Claude の tool use と長期記憶で、チャットからアプリを操作する AI 執事を作った

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。

Fable 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。

Anthropic 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。

Claude 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。