2026年9月18日の開発日記

朝いちばんに気になったのは、出力が無料だというモデルの話題だった。 記帳代行にむちゃくちゃ使えそうな気がして、真偽から調べさせた。 この日は、そのあとも確かめたいことが続いた。 thinking を切ると OCR の精度は落ちるのか。 AI は会計ベンチの問題に正解できたのか。 韓国株の円換算は、いつ確定レートに変わるのか。 裏を取ってみると、自分の読みはいくつも外れていた。

今日のタイムライン

11のセッションが、mdx-playground（9本）と別の2つのリポジトリにまたがった。

今日やったこと

1. make-diary のトークン消費を工程別に割った

朝6時の /make-diary は、対象日の 9/17 にログが1件もなく、対象日をどうするかの質問で3分34秒止まった。 9/16 に遡らせて最後まで回したが、Codex レビューは利用枠が切れていて走らなかった。 7時半からは、そのセッション自身のログで、コンテキストが工程ごとにどれだけ増えたかを割ってもらった。 12.8万から41.2万トークンまで増えたうち、最大の7.6万は保有銘柄ニュースをメインで回していた分だった。 この工程を、サブエージェントへ任せる形に切り替えた。 午後は、2月に止まっていた参考書のコンテンツ化の痕跡を、リポジトリを横断して探してもらった。

主な成果:

• コマンドを9か所直してもらい、bc68262f で push した（約11万トークン減る見込み）
• ログから usage の推移を出す計測スクリプトも残した
• 参考書の痕跡は、mdx-playground の連結精算表シミュレーター（2月）にあった。非公開のドキュメントにまとめてもらった

詳細: Claude Codeのコンテキスト消費をセッションログで実測し、make-diaryの最大工程をサブエージェントへ委譲した

2. 会計AIベンチマークの公開タスクを日本語化した

会計AIのベンチマーク APEX-Accounting の公開タスクを手元に落とし、Claude Code に日本語化させた。 最初の Task 30 では「年齢別エクスポージャー」の意味が分からなかったが、日本でいう売掛金年齢調べだった。 正解と参照式を Excel の Answer シートに組み直してもらうと、渡された資料の C5:G36 に誤りが2か所見つかった。 AI がこの問題に正解できたのかは、タスク別の成績が公開されておらず、分からなかった。

主な成果:

• 公開データセット（120ファイル、3.88MB）を curl だけで取得した
• Task 30 の正解シート ANSWER_Task30.xlsx と、全10タスクを文章化した タスク詳細.md ができた
• Task 13 の日本語版を作り、14ファイル、29シートをメイリオにそろえた。照合サマリーの $15,832.59 は、正しく照合すると差異ゼロだった

詳細: 会計AIベンチマークの公開タスクを日本語化し、Excelで正解と参照式を組み直した

3. 手書き伝票の OCR を安いモデルで比べた

去年作った記帳アプリの手書き伝票78枚で、DeepSeek V4.1 Flash と Gemini を同じプロンプトで比べた（V4 Flash は、すでに退役していた）。 thinking を切れば精度が落ちるという見立ては外れた。 thinking は金額の一致を増やさず、所要を4倍に延ばした。 総合ではほぼ互角で、金額は Gemini が、日付は DeepSeek が強い。 結果を聞いて口にしたのは値段ではなく、DeepSeek のサーバーにデータが保管されるリスクのほうだった。 午後は別のリポジトリで、止まっていた番号表の写真の OCR を Gemini 3.8 Flash で読み直させた。

主な成果:

• ベンチのスクリプトに --provider gemini と --resume を足してもらった
• 金額3項目の全一致は Gemini が75枚、DeepSeek が70枚。日付の一致は DeepSeek が66枚、Gemini が55枚だった
• 番号表の42枚を推論レベル0で読み直し、正式版の CSV と5,666件すべてが一致した（0.39ドル）

詳細: 手書き伝票のOCRを安いモデルで試した記録：DeepSeek と Gemini の同条件ベンチと、Gemini Flash での全件照合

4. 出力無料のモデルと、動画生成の置き場所を調べた

Vercel AI Gateway に載った Jev は、出力の単価がたしかに $0.00 だった。 ただ、画像は受け取れない。 Gemini 3.8 Flash との入力単価の差は17.9倍あったが、記帳代行の量に当てはめると月200円に届かなかった。 午後は無検閲 LLM のクラウドサービス5つを比べ、そこから手元の GPU で動画を作れないかへ話が移った。 推奨環境を下回っても動かないわけではないと分かったが、ローカルで回すのはやめておいた。

主な成果:

• 公開記事を2本書いてもらった（Jev の用途と、無検閲 LLM のクラウドサービスの比較）
• 「公開ドキュメント」をアーティファクトと受け取られかけ、ブログ記事として書くよう言い直した
• モデルとツールは外付けの F ドライブに置けること、DGX Spark なら MiniMax H3 が載ることを確かめた

詳細: 出力無料のJevは記帳代行に使えるか、動画生成は手元のGPUで回せるかを調べた1日

5. 韓国株の円換算、Micron の試算、格安アパートの裏を取った

韓国株の取得原価の円換算が確定レートに切り替わるのは、受渡日だと読んでいた。 検算を頼むと、証券会社のヘルプまで見つけてきてくれた。 切り替わるのは、実際は国内約定日の夜21時ごろだった。 続けて、Micron の Q4 売上の試算を韓国の8月確報で締め直した。 午後は、150万円で利回り52%のアパートがどこにあるのかを調べさせた。

主な成果:

• 非公開の購入手順の記事を、円換算の仕組みに合わせて書き直させた
• Micron の Q4 売上の試算は $62.63B（会社ガイド比 +25.3%）になった。8月に伸びたのは、単価ではなく数量だった
• 不動産サイトで300万円以下の一棟アパートは67件あり、築浅は0件だった。公開記事にまとめてもらった

詳細: 韓国株の円換算はいつ確定レートに変わるのか。Micron決算の上振れ試算と利回り52%のアパートも裏を取った

今日の試行錯誤

今日の学び

• thinking を切れば精度が落ちると思っていた。DeepSeek でも Gemini でも、thinking は金額の一致を増やさず、所要と費用だけを押し上げた
• 単価の倍率と、月に払う額は別の話だった。17.9倍の差が、記帳代行の量では月200円に届かなかった
• 画面の数字が直っていても、切り替わる時刻を一次資料で確かめるまでは、仕組みが分かったことにしない
• 委譲してある工程でも、手順の本文がコマンド本体にあればメインが読む。委譲の有無と本文の置き場所は、別々に点検する
• 売上の上振れが価格で起きたのか数量で起きたのかで、利益への効き方が変わる

明日やること

• 次の /make-diary のあとで、約11万トークン減の見込みを実測と比べる
• 非公開にまとめた参考書のコンテンツ化の痕跡を読む
• 9/30 の引け後に Micron の Q4 実績を見て、試算の $62.6B に対する着地を確かめる

関連記事

• Claude Codeのコンテキスト消費をセッションログで実測し、make-diaryの最大工程をサブエージェントへ委譲した
• 会計AIベンチマークの公開タスクを日本語化し、Excelで正解と参照式を組み直した
• 手書き伝票のOCRを安いモデルで試した記録：DeepSeek と Gemini の同条件ベンチと、Gemini Flash での全件照合
• 出力無料のJevは記帳代行に使えるか、動画生成は手元のGPUで回せるかを調べた1日
• 韓国株の円換算はいつ確定レートに変わるのか。Micron決算の上振れ試算と利回り52%のアパートも裏を取った

同じ日に書いた公開記事:

• 会計AIのベンチマークは、例題が公開されている
• 手書き伝票のOCRで、DeepSeek V4.1 Flash と Gemini 3 Flash を同じプロンプトで比べた
• 出力が無料のモデル Jev は何に使えるか
• 無検閲LLMのクラウドサービス5つを比べた（料金、画像と動画、ファイル編集、リスク）
• 150万円で利回り52%のアパートはどこにあるか