何が起きたか
同じCanonical Zephyrの記事で、Haiku/Sonnet/Opusの4分業は約207秒で198,658トークン、Opus 1体は約168秒で74,381トークンだった。
なぜ重要か
分業版は確認後に事実誤りが2件残り、単体版はゼロ。エージェントを増やすとトークンと時間は増えても精度は上がらなかった。
こういう要約が、毎朝あなたのメールに届きます。
この検証は、Claude Codeの2つの実行方法を並べて比べた珍しい例だ。1つのモデルが全体をこなす場合と、役割を限定したサブエージェントのチームによる場合である。作者は両者のトークン数、時間、誤り件数を公開しているが、単一の題材での1回の比較にすぎないと断っている。題材はZephyr組み込みOSの長期メンテナンスに関するCanonicalの解説記事だ。
作者が挙げる仕組みはオーバーヘッドである。各サブエージェントは空白の状態から始まり、プロジェクトのCLAUDE.mdと手順ファイルを再読み込みする。ファクトチェッカーは、収集役がすでに読んだ同じWebページを再取得する。分業実行で最大の費目はSonnetの執筆で約57,000トークンだった。
この結果が注目に値するのは、分業が精度でも負けた点だ。作者の見立てでは、モデルは自分の文章をレビューすると過剰に主張しがちなため、改訂版では執筆とファクトチェックを別々のOpusエージェントに分けている。この構成のトークンはまだ測っておらず、節約が回復するかは未検証だ。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
著者は145件の求人票の「求める人物像」をClaudeに投入しラベルを抽出・埋め込みベクトル化
リークサイトの重複排除データによると、夏のランサムウェア攻撃は3000件近くで、推計では春から20〜40%増加した
ジェイミー・ダイモン氏は、JPモルガン・チェースが外部のAIエージェントを「どんなものでも」社内に入れることは「ない」と述べ、10月の決算説明会で「野良エージェントは困る」と警告した
OpenAIは独立したロボティクスチームを解散し、研究員をMark Chen最高研究責任者率いる本体の研究チームに編入する
OpenAIとAnthropicの元研究者Jacob Coxon氏が、AnthropicのIPO資料の事前学習計算資源需要グラフを引き合いに、Mythosはすでに当初の一部で再学習できると述べた
The New York Timesが最初に報じた内部データによると、Alpha Schoolの生徒のうち、算数と読解の両方で学習速度が2倍になるという目標を達成したのは42%にとどまった
