M365 Copilot Cowork・Claude Cowork・ChatGPT Work のスライド作成能力を比較

Amazon Bedrockを使用した生成AIの多角的な評価手法を実践。コスト・レイテンシー・トークン数などの運用指標、正確性を検証する品質指標、エージェントの失敗原因分析、ツール呼び出し精度などを分解して測定し、単一スコアではなく複数の観点からモデルを評価する方法論を構体化。

2026年7月に Moonshot AI が Kimi K3（2.8兆パラメータ、100万トークンコンテキスト）を公開。個人が手元で実行できる規模ではないが、DeepSeek など巨大なオープンモデルの登場により、OpenAI や Anthropic などのクローズド勢の価格競争が激化し、ユーザーの利用コストが低下。オープンウェイトの意味は「個人による実行の自由」から「クローズド勢の価格を抑制する市場圧力」へ転換した。

LLM ルータを単純な難易度分類器として設計すると、キャッシュ効率、実効コスト、権限管理が崩壊する。Inkling のような新モデル追加時に耐える設計は「実行可能性層」「運転層」「復帰層」の 3 層構造で、料金表だけでなく cache_read_tokens とモデル切替回数を可視化し、チェックポイントから復帰可能にすることが必須。

AWS Bedrock で Anthropic モデル利用時、use case フォーム提出と契約締結が必須。初回呼び出し後の最大15分間は成功することもあるが、手続き未完了だと突然 ResourceNotFoundException が発生する。JP cross-region inference profile（jp.anthropic.*）を使えばデータを日本国内に閉じたまま新しい Claude を利用でき、CLI のみで設定完了でき、フォーム intendedUsers は数値文字列指定など2つのワナがある。