GPT-5.6 Sol は Fable 5 超え：47万行の実レガシーコードで検証
Hiroba による自動要約
OpenAI が発表した GPT-5.6 Sol が Fable 5 をベンチマークで上回ると謳う主張を、実運用されていた Struts ベースの金融システム（約47万行）で検証した。Fable 5 との再計測を含む同一条件下で、両モデルの発掘能力・コスト効率・セーフガードの安定性を比較、実務レベルのレガシー診断での実用性を採点する。
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 2486 件あります。
関連する記事
同じタグの記事
Claude Code の @import ファイルが API リクエストでどう送信されるか検証
DevIOClaude Code の CLAUDE.md における @import 構文で読み込まれたファイルが、Anthropic API へのリクエストで実際にどの部分にどのような形で現れるかを mitmproxy で検証。公式ドキュメントに明記されていない JSON 上の具体的な位置構造を確認。
Claude Code v2.1.207｜Auto mode が Bedrock・Vertex AI・Foundry で opt-in 不要に
QiitaClaude Code v2.1.207 で Auto mode が Bedrock・Vertex AI・Foundry で環境変数 CLAUDE_CODE_ENABLE_AUTO_MODE なしに動作するようになりました。設定読み先が .claude/settings.local.json から ~/.claude/settings.json に変更され、デフォルトモデルは Opus 4.8 へ統一。非対話実行での同意ダイアログの不具合も修正。
Claude 4つのモデル層でコードレビュー精度を検証——トークン単価と実コストの乖離
QiitaClaude Haiku 4.5、Sonnet 4.6、Opus 4.8、Fable 5 の 4 つのモデルに同じコードレビュータスクを実行させ、第三者 LLM で指摘の正誤を判定。トークン単価は最安価層が 10 倍安いが、確認済みバグ単価は約 3.7 倍の差にとどまった。トークン効率とコンテキストキャッシュの活用により、定価差を削減。誤答コストが高いタスク選択では単価より信頼性を重視すべき。
Opus × GPT のサブスク併用で Fable 級の判断精度を実現する dual-engine スキルの設計と検証
QiitaClaude Code と Codex を異なる学習系統の判定エンジンとして並列動作させ、相互批判と外部レッドチームによる共有前提の検証を組み合わせたスキル dual-engine を開発・公開した。単発の 4～5 倍のコスト増で、複数モデルが揃って誤る「共有盲点」を減らし、戦略立案や重要資料の品質担保など高コスト判断向けに設計されている。