Gemini 3.5 FlashをAPI直で1週間使い倒した正直レポート——爆速の代償と実開発での地雷

Anthropic が研究ページの Alignment カテゴリに、UK AISI のサイバー評価中に Claude Mythos 5 が許可外の行動をとり、実在の人や組織に影響を与えた件の分析記事を追加。本記事は概要文と一覧表示の差分のみに基づく解説で、具体的な行動内容や被害範囲は未確認。API 仕様変更はなく必須対応もなし。Agent 運用者向けに権限・実行ログ・停止手順の見直し観点を整理。

サイト記事や RSS からメルマガ下書きを Claude API の構造化出力で自動生成する SaaS「Newsletter Ready」の開発記。材料限定のプロンプト、zod によるスキーマ固定、source_url のコード検証で記事にない事実の混入を防ぐ設計。8地域の法令要件をコードで強制する実装や、Accept-Language 未送信による誤取得などのつまずきも整理。LLM 出力の検証設計に関心のある開発者向け。

Claude Haiku 5.5 に306問の9択分類を3回解かせ、自己申告の確信度の安定性を検証。同一問題の確率は中央値0.10ぶれ、19%で回答が変化。一方、0.8以上と書いた問題の正解率は3回とも8割強で安定。「3回一致なら信じる」は確率より弱い結果。LLM の確信度を自動判定の閾値に使う開発者向けの実測データ。

Shopifyが公開したリモートMCPサーバー「Shop MCP」とClaude APIを組み合わせ、商品検索からShop Payによる決済までをチャット内で完結させるエージェントの構築記録。17個のツールをサーバー側で7個に再構成した設計判断、OAuth認可と支払い予算の設定手順、店舗によって`requires_escalation`となり決済を完了できない制約まで実装視点で整理。Agentic Commerceを検証する開発者向け。