OpenRouterが出版社に利用されて、露出のためにお金を払ってるだけなんじゃないかって気になるな。AI業界の他の部分と同じように、資本主義的なことをやってないとは信じられない。

これについては数週間前に書いたんだけど、実際には一番大きなコストで、ほとんどのプラットフォームでは隠されてることが多いんだよね！ https://martinalderson.com/posts/watch-out-for-cache-read-co... ちなみに、公式APIを通じてのdeepseek以外で、$0.01/MTok未満のキャッシュコストのまともなモデルにはまだ出会ってないよ（値上げがあっても）。誰かがキャッシュリードコストを大幅に下げるチャンスがありそうだね。

だから、ほとんどのリクエストが通らない理由がわかるよね。

その統計はテンセントゲームが自分たちのトークンを買ってる可能性が高いね。

テンセントなら、どこかの分野にそれを組み込むだけで、多くの人に見てもらえるよね？例えば、メタが自社のモデルをインスタグラムの検索に載せるみたいに。

ここ数日、Opencode Goが提供している無料版のHy3を試してみたんだけど、コーディングタスクでも（比較的）良い結果が出るのに驚いたよ。Opencode Goの無料クォータも意外と寛大で、限界に達したのは1、2回くらいかな。実装タスクにかなり使ってるし（例えば、仕様作成や次のステップの計画にGLM-5.3-flashを使ってる）。

個人的には、答えはノーだね。Fableは、基本的にやりたいことは何でもできるから。大まかに言えば、モデルの検証能力が飽和してしまったから、ほとんどのベンチマークも飽和してると思う。残ってるのは文脈に依存した検証、つまり出力が意図に合ってるか、プロンプトの曖昧さが正しく解決されてるかって問題だね。自律性のさらなる進展は、その検証問題を簡単にするわけじゃない。むしろ、タスクごとの出力が複雑になるから、人間が検証するのがより大変になる。私の考えでは、その解決策はより良いモデルではなく、現在のパラダイムを超えた基本的なアーキテクチャのシフトで、エージェントが持続的で柔軟な記憶を持ち、時間と共に文脈的な個別化を受けるようなセットアップにすることだと思う。でも、その時点でエージェントは道具ではなく、準人間になり始めるんだよね。

ハードウェアのデバッグやファームウェアの詳細は、ここではフロンティアを除いて、考えたりテストしたりするループにつながるね。

私の経験では、Opus 5でもバグのあるコードや質の低いコードを書いたり、コードを分析する際に大きなミスをすることが多い。以前よりはかなり良くなったけど、まだ信頼できるものではない。仕事で使えないからFableの経験は少ないけど、ステップアップしているとは聞いてる。ただ、限界もあるみたい。ウェブブラウザやコンパイラのような大きなタスクでは、高価なフロンティアのLLMの群れでも、実際に動くコードベースを作る能力は示されていない。 （AnthropicはOpus 4.6でCコンパイラを作ったけど、最適化が欠けていて、複雑さの壁にぶつかったらしい。）逆エンジニアリングにもLLMを使いたいけど、オープンソースのモデルを使わざるを得ない場合は、かなり運次第みたい。