OpenRouter に登場した 5 大モデル、実力を比較──Claude Opus 4.8・Step 3.7 Flash・MiniMax M3 ほか
Hiroba による自動要約
2026年5月27日～6月4日の10日間に OpenRouter に Claude Opus 4.8、Step 3.7 Flash、MiniMax M3、Qwen 3.7 Plus、NVIDIA Nemotron 3 Ultra が相次いで掲載された。同じ 3 つのプロンプト（コード生成・推論問題・翻訳）を投げて応答速度・コスト・品質を比較したところ、推論問題では全モデルが同等、コード生成では Claude と Nemotron が優位、コストは Claude が 1 リクエストあたり 17.5 ミリドルと他モデルの 7～17 倍高い結果になった。
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 2320 件あります。
関連する記事
同じタグの記事
Claude Code のリクエストログ実測——system/messages/tools のトークン内訳
QiitaClaude Code が Ollama などのローカル LLM をバックエンドにした場合、わずか 5 文字の「1+1は？」という質問に対して約 29,700 トークンが消費されていることを実測調査。Messages API のリクエスト JSON をプロキシ経由で解析し、system・messages・tools の 3 要素がトークン消費の大部分を占めることを特定。
Claude の tool use と長期記憶で、チャットからアプリを操作する AI 執事を作った
Qiita自然言語でアプリ操作できる AI 執事を Claude の tool use ループと長期記憶で実装した例。read ツールは自動実行、write ツールは確認カードで一度止める仕組み、件数インデックス+オンデマンド詳細で効率化、ユーザー別に記憶を分離するなど、実装パターンをコード付きで解説。
Claude Fable 5 実務検証 〜 Opusの2倍価格、どのタスクで元が取れるか試した
QiitaFable 5とOpus 4.8を実務タスク4カテゴリで直接比較した結果、長時間・多段・曖昧な自律タスクではFable 5が明確に上回り、定型・軽作業では価格相応の差がなかった。乗り換え判断は1週間のタスク台帳でやり直し2回以上のタスクをA/B検証する方法が有効。
Claude の内部思考を可視化する J-lens、Anthropic の解釈可能性研究
QiitaAnthropic が発表した J-lens は、Claude が出力するテキストより前の内部活性から、モデルが言葉にできる状態にしている概念を直接読み取る手法。ヤコビアンを用いた計算により、全活性のごく一部に留まる「言語報告可能な空間」(J-space) を特定でき、エージェントの隠れた意図や不整合な思考を監視する可能性が開ける。