ブログ

執筆者

Leo Kaka

15 本の記事

Scionのクライアント、ノード共有キャッシュ、リージョンキャッシュ、サーバーの関係

Scionが選んだ取捨選択：常時オンラインのエージェントに合わせたソース管理

Leo Kaka
手描きのイラスト。黄色い荷札が下がった木箱の蓋を技師が片手で持ち上げ、懐中電灯で中をのぞき込んでいる。中身は蓋の裏に点線で描かれた元の形より大きく、形も違う。机の上には一つ目だけチェックの入った四マスのチェックリストと真鍮のダイヤルが置かれている。

Claude Codeの「opus」が5.5に変わったら：effortとAPIの400を4段階で点検する

Leo Kaka
3 モデルの 1 リクエストあたり請求額を比べた横棒グラフ。プロンプト 199k と 201k、出力 8k。Grok 4.7 は $0.446 から $0.900 に跳ね、この棒だけ黄色で強調。GPT-6 Sol（既定のキャッシュ書き込み込み）は $0.578 と $0.583、Claude Opus 5.5 は $0.956 と $0.964 でほぼ変わらない

Grok 4.7 の料金はプロンプト 200k でリクエスト全体が 2 倍：500k コンテキストの 199k と 201k の請求を GPT-6 Sol・Claude Opus 5.5 と比較

Leo Kaka
DeepSeek 公式モデルカードの図：トークンあたりのグローバル KV キャッシュ（バイト）を世代で比較した横棒グラフ。DeepSeek-V1 389,120 → V3.2 48,068 → V4-Flash 3,514 → V4.1-Flash 890。V4.1-Flash の行だけ青で強調

DeepSeek V4.1 Flash 値下げの中身：戻ったのは入力 2 項目、出力は値上げ前の 2 倍のまま。deepseek-v4-pro の切り替えは撤回（9 月 28 日更新）

Leo Kaka
トークンコストを下げる四層を横に並べたカード。モデル世代 4.4 倍（DeepSeek V4-Pro から V4.1-Flash で入力ミスが $0.66 から $0.15）、effort 2.5 倍（effort 25 と 100 の出力トークン比、技術レポート §5.3.3）、キャッシュ 50 倍（入力ミス $0.15 からヒット $0.003）、ルーティング 10 倍（出力が Fable 5.1 $50 から Haiku 4.5 $5、回した分だけ）。各カードに効く場所を注記

NEC の「トークンコスト 10 分の 1」は四層の掛け算で届く。モデル世代・effort・キャッシュ・ルーティングの倍率を自分のトークン構成で計算する

Leo Kaka
机械的に複製される同一書式の山を俯瞰した机上——ただ一通の未開封の手紙だけが黄色いトレイに置かれている。

コーディングエージェントのトークンの大半は「考える」ではなく I/O。どの作業を安いモデルに回してよいかを 3 つの判定軸で決める

Leo Kaka
Coding Agent サブスクリプション 5 社を月額・枠の計量単位・API の cache read 値下げが枠に届くかで並べた対照表。Claude Max は単位が非公開で不明、ChatGPT Pro はメッセージ数で届かない、Cursor は API 価格のドル換算で届く、GLM Coding Plan は credits 式、OpenCode Go はドル建て

Coding Agent サブスクリプションのコスパは 3 つの数字で決まる。枠の計量単位・既定 effort・作業の形で再計算する

Leo Kaka
手描きのインク挿画。自分でぜんまいを巻く小さな真鍮の置き時計と、そこから吐き出された紙テープが時計よりはるかに大きく巻き上がった山。山の中腹に小さな黄色い旗が一本立っている。

常時稼働エージェントの請求書はステップ数の二乗で伸びる——prompt の「節約して」が効かない理由

Leo Kaka
Kimi K3 をめぐる四段の構造図：2.8T の重みは無償 → ホストは 8×GB300 以上 → 報道された最大 30% の収益分配 → 未解決のトークン監査。下段にライセンス 3 条項の閾値（$20M/12 か月・1 億 MAU または月商 $20M・社内利用と認定パートナーは免除）

Kimi K3 ライセンスの商用条件は 3 条項で決まる——「$20M」の読み方と、Azure・AWS・Google に求めた 30% 収益分配

Leo Kaka
手描きイラスト：並んだ二つの作業台。左の職人は木塊を鉋で薄く削り、右の職人は重い帳簿を棚へ運ぶ。二台の間に張った紐の中央に黄色い値札が一枚

GLM-5.3-Flash と Qwen3.8-Flash-Next——同じ $0.15 に、逆の削り方で着地した

Leo Kaka
三つのホップ（エージェント → LLM ゲートウェイ → モデル提供者）を横に並べ、各ホップで認可の文脈のうち何が残り何が抜け落ちるかを示した構造図。ゲートウェイの入口と出口が Trust Domain の境界として区切られている

Transaction Tokens とは何か——認可の文脈は三ホップのどこで消えるか

Leo Kaka
三モデルのチェックポイント容量（23.5 / 65.2 / 83.5 GB）を RTX 5090 の VRAM 32 GB の線と並べ、単発 decode 速度 196.9 / 127.1 / 32.0 tok/s を対置した図。著者実測 2026-08-22

FreeToken × RTX 5090——120B MoE が 127 tok/s、その請求書

Leo Kaka
日本 8 団体の Hugging Face 公開モデル数と 30 日ダウンロード数の対比図：モデル数は llm-jp 266 が最多、ダウンロードは rinna 56 万回・sbintuitions 32 万回が上位、8 団体合計 591 モデル・約 136 万ダウンロード

日本の国産 LLM 591 モデルは、売却検討中のプラットフォーム上にある

Leo Kaka
三条件の精度比較と入力トークン量の対比：都度検索 87.3% / 219.5k tokens、静的注入 96.0% / 48.6k tokens

Skills 静的注入 96.0% vs RAG 都度検索 87.3%——精度で選ぶ前に見る請求書

Leo Kaka
Retty Tech Blog の図：AWS STS → アプリケーションサーバー → OpenAI の短期トークン交換フロー（五つのステップ）

エージェントに渡す鍵の形——短期・スコープ・上限の三点セット

Leo Kaka