2026/08/15 1:15

Claude コードセッションの価値を最大化する

RSS: https://news.ycombinator.com/rss

要約▶

Japanese Translation:

Claude Code の価格の理解は、「prefill」と「decode」処理の違いにかかっています。ここで、decoding（生成フェーズ）は初期設定の約 5 倍のコストがかかります。最も重要な最適化はプロンプトキャッシングであり、これは同一会話プレフィックスを再利用することで読み取りコストを入力に対して 0.1× に削減します；しかし、キャッシュにトークンを書き込む場合は、サーバーがその状態を保持しなければならないため、通常の入力の最大 2× のコストがかかります。このメリットは、アクティブなモデル、努力レベル、またはファストモードを変更するだけで即座に消失し、これらのアクションはキャッシュキーが無効化され、履歴全体の高価な再計算を強制するためです。プロンプトキャッシングもまた、ツールの定義、システムプロンプト（例：

CLAUDE.md

）、またはそれらの位置・順序が変わると破綻します。低使用量を保つためには、セッションのベースラインを確立するために最初からモデル、努力レベル、ファストモードを設定し、キャッシュをリセットする中流での変更を避ける必要があります。これらの設定を安定化させることで、大幅なコスト節約を失うのを防ぎ、予期せぬ請求額の急増なしに一貫した性能を実現できます。

Text to translate:

The original summary is clear and concise, but a minor tweak can improve precision by explicitly mentioning that reads cost 0.1x input while writes cost up to 2x input:

Summary:

Understanding Claude Code's pricing hinges on how "prefill" and "decode" processing differ, where decoding—the generation phase—is roughly five times costlier than the initial setup. The most critical optimization is prompt caching, which slashes read costs to just 0.1× input when identical conversation prefixes are reused; however, writing tokens into the cache can cost up to 2× normal input because the server must retain that state. This benefit vanishes instantly if you change the active model, effort level, or toggle fast mode, as these actions invalidate the cache key and force expensive recomputation of your entire history. Prompt caching also breaks if tool definitions, system prompts (like

CLAUDE.md

), or their positions/order change. To maintain low usage, establish your session baseline immediately by setting your model, effort, and fast mode at the start, and avoid mid-stream changes that reset the cache. By stabilizing these settings, you prevent losing significant cost savings and ensure consistent performance without unexpected spikes in your bill.

本文

クロウドライビングのコスト構造と最適化ガイド

リクエスト処理の仕組み：プレフィルとデコード

GPU を通るリクエスト処理は、「プレフィル」と「デコード」の 2 つ段階に分かれます。それぞれの処理に異なる費用がかかります。

プレフィル（Pre-fill）

内容: モデルがユーザーのリクエスト、システムプロンプト、
```
CLAUDE.md
```
ファイル、および会話開始以来追加されたすべてのコンテンツ（読み込んだファイルやコマンド出力など）を読み込む処理です。
定義: この段階で消費されるトーク数を「入力トークン」と呼びます。

デコード（Decode）

内容: モデルが実際に出力を生成する処理です。思考プロセス、ツールの呼び出し、画面表示テキストなどが含まれます。
特徴:
- 1 トークンずつ順次実行されます。
- 例：200 トークンのレスポンスは、モデルを 200 回連続して実行することと同等です。
費用: デコード処理は 1 トークンあたり GPU を長く占有するため、入力費用の約 5 倍のコストがかかります。

エフォートレベルによる思考トークンの制御

セッション内の出力トークンの多くは「思考トークン」です。
これらの量は
```
/effort
```
コマンドで指定するエフォートレベルによって決定されます。
注意点: 選択したモデル同様、
```
/effort
```
で設定したレベルはセッションを超えてデフォルトとして保持され、次回のセッションでも有効になります。

ヒント: 新しいセッション開始直後に
/model
と
/effort
を実行することで、現在の設定を再確認できます。重要な判断なので意図的に設定し直すことをお勧めします。

ヒント: 単調な作業を行うセッションでは思考機能をオフにするため（Fable 5 除く）、
MAX_THINKING_TOKENS=0
を設定してください。これは
/effort low
よりも低いレベルに対応します。

プロンプトキャッシングの仕組みと注意点

リクエストの開始部分（先頭）が、サーバーで直前に処理されたリクエストと完全に一致する場合、サーバーは共有された初期状態を保持し、新しい部分だけをプレフィルすることで処理を行います。これを「プロンプトキャッシング」と呼びます。

コストへの影響

キャッシュ読み込み: 通常の入力価格の 0.1 倍 の低コストで利用可能（計算ではなく状態を読み込んでいるため）。
キャッシュ書き込み: トークンをキャッシュに新規追加する場合は、通常の入力価格の 最大 2 倍 の割増しがかかります。
- ただし、この書き込みは各トークンに対して一度だけ行われ、その後のターンでは安価な読み込みが発生するため長期的には有利です。

クロードコードにおけるキャッシュ管理

Claude Code は自動的にプロンプトキャッシュを管理するため、ユーザー側でオンにする必要はありません。
重要: コスト急増の要因を無意識に破壊（破棄）しないよう注意が必要です。

動作フロー例（テスト修正タスク）

「utils.test.ts の失敗しているテストを修正せよ」という指示に対する処理手順です。

最初のリクエスト: システムプロンプト、
```
CLAUSE.md
```
、ユーザーメッセージを組み合わせて送信。キャッシュは空であるためすべてがプレフィルされ、新規書き込みが発生します。
思考とファイル読み込み: テスト修正のため一瞬の思考を行い、
```
utils.test.ts
```
を Reader で読みます。会話履歴に追加され、以降は先頭部分はキャッシュ（0.1 倍）で読み込まれ、新しい Read コールだけがフルプライスでプレフィルされます。
テスト対象ファイルの読み込み: テスト対象となる別のファイルを Reader で読み込みます。1 回目・2 回目のリクエストはキャッシュから読み込みますが、新規に追加されたファイルのみがフルプライスです。
編集 (Edit): モデルが Edit コールを返し、Claude Code が適用して履歴に追加します。同様に、Edit コールと結果だけが新規プレフィルされ、それ以前は安価なキャッシュ読み込みです。
テスト実行:
```
npm test
```
を実行し結果を履歴に追加します。テスト結果のみがフルプライスでプレフィルされます。
完了 (要約): テストパスを確認し短く要約します。ツール呼び出しがないため、追加ターンが発生せず処理終了です。

コストの総体

1 ターンあたりの総コストは以下の 3 要素の合計です：

履歴からのキャッシュ読み込み（0.1 倍価格）
新規部分の入力トークン（フルプライス）
レスポンスの出力トークン（通常価格の約 5 倍）

サブスクリプションプランでもこの仕組みは同様であり、利用枠を消費します。

キャッシュを無効化（破棄）する要因

キャッシュが有効に残るのは、「先頭部分」が一致し続ける場合です。以下のいずれかが発生すると、会話全体が再度フルプライスでプレフィルされます：

/model
変更: モデルを切り替えるためキャッシュもリセットされます（プランモードの出入りや
```
opus
```
/
```
plan
```
モードでも同様）。
/effort
変更: エフォートレベルがキャッシュのキーに含まれるため、変更時は再プレフィルが発生します。
高速モード（Fast mode）切替: キャッシュキーに含められるため、高速モードへの切り替えは高速価格での再プレフィルとなります。（オフ化操作自体は無料です）
コンパクト（Compact）：会話履歴が短縮版に書き換えられるため、以前のトークンとの一致が失われます。ただし、要約動作そのものは古いキャッシュがあれば低コストで済み、長期間の休憩後再開よりも安価になる場合があります。
時間切れ: サブスクリプションでは 1 時間後、API キーでは 5 分後に有効期限が切れます（
```
ENABLE_PROMPT_CACHING_1H=1
```
で 1 時間に延長可能）。

ヒント: 望ましくない方向に進みそうな場合は、
/compact
ではなく
/rewind
を使用して前まで戻ってください。
/rewind
は末尾のみを切り離すだけであり、以前のコストはかかりませんが、
/compact
は常に一定のコストが発生します。

セッション送信トーク数決定の要因

最も重要なルールは：**「一度だけ送信されるものはない」**という点です。会話履歴に残るすべてのコンテンツ（読み込んだファイル、コマンド出力など）は、残りの全ターンで毎回再送信されます。これらはキャッシュにより低コストですが、ゼロではなくコンテキスト内を占有するため、セッション全体の費用構造に大きく影響します。

コンテキストに含まれる内容について

固定コンテキスト

ユーザーが入力する以前から存在するコンテンツ：

ツールの定義
システムプロンプト
```
CLAUSE.md
```
ファイル
起動時にロードされる他のリソース

ヒント: 新規セッション直後に
/context
を実行すると、入力前に含まれている内容を確認できます。具体的な指示は
CLAUSE.md
に絞り、ワークフロー固有の内容はスキルへ移動させてください。不要な MCP サーバーは
/mcp
でオフにしてください。

動的コンテキスト（追加されるもの）

主にツールの結果（ファイル読み込み、コマンド実行出力など）です。

コントロールと最適化

Claude の読み込み量: 判断すべき作業量によって決まります。
- 「テストが失敗している」→ どのテストか探索が必要 → 追加の探索プロセス発生。
- 「utils.test.ts の失敗したテストを修正せよ」→ 特定のファイルへの Read コールのみ。
- 「@utils.test.ts の失敗したテストを修正せよ」→ Read コール自体不要（直接参照のため）。

ヒント: ファイルを参照する場合は、パスを入力する代わりに
@
メンション を使用してください。これにより送信前にファイルが付与され、最初の Read コールが省略できます。1 度言及すれば十分であり、後続のターンで再度
@
メンションすると不要なコピーが追加される可能性があります。

コマンド実行出力: テストやビルドの結果は会話履歴に追加され、同じターンだけ存在します。
- 非常に大きな出力（30,000 文字以上）の場合は、Claude Code が自動的にファイルに書き出し、会話にはプレビューとパスのみを含めます（
```
BASH_MAX_OUTPUT_LENGTH
```
  で設定変更可能）。
- 注意点: 制限内の大量出力（例：400 行のテスト結果）も残ってしまいます。ノイズ除去のためにドキュメントのフックを使用するか、静かなフラグ（
```
--reporter=dot
```
  など）を
```
CLAUSE.md
```
  に記述して事前に対処してください。

ヒント: 1 日に使うコマンド（静かモード含む）を
CLAUSE.md
に記述することで、以降のセッションで数百行の出力を自動的に節約できます。

コンテキスト維持期間について

長時間セッション: ターン 40 を行う場合、その前の 39 ターンのすべてを読み込み直す必要があります。コンテキストを短くし、関連性を保ってください。
- 新しい開始：
```
/clear
```
- 同じタスクの前半終了後：
```
/compact
```

ヒント:
後でセッションに戻りたい場合は、
/clear
の前に
/rename
を使用してください。
compact
時に何を残すかは
CLAUSE.md
の「Compact instructions」セクションに記述するか、常に同じ内容であれば自動化できます。
1M モデルで従来の自動コンパクトを復活させたい場合は、
/autocompact 200k
を実行してください（v2.1.221 以上が必要）。

ループ処理 (
/loop
): 設定されたセッション全体として 1 ターンとして発火し、会話全体を持ち運びます。最後のターンから 1 時間超えるとキャッシュミスが発生します。新しいターミナルで別途セッションを作成してループを実行することを検討してください。

サブエージェントの活用

サブエージェントは、メインセッションからコンテキストを切り離すための別の方法です。独自のシステムプロンプト、ツール、

CLAUSE.md

を持つ独立した環境ですが、メインセッションの内容は含まれません。

役割: 自らのターンを実行し、回答のみをメインセッションに戻します。その他の情報は破棄されます。
利点: メインセッションのコンテキスト汚染を防ぎ、コスト削減に有効です（特にログ閲覧など多くの出力が必要なタスク）。
注意点: 会話を持っていないため、メインセッションの内容を再度読み込む必要があり、その分のコストが発生します。

ヒント: ノイズが多い繰り返し処理には、
model: haiku
（または
sonnet
）を指定した独自のサブエージェント定義を与えてください。そうでないとメインセッションと同じモデルで動作し、コストが高くなる可能性があります。

費用観点から優先すべきチェック項目

以上の情報を踏まえ、以下の 4 つの項目が費用構造において最重要です（概ねコストの高い順に並べます）：

コンテキスト内の総トークン数（特に新規読み込み部分）
デコード処理の割合（出力トークン数）
キャッシュの維持と破棄タイミング（モデル/エフォート変更、時間切れなど）
サブエージェントの有効活用（コンテキスト汚染の回避）

同じ日のほかのニュース

一覧に戻る →

2026/08/15 0:00

Qwen 3.8 27B

## Japanese Translation: Qwen3.8 は、コーディング、プロフェッショナルなワークフロー、研究、長期的なエージェントタスクにおいて大幅な性能向上をもたらす、Qwen3.5 の機能に継承する最新オープンモデルです。コンパクトな Qwen3.8-27B バリエーションは、複雑な多段階実行のためのネイティブのビジョン・ランゲージ理解を備えています：STEM 図や数時間の動画を処理し、環境からのフィードバックを取り扱い、`preserve_thinking` を介して履歴メッセージにわたる思考を保持します。性能は、SWE-bench Pro で 61.7、Terminal Bench 2.1 (Terminus) で 73.0、LiveCodeBench v6 で 90.3、OSWorld-Verified で 84.3、MathVision および OmnilDocBench で 90% 超のスコアを含む強力なベンチマーク結果によって検証されています。アーキテクチャにおいて、モデルは YaRoPE スケーリングによる拡張性を通じてネイティブに 262k トークンのコンテキストウィンドウをサポートし、最大 100 万トークンまで拡張可能です。`enable_thinking`（デフォルトでオン）と `reasoning_effort`（xhigh/medium/low）によって制御される柔軟な推論モードを提供します。推奨サンプリングパラメータはモードごとに異なります：思考モードでは temperature=1.0、top_p=0.95、top_k=20、min_p=0.0 を使用し、指示モードでは temperature=0.7、top_p=0.80、presence_penalty=1.5 を使用し、思考を無効にするためのオプションの追加ボディ調整が可能です。本番デプロイメントは、SGLang、vLLM、TokenSpeed、Qwen Cloud API との互換性を通じて簡素化されており、高スループットシナリオには専用サービングエンジンが推奨されます。数時間のビデオ処理については、`video_preprocessor_config.json` の `longest_edge` を 469,762,048（224k ビデオトークン）に設定します。全体として、Qwen3.8 は深い歴史的文脈と長期間にわたる自律的な意思決定を可能にし、既存の画像/ビデオ分析パイプラインとシームレスに統合されます。

2026/08/15 5:46

研究がコーヒー摂取量と代謝健康および性ホルモンの関連性を示唆

## Japanese Translation: 大学のウェブサイトは、主要な学術および行政リソースにユーザーを接続する包括的なポータルとして機能します。構造的には、生化学・分子医学学部、教育学・心理学学部、人文科学部、医学部、情報技術電気工学部、理学部、技術学部、オウルビジネススクールなどの特定ファカルティへの直接ナビゲーションを提供するとともに、「Oula-Finna」図書館システムをはじめとする重要なサポーツサービスにアクセスすることを可能にします。この図書館システムでは、サービス、コレクション、施設、ガイド、連絡先時間などへのアクセスが提供されています。さらに、ニュース、出願、研究、協力、寄付、キャンパス、キャリア、連絡先情報、登記所、中央アーカイブなどのセクションも利用可能です。ウェブサイトはまた、大学ランキングを際立たせて表示しています。これらの多様な要素を統合することによって、ウェブサイトはステークホルダーが特定の機関データおよびサービスを見つけるために効率よく動作し、内部ナビゲーションおよび外部エンゲージメントのための重要なハブとなっています。

2026/08/15 0:03

私が大切にしている本7冊：なぜか大好きだからです。

## Japanese Translation: **改善された要約:** 本文の主な焦点は、作家の机周および棚に配置され、インスピレーションと参照のための詳細な物品リストにある。このキュレートのコレクションは古典文学や神学から数学論理、児童書、デジタルツールまで多様な分野を繋ぎ合わせている。著者は実用性やテーマ的な深さに基づいて特定の版を残しており、例えばロジェの類語辞典第 4 版は時間概念（例：優先度、同時性）の簡潔な分類のために保持されているが、サイズのため第 8 版は遠い棚に移されており使用されていない。他の注目すべき作品には、サウス・トマス・ブラウンの『Pseudodoxia Epidemica』があり、これはロジェのスペースに置かれ、蝗虫やピタゴラスのタブーなどに関する話題が論じられている；ボッカッチョの『デカメロン』（1348 年の黒死病を背景とし、ダンテと比較される）；そして『フレゲからゲーデルへ』という数学論理論文集が含まれている。リストにはさらに、ヨハネス・コメニウスの挿絵入り児童書『Orbis Sensualium Pictis』（1658 年）、特定の記事に関する注釈を付した大型文字の NIV 聖書、ベリー公の中世『Belles Heures』、そして 8mm バックアップテープや韓国式麻雀カードのような個人的な文脈を持つ物品も含まれている。最後に、GNU Emacs や Blosxom ソフトウェアなどの実用的なデジタルツールに加え、ドラフト作成およびテキスト修正のために GNU grep およびその他のユーティリティのコレクションも含まれている。