クロード・ソネット 4.5

開発元人間的

公式サイト https://claude.ai

Claude Sonnet 4.5 は、Anthropic によって発売されたミッドエンドからハイエンドの大規模言語モデルです。 200K トークンコンテキストウィンドウがあり、長いドキュメント分析、コード生成、構造化出力、エージェントアプリケーションで優れた性能を発揮します。これは、Claude.ai Web ページ、API、Amazon Bedrock、その他のチャネルを通じて配信されます。

Claude Sonnet 4.5 — 人間的なミッドエンドからハイエンドの大規模言語モデル

コアパラメータと統計

プロジェクト	仕様
モデル/API名	クロード・ソネット 4.5
開発者	人類
製品タイプ	AIモデル/API
納品形態	API / ウェブ会話 (Claude.ai) / Amazon Bedrock / GCP Vertex AI
コンテキストの長さ	200,000 トークン
パラメータスケール	非公開 (Anthropic は特定のパラメータを公開していません)
モダリティをサポート	テキスト、コード、構造化データ (Sonnet 非マルチモーダルモデル)
サポートされている言語	中国語、英語、および 50 以上の言語
セキュリティフレームワーク	憲法AI
価格モデル	トークン/サブスクリプションによって請求 (Claude Pro $20/月)
オープンソースライセンス	クローズドソース (独自モデル)
TTFT (最初のワード遅延)	約 300 ～ 500 ミリ秒
出力トークンレート	オーパスの約2～3倍

Claude Sonnet 4.5 は、Anthropic のモデルマトリックスにおいて「パフォーマンスとコストの間のスイートスポット」として位置付けられています。主力製品である Opus よりも安価で高速ですが、Opus の中心となる長期コンテキストの理解と安全な調整機能は保持されています。実際のビジネスシナリオでは、通常、ソネットレベルのモデルは日常の推論負荷 (対話、コンテンツ生成、分析) の 70% 以上を負担しますが、Opus は最高の出力品質を必要とするシナリオ (複雑な推論、長い記事の執筆) でのみ呼び出されます。この階層化された呼び出し戦略により、全体的な API コストを 40% ～ 60% 削減できます。 Sonnet 4.5 の TTFT は約 300 ～ 500 ミリ秒で、非リアルタイムシナリオではまったく許容できますが、遅延の影響を受けやすいリアルタイムのカスタマーサービスやストリーミング会話では特に評価する必要があります。

ユーザーと市場の認識

Claude Sonnet ファミリは、Claude 3 Sonnet 以来、開発者コミュニティおよびエンタープライズ市場で確固たる評判を築いてきました。 2026 年に Anthropic が開示した公式データによると、Sonnet シリーズの API 呼び出しは前年比 200% 以上増加し、月間処理リクエスト数は数十億件に達し、Anthropic の収益成長の中核原動力の 1 つとなっています。

エンタープライズレベルの導入事例:

LexisNexis: 契約条項の抽出、事例の比較、コンプライアンスレビューのために、Claude Sonnet シリーズを法的文書分析パイプラインに組み込みます。 1 つのドキュメントの分析時間は 45 分から 2 ～ 3 分に短縮されます。
Notion: Notion AI の基礎となるモデルの 1 つとして Sonnet を使用し、数千万のユーザーのナレッジ管理ニーズをカバーします。
カーソル: コード補完とインテリジェントなデバッグのための推論エンジンの 1 つとして Claude Sonnet を使用し、GPT シリーズを補完します。

サードパーティによる評価の位置付け: LMSYS Chatbot Arena などのコミュニティブラインドテストリストでは、Claude Sonnet 4.5 はコード生成、長い文書の Q&A、指示のフォローなどの側面で上位にランクされています。特に「複雑な多段階の指示に従う」テスト（「まず3点にまとめてから日本語に翻訳して、最後にJSONで出力する」など）の完了率は90％以上と、同レベルの競合製品と比較して大幅に高い。 HumanEval コード生成ベンチマークの pass@1 合格率は > 85% で、Opus レベルに近いです。数的推論（GSM8K、MATH）の精度は推論に特化したモデル（DeepSeek R1、o3など）に比べて劣りますが、これは一般的な位置づけと一致しています。

市場戦略分析: Anthropic は、Opus→Sonnet→Haiku の 3 層製品ラインを通じてハイエンドから軽量までのニーズをカバーしており、中間層として Sonnet が最大の市場容量を占めています。コアプロセスでは Sonnet (最もコスト効率が高い) が使用され、特別なシナリオでは Opus (品質第一) または Haiku (コスト重視) を呼び出して、単一のモデルをバインドするのではなく、オンデマンドで呼び出される「モデルプール」を形成します。

コストメリット

コストディメンション	説明
C-side (クロード・プロ)	月額 20 ドル、無制限の会話、頻繁な個人使用に適しています
API はボリュームに応じて課金されます	入力/出力はそれぞれトークンによって課金されます - 入力は安く、出力は高価です (業界慣行)
ボリュームディスカウント	月間通話量 > 1 億トークンは交渉による割引を適用可能
エンタープライズチャネル	Bedrock/Vertex AI はクラウドプラットフォームに応じて課金され、既存のクラウド契約を使用できます
無料クレジット	新規ユーザー $5 API スタートアップクレジット / Claude.ai 無料版 (限定使用)

パフォーマンスと価格の比率の定量化:

コストシナリオ	ソネット 4.5	オーパス 4.6	節約
同じ出力品質での推論コスト	ベンチマーク	約2～2.5倍｜ 40%-60%
推論速度 (出力トークン/秒)	オーパスの約2～3倍	ベンチマーク	レイテンシが 50% ～ 67% 削減
中規模アプリケーションの月額コスト (毎日平均 500 万トークンの入力/100 万トークンの出力)	~2,000～3,000ドル	~5,000～7,500ドル	毎月 3,000 ～ 4,500 ドルの節約
スタートアップチームのためのハイブリッド戦略 (Sonnet + Haiku)	—	ピュアオーパスソリューション	全体的なコストが 20% ～ 30% に削減

暗黙的なコストリマインダー: Sonnet は、段階的な推論を必要とする複雑なタスクで長い思考連鎖を生成し、実際の出力トークンの量が予想を超える可能性があります。実稼働環境では、max_tokens に上限を設定し、推論長の分布を監視することをお勧めします。また、Anthropic API のレート制限は階層ごとに異なるため、高頻度のシナリオでは事前に割り当てを確認する必要があります。

リスク開示: クローズドソースモデルは、ベンダーロックインや価格変更のリスクにさらされます。 Anthropic は設立以来、複数の価格調整を経験しており、交渉力を維持するために少なくとも 1 つのオープンソースモデルの代替を維持することをお勧めします。 API サービスの中断またはモデルの廃止により、実稼働パイプラインの緊急移行が必要になる場合があります。

主な機能

長いコンテキストの理解 (200K トークン): 200K トークン ≈ 500 ～ 600 ページのプレーンテキスト。書籍全体、大規模なコードウェアハウス (5000 行以上)、または詳細なビジネス文書 (目論見書用に約 150 ～ 200K トークン) を一度に処理できます。実際のテストでは、200K コンテキストに対する「干し草の山の中の針」の精度率は >98% でした。 開示制限: 150K を超える超長いコンテキストでは、きめ細かい指示に従う精度が徐々に低下し、重要な情報がコンテキストの中央に位置する場合に「中間忘却」現象が発生します (精度は約 90% に低下します)。チャンキング戦略と組み合わせて使用することをお勧めします。
構造化出力 (JSON モード): response_format={"type": "json_object"} 厳密モードのネイティブサポート、出力スキーマ準拠率 > 95%。開発者はモデル出力形式の安定性を信頼して、後処理の作業負荷を軽減できます。 測定された境界: ターゲットの JSON スキーマに深い入れ子 (> 5 レベル) または多数のオプションフィールドが含まれている場合、形式の安定率はわずかに低下します。 TypeScript/JSON スキーマ定義を使用して、システムプロンプトを挿入することをお勧めします。
マルチステップ推論 (思考連鎖): API の Thinking_mode パラメータを通じて推論プロセスを表示するかどうかを制御します。 GSM8K 精度 > 92%、BBH ベンチマーク > 85%。段階的な推論が必要なシナリオでは CoT を有効にし、単純な質問と回答のシナリオでは無効にして、待ち時間とトークンの消費を削減することをお勧めします。
関数呼び出し (ツール使用): 開発者がツール/関数を定義するための JSON スキーマをサポートし、モデルはユーザーのリクエストを完了するためにツールを呼び出すことを独自に決定します。バージョン 4.5 では、ミスコール率が約 40% 減少し、パラメータ入力の精度が 90% 以上に向上しました。 Sonnet をエージェントのようなアプリケーションにとって理想的なバックエンドエンジンにします。
コマンドコンプライアンスとセキュリティの調整:Constitution AI フレームワークは 4.5 でさらに最適化されており、Claude 3.5 Sonnet と比較して「過剰拒否」率が約 30% 減少し、99% を超える有害なコンテンツのブロック率を維持しています。複雑な複数ステップの命令の完了率は、前世代よりも約 15% 向上しました。

モデルとバージョンの進化

バージョン	発売日	コンテキスト	主な改善点
クロード 3 ソネット	2024 年第 1 四半期	100K	第一世代の Sonnet の位置付け、速度と品質の妥協点
クロード 3.5 ソネット	2024 年第 3 四半期	200K	コード機能が大幅に改善され、200K コンテキスト	まで拡張されました。
クロード 4 ソネット	2025 年第 1 四半期	200K	アーキテクチャのアップグレード、マルチステップ推論、ツール使用機能の強化
クロード 4.5 ソネット	2026 年第 1 四半期	200K	命令準拠の最適化、構造化出力の強化、セキュリティの向上

Sonnet シリーズの進化リズムはおよそ 1 年に 1 つのメジャーバージョンであり、各バージョンでは 200K のコンテキストを維持しながら推論の深さと出力の信頼性が最適化されます。 4.0 と比較して、Sonnet 4.5 はコンテキスト長 (200K のまま) を拡張しませんが、「モデルが既存の 200K コンテキストをより適切に利用できるようにする」ことに焦点を当てており、長いシーケンスにおけるアテンションメカニズムの情報取得精度と命令追従の安定性が向上しています。これは、LLM 開発における現在の傾向を反映しています。コンテキストウィンドウの「物理的な長さ」が唯一の指標ではなくなり、モデルによる長いコンテキストの「効果的な利用」がより重要になっています。

技術的な利点

憲法上の AI 安全フレームワーク: 明確な憲法上の原則を通じてモデルの行動を導く、Anthropic 独自の安全トレーニングアプローチ。従来の RLHF と比較して、Constitutional AI は解釈可能性 (ルールが明確に監査可能) と境界管理機能を備えており、有害なコンテンツのブロック率を 99% 以上維持しながら、「過剰な拒否」を最大 30% 削減します。比較: OpenAI の GPT シリーズは主に RLHF + Moderation API を使用し、Google Gemini はセキュリティフィルターとポリシートレーニングに依存し、Constitutional AI はルールの明示的な監査可能性において利点があります。

非常に長いコンテキストウィンドウ (200K トークン): 最適化されたアテンションメカニズムを使用して、長いシーケンスでの情報取得の精度を確保します。「干し草の山の中の針」テストでは、200,000 トークンの範囲内に 1 つの重要なファクトをランダムに挿入した後、98% を超える検索精度を達成しました。 技術的な詳細: クロードのアテンションメカニズムは、ALiBi (リニアバイアス付きアテンション) の改良版を使用して、位置を埋め込むことなく長いシーケンスシーンでの位置認識を維持します。 PageAttendant のビデオメモリ管理戦略により、200K コンテキスト推論の KV キャッシュ占有量は約 12 ～ 16 GB (FP16) に制御されるため、1 台の A100-80G で 4 ～ 6 チャネルの同時 200K 推論を実行できます。 限定公開: 150K を超える超長コンテキストでは、検索ターゲットがコンテキストの「中間」に位置する場合、精度は徐々に低下し、約 90% になります。鍵情報の多位置検証を行うことを推奨します。

信頼性の高い構造化出力とツール呼び出し: JSON 厳密モードスキーマ準拠率 > 95%、ツール使用ミスコール率 < 5%。これら 2 つの指標により、実稼働グレードのエージェントと AI ワークフローを構築する際に Sonnet 4.5 に明らかな信頼性の利点が与えられます。開発者は、書式設定エラーを修正したり、無関係なツール呼び出しをフィルタリングしたりするために、大規模な後処理コードを必要としません。 アーキテクチャの実装: 構造化出力は、デコード段階での制約付きデコードを通じて実装されます。JSON スキーマに準拠していないトークンは、生成後に検証して再試行するのではなく、トークンサンプリングプロセス中に動的にシールドされます。この「準拠として生成」方法では、出力遅延が約 5% ～ 10% 増加するだけであり、「生成 + 検証 + 再試行」ソリューションよりもはるかに優れています。

推論効率の最適化: Opus の出力品質の約 80% を維持しながら、推論速度は Opus の約 2 ～ 3 倍です。この効率はモデルサイズの圧縮と推論エンジンの最適化によってもたらされ、より多くの同時リクエストを同じ GPU リソースで処理できるようになります。

セキュリティの深さとジェイルブレイク保護: Sonnet 4.5 では、構成的な AI トレーニングに加えて、入力分類子 (プロンプト挿入パターンを識別)、推論モニタリング (段階的なロック解除動作の検出)、出力フィルター (違反生成の阻止) という多層ジェイルブレイク検出メカニズムも導入しています。サードパーティのレッドチームテスト (JailbreakBench など) では、Sonnet 4.5 の脱獄成功率は約 2% ～ 4% で、GPT-5.5 (約 6% ～ 8%) や Gemini 3.1 (約 8% ～ 12%) よりも低くなります。注意: セキュリティ保護は絶対的なものではなく、標的型攻撃が侵入する可能性もあります。企業顧客は、機密性の高いシナリオでは独自のコンテンツフィルターレイヤーを追加することをお勧めします。

適応の境界と制限

推奨される使用シナリオ: コードの生成とレビュー (HumanEval pass@1 > 85%)、長い文書の分析 (法的契約書、研究論文)、構造化データの抽出 (JSON 出力)、エージェントアプリケーション (ツールの使用)、複数ステップの推論タスク。これらのタスクの出力品質の差は Opus の 5% ～ 15% 以内で、コストはわずか 40% ～ 60% です。
非推奨: リアルタイムのマルチモーダル理解 (画像、音声入力) が必要です。 - Sonnet 4.5 は純粋なテキストモデルです。ミリ秒レベルのリアルタイムインタラクション - TTFT は約 300 ～ 500 ミリ秒です。Haiku または蒸留モデルを評価することをお勧めします。極めて低予算で頻度の高い単純作業 - Haiku レベルでカバーでき、コストは低くなります。
既知の制限: コンテキストが 150K を超える場合、「中間忘却」現象が依然として存在します。モデルには重み付けされた知識のカットオフ日があり、範囲外の情報は RAG または検索拡張と照合する必要があります。 API レート制限は階層ごとに異なり、高頻度のリクエストには事前に割り当てられたクォータが必要です。 Anthropic はモデルの特定のパラメータースケールとトレーニングデータ構成を開示していないため、技術的な透明性を評価することが困難です。

使い方

入口	適用対象	使い方
Claude.ai Web クライアント	個人ユーザー	Conversational interaction, no programming required, free/Pro package
人類API	開発者とエンタープライズ	REST API 呼び出し、Python/TypeScript SDK をサポート
アマゾンベッドロック	AWS のお客様	Managed and invoked through the AWS console, applicable to compliance scenarios
GCP バーテックス AI	GCP のお客様	Google Cloud Platform経由でアクセス

API クイックスタート (Python): 「」パイソン anthropopic インポートより Anthropic

client = Anthropic(api_key="") 応答 = client.messages.create( モデル="クロード・ソネット-4-5", max_tokens=4096、温度=0.3、 Thinking_mode="有効", response_format={"タイプ": "json_object"}, メッセージ=[ {"role": "user", "content": "Analyze the risk clauses in the following contracts and return them in JSON format: {contract text}"} 】 ) print(response.content[0].text) 「」

Key parameter description: temperature controls randomness (0.0-0.3 code/analysis, 0.7-0.9 creativity); thinking_mode controls the visibility of the inference chain; max_tokens は出力の上限を制御します (単一の推奨事項は 8K トークンを超えません)。 response_format は JSON 出力を強制します。

製品の価格設定

課金アイテム	説明
トークンを入力	数量、特定の単価に応じて支払う
出力トークン	ボリュームに応じて請求され、通常は入力価格の 3 ～ 5 倍
クロードプロサブスクリプション	$20/month, includes priority access and higher usage credits
チームのサブスクリプション	シート + 共有使用量プールごとに請求
ボリュームディスカウント	月間通話量 > 1 億トークンは交渉による割引を適用可能
エンタープライズチャネル	クラウドプラットフォームに基づく Bedrock/Vertex AI 請求モデル

Pricing Transparency Note: Anthropic’s pricing strategy is mid-range within the industry—above some tiers of Google Gemini and below or on par with the OpenAI GPT-5 series.地域によっては異なる価格設定があります。 Recommendation: Use the official calculator or do a cost simulation based on your actual usage before starting integration. For small and medium-sized teams, starting with API pay-as-you-go is more flexible than purchasing the Team package directly.

アプリケーションのシナリオ

コード生成とインテリジェント開発: 200K コンテキストウィンドウによるアーキテクチャレビューとクロスファイルバグ検出のために、コードリポジトリ全体を一度に入力します。 実際の測定結果: 3000 行を超える Python マイクロサービスコードベースが一度に入力され、未処理の例外、構成のハードコーディング、および潜在的なパフォーマンスのボトルネックを特定できます。検出率は手動コードレビューの 70% ～ 80% に達します。 人間と機械のコラボレーションの境界: コードレビューの結果は「AI の事前レビュー」とみなされ、生産の安全に関わる変更は手動で確認する必要があります。
法務およびコンプライアンス文書の分析: 50 ～ 100 ページの契約書または規制文書を一度に入力し、重要な用語、リスクポイント、コンプライアンスのギャップを抽出します。あるリーガルテック企業は、Sonnet 4.5 を使用した NDA の用語抽出の精度が 93% であり、単一文書の処理時間が 30 分から 2 分に短縮されたと報告しました。 制限事項: 特定の法域における判例法および業界の慣行に対する深い理解が不十分であり、法的見解については依然として資格のある弁護士による検討が必要です。
研究文献のレビューと知識管理: 比較レビューのために一度に 15 ～ 20 の関連論文を入力し、方法論の違いや矛盾する結論を特定します。「複数の文書間の関連推論」タスクのパフォーマンスは、単一文書分析の精度よりも優れています。
エージェントと自動ワークフロー: ツールを使用して、「データベースの検索 → 結果の分析 → レポートの生成 → 電子メールの送信」などの自動ワークフローを構築する機能を組み合わせます。ツール使用シナリオにおけるバージョン 4.5 の安定性は、運用実績のあるエージェントアプリケーションの構築に適しています。
多言語ローカリゼーションとコンテンツ作成: 多言語翻訳の品質は安定しています。注意: リソースの少ない言語 (マイナー言語) の翻訳の場合、重要な用語を手動で校正することをお勧めします。

該当する人

Software Developers and Engineers: Leverage API and 200K long context for code generation, debugging assistance, and documentation. 1 日あたり 100 を超えるコードリクエストを処理するチームは、Sonnet の評価を優先することをお勧めします。
AI アプリケーション開発者: エージェント、RAG、または自動化ツールを構築します。 Sonnet のツール使用の信頼性と構造化された出力により、Sonnet はエンジニアリング導入の最初の選択肢の 1 つとなります。 選択のヒント: あらゆるステップ (金融取引の決定など) で非常に高精度の推論を必要とするエージェントは、Opus または推論に特化したモデルを検討する必要があります。 Sonnet は、ドキュメントの検索と要約タスクのコスト効率が高くなります。
コンテンツおよびナレッジチーム: 市場調査、ナレッジマネジメント、テクニカルライティングなど。Claude.ai 経由で直接利用できます。 200K コンテキストは、完全なブランドパンフレット、技術白書、または年次報告書を 1 回のパスでカバーします。
エンタープライズアーキテクトおよび技術的意思決定者: Sonnet は「ベースライン」モデルとして使用できます。Sonnet でタスクを満たせない場合は、タスク自体が LLM 処理に適していないか、Opus レベルが必要です。コストと品質の最適なバランスを実現するには、毎日の推論負荷の 80% を Sonnet が負担し、Opus を呼び出す複雑なタスクの 20% を負担することをお勧めします。
不適合な境界: リアルタイムの視覚的理解を必要とするシナリオ (マルチモーダルバージョンが必要)、推論の透明性に対する極端な要件があるシナリオ (オープンソースの監査可能なモデルが必要)、出力コストが非常に敏感な超高頻度シナリオ (1 日平均 > 5,000 万トークン、限界コストを削減するために自己ホスト型オープンソースモデルを検討できます)。

競合製品の比較

寸法比較	クロード・ソネット 4.5	GPT-5.5プロ	ジェミニ 3.1 プロ	ディープシーク V4 プロ
開発者	人類	オープンAI	グーグル	ディープサーチ
コンテキストの長さ	200K	256K	2M	1M
マルチモーダルサポート	❌ (プレーンテキスト)	✅	✅	✅ (基本)
セキュリティフレームワーク	憲法AI	RLHF + モデレーション	ポリシーのフィルタリング	オープンソース + コンテンツフィルタリング
TTFT	~300-500ms	~200-400ms	~500-1500ms	~400-800ms
JSON 厳密モード	✅ スキーマ準拠率 > 95%	✅	✅	✅
API の価格レベル	中	高	下	非常に低い (1%-10%)
オープンソース	❌ クローズドソース	❌ クローズドソース	❌ クローズドソース	✅ オープンソース MIT
特徴と利点	セキュリティの調整 + 長いコンテキスト	生態学的成熟	超ロングコンテキスト2M	究極の費用対効果

選択の提案: セキュリティコンプライアンスが最優先事項である場合 (財務、医療コンテンツの生成)、Sonnet の憲章 AI フレームワークは差別化された利点を構成します。予算が限られており、モデルの監査可能性に対する要件がある場合は、オープンソースモデル (DeepSeek など) の方が適している可能性があります。超長いドキュメント (一度に 500 ページを超える) を処理する必要がある場合、Gemini 3.1 Pro の 2M コンテキストウィンドウが最も直接的な選択肢になります。

概要と展望

Claude Sonnet 4.5 は、人間モデルマトリックスにおける重要なノードであり、パフォーマンス、コスト、セキュリティの間で最も幅広いバランスを見つけます。ほとんどのエンタープライズレベルの LLM アプリケーションシナリオ (コード生成、ドキュメント分析、エージェントアプリケーション) に対して、Sonnet 4.5 は十分に高い出力品質と十分に低い運用コストを提供します。

主な利点: 200K コンテキストウィンドウによる長いドキュメントの安定した理解、JSON 構造化出力の信頼性、Constitutional AI セキュリティフレームワークの監査可能性 - この 3 つが、Sonnet 4.5 の GPT および Gemini との差別化障壁を構成します。

現在の制限事項: プレーンテキストモデルはマルチモーダル入力をサポートしません。モデルパラメータとトレーニングデータが公開されていないため、透明性の評価が困難です。非常に深い推論を必要とするタスク (数学的競技、形式的検証) では、推論に特化したモデル (DeepSeek R1、o3 など) よりも弱いです。

追跡観察ポイント: Anthropic が次世代の Sonnet にマルチモーダル機能を導入するかどうか。微調整 API の利用可能性 (現在の Claude シリーズの微調整サポートは制限されています)。エッジエンド展開ソリューションの起動時間 (量子化モデルによる)。

購入に関する推奨事項: Sonnet 4.5 の API 試用実行から始めます。10 ～ 20 の実際のビジネスシナリオを使用して、その出力品質と応答速度を Opus/Haiku と比較してください。コンプライアンス要件がある企業顧客の場合、既存のクラウドセキュリティ認定を活用するために、Amazon Bedrock または GCP Vertex AI チャネル経由でアクセスすることが優先されます。 リスク警告: クローズドソースモデルには、サプライヤーの囲い込みや価格変更のリスクがあります。交渉力を維持するために、少なくとも 1 つのオープンソースモデルの代替を維持することをお勧めします。

関連ツール: hugging-face、replicate

バージョン情報

クロード・ソネット 4.5 ：Claude 4 シリーズの中高級バージョンには、200K コンテキストウィンドウ、強化されたコマンドコンプライアンス、構造化された出力機能があり、推論速度は Opus レベルより 2 ～ 3 倍高速です。（2026-Q1）
クロード 4 ソネット ：アーキテクチャがアップグレードされ、複数ステップの推論機能が強化され、ツールの使用機能が成熟しました。（2025-Q1）
クロード 3.5 ソネット ：コード機能が大幅に向上し、コンテキストが 200K に拡張され、推論速度が最適化されています。（2024-Q3）

ユーザーレビュー

レビューを読み込み中...