Geekなオヤジブログ

OpenAIとAnthropicの廉価版、GPT-6 LunaとClaude Haiku 5.5を、同じVM・同じCodex CLI・同じ判定器の21回で比べました。単価は入力$0.10・出力$0.50でまったく同じ。合格は判定器どおりでHaiku 19/21、Luna 12/21（質も考慮して18/21）。速さは中央値58秒で同じ、費用はHaikuが2倍（21回で約40円と約20円）。Claude Codeで回すとxhighで21/21の初の満点で、Codexのxhighが伸びなかった正体は会話の上限でした。ローカルの最良モデル（Qwen3.8 Flash Next 17/21、27B 19〜20/21）とほぼ並び、50万〜120万円の機械より月3,000円のClaude Proが現実的、という話です。

フロンティアモデルにBlenderでモデリングさせるのが流行っているので、Claude Code（Opus 5.5）に仕組みを聞きつつ、機械式の懐中時計を作ってもらいました。AIはBlenderを手で操作するのではなく、Pythonを書き、レンダリングした画像を見て直す、を繰り返します。ただ、1作目は見た目こそ本物でも、計算で確かめると秒針が53秒で1周する設計でした。設計からやり直し、毎時18,000振動の時計が部品から自分で組み上がって動き出す動画に。BGMはComfyUIのMiniMax Music 3で作り、720pで15MBに収めています。

Qwen Image 2.1とQwen Image Edit 2511に、同じ男性へジャケット・カメラ・柴犬・背景…と参照画像を1枚ずつ足してもらいました。2.1は参照10枚まで24枚すべてが作例として使える出来で、2511（Lightning）は参照4枚で3枚中1枚、5枚で0枚。素の速さは2511が2〜3倍上ですが、ComfyUIの標準ノード（comfy kitchen attention＋EasyCache）を足すと、EVO-X2（Radeon）でも2.1が約4倍速くなり、参照3枚で211秒→55秒と2511を追い抜きました。EasyCacheで出る無地の背景の色むらを、画像処理で強調して見比べています。

Clineに続いて、OSSのAIエージェント基盤OpenCode・OpenHands・Gooseを、同じQwen3.6 35Bと同じ21回のテストで比べました。合格はCodex 10、Cline 13、OpenCode 8、OpenHands 14（同じ条件の回し直しで11）、Goose 10で、±3本は揺らぎの範囲。一方、モデルをQwen3.8 27B（Dense、RTX 5090でQ6_K）に替えると、Codex 19・OpenHands 19・Cline 20と、どのハーネスでも7〜9本伸びました。同じ世代のMoE（Flash Next、88GB）とはほぼ互角。OpenHandsの打ち切りの原因だった中継の不具合と、長考が止まらないときのハーネスごとの止まり方も。