AIツールの使い方・比較・最新情報

Claude Fable 5とClaude Opus 5はどちらも上位モデルだが、「常にFable 5」でも「常にOpus 5」でもなく、タスクで使い分けるのが正解。そして2026年7月24日のOpus 5登場で、この使い分けの答えは大きく動いた。前世代のOpus 4.8は「Fable 5に一段劣るが半額」だったが、Opus 5は価格を入力$5/出力$25に据え置いたまま、エージェント系ベンチマークでFable 5に並ぶか上回る（Frontier-Bench 43.3% vs 33.7%、OSWorld 2.0 70.6% vs 66.1%＝いずれもAnthropicの発表の比較表／CursorBench 3.2は公式が「Fable 5の最高スコアと0.5%以内・コストは約半分」と明記）。一方で差の小さい項目は表によって順位が入れ替わる（DeepSWE v1.1はAnthropicの表でFable 5が69.7% vs 68.8%、OpenAIの表でOpus 5が73.7% vs 69.9%）。仕様はコンテキスト窓1M・最大出力128Kが同じで、fast mode（約2.5倍速）はOpus 5のみだが単価2倍かつClaude API限定、知識カットオフはOpus 5が2026年5月と新しい。判断フローは「まずOpus 5で試し、明確に頭打ちになる最難関の難問だけFable 5」。実務では「Opus 5を軸に難所だけFable 5」の併用が最適で、安全ブロック時の自動振替やAPI側のフォールバック"default"モードも押さえる。可用性（6月停止→7月再展開の経緯）と単一モデル依存の回避、effort調整によるコスト最適化、FAQまで、Fable 5クラスタ（リリース/コーディング/停止/復活）とOpus 5リリース解説を結ぶ実務ガイド。

2026年7月1日、Anthropicが最上位モデルClaude Fable 5を全世界で再展開した(Mythos 5は米国の一部の組織に限って再開)。6月12日に米政府の輸出管理命令で全面停止されたばかりで、停止からわずか19日での復活となった。復活の直接の理由は、米商務省が6月30日に輸出管理を解除したこと。引き金だった他社(Amazon研究者)の脱獄指摘に対し、Anthropicは「Fable 5に固有の攻撃能力はない」と一貫して反論しており、解除はその立場に沿う形で決着した。ただ元に戻っただけでなく、報告された回避手法を専用に検知する分類器を新設し当該手法を99%超ブロック、分類器がブロックした場合はユーザーに通知のうえリクエストをOpus 4.8へ自動振替する(アプリの「モデルを切り替える」トグルの正体)という安全性の作り込みを加えて再展開された。当面はPro・Max・Team・一部Enterpriseで7月7日まで週次上限の最大50%、以降は利用クレジット経由という暫定制限が付く。Fable 5は最上位ゆえOpus 4.8より利用量の消費が速く、AWS・Google Cloud・Microsoft Foundry経由は順次再開(日付未定)。本記事は停止の続報として、なぜ復活できたか・何が変わったか・利用時の注意・単一モデルに依存しない設計という教訓まで、公式発表と各社報道をもとに整理する時事ニュース解説。

AIエージェントを業務に組み込む最初の関門が「どのフレームワークで作るか」。本記事は開発者・技術選定者の視点で、LangGraph・CrewAI・AutoGen(2026年4月GAのMicrosoft Agent Frameworkへ統合)・OpenAI Agents SDK・Google ADK・Claude Agent SDKの6つを、オーケストレーション方式(有向グラフ/役割crew/会話GroupChat/ハンドオフ/階層ツリー/自律ツールループ)・対応言語・学習曲線・制御性・本番成熟度・トークンコスト・向く用途で具体的に比較する。最大の注意点は「試作で最速のCrewAIが、本番ではトークン約3倍(あるベンチで41k vs LangGraph 18.5k)かつ非決定的で金融・医療に不向き」という、試作の勝者と本番の勝者が逆転する罠。さらに2026年はMCP(ツール連携)とA2A(エージェント間連携)で異なるフレームワークが相互運用できるようになり、ロックインが薄れた点を解説。用途別の選び方とFAQ付き。

AIと人間、セキュリティ対策で優秀なのはどっちか——2025〜2026年に答えが大きく動いた。GoogleのBig Sleepは実在のゼロデイ(SQLiteのCVE-2025-6965)を悪用前に阻止し、自律AIペンテスターXBOWはHackerOneの全米ランキングで1位に到達。一方でAI生成コードの45%に脆弱性が見つかり(Veracode。CodeRabbitの分析ではAI共著のPRのセキュリティの問題が人間のみの最大2.74倍)、Claudeを悪用した初の大規模AI主導サイバー攻撃(攻撃の80〜90%をAIが自律実行)も起きた。本記事はGoogle・Anthropic・DARPA・Veracode・CodeRabbitの一次情報をもとに、速度・規模・網羅で圧倒するAIと、ビジネスロジック・攻撃連鎖・最終判断で勝る人間を、タスク別の早見表で比較。さらにAIが「脆弱性の生成源・攻撃の道具・最強の防御者」という三面性を持つ諸刃の剣であることを示し、結論として勝者は「人間×AI(ケンタウロス型)」の役割分担＋human-in-the-loopであることを、実務者・経営者向けに整理する。

Ollama（オラマ）とは、LLMを自分のPCで動かす無料のオープンソースツールで、ollama run の1行でモデルの取得から対話まで済み、localhost:11434 にAPIサーバーが立つ。本記事はツールそのものの使い方に絞り、公式のGitHubとドキュメントの原文（2026年9月29日時点）に沿って、OS別のインストール（Windows は PowerShell の irm https://ollama.com/install.ps1 | iex か OllamaSetup.exe、macOS と Linux は curl -fsSL https://ollama.com/install.sh | sh、Docker の公式イメージ）と要件、ollama -v での確認と更新、ollama --help の全コマンド（run・pull・list(ls)・ps・stop・rm・show・create・cp・push・serve・signin・launch）と対話中の /bye・/set parameter、名前＋サイズタグでのモデル指定、/api/generate・/api/chat・OpenAI互換 /v1 の最小例（PowerShell の書き方も）、Modelfile の最小例と ollama create、OLLAMA_HOST・OLLAMA_MODELS・OLLAMA_KEEP_ALIVE・OLLAMA_CONTEXT_LENGTH などの環境変数と既定値・OS別の設定方法、遅い・落ちる・繋がらない・ログの場所などのつまずき対処、クラウドモデルとプライバシーまでを解説する。ローカルLLMの始め方・モデルの選び方・エディタとの連携は、それぞれ別の記事で扱う。

ローカルLLMのおすすめモデルを「開発元・出身国・用途・サイズ・ライセンス」で整理する2026年版の比較記事。本記事は、万能の1つはなく「サイズ(VRAM上限)×用途×出身国」の3軸で選ぶという結論、主要ファミリー一覧(開発元・国つき＝Qwen:Alibaba中国・総合力/CJK強・第一候補／Llama:Meta米国・定番・情報量／Gemma:Google米国・軽量効率／DeepSeek:中国・推論コーディング/蒸留小型／Mistral:仏Mistral AI・欧州ソブリンAI・バランス／Phi:Microsoft米国・超小型でも賢いSLM／GLM:Zhipu中国・コーディング、Falcon:UAE・Command:Cohereカナダ)、「出身国」で何が変わるか(★ローカル実行なら入力データは外=開発元の国に送信されない＝中国製でも入力は中国に送られない。効くのはライセンス・組織/政府の調達方針・得意言語の3点)、日本製ローカルLLM(フルスクラッチ系=PLaMo/CyberAgent CALM3/Sarashina/NTT tsuzumi/LLM-jp、海外+日本語強化系=ELYZA(Llamaに日本語追加学習)/Swallow/Rakuten AI)、サイズ別(〜4B/7〜14B/32B/70B+具体モデル名)、用途別(総合/コーディング/日本語/推論/軽量/長文脈)、ライセンス注意(Apache2.0/MIT寛容＝Gemma 4・Muse Glimmer等、Llama系/Gemma 3までのGemma利用規約/Qwen3.8の大型は独自条件要確認)、選び方フローと導入(Ollama pull)までを解説。オープンモデルは更新が速いため「系統＋用途＋国」で選ぶ方針。2026年時点・最新版とライセンスは配布元で要確認。

ローカルLLMを動かすのに必要なPCスペックを、初心者向けに整理する記事。本記事は、必要スペックの9割はVRAM（GPUのメモリ）で決まること（モデルがVRAMに乗れば快適・乗らなければ激遅か動かない／AppleのM系Macは統合メモリで搭載RAMをVRAMとして使える）、量子化の基礎（FP16=1パラメータ約2バイト／Q8=約1バイト＝半分／Q4=約0.5〜0.7バイト＝約1/4で個人の定番、ざっくり計算式＝パラメータ数B×バイト数＋KVキャッシュで+10〜20%）、モデルサイズ別の必要VRAM早見表（Q4前提で7B〜8B≒6〜8GB／13〜14B≒8〜12GB／32B≒20〜24GB／70B≒40〜48GB+／100B超はQ4でも60GB超）、文脈長とKVキャッシュの落とし穴（7Bで4k≒+0.3GB・32k≒+2.5GB・128k≒+10GBと長文ほど増える）、GPU・Mac別の現実と速度目安（RTX 3060=入門/4090=32B級・7Bで100tok/s超/5090=32B Q8や70B/Apple M4・M5 Max 64GBで70B可・約10tok/s/CPUのみは遅い）、VRAM以外（システムRAM16〜32GB・SSD・電源冷却）、予算別おすすめ3ティア（入門8〜12GB／標準24GB／本格40〜64GB+）、動かせるモデルの見極め方（VRAM確認→サイズ×0.6+文脈→収まるか）までを2026年の情報で解説する。

自分のPCで動かすローカルLLMと、クラウド経由のClaude・ChatGPT・Geminiなどサービス型LLMの違い・性能差・選び方を整理する記事。本記事は、本質（ローカル=自前主義で自由とプライバシーを取り性能と手間を払う／クラウド=預け主義で最高性能と手軽さを取り課金と依存を払う＝優劣でなくトレードオフ）、7観点の比較表（性能/コスト/プライバシー/速度/手間/オフライン/マルチモーダル）、2026年の性能差の現在地（SWE-bench 公式リーダーボードの同条件測定で、オープンウェイト最上位と商用最上位の差は1ポイント〔2026年2月〕、オープンウェイト最上位は最先端に平均4か月遅れ〔Epoch AI〕、家庭用GPU 1枚で動くモデルは6〜12か月遅れ、ローカルはサイズで性能が激変）、コストの違い（クラウド=従量・少量なら割安／ローカル=初期投資後トークン無料・大量利用ほど得・回収日数＝ハード代÷1日のクラウド料金・隠れコストは時間）、プライバシー・データ主権（ローカルはデータが一切外に出ず規制/エアギャップ向き）、必要ハード早見（重み＝パラメータ数×ビット数÷8で4ビットなら1Bあたり0.5GB、速度の上限＝メモリ帯域÷重み、7B=VRAM8〜12GB・32B=24GB・70B=40〜48GB以上）、向き不向き、決定ガイド（機密→品質→使用量の順、多くの人はハイブリッドが最適でクラウド停止時のフォールバックにも）までを2026年9月時点の情報で解説する。

AI依存リスクとは、特定のAIサービス・モデルに業務や生活を強く依存した結果、それが使えなくなった/変わった/高くなったときに大きな打撃を受ける状態。本記事は、AI依存リスクとは何か（怖いのは「AIが間違える」ことより「昨日まで動いていたAIが今日は手元にない」不連続。クラウドAIは提供のオン/オフが自分の手の外＝ベンダーが単一障害点）、2026年6月のFable 5・Mythos 5全面停止という実例（公開3日で規制により停止、19日後の2026年7月1日にFable 5が世界で再展開＝最高性能でも停止リスクはゼロにできない）、依存リスクの6類型（①突然の停止 ②モデルの廃止/退役 ③値上げ・課金変更 ④品質の変化・無断変更 ⑤障害・レート制限・BAN ⑥ベンダーロックイン。①〜⑤は外から降る・⑥は自分で作り込む）、自分の依存度を測る依存マッピング（何に依存・止まると何が困る・無くなったらどうする＋最高性能が要る作業とそうでない作業を分ける）、個人ユーザーの備え5つ（代替を1つ持つ/成果物は自分側に保存/効くプロンプトを資産化/AI無しでもできるを保つ/機密は預けない）、本番システム・開発者の冗長化設計（抽象化レイヤ=LLMゲートウェイ LiteLLM・OpenRouter・Vercel AI SDK／OpenAI互換APIなら接続先とキー変更だけ、フォールバック連鎖は必ず事前テスト、層分離=AI拡張層は外せる・記録基幹層は守る、ローカルLLMという最後の砦、復旧プレイブックでMTTR短縮）、ベンダー選びのチェック（廃止の事前通知＝Anthropic60日以上・OpenAI正式版6ヶ月以上だがプレビューは2週間／変更の透明性／退役後の救済＝重み保存）までを、2026年10月4日時点で確認した各社公式情報をもとに解説する。

Claude Codeの権限ルールは、settings.jsonのallow・ask・denyでツール呼び出しを制御する仕組みです。設定の優先順位、コマンドとパスの一致方法、実用例を説明します。Bashの別表記、任意スクリプト、Read/Editの否定パターン、modによる判定変更も整理し、秘密ファイルや通信を全経路で止める保証とは区別します。

Claude Codeで入力欄の隣に出る「権限モード」（Shift+Tabで切替）は、Claudeがファイル編集・コマンド実行の前にどれだけ「確認（許可）」を求めるかを決める設定。本記事は、権限モードとは何か（確認の頻度＝監視と自律のトレードオフ。端末とVS Codeではv2.1.283以降プランを問わず自動モードで始まり（それより前はPro・Max・Teamのみ）、claude -pやAgent SDKは手動で始まる。.git/.claude等の保護パスはバイパス以外では自動承認されない）、セレクタに並ぶ5つのモード（手動=default＝読み取り以外は毎回確認/編集を受け入れる=acceptEdits＝作業フォルダ内の編集とmkdir・rm・mv等のファイル操作を自動/プラン=plan＝編集せず計画だけ/自動モード=auto＝別の判定モデルの安全チェック付きでほぼ無確認/権限をバイパス=bypassPermissions＝ほぼ全部無確認で隔離環境専用）＋Shift+Tabの循環に出ずフラグか設定で指定する6番目のdontAsk、切り替え方法（Shift+Tabで手動→編集を受け入れる→プランを循環し、バイパスと自動モードは条件付きでその後ろに入る。--permission-modeフラグ、settingsのdefaultMode。autoとbypassPermissionsはプロジェクト設定では効かない）、自動モードの深掘り（分類器が危険操作をブロック・Team/Enterpriseでも既定で利用可で管理者が停止できる・対応モデルはOpus 4.6以降/Sonnet 4.6以降/Fable系・会話で述べた境界も尊重・連続3回/累計20回ブロックで一時停止）、使い分けと安全性（バイパスはプロンプトインジェクション防御なし＝隔離環境のみ・日常は自動モードが正解・hooksはバイパスでも実行・バイパスを使える端末ではプラン中の編集も止まらない）、工数(effort)との関係（権限モード=どれだけ確認するか/工数=どれだけ賢く考えるか）までを公式ドキュメントとデスクトップアプリの表示（2026年10月5日時点）に基づき初心者向けに解説する。

Claude Codeでモデル名の隣に出る「工数（effort）」のスライダー＝「速い↔賢い」のつまみは、AIが応答にかける手間（思考量・ツール呼び出し・応答テキストの量）を決める設定。本記事では、工数とは何か、スライダーの5段と表示名（APIの工数は low/medium/high/xhigh/max の5段。日本語表示は 低・中・高・特大・Max。重要：「特大」＝xhighで最大ではなく、最大の工数は「Max」）、保存の仕組み（低〜特大はEnterで確定するとモデルごとに保存、Maxはセッション限定）、モデル別の対応と自動降格（xhighは Fable 5.1・Opus 5.5・Sonnet 5.5 など比較的新しいモデル限定、Opus 4.6・Sonnet 4.6はxhigh不可で指定時はhighに降格、旧モデルの Haiku 4.5 は工数に非対応で Haiku 5.5 は全段に対応。Claude Codeの既定はモデルごとで Opus 5.5・Sonnet 5.5・Haiku 5.5 は medium、Fable 5.1 は high）、設定方法（/effortスライダーや直接指定・/effort auto、/model、--effort、CLAUDE_CODE_EFFORT_LEVEL環境変数が最優先、settingsのmodelSettings・effortLevel、skill/subagentのfrontmatter）、使い分け、Ultracode徹底解説（工数の段ではなく、どの工数でもオン／オフできるスイッチ。オンにするとClaudeがマルチエージェントの動的ワークフローを自動で組む。xhigh対応モデル限定、/effort ultracode・Tabキー・設定の "ultracode": true での有効化、使いどころ・コスト注意、v2.1.284より前との違い）、隣接機能（ultrathink＝その回だけ深く考える、/fast＝高速モード）までを公式ドキュメント（2026年9月時点）と実機UIに基づき初心者向けに解説する。