Claude Fable 5・Kimi K3・Grok 4.5・GLM-5.2を比較 ― 性能・料金・コスパ・用途別の選び方

GLM-5.2 と Claude Fable 5 をOpenAI互換APIで比較した結果、GLM-5.2は出力予算(max_tokens)を増やすと数学・物理の推論を正確に返す一方で、低予算では内容が空になる傾向があった。Claude Fable 5は低予算でも安定し、特に長いHTML生成タスクでは完全に完走した。用途に応じた使い分けが重要。

Design Arena ベンチマークに基づき、Claude Opus 4.7 がデザイン能力で最高スコア (Elo 1322) を記録する一方、MiniMax M3 は 1/17 の価格で同等のパフォーマンスを実現。総合ランキングとデザイン能力の乖離から、タスク特性に応じたモデル選択の重要性とコスト効率分析を提示。

LLM長期対話の「鈍り（context rot）」と「偏り（attractor）」という二つの劣化に対し、セッションを「延命」ではなく「切れてよい構造」にする方針で Streamlit ツールを開発。Git の地層管理に倣い、要約ではなく時系列の「地層」として記録を保持し、セッション間での概念の変遷を照合キーワードで追跡。実装失敗を含めた設計判断の記録。

個人開発の献立アプリで prompt caching を実装しても効果が出ない問題に直面。原因は Claude Haiku 4.5 が 4096 トークン以上のプリフィックスを必須とする仕様で、それ未満ではエラーなく黙ってキャッシュを無視する。システムプロンプトに内蔵レシピ 113 品を埋め込み 13,000 トークンまで意図的に拡張することで解決し、キャッシュヒット時の入力コストを毎回 2 円から 0.2 円に削減。