Claude Code のリクエストログ実測——system/messages/tools のトークン内訳
Hiroba による自動要約
Claude Code が Ollama などのローカル LLM をバックエンドにした場合、わずか 5 文字の「1+1は？」という質問に対して約 29,700 トークンが消費されていることを実測調査。Messages API のリクエスト JSON をプロキシ経由で解析し、system・messages・tools の 3 要素がトークン消費の大部分を占めることを特定。
読んで良かったら、シェアしてみてください。
同じタグの記事が他に 2307 件あります。
関連する記事
同じタグの記事
Claude Fable 5 実務検証 〜 Opusの2倍価格、どのタスクで元が取れるか試した
QiitaFable 5とOpus 4.8を実務タスク4カテゴリで直接比較した結果、長時間・多段・曖昧な自律タスクではFable 5が明確に上回り、定型・軽作業では価格相応の差がなかった。乗り換え判断は1週間のタスク台帳でやり直し2回以上のタスクをA/B検証する方法が有効。
Claude の内部思考を可視化する J-lens、Anthropic の解釈可能性研究
QiitaAnthropic が発表した J-lens は、Claude が出力するテキストより前の内部活性から、モデルが言葉にできる状態にしている概念を直接読み取る手法。ヤコビアンを用いた計算により、全活性のごく一部に留まる「言語報告可能な空間」(J-space) を特定でき、エージェントの隠れた意図や不整合な思考を監視する可能性が開ける。
.jpg)
Claude Code でモデルと effort レベルを選択する
HNClaude Code がリクエストを処理する際のモデル選択の仕組みを解説。トークン化から重み（パラメータ）による予測まで、モデルの内部動作を図解しながら説明。異なるモデルへの切り替えが何を変えるかについて詳述。
AWS Batch × Claude Code で YouTube動画を自動生成する—LLMパイプラインの3段検証設計
ZennデザインスキルなしにAWS Batch上のカスタムパイプラインで毎週YouTube動画を自動生成している事例。LLM（台本生成）・機械検証・ファクトチェック（別LLM）・人間確認の3段検証で品質を担保し、非決定性を1フェーズに閉じ込めることで安定した無人運用を実現。月500円程度のコストで実装。