LLM脆弱性トリアージの判定ブレをプロンプトの境界設定で解決した話

ポケモンカードゲームの知識がないまま、Claude と Cursor を組み合わせ、コードを1行も書かずに AI に全てを任せて Kaggle の Pokémon Trading Card Game AI Battle Challenge に参加。6807チーム中680位で銅メダル圏内（上位10%）をわずか0.2点差で確保。フーディンデッキの選定・実装・チューニングをすべて AI に指示して進めた検証記録。

Claude API の Files API を使うと、PDF や画像を一度アップロードして file_id で参照でき、毎回 Base64 エンコードする手間とリクエスト容量を削減できる。実装は client.beta.files.upload() でアップロード後、Messages API 呼び出し時に file_id を参照するだけだが、beta ヘッダーは アップロード・Messages 両方に必要、content block の型と MIME タイプを一致させる、アップロード済みファイルは再ダウンロード不可という 3 つの落とし穴がある。

Claude・GPT・Gemini・Grok・DeepSeek など主要 LLM について、2026年9月時点の料金・コンテキストウィンドウ・性能を横並びで整理。各社の個別ベンチマークはハネス・測定日・推論強度の設定がモデルごとに異なるため、第三者機関 Artificial Analysis による同一条件計測の「Intelligence Index」を軸に比較表を提供。

Claude・GPT・Gemini・Grok・DeepSeek など主要 LLM について、2026年9月時点の料金・コンテキストサイズ・性能を Artificial Analysis の Intelligence Index を軸に横並び比較。Sonnet 5 の値上げ取りやめ、各社の値下げなど価格動向も更新。信頼区間±1%未満のため、わずかなスコア差は統計的に有意ではない点に注意。