GPT系・Claude系・Gemini系・OSS系はどう違う？エンジニア向けLLMモデル選定ガイド

Claude・ChatGPT・Geminiへのデバッグ質問時に、正規表現では検知できない独自形式のWebhook署名・JWT署名鍵・社内APIトークンをシャノン・エントロピー計算で自動抽出。ブラウザ内のみで機密値を仮名化し、LLMの出力時における表記ゆれや順序変更にも対応する3層アンマスク機構と、その無料Webツール『MaskFlow AI』のアーキテクチャを紹介。

犬と同伴できる飲食店情報サイト dog lunch で、LLM による情報抽出時に「書かれていないこと」を誤って出力させないための設計を紹介。正解率より過剰断定を指標に、三値（allowed/denied/unknown）の維持、原文引用の必須化、矛盾時は unknown に倒すなどの施策で、ユーザーが店の前で断られるという致命的な誤りを防止した。

Anthropic の研究チームが Claude を用いて暗号学界の長年の謎である NIST 楕円曲線パラメータの生成アルゴリズムを特定することに成功しました。歴史文献・数学的パターン・コード痕跡の統合分析により、NSA バックドア疑念の根拠を検証。エンジニアが自作暗号コードのセキュリティ監査や定数検証に Claude を活用する実践例も紹介されています。

著者が自作PHPフレームワークの品質精査をGemini 4 ArgonとClaudeに依頼し、比較検証した結果をレポート。Argonは高い評価と改善提案を出したが、Claudeが検証したところ提案の前提となる文言やAPIが実装に存在せず、すべて不適切と判定。業務アプリ開発ではClaudeの方が信頼性が高いという結論に至った。