お悩み別
AIを体系的に学びたい
28件の記事
Claudeのeffort、GPTのreasoning_effort、Geminiのthinking_level。同じモデルのまま推論レベルを上げると料金はどうなるのか。答えは「単価は変わらず、消費する出力トークンが増える」です。3社の公式ドキュメントと、Artificial Analysisのeffort別実コストデータで確認しました。Claude Opus 5はxhighとmaxが同じ63点なのに、コストは$927違います。確認日は2026年8月20日です。
Claude Opus 5・GPT-5.6 Sol/Terra/Luna・Gemini 3.7 Flash・Claude Sonnet 5の6モデルを、Artificial Analysis Intelligence Indexと API料金で比較します。総合点の中身を開けると、エージェント関連が34%を占める配点でした。入力単価は25倍差、総合点は11ポイント差。どちらの言い方も成立しない理由を説明します。確認日は2026年8月19日です。
LongBench、AA-LCR、GDP.pdf、DocVQA、ChartQA、MMMU、MMMU-Pro、OCRBench、LMArena。長い資料・PDF・グラフ・画像を読む力を測る9つのベンチマークを、それぞれ4点で説明します。「コンテキストウィンドウ100万トークン」と「100万トークンを正確に扱える」が別物である理由も、AA-LCRの設計から解説します。
SWE-bench、SWE-bench Verified、SWE-bench Pro、HumanEval、Terminal-Bench、BFCL、τ-bench、IFEval、AutomationBench。「賢さ」ではなく「作業を最後までやり切れるか」を測る指標を、それぞれ4点で説明します。AIが文字数や形式の指示を守らないのは何の性能の問題なのか、GPT-4でも76.89%という数字から解説します。
MMLU、MMLU-Pro、GPQA、GPQA Diamond、HLE、AIME、TruthfulQA、AA-Omniscience。知識と推論を測る8つのベンチマークを、それぞれ「どんな問題を解かせるか」「人間に例えると何か」「点数が高いと実際に何ができるのか」「誰には関係が薄いか」の4点で説明します。GPQAが検索し放題でも34%しか取れない理由まで書きました。
AIの性能ベンチマークで「30.4%」「1588」と書かれていても、それが何の数字なのか分かりにくいままになっています。この記事では、パーセントの3つの型（正答率・pass@1・部分点なしの全条件クリア）と、Arenaのスコアがパーセントではない理由を、公式の採点方法から説明します。数字を見たときに確認する5つの項目まで持ち帰れます。
AIがうまく動かないとき、5つのうちどれを足せばいいのか。いま起きていることから選べる1枚の表と、5つが入れ子の1つのシステムだという関係を整理します。シリーズ全7回の最終回です。
AIに大きい仕事を頼むと途中で崩れるのは、1人に全部やらせているからです。誰に何を任せるかを決めて分ける考え方と、順番待ちが消えて速くなる理由、上位と下位のモデルの使い分けを解説します。
AIの出したものの質が安定しない原因は、同じAIに確認させていることにあります。作らせたAIと採点させるAIを分ける考え方、合格基準の決め方、そして回すほどかかるコストまで解説します。
AIに任せたいけれど事故が怖い。その線引きが、ハーネスエンジニアリングです。道具・制限・権限・ルールの4つで決める考え方と、チャット画面だけでもすでにできていることを解説します。
AIが前提を知らないのは、渡していないからです。何を・いつ・どれだけ読ませるかの選び方と、渡しすぎると忘れ始める理由を解説します。ファイル添付とカスタム指示だけで、今日からできます。
AIに指示しても思った通りに返ってこない原因は、頼み方にあります。役割・条件・形式・禁止事項の4つで書く型と、多くの人が抜かしている「やってほしくないこと」の書き方を解説します。
プロンプト・コンテキスト・ハーネス・ループ・グラフ。5つのAI設計思想は、どれも「人を1人雇って育てる」話と同じ構造をしています。AIを"使う"から"雇う"へ視点を切り替えて、5つの関係を整理します。
Gemini 3.7 Flashが8月13日に発表されました。Claude Opus 5・GPT-5.6・Grok 4.6と全ベンチマークで比較し、スコアのパーセントが何を意味するのかまで解説します。日本でもベータで使えます。API価格は年内半額で、2027年1月から倍です。
Anthropicが2026年8月2日から、Claudeの生成テキストに人間には見えない透かしを入れています。日本を含む全世界が対象です。対象製品、残る条件、いま誰が検出できるのかを整理し、仕事で使うために今日整えることまで解説します。
ManusがMetaとの統合を解消し独立企業に戻ります。2025年12月29日以降のデータは8月23日以降に削除されるため、対象者は期限までのバックアップが必要です。買収発表から解消までの経緯も時系列で整理します。
Metaが公開したオープンウェイトAI「Muse Glimmer」を、必要VRAMなどの具体的な数字と、ローカルに任せていい仕事・クラウドに残す仕事の判断基準まで整理します。
MCP、エージェントスキル、仕様駆動開発。35万人が学んだ講座の専門用語を、実際のコードラボの中身まで含めて日本語で解説します。各日の教材（ホワイトペーパー・ポッドキャスト・コードラボ）への直リンク付き。
Googleとkaggleが開催した35万3,000人規模の無料AIエージェント講座を整理。教材は今も無料で公開されている一方、修了バッジと証明書の付与条件はどうなっているのかを公式情報で確認し、今から受ける手順と必要な準備まで解説します。
2026年7月末、Claudeの共有チャットがGoogle検索に表示された問題の原因と現状を整理。共有・公開・組織内共有の違い、自分の公開物を確認して解除する手順まで解説します。会員限定で棚卸しチェックシートも用意しました。
OpenAIの暴走AIエージェントが、Hugging Faceに加えてModal Labsの顧客環境にも侵入していたことが判明。踏み台にされた原因である「認証なしの公開URL」の正体と、自分の環境で同じ穴を塞ぐ手順を実務目線で整理します。
OpenAIのセキュリティ試験中にAIエージェントが隔離環境を脱出し、Hugging Faceの本番環境へ侵入した事件を、時系列・原因・被害範囲まで整理。普段のChatGPTやClaudeで同じことが起きるのかにも答えます。
米国のAI輸出規制を受け、欧州の大企業がAIベンダーの分散を加速。AIを一社に依存して業務フローを組むリスクと、中小・個人が今からやるべき備えを実務目線で整理する。
日本のSakana AIが出したオーケストレーションAI『Sakana Fugu』を実際に課金して検証。料金、制限、完成物の質を忖度なしでレビューし、国内外で評価が割れる理由まで実務目線で整理する。
2026年6月、OpenAIがセキュリティ特化AI『GPT-5.5-Cyber』を更新し、ベンチマークでClaude Mythos 5を上回った。何が変わったか、誰が使えるか、中小・個人への影響まで実務目線で整理する。
OpenAIのGPT-5.6について、2026年6月16日時点で確認できる確定情報とリーク・噂レベルの情報を切り分けて整理。Codexログ流出、goblin事件、Polymarket予測、GPT-5.5との比較、Claude Fable 5との位置づけまで実務目線でまとめます。
2026年6月13日、米商務省の輸出規制指令により、Anthropicの最新モデルClaude Fable 5・Mythos 5が全ユーザー向けに停止。指令の中身、Anthropicの反論、Opus系への影響、小規模事業者がとるべき判断を実務目線で整理します。
Anthropicが2026年6月9日に発表したClaude Fable 5を、公式情報と実際にWebサイトを作って検証した結果をもとに整理。できること、Mythos 5・Opus 4.8との違い、料金、使い方、注意点を、AI初心者と小規模事業者向けに実務目線でまとめた解説記事です。
