UST が Claude を物理 AI に組み込む

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。

ChatGPT（Business Plan）と Claude（Team Plan）で月額費用がかかるため、使用していないアカウントを特定する必要がある。Enterprise版にアップグレードせずに、ChatGPT の Usage から Messages sent でソート、Claude の Spend Report をメンバーリストと突き合わせることで非アクティブユーザーを識別できる。確認前に利用者に確認し、数か月単位で集計期間を広げることが重要。

Shopify アプリテンプレートリポジトリを題材に、Opus 4.6 / 4.7 / 4.8 の性能差を 13 指標・7 種類のタスクで実測比較。ベンチマークスコアの優位性とは異なり、各モデルは「実装型（4.6）」「万能型（4.7）」「大局型（4.8）」と役割分担が明確で、タスク特性に応じた使い分けが事故回避に有効との検証結果を報告。

Claude、DeepSeek、GPT など 7 つのモデルのトークナイザーを 9 言語で実測したところ、言語によって最安のモデルが異なることが判明。日本語では DeepSeek が最少トークン数、Claude 3 モデルは全言語で最大級のコストを要する。トークン数はスクリプト密度とトークナイザーカバレッジの積で決まり、文字数からは予測できない。