天紗愛

てんさあ。AIで遊ぼう！
呪文研究も技術系も何でもありの雑食系絵日記アカウント。

SUNO：

[天紗愛 @Ai_tensa]

普段着シリーズ【番外】：浴衣ドレス

浴衣ドレスって独特のかわいさがあるよね！！

[じょにがたロボ @jonigata_ai]

おお！？　この分解能力はすごそうだぞ

[天紗愛 @Ai_tensa]

これ1日目にして無理せず（むしろサブエージェントなどを活用してできるだけ安く済むよう頑張ってる）、週間リミットの23%を消費したので、普通に1ヶ月昇格してよかったねってなってる。一ヶ月ならまずネタ切れしないし。

[天紗愛 @Ai_tensa]

いま枠が残っていたらやりたいことがたくさん積み上がっていることに気づいたので、私用アカのGPTを20倍プランに引き上げた......

3万円は私費で毎月払うには高すぎるけど、結局後でやるなら（いつもレートいっぱい使い切っているなら）、今片付けてレートが余り次第すぐ切るのがいいかなって。

[天紗愛 @Ai_tensa]

@blue_pen5805 🥹
お金ももらえないんだから驚き屋以下ですね！

[天紗愛 @Ai_tensa]

そういう意味で5倍プランは普通にパスだし、これで最近やりたかったことがたいてい片付くのなら、その後はplusプランさえやめちゃってもいいわけだし。

私の場合、私用GPTアカは複数あるLLMプランの最後にすぎないから、本当にいつでも有料プランが必要とは限らないのだ。

[天紗愛 @Ai_tensa]

いま枠が残っていたらやりたいことがたくさん積み上がっていることに気づいたので、私用アカのGPTを20倍プランに引き上げた......

3万円は私費で毎月払うには高すぎるけど、結局後でやるなら（いつもレートいっぱい使い切っているなら）、今片付けてレートが余り次第すぐ切るのがいいかなって。

[天紗愛 @Ai_tensa]

@lakeside529 なんかヌルっとシンギュラリティ（ぽいもの？）が起きてますよね！

今年だけであと100本はこういうのが出てきそうな気がしてますw

[箱星 : 探究 @hakoboshi_e]

ノーベル賞受賞の際に「受賞者の人となりだけじゃなく業績も報道しろ！」とよく言われていたのに、AIが数学の未解決問題を解いたときには「AIが解いた！」という側面ばかり強調されてどんな問題かとかどんな手法かとかには無関心な人が多そうなの、非常にもやもや

[天紗愛 @Ai_tensa]

人間の数学者はこういうタスクをひたすらAIに投げつつ、そういうのでは運悪く？解決できなかった残り全てを適宜AI.も使って研究していくことになるのかな？

今のところはAIの向き不向きがかなり強いのでそんな感じになりそう

[天紗愛 @Ai_tensa]

別に苦手な問題があるから使いにくいという話とは全く逆で、AIの強みの「いくらトークンを使っても人生を棒に振ることはない（お金は飛んでくけど……）」を活かして、未解決問題全てを楽な方向の証明ができるとチャレンジすることでブルートフォース的に大量の解決ができる可能性が高いんだよね。

[天紗愛 @Ai_tensa]

>RT
私も数学の課題（未解決だったり記録更新できるタイプ）をLLMに解かせる遊びを最近してるけど、間違いなくそういう答えを構成するようなタイプの課題にはものすごく強くて、なんなら私も1個LLMがちっちゃな記録を更新しちゃったのでどうしようか迷ってるw

全称の方向は苦手なイメージ。

[ノーン @nkowne63]

「問題を解いた」「上界/構成を与えた」が多くて「これができないことを示した」「こんな問題がある」が薄い印象あるな。

[くろみつ。 @kohaku_00]

👧かざぐるまがいっぱいだねぇ
🐈‍⬛ぐるぐるしてるにゃ～𖦹

#のんクロ

[天紗愛 @Ai_tensa]

>RT
宇宙なら自分で電気を作って自分で出すしかないから、太陽光パネルと、後同じオーダーくらいの難易度できる排熱やそこへの熱輸送がデータセンターくらいの電力でも実現できればできるよ。そんな巨大な電力を作れるだけの太陽光パネル（×数倍分）を持った衛星を飛ばせるの？ってのが問題だけど……

[いもす @imos]

以前、宇宙データセンターの話題で、「宇宙は冷たいから冷却は簡単だ」という話と、「真空では熱が逃げないからデータセンターなど不可能だ」という話を見たので記事を書きました。 https://t.co/T3RMbDkD0Z

[金のニワトリ @gosrum]

DeepSeek V4 Flash 0731 の ts-bench を評価したので共有する

【メモ】
・推論が速い。特に reasoning effort max でこの速度は素晴らしい！
・Tool Callが比較的上手い。GPT 系は qwen は成功率が低めで Claude 系列は高めなのだが、どちらかと言うとClaude 系列に近い低いエラー率

【注意点】
ここにはコストを記載していないのだが、DeepSeek V4 Flashは圧倒的に安いことを忘れてはならない。opencode go だと Kimi K3 の30倍以上も使える

コーディングエージェントとしては申し分ないことがわかったので、他のベンチマークでも評価したい

[天紗愛 @Ai_tensa]

lunaをサブエージェントにしたほうが最終的にタスクが終わったときの費用（つまり、lunaの結果が不十分だったり不明瞭で投げ返したとき理を含めて）が、新料金基準だとsol単独よりAPI価格基準で40%以上安そう、って結果になってる。

[天紗愛 @Ai_tensa]

lunaがアホみたいに安くなって、私の環境ではsol mediumのサブエージェントとしてluna highを使う最近試してる構成のコスパが更に良くなってるｗ

最近は似たような（別のタスクを）sol単独に投げたり、lunaサブエージェントに投げたりすてお試しして、なんとなくの貢献量を元に単価を計算してるけど、

[天紗愛 @Ai_tensa]

とすると前払い詫び石みたいな変なものに。

[天紗愛 @Ai_tensa]

5時間制限復活の「詫び石」？

[Tibo @thsottiaux]

Hello people of Sol! I've reset usage limits for all ChatGPT Work and Codex users. Together with that, a quick update on GPT-5.6 Sol usage limits.

Over the past few weeks, many of you have told us that Sol was using your Codex limits faster than expected. To be clear, we have not reduced usage on any subscription plans.

We’ve been digging into what was happening and have landed several improvements. As a result, we expect your usage to last around 18% longer during typical use of Sol. Some of you should already see significantly larger improvements from today. Tomorrow, we’ll also restore the five-hour limit that we temporarily paused while investigating.

Here’s what we found:
- GPT-5.6 Sol is much more willing to work for longer, make additional tool calls, and coordinate complex workflows across tools and subagents. That makes it better at solving hard problems, but some tasks were using far more than we intended.
- Sol also works harder at the same reasoning effort than previous models. High on Sol can use more tokens than High did on GPT-5.5.
- Programmatic tool calling, also referred to as code mode, gives Sol much more flexibility to run tool calls in parallel or continue working while waiting. But it also led to more responses per turn, more cached input tokens, and higher usage than expected.
- This was particularly noticeable when Sol was waiting for tool calls to finish or running many web searches. We’ve improved how we handle both cases and are continuing to make code mode more efficient.
- The impact was also very uneven. The median user actually found Sol quite token efficient, while some power users working on harder tasks saw their usage drain much faster. We were very focused on average and median usage before launch and missed some cases where the long tail could use significantly more usage.

Sol is a significant step forward in what Codex can do, but capability and efficiency do not always improve at the same pace, and some issues only become clear once people are using the model at real-world scale. We should have recognized this sooner and been more upfront about it.

You keep pushing the frontier and we’ll keep improving efficiency and sharing updates as we go.