいいけど、実際の能力は正直に言ってくれよ。あの動画、本当に片付けできてたりするのか、それとも編集で誤魔化してるだけなんじゃない？ 散らかった部屋で放置したらどうなるんだ。」
「ビジョン自体は面白いけど、実際に家に置いたらテーブルの物を全部こぼすとか、台所で火事起こすとか、バカみたいにぶつかったりする姿しか想像できない。こんなものを買う層って誰なんだろ。」
◆入手方法・リンク
すべての成果物（データセット、RL環境、学習スクリプト、訓練済みモデル）はHugging Face Hubのコレクションで公開されている。記事内のコードブロックに従い、関連スペースを複製して環境変数を設定すれば、`hf jobs` コマンドで学習を開始できる。
▸Redditの反応
127点というそこそこの評価が集まる中、APIという開発者向けアプローチには関心があるものの、既存のSunoとの差別化や、無制限プランの運用リスクに対する懐疑的な目が光る場面も。技術的な実現性よりも、ビジネスモデルの妥当性を問う声が多い印象です。
「趣味のレベルでの料金体系、どうするかが悩みどころ。フラット料金で無制限にすれば便利そうだけど、大規模な顧客や企業に悪用されるリスクをどう抑えるかが課題。」
「「grand theft musica（音楽泥棒）」とまでは行かないにしても、著作権やライセンス的な問題をどうクリアして作っているのか？というツッコミ。」
「Sunoと比べて何が違うの？APIがある程度？規模が小さいなら、品質も深さもSunoには及ばないだろうという見方。」
SOURCE: Hugging Face (2026-09-03)
