Claudeの最上位モデルを常用して上限に当たったので、Opus 5に戻した
はじめに Claude を Team プランに移行したあと、最上位モデルの Claude Fable 5 をデフォルトにして使っていました。週の上限にすぐ到達して使えなくなり、Claude Opus 5 に切り替えて作業を続けました。 それで困りませんでした。対話のテンポはむしろ上がりました。 なぜ最上位を選んでいたのかを考えると、「一番いいものを選んだ」以上の理由がありませんでした。自分の業務に上位モデルが要るのかを確かめたことがなかった、というだけです。以下はその確認の記録です。 トークン節約の方法をまとめた記事はすでに多いので、ここでは「上位モデルが効く作業はどういう形をしてい...
出典: Zenn AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 Zenn AIで元記事を読む →
この話題に関連する、TOEの実践・観測記録
音声AIは「総合点1位」で選べるのか（7次元すべてで上位5位に入った製品はゼロ）
音声AIを7つの能力次元で実測したベンチマークで、全次元で上位5位に入ったシステムは1つもありませんでした。読み上げ・対話・聞き取りで選ぶべき製品は変わります。訛りへの弱さは製品間で+2.15ptから+8.04ptまで開き、感情の絶対識別は最高22.7%にとどまります。中小企業の選定基準を整理します。
続きを読む →
画像生成AIが「毛の生えたタコ」を描けないのはプロンプトが下手だからか — LLM評価80.0→93.0が示す構造的な原因
指示した珍しい特徴を無視して無難な絵しか出てこないのは、担当者のプロンプト力ではなくモデル側の常識バイアスが原因です。2026年7月公開の研究は、因果推論の考え方でプロンプトの純粋な効果だけを取り出し、LLM評価を80.0から93.0へ改善しました。再学習なしで推論時の設定だけで済む点と、その限界を整理します。
続きを読む →
高性能モデルに課金するより、小型モデルに「足回り」を付けたほうが信頼できるのか（評価者10名・平均4.08対1.23）
素のGPT-5チャットボットと、小型のGPT-4o-miniに検索・形式検証・自己チェック・人の承認・監査ログを組み合わせた構成を比較した研究で、6つの評価軸すべてで後者が上回り、プール平均は4.08対1.23となりました。評価者10名中8名が有意差を認めた一方、2名では有意差が出ていません。中小企業のAI導入設計にとって何を意味するかを整理します。
続きを読む →