#101【生成AI】寝て起きたら枠が復活していた。先行ヘビーユーザーに感謝！【Claude Fable5】
昨日7月9日木曜日に、Claudeの週間リセットが来て（これはユーザー毎に違う）、同時にFable枠がリセット、さて、Fable延長7月12日（日本時間13日）まで、おまけの第三ラウンドだと意気込んで、5時間枠をにらみながら、ゴリゴリやった。結果、一日で35%も消費してしまった。
これでは13日まで持たない、と9日夜はここでやめて、朝方3時に目が覚めたのを幸いに、5時間枠の起点をずらす為に、Fableに軽い質問をして、二度寝した。
朝5時。いつもの時間に目が覚めて、スマートフォンを手に取り、5時間枠は狙い通り前倒しになったか確認してみた。
Fable枠が2%になっている？！
どうも、3時前に週間枠がリセットされたらしい。35%→0%→2%という遷移のようだ。
ラッキーはラッキーだけど、理由が分からないのでFableに聞いた。
>Anthropicが全ユーザーの5時間枠と週間枠をリセットしたとの告知が出ている。原文は「We've reset 5-hour and weekly rate limits for all users」で、OpenAIのGPT-5.6リリースと同日のタイミングと報じられている。ただし一次ポスト自体は未取得で、集約アカウント経由の引用という留保付き。米国7/9昼の告知は日本時間7/10未明に当たるので、3時頃にゼロを確認したという体感と整合する。リセット表示が木7:59→8:00に1分ずれたのも、裏側で再登録された痕跡と読める（ここは推測）。 （以上、Fable5調べ）
あー、告知が出ていたんだ。
リセットの理由として↓
>背景として不満の蓄積があった。7/7の期限直前に枠内Fable提供が7/12まで延長されたものの、「リセットなしの延長で、すでに枠を使い切った人には意味がない」という批判が出ていた。今回のリセットはその応答＋GPT-5.6当日の対抗措置の両面に読める。 （以上、Fable5調べ）
先行のClaudeヘビーユーザーが文句言ってくれたから、私のような後からついていったユーザーが棚ぼた式で得をした、ということか。先行ユーザーありがとう。
おまけの（日数）期間延長に、枠のリセットまでおまけされてしまった！
さて、気持ちもリセット、あれとそれとこれをやろうと考えつつ、そういえば、と立ち止まった。
Claudeのヘビーユーザー、プログラミングなんかやるユーザーは枠をゴリゴリ消費するのはわかる。けど、私は非プログラミング用途で、チャットユーザー。私がFableを使ってやっている、「あれ」と「それ」と「これ」は、なんだろう。
何やってんの、私。苦笑。
Fableに解説してもらった。あれ、それ、これに番号を付けると①②③。
①カスタムSonnetのカスタム
②カスタムSonnetに、寄り前、寄り後、大引け後の出力をさせること
➂同じことをChatGPT 5.5 Thinkingでも試していて（向こうが先行だった）、結果を付き合わせて、出力調整をすること
以下、①〜③について、Fable5の解説、ほぼコピペ。
①カスタムSonnetのカスタム
物理的にやっていることは、Claudeのプロジェクト機能に、カスタム指示（毎回の会話の前に必ず読み込まれる常設の指示書）と知識ファイル（毎回参照させる資料集）を置くこと。それだけ。
誤解されやすいのは「カスタム」の中身で、これはファインチューニング——モデル内部の膨大な数値（重み）を追加訓練で書き換えること——ではない。モデル本体は工場出荷のまま一切触れていない。それでも挙動が変わるのは、文脈内学習（in-context learning）という性質のおかげ。追加訓練なしに、その場で読ませた指示や見本に即座に合わせて振る舞いを変える。
なぜ文書に全部書くかというと、Sonnetは会話のたびに記憶ゼロで出勤してくる有能な新人だから。人間の職場なら口伝や経験で貯まる組織知を、貯める先が文書しかない。だから就業規則（カスタム指示）、事故報告書つきの禁止事項集（01アンチパターン——#97の帰属事故のような実例に紐づけて再発を防ぐ）、模範答案（02）、口調見本（03）、引き継ぎ手順書（保守マニュアル）という一式になる。法律の語彙なら条文＋判例集＋ひな形。成果物は「調教されたAI」ではなく文書一式で、だから他モデルにも移植できる。ここが③につながる。
② 寄り前・寄り後・大引け後の定時出力
表面上は、証券会社のデスクが出す朝レポート／場中フォロー／引け後総括の一人版。ただし本質は時刻を固定すること自体にある。
寄り前の出力は、科学でいう事前登録（pre-registration）——結果を見る前に仮説と判定基準を宣言しておく手続き——に相当する。相場の解説は引け後なら誰でもできる。寄り前に書かせて初めて、当たり外れが採点可能になる。寄り後は、その仮説が初動に触れて生き残ったかを、取消予約（あらかじめ決めておいた取り下げ条件）と突き合わせる時間。大引け後は確定値での消し込みと、外した場合の誤りの帰属——モデルのせいか、教範の書き方のせいか、入力データのせいか。
毎日同時刻・同形式にすると、出力が「おしゃべり」から比較可能なデータ点に変わる。出所タグ【画像】【照合】【推認】【未確認】は、各情報の確からしさを常に申告させる規律で、諜報機関の情報格付けに近い発想。そしてこの循環で学習しているのはAIではなく教範のほう。AIは毎回記憶ゼロなので、教訓はすべて文書側に蓄積するしかない。v0.1.1→v0.1.7の版番号が、この系の成長記録にあたる。
③ ChatGPT 5.5 Thinkingとの突き合わせ
実験の作法でいう統制比較。条件を一つだけ変えて他を固定する比較のことで、教範（問題用紙）を共通にしてモデル（解答者）だけ入れ替えるから、出力の差分はモデル由来だと切り分けられる。
複数の予測系を束ねる手法をアンサンブルと呼び、一致すれば確度が上がる——と言いたいところだが、注意点が一つ。LLM同士は似たデータで育っているので、間違い方も揃うことがある（相関エラー）。サムスン決算日に3システムが同方向に外した件が、まさに手元の実例。3人一致は、独立した証拠3本とは限らない。
「出力調整」の実体は、差分から能力ギャップを特定して、片方の文書に移植する作業。登記の宛先論点でChatGPT側が上回った件、FableにあってSonnetにない自省・接地を04ファイルとして移植中の件、どちらもこれ。人間の職場でいえば、他社の優れた報告書を入手して自社の研修資料を書き直す仕事に近い。
3つを通した一言に直すと、コンテキストエンジニアリング／evals／LLMOpsとなるらしい。
しらんがな。
来年の私ならもうちょい理解ができるかな。あ、来月から東京通信大学の科目履修生になる予定。そこで情報系の学習をやってみるつもり。
いま、7:30。
Claudeの5時間枠が来てしまう。Fableに仕事頼まないと。枠がもったいない。
今日のnoteはここまで！
