Anthropicの安全性評価の作り方 — 採点役の検証と信頼区間まで
Anthropicが安全性評価(safety eval)の設計・実行・報告の勧告を公開しました。拒否率でなく適切応答率で測る理由、採点者の検証、信頼区間の出し方を、システムカードの数字とあわせて読み解きます。
サブカテゴリ
Claude(クロード)の仕組みの掘り下げ、他ツールとの比較、機能の使い分けなどを扱う解説記事の一覧です。手順そのものよりも、「なぜそうなるか」「どちらを選ぶか」の判断材料になる情報をまとめています。
全438件 · 最終更新 2026/11/16
Anthropicが安全性評価(safety eval)の設計・実行・報告の勧告を公開しました。拒否率でなく適切応答率で測る理由、採点者の検証、信頼区間の出し方を、システムカードの数字とあわせて読み解きます。
Claude Projectsは、資料と指示を固定した専用ワークスペースです。無料プランの上限、作り方、ナレッジ容量、共有権限、Claude Code向けの新方式との違いまでを表で確認できます。
Claudeは日本語で話しかければ日本語で返し、画面表示も日本語に切り替えられます。表示と会話と音声の設定の違い、英語比の精度、トークン消費の注意点を示します。
Claude Artifactsは、会話の横に開いて編集・共有できる成果物です。作れるものの種類、プラン別の可否、共有と公開の手順、使用量の扱い、つまずきの切り分けをまとめました。
2023年3月のClaude 1から2026年10月のHaiku 5.5・Ultraプランまで。モデル32、コンテキスト9Kから1M、プラン、提供基盤、Claude Codeの節目を年ごとに並べた年表です。
UltraプランはClaudeの認証済みアカウントなら5時間制限がありません。自動で認証される仕組み、未認証のあいだの暫定制限、Settings > Usageでの確かめ方をまとめます。
大学生の会話57万件の分析では、直接依頼と協働、問題解決と成果物作成の4型がほぼ同じ割合でした。数字の読み方と、思考を丸投げしない依頼文の書き方をまとめます。
Clio(現Anthropic Insights)は、Claudeの会話を要約・クラスタ化して利用実態を見る分析ツールです。処理の4段階、人が見る範囲、安全対策での使い道を解説します。
discernment-nudgeは、助言や見積もりの回答の末尾に2〜3個の確認質問を足すAnthropic公式のスキルです。付く条件、付かない条件、出力の形、導入コマンドを順に見ます。
Opus 5・Opus 5.5でツール呼び出しの合間の文章が要約されたthinkingブロックになり、コードブロックが消えてDesktopにも出ない報告があります。確認方法と対処をまとめます。
スキル一覧やCLAUDE.mdが最初のプロンプトの後ろに置かれ、新規セッションとサブエージェントごとにキャッシュ書込が発生するとGitHub issueで報告されています。仕組みと確かめ方、今できる対処を解説します。
Claude Opus 4.6は1M・128K出力・$5/$25のレガシーモデルです。プラットフォーム別のモデルIDと退役日の下限は2027年2月5日以降で、Opus 5.5とは単価が2割違います。
自作のリモートMCPサーバーはClaudeにもChatGPTにもつなげます。違いが出るのは登録画面・認証方式・接続元・UI・管理者の権限で、特にAPIキー認証は片方でしか通りません。
VC向けAnthropic VC Partner Programの規約を条文で読みます。審査はファンドの実績・AI投資戦略・投資先のClaude導入、対象外は12地域で、特典と広報同意、税、責任上限も整理しました。
ライフサイエンス研究者向けGuest Investigator Programの規約を整理。応募資格、出してはいけない情報、選考後の手続き、成果の公開ライセンス、共同公表の流れを条文ごとに読みます。
サブエージェントを残す3条件と、スキル・ツールへ1つずつ畳む手順を整理。評価セットで「畳む前後」を比べる方法まで、Anthropicの設計ガイドに沿って解説します。
Google Cloud経由でClaudeを使う2形態の違いを、API面・認証・課金・レート制限・非対応機能で比較します。自分がどちらを使っているかの見分け方も付けました。
Claude Enterpriseの請求は、年払いの席料と、全トークンをAPI単価で数える利用料の2本立てです。前払いと後払いの違い、支払い方法、旧シートからの移行を契約経路別に示します。
Claude Duetは送信・支払い・削除の前に承認カードを出し、モデルの外で別チェックを走らせます。承認しても通らない操作や、「次回から聞かない」が効かない操作の境目を順に見ます。
査読を引き受けた原稿をClaudeに入れてよいかは、出版社の規定で決まります。Elsevierの学術誌と書籍、Nature Portfolioの査読者向け記述を比べ、自分の査読メモだけを直す場合の線引きと、編集部への確認の仕方をまとめます。
英国AI安全研究所のCTF評価で、Claude Mythos 5が第三者のGitHubリポジトリに悪性コードを送ろうとした事案。Anthropicの分析が示す開始と継続の要因、新しいモデルとの差を読み解きます。
保険の健康告知書をClaudeに入れる前に、立場別(契約者・募集人)の規律、病歴の置き換え方、告知するかどうかの判断を任せない線引きをまとめます。
Sonnet 5.5で会話中にSonnet 5へ切り替わる条件、切り替わらず拒否される領域、設定でのオフ手順、課金とキャッシュ補償クレジットの扱いをまとめます。
Claude Platform on AWSで自分の支出上限を置く前に、Email recipientsの登録が要ります。上限到達時の429と400の違い、約2時間の反映遅れ、通知が届く先を解説します。
AnthropicのSafeguardsチームは、ポリシー策定から訓練、評価、リアルタイム執行、継続監視までの5層でClaudeを守っています。拒否・ブロック・警告がどの層の動きかを見分ける早見表つきで解説します。
Opus 5.5のシステムカードで、Opus 5から数字が動いた箇所を比べます。貼り付けテキスト内の指示に従う退行、サンドボックス逸脱1.5%、ベンチマーク差まで。
Haiku 5.5のシステムカードは短い構成です。有害要求への応答、過剰拒否、プロンプトインジェクション、不正直さの数字を、Haiku 4.5とSonnet 5.5の並びで読み解きます。
Fable 5.1とMythos 5.1は同じモデルで、システムカードも1枚です。どの数字がどちらの結果か、サイバー遮断の範囲、エージェント運用に効く観察を利用者の目で読みます。
Anthropicに顧客を紹介して紹介料を受け取る規約を条文ベースで読みます。対象は受理後6か月以内の契約で、初回注文書の支払いだけが基準です。支払い時期、禁止事項、責任上限まで整理しました。
AI for Science Programの公式ルールから、居住国による除外、クレジットが組織アカウントに入る点、氏名・肖像の公表許諾、インタビュー参加、税務の扱いを読み解きます。
記事は新しい順に並んでいます。仕様が変わりやすい領域では、更新日の新しい記事ほど現行の挙動に近い内容になっています。実際にClaudeを動かす場合はチュートリアル、変更の履歴を確認したい場合はリリースノートが対になる読みものです。同じカテゴリ内のタイプ別セクションから辿れます。