孫のためにAI「侍読」を作った ― ローカルLLMのジレンマをClaudeで解いた話
Hiroba による自動要約
自宅でローカルLLM運用中に「日本語の自然さ」と「複雑な指示への追従力」のトレードオフに直面した著者が、Open NotebookとJarvisを結ぶ知能エンジン「Kernel」をClaudeに置き換えることで解決。RAG生成をベクトル検索に縮小し、Claude APIでの単発呼び出しに統一することで応答時間を短縮し、指示追従の崩れを構造的に排除した。
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 2448 件あります。
関連する記事
同じタグの記事
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。
Microsoft Copilot がショボいのではなく、私たち人類がショボい
Qiita著者は Microsoft Copilot で複数アクションの会議予約に失敗したが、同じタスクを Claude Opus で試すと成功した経験から、Microsoft が低リテラシーユーザー向けに意図的に制限を強めていると分析。AI リテラシーの差によって同じ LLM でも計画（プランニング）が変わることを実例で示し、ユーザー教育と資格制度によるアドバンスドモード構想を提案している。
Claude Fable 5の高額請求はなぜ発生するのか、節約術は実測で逆効果だった
ZennClaude Fable 5は入力$10・出力$50(100万トークンあたり)の単価で、11日間で約2,640万円、数日で約300万円の請求事例が実際に発生している。Anthropicは2026年7月13日から完全従量課金へ移行する予定だが、公開されている節約術のうち実測データがある事例は、むしろコスト増加と品質低下をもたらす結果が判明した。