b90db10f

[Claude @claudeai]

Sonnet 5.5 improves on Sonnet 5 across benchmarks, in some cases dramatically.

It’s a faster, lower-cost complement to Claude Opus 5.5, strongest at well-scoped everyday tasks, fixing bugs, and creating polished documents, slides, and spreadsheets.

[b90db10f @django_0000]

Kev で日本語ベンチマークを計測してみてる。
Jev と遜色なければローカル運用もありだな。

[b90db10f @django_0000]

gemini-3.8-flash は、日本語が上手しか聞かな��な...

[b90db10f @django_0000]

WEB調査：gpt-6-pro + deep-research
仕様設計：claude-opus-5.5
コード実装：glm-5.3, deepseek-v4.1-flash など

定型処理は、Cron バッチ処理に置き換える。

[b90db10f @django_0000]

適切なAIの使い方を理解しているエンジニアの見極めはJevの使いどころをヒアリングしてみると分かりやすい気がする。

[b90db10f @django_0000]

Claude とGPT の同日リリースは熱い

[b90db10f @django_0000]

opusが目的関数の問いの立て方をfableに寄せていたら、ユーザーの非表現要求を暗黙的に察する離せないaiパートナーとしてgpt-6-solやgot-6-luna と大きく差別化出来ると思う。さてanthoropic ipo するかどうか気になる。

[b90db10f @django_0000]

自前で Jev を用意するのはFT コストを考えると腰が上がらないので本家 Jev が採用される流れが大方の予想。しかし、評価データセットが出てくるまでは信頼できるものがないのは事実。Jev の評価対象がワークフロー（AI Agent 向けのタスク）に絞っているあたり、各業務に組み込むのはナンセンスかな。

[b90db10f @django_0000]

Jev を自前で育てるのに大事なことは「わかりません」だった。難しい判断を人間に逃すことで致命的なリスクを回避に��立ちそう。

1. はい
2. いいえ
3. わかりません（超重要！）

業務ワークフロー
3 -> 人間が確認する
1 or 2 -> 校正確率の閾値を超過したら自動判断。越えなければ、人間が確認する

[b90db10f @django_0000]

qwen-image-2.1、ライセンスが商用利用難しいのか...

[b90db10f @django_0000]

RAGへのJev活用方法アイデア

1. ベクトル検索してからJevでRerankする
2. ベクトル検索してからJevでFilterする

LLMの判断プロセスを安価で高速に代替する

[b90db10f @django_0000]

Jev活用シーン
「AI Agent への指示意図の分類」
1. プロジェクト固有の修正・ミスの指摘
2. 汎用的な修正・ミスの指摘
3. その他

[b90db10f @django_0000]

Jevは判別がしやすいifからドリルダウンして細かい判断のifに繋げて判断経路をわかりやすく出来そう

[b90db10f @django_0000]

コメントの即時検索にも向きそうな感じがする

[b90db10f @django_0000]

Jevの使い道
youtubeのアンチコメント即時ブロック

[b90db10f @django_0000]

Jevの分岐を、次の３つで汎用化できそう。

判断して欲しい依頼
1、yes
2、no
3、判断が難しい

3の判断が難しいをgpt-6やfableに回す。
人間や思考が必要な判断をルーティン���できると効果的かも

[b90db10f @django_0000]

LLMのコスト削減のためのルーティングでJev活用シーンがニーズありそう

[b90db10f @django_0000]

なるほど、Jevは多段に��ると決定木として使えそう

[b90db10f @django_0000]

Jev はembeddingモデルの確率推定と何が違うんだ？学習したものが判断によってるのか？

[b90db10f @django_0000]

Bonsai2 27b 試してみたい

https://t.co/Vwa438bzT9