GPT-5.6・Opus 5・Gemini 3.6、モデルの自己申告があてにならない理由

家計簿アプリで Claude（Bedrock）を使用する際、金額計算をLLMに任せず事前に計算・フォーマットして渡すことで、精度と安定性を向上させた実装例。カテゴリ分類では辞書・ルール・固定リストを段階的に適用し、Bedrockの呼び出しを最小化し、節約案生成では全ての数値を事前計算して提供することで、モデルの誤計算を防止。

2026年9月に Claude Fable 5.1、Gemini 3.8 Flash、GPT-6 Astra が相次いで発表され、9月22日にはさらに Claude Opus 5.5 と GPT-6 Sol/Luna が追撃リリースされた。価格体系が大幅に下がり、用途別（大量処理・日常コーディング・長時間タスク・高推論性能）の最適なモデル選択ガイドを、ベンチマーク値と料金表で整理。

RakuScan（日本株スクリーニングツール）では複数の分析プラグイン結果をClaudeが統合してBUY/HOLD/SELLを判断するが、この設計が本当に機能しているかを継続的に検証するシステムを構築した。evaluate.pyが営業日ベースでシグナル発行後+1/3/5/10/20日のリターンを自動記録し、weekly_report.pyが「Claudeの正解率」と「プラグイン平均の正解率」を比較する vs_plugin_avg_5d 指標を算出。直近10週の実データではClaudeの正解率がプラグイン平均を安定して上回った週はなく、数字の見た目より判断の質を継続的に監視できる仕組みづくりに価値を置いた。

Meridianは複数のAIコーディングエージェント(Claude、Antigravity等)をローカルAPIサーバー経由で一元管理するツール。Claude バックエンドは正式リリース済みで永続セッション・プロンプトキャッシュに対応、Antigravity はプレビュー機能で macOS arm64 のみ検証済み。導入時は対応クライアント(Pi、OpenCode等)のバージョンや環境検証が必須。