同じ文章でも、消費トークン数はモデルごとに違う

著者は Microsoft Copilot で複数アクションの会議予約に失敗したが、同じタスクを Claude Opus で試すと成功した経験から、Microsoft が低リテラシーユーザー向けに意図的に制限を強めていると分析。AI リテラシーの差によって同じ LLM でも計画（プランニング）が変わることを実例で示し、ユーザー教育と資格制度によるアドバンスドモード構想を提案している。

論文「Don't Retrieve, Navigate」に基づく Corpus2Skill は、RAG の検索ベース手法を階層的ツリーナビゲーションに置き換える。コンパイル段階で埋め込みを使用してコーパスを可視化し、サーブ時はツリー探索とバックトラックで文書を特定することで、検索漏れと視界の狭さを解決し、プロンプトキャッシュとの相性により実測で 48% のコスト削減を実現する。

OpenAI の GPT-5.6（Sol・Terra・Luna）3モデルについて、Codex での使用視点からモデル選択・クレジット消費・推論レベル設定を整理。Sol は高精度向け（入出力 $5/$30）、Terra はバランス型（$2.50/$15）、Luna はコスト重視（$1/$6）で、タスク複雑度に応じた使い分けが推奨される。

Claude APIのTool Useを起点に、MCPのアーキテクチャを解説。LLMはMCPの存在を知らず、クライアントアプリがMCPサーバーのツール定義を統合・ルーティングする仕組み、ならびにエラーハンドリングのメッセージ構造（tool_resultのis_error フラグ等）を具体例で掘り下げ、MCPをAI時代のマイクロサービス基盤として位置づける。