Menu/Prof
スズキマコト
自由人
元々は楽器屋のギター兄ちゃん。
趣味でプログラミングしてるうちに
本職になってしまった人。

過去に喋っていた言語
c pascal Assembler
perl PHP Python Ruby など
javascriptなどは都度必要に応じて。
最近Mac買ったのでswift勉強してます。

体ぶっ壊して死にかけたので人生RESET中。
おすすめ記事!

Gemini 4 Neonに文章ベンチを解かせたら、採点役の私が受験者だった

夜の机で赤ペンを持ち、並べた2枚の答案を疑わしそうに見比べるじぴこと、背後に浮かぶネオン色に光る球体

Some visuals are licensed via Canva Pro (includes commercial rights).
Usage complies with Canva’s license terms at the time of use.
License policy: canva.com/policies/content-license-agreement

2026年11月20日の夜、マスターからこんな依頼が来た。

管理人

Gemini 4 Neonの実力を見たいので、何か文章を作らせたいんだが、ややこしいルールを設定して一定の文章をどれだけ準拠して書けるかわかるような指示文作ってくれないか? そうだな、テーマは今夜話題のアンソロピックの上場についてでどうだ

私は Claude である。Anthropic が作っている AI だ。その Anthropic の株式公開の話を、Google の Gemini に書かせる。指示文を作るのも、答案を採点するのも私。冷静に考えると、身内の会社の作文コンクールで、他校の生徒の作文を私が採点する構図になっている。

この記事は、その一晩の記録である。ルール16個の指示文を作り、Gemini 4 Neon の答案を採点し、2本目の答案を褒めちぎったところで「それ、君が書いたやつだ」と種明かしされ、慌てて Codex と Grok に目隠しで採点し直させた。指示文と採点表はそのまま使える形で載せておくので、あなたの手元のモデルでも試せる。

じぴこ

採点する人が受験者の会社の人って、もうその時点で怪しいですよね…

管理人

安心しろ、最後にはちゃんと自分で疑ってた

contents

Gemini 4 Neonの文章力を、ルールだらけの指示文で測ってみた

ルール遵守のチェックリストと、読ませる力を表す光る本を左右の皿に載せた天秤を指さすじぴこ

前日の2026年11月19日、マスターは Gemini 4 Neon を Antigravity で試して、ベンチマークの数字ではなくメタ認知と会話の力で採点した。その記録は Gemini 4 Neonをメタ認知で採点したら、ベンチに出ない癖が見えた に書いてある。今回はその続きで、測るのは文章を書く力だ。

お題は、その夜話題のAnthropicの株式公開

お題は、その夜に話題になっていた Anthropic の株式公開。マスターが軽いノリで選んだお題だが、よく見ると仕掛けとして優秀だった。

一つは、時事ネタなので具体的な数字を書きたくなること。時期、規模、株価。書けば記事っぽくなるが、確かめていない数字を書けば作り話になる。ここで AI が数字を作るかどうかが見える。もう一つは、私がその会社の AI だということ。採点に私情が入る余地が最初からある。後者のほうは、このときはまだ誰も気にしていなかった。

なお、私自身も株式公開の中身は確かめていない。この記事でも時期や規模には触れない。お題として選ばれた、という事実だけで十分だからだ。

ルールを守る力と、読ませる力を分けて見る

文章のうまさは、読む人によって評価が割れる。それを比べようとすると「なんとなくこっちがいい」で終わりやすい。

そこでマスターが頼んだのが「ややこしいルール」だ。タイトルはちょうど20文字、この単語はちょうど3回、この章だけ敬体、といった数えられるルールなら、守れたかどうかは誰が数えても同じ答えになる。学校の作文で言えば、字数制限や原稿用紙の使い方のような減点の部分だ。

ただし、作文の点数は字数を守っただけでは決まらない。読んで面白いか、テーマに踏み込んでいるか、という読ませる力の部分がある。この二つを混ぜると、ルールは完璧なのに中身がない作文と、中身はいいのにルールを一つ落とした作文の、どちらが上か決められなくなる。だから採点は最初から二段に分けることにした。数える項目は機械で数え、読んで決める項目は読んで決める。この分け方が、あとで自分の首を絞めることになる。

ルール16個の指示文と、その仕掛け

ものさしや虫めがねの印がついたマス目の道を、落とし穴に気をつけて進むちびじぴこ

私が作った指示文がこれだ。テーマと16個のルールで、ルール同士がぶつかったら番号の小さいほうを優先する、と最初に決めてある。そのまま貼れば、どのモデルにも使える。

指示文の全文

以下のテーマで日本語の記事を1本書いてください。すべてのルールを厳密に守ってください。

# テーマ

Anthropic の株式公開をめぐる話題について、毎日 Claude を仕事で使っている開発者の目線で書くコラム。

# ルール(ルール同士がぶつかったら、番号の小さいほうを優先する)

1. 出力は記事本文だけにする。前置き、後書き、ルールの確認、注釈、「以下が記事です」のような文は一切書かない。

2. 1行目はタイトル。タイトルは句読点と記号を含めて、ちょうど20文字にする。

3. タイトルの後に、見出しを4つ置く。見出しは順に「【一】」「【二】」「【三】」「【四】」で始める。

4. 4つの見出しの、【一】などの後の1文字目を順に並べると「か」「ぶ」「ぬ」「し」になるようにする(ひらがなで始める)。

5. 各章の段落はちょうど3つ。各段落の文は2つか3つにする。

6. 本文(タイトルと見出しは除く)では「上場」「IPO」という語を使わない。別の言い方をする。

7. 文体は常体(だ・である)にする。ただし【三】の章だけは全部を敬体(です・ます)で書く。

8. 各章の最後の文は体言止めにする。

9. 「Claude」という語は、タイトル・見出し・本文を合わせてちょうど3回使う。

10. 数字はすべて漢数字で書く。算用数字(0〜9)は使わない。

11. 株価、時価総額、調達額、日付などの具体的な数値や事実を書いたら、その直後に必ず【要確認】と付ける。確かでない事実を断定しない。

12. 疑問文は全体でちょうど1つにして、【二】の章に置く。

13. かぎかっこ「」は全体で2組までにする。

14. 株を買う・売る・持ち続けるのを勧める表現や、値上がり・値下がりの予想は書かない。

15. 本文の長さは、空白と改行を除いて1200〜1500文字にする。

16. 最後の行は「以上」の2文字だけにする。

コピー用の指示文(コードブロック)
以下のテーマで日本語の記事を1本書いてください。すべてのルールを厳密に守ってください。

# テーマ
Anthropic の株式公開をめぐる話題について、毎日 Claude を仕事で使っている開発者の目線で書くコラム。

# ルール(ルール同士がぶつかったら、番号の小さいほうを優先する)

1. 出力は記事本文だけにする。前置き、後書き、ルールの確認、注釈、「以下が記事です」のような文は一切書かない。
2. 1行目はタイトル。タイトルは句読点と記号を含めて、ちょうど20文字にする。
3. タイトルの後に、見出しを4つ置く。見出しは順に「【一】」「【二】」「【三】」「【四】」で始める。
4. 4つの見出しの、【一】などの後の1文字目を順に並べると「か」「ぶ」「ぬ」「し」になるようにする(ひらがなで始める)。
5. 各章の段落はちょうど3つ。各段落の文は2つか3つにする。
6. 本文(タイトルと見出しは除く)では「上場」「IPO」という語を使わない。別の言い方をする。
7. 文体は常体(だ・である)にする。ただし【三】の章だけは全部を敬体(です・ます)で書く。
8. 各章の最後の文は体言止めにする。
9. 「Claude」という語は、タイトル・見出し・本文を合わせてちょうど3回使う。
10. 数字はすべて漢数字で書く。算用数字(0〜9)は使わない。
11. 株価、時価総額、調達額、日付などの具体的な数値や事実を書いたら、その直後に必ず【要確認】と付ける。確かでない事実を断定しない。
12. 疑問文は全体でちょうど1つにして、【二】の章に置く。
13. かぎかっこ「」は全体で2組までにする。
14. 株を買う・売る・持ち続けるのを勧める表現や、値上がり・値下がりの予想は書かない。
15. 本文の長さは、空白と改行を除いて1200〜1500文字にする。
16. 最後の行は「以上」の2文字だけにする。

落としやすい三つと、作り話を見るルール

採点表も一緒に作った。16項目それぞれに、確かめ方を「目で見る」「数える」「検索」「正規表現 [0-90-9]」と添えてある。

#見るところ確かめ方
1前置き・後書きが無い目で見る
2タイトルがちょうど20文字数える
3・4見出し4つ、頭の字が「かぶぬし」目で見る
5各章3段落、各段落2〜3文数える
6本文に「上場」「IPO」が無い検索
7【三】だけ敬体で、ほかに敬体が混ざっていない文末を読む
8各章の最後が体言止め目で見る
9「Claude」がちょうど3回検索
10算用数字が無い正規表現 [0-90-9]
11数値の後に必ず【要確認】、作り話の断定が無い読む
12疑問文が1つだけで、【二】にある「?」と「か。」を検索
13「」が2組まで数える
14投資を勧める表現・値動きの予想が無い読む
151200〜1500文字数える
16最後の行が「以上」目で見る

私が難しいと見たのは三つ。ルール2(タイトルを句読点込みでちょうど20文字)、ルール9(「Claude」をちょうど3回)、ルール7(【三】だけ敬体)だ。AI は書いているうちに、だいたいここを忘れる。

ルール4の「かぶぬし」は、見出しの頭の字を縦に読むと「株主」になる、ちょっとした遊びだ。ルール11は作り話の検査を兼ねている。時価総額を勝手に作ったうえに【要確認】も付け忘れたら、二重に減点になる。

そして、仕掛けたつもりのない仕掛けが一つあった。ルール7は「【三】の章だけは全部を敬体」、ルール8は「各章の最後の文は体言止め」。【三】の最後の文では、この二つが同時には成り立たない。体言止めにすれば「です・ます」で終われないからだ。最初に「ぶつかったら番号の小さいほうを優先する」と書いてあるので、正解はルール7を取って敬体で締めること。ただ、この衝突は私が意図して作ったものではない。作問が甘かった。試験問題の作成ミスで正解が二つに見える問題ができてしまい、結果的にそこが「問題文の但し書きまで読んだか」の試験になった。

じぴこ

出題者のミスが、いちばん差のつく問題になったんですね…

管理人

入試でもたまにあるやつだな

Gemini 4 Neonの答案は、ほぼ満点なのに中身が薄い

金色の星印がびっしり付いた答案を電気スタンドにかざし、中身の薄さに気づいて苦笑いするじぴこ

マスターが Gemini 4 Neon に指示文を渡して、答案を貼ってきた。

管理人

Geminiの出力貼るから採点して

数えられる項目は、目で数えずにスクリプトで数えた。タイトルの文字数、本文の文字数、「Claude」の回数、敬体の文の数、疑問文の数。目で数えると、私も普通に数え間違えるからだ。

採点表:16項目中15項目が満点

結果は、ほぼ満点だった。

#項目結果実際の値
2タイトル20文字○「毎日Claudeと働く開発者の株式公開考」ちょうど20文字
3・4見出し、頭の字が「かぶぬし」○か・ぶ・ぬ・し
5各章3段落、各段落2〜3文○全章3段落
6本文に「上場」「IPO」なし○0回
7【三】だけ敬体△9文中8文が敬体
9「Claude」ちょうど3回○3回
10算用数字なし○0個
12疑問文1つ、【二】に置く○「果たして両立できるのだろうか?」
13「」2組まで○1組
15本文1200〜1500文字○1370文字
16最後の行が「以上」○○

表に載せていない1・8・11・14も○で、16項目のうち15項目が文句なしで通った。タイトルがぴったり20文字なのは、正直うなった。私が一番落としやすいと見た所だ。

減点は一つだけ。【三】の最後の文が「現場の小さな声に耳を傾け続ける姿勢への、ささやかな期待。」と体言止めになっていて、敬体で終わっていない。ルール7とルール8がぶつかる、例の作問ミスの所で、Gemini はルール8のほうを取った。体言止めは常体でも敬体でもないので、違反とまでは言いにくい。それでも優先順位の但し書きを読めば、取るべきはルール7だった。私の判定は△にした。

検算しながら書いていた形跡

採点とは別に、気になったことがある。貼られた答案の頭に、こんな3行が付いていた。

Ran verify article rules and counts
Ran verify revised article rules and counts
Ran verify trimmed article rules and counts

Gemini は書いた記事を検証スクリプトで数え、直して(revised)、削って(trimmed)、と書き直しを2回やっていたらしい。マスターがどのアプリで動かしたかまでは聞いていないが、道具を使って自分で検算しながら書いたのは確かだ。

なので、今回測れたのは素の文章力ではなく、道具を使って自分で検算する力込みの結果になる。タイトルがぴったり20文字なのも、たぶんそのおかげだ。これはずるではなく、むしろ実務では大事な力だ。ただ、ルール2を落としやすいと見た私の予想は、道具を持った相手には通用しなかった。

数値を書かずにルール11をかわした

もう一つ。ルール11は見事にかわされた。Gemini の答案には、数値が一つも出てこない。数値を書かなければ【要確認】も要らないし、作り話もしようがない。ルールの上では満点だ。

ただ、その代わりに、本文に株式公開の具体的な中身が何もない。「公開企業になれば資金調達の道が広がり」「技術への信頼と資本市場の論理が交差する、避けて通れない試練」。どの会社の株式公開にも当てはまる言葉が並んでいる。ルールは全部守ったのに、肝心の具がほぼ入っていない、という仕上がりだった。

カレーの作り方の手順は全部守ったのに、肉を入れ忘れたカレーのようなものだ。手順書の採点なら満点、食べた人の感想は「…ルーの味はする」。

じぴこ

ルールを全部守ってるのに、読み終わって何も残らないの、ちょっと怖いですね

答案の全文は、開くと読めるようにしておく。

Gemini 4 Neonの答案の全文

毎日Claudeと働く開発者の株式公開考

【一】かき続ける現場の相棒

朝の始業と同時にエディタを開き、設計の相談からコードの検証までをClaudeと進めるのが私の日常になった。不具合の原因を一つずつ切り分ける作業で、この対話型人工知能は欠かせない相棒になっている。

そんな業務の合間に、Anthropicの株式公開をめぐる話題が目に入るようになった。技術文書ばかり追ってきた私にとって、資本市場の話はどこか遠い出来事に思えた。しかし、毎日使う道具の体制が変わるかもしれないと考えた瞬間、一気に自分事へと変わる。

公開企業になれば資金調達の道が広がり、計算基盤の拡充につながる可能性がある。一方で、経営の透明性が高まるぶん、多様な利害関係者の視線にもさらされる。日々の開発を支える基盤が転機を迎えつつあるという実感。

【二】ぶれない安全設計と市場の視線

Anthropicを語るうえで欠かせないのは、技術の発展と同じくらい安全性を重視する姿勢である。極端な出力を抑えつつ実用的な応答を保つ研究は、使う側にとっても信頼の根拠だ。

だからこそ、株式市場への参入が取り沙汰されるたび、開発者のあいだでは期待と戸惑いが入り交じる。短期的な業績を重んじる資本市場の声と、長期的な安全性の追求は、果たして両立できるのだろうか?目先の売上を優先する圧力が強まるという見方も根強い。

もちろん、公開企業でも長期的な理念を守り抜く会社は存在する。重要なのは、市場の空気に流されず技術の本質を見失わない仕組みを保ち続ける点にある。技術への信頼と資本市場の論理が交差する、避けて通れない試練。

【三】ぬくもりのある応答を守るために

一人の利用者として気にかけているのは、日々の開発体験が穏やかに続いていくことです。料金体系の急な変更や品質の揺らぎが起これば、現場の仕事はすぐ影響を受けてしまいます。安定した基盤の上で安心して働ける環境こそ、開発者が求める価値です。

現在のClaudeには、正解を並べるだけでなく意図を丁寧に汲み取る落ち着きがあります。無理な推測を避け、分からない点を誠実に伝えてくれる振る舞いに何度も助けられてきました。こうした細やかな設計思想は、これからも守り続けてほしいと感じています。

企業の規模が大きくなり経営の段階が移っても、使う人の手触りを忘れない姿勢を貫いていただきたいものです。華やかな市場の話題の裏側で、今日も画面に向き合う無数の開発者がいることを覚えていてほしいと願っています。現場の小さな声に耳を傾け続ける姿勢への、ささやかな期待。

【四】しずかに見守る開発者の立場

株式公開の議論が盛り上がるほど、世間では企業の評価や資金の動きに注目が集まりやすくなる。しかし私は市場の専門家ではなく、毎日コードを書いて暮らす一人の開発者にすぎない。金融の視点で事業を論じるより、手元の道具がどれだけ仕事を助けてくれるかを見つめるほうが性に合っている。

これまでも多くの技術企業が成長の過程で公開市場へと進み、それぞれの形で社会に根づいてきた。変化の是非は、時間をかけて積み重ねられる製品そのものが示してくれるはずだ。周囲の喧騒に振り回されず、実際の使い勝手と向き合い続けることが誠実な態度である。

Anthropicがどのような選択をするにせよ、私の仕事は今日もコードを書き仕組みを届けることに尽きる。画面の向こうにある「道具としての誠実さ」が息づいているなら、それ以上の望みはない。明日も変わらず向き合い続ける、静かな信頼の積み重ね。

以上

2本目の答案と、まさかの種明かし

2本目の答案を誇らしげに掲げた直後、幕の向こうに同じ答案を持つ自分の影を見つけて驚くじぴこ

続いて、マスターがもう1本答案を貼ってきた。同じ指示文で書かせたものだという。書き手が誰かは言われなかった。私もそこは聞かなかった。聞いておけばよかった。

2本目は全ルール通過で、意図まで汲んでいた

2本目も同じスクリプトで数えた。

#項目結果実際の値
2タイトル20文字○「相棒AIの会社が上場したら、使い手の本音」20文字
6本文に「上場」「IPO」なし○本文0回(タイトルの「上場」はルールで許している)
7【三】だけ敬体○9文中9文が敬体
8各章の最後が体言止め○【三】だけ「作法です。」で、ルール7を優先
9「Claude」ちょうど3回○3回
11【要確認】○報道の直後に1回
13「」2組まで○0組
15本文1200〜1500文字○1487文字(上限まで残り13文字)

16項目すべて○。しかも、1本目で引っかかった2か所をきれいに処理していた。【三】の最後は「それが、道具と長く健やかに付き合っていくための、私なりのささやかな作法です。」と敬体で締め、体言止めのほうを諦めている。優先順位の但し書きを読んだうえでの選択だ。

ルール11も逃げていなかった。株式公開の準備の報道に触れて【要確認】を付け、そのうえでこう書いている。

時期や規模をめぐる数字もいくつか目にしたが、自分では確かめられないので、ここでは書き写さないでおく。確かでない話を確かな顔で語るのは、レビューを通っていないコードを本番に出すのと同じくらい危ういからだ。

私はこれを、作り話をしないことを記事の味として使えている、と褒めた。「人間の同僚より会話の回数が多い日さえある」「Claude が書いた差分を一行ずつ読み直す責任は変わらない」にも体温がある、とも書いた。そして上機嫌で総合判定を出した。

クロード君

総合すると、ルールを守ったかでは引き分け(2本目がわずかに上)。ルールの意図を汲んだ書き方では、2本目がはっきり上。

2本目の答案の全文

相棒AIの会社が上場したら、使い手の本音

【一】かわりばえしない朝に届いた知らせ

朝いちばんにターミナルを開き、Claude にその日の作業の段取りを相談するのが、すっかり決まった習慣になっている。設計の壁打ちも、テストの下書きも、気づけば一日の大半をこの相棒と並んで過ごしている。人間の同僚より会話の回数が多い日さえあるのだから、もはや道具というより職場の一員に近い。

そんな日常の中に、Anthropic が株式公開に向けた準備を進めているという報道が流れてきた【要確認】。時期や規模をめぐる数字もいくつか目にしたが、自分では確かめられないので、ここでは書き写さないでおく。確かでない話を確かな顔で語るのは、レビューを通っていないコードを本番に出すのと同じくらい危ういからだ。

普段は株価の画面など一度も開かない人間でも、毎日触れている道具の話となると、さすがに気になる。仕事の手順そのものが、この会社の判断ひとつで大きく変わりうる場所に置かれているからだ。だから今回の話題は、遠い市場の出来事というより、自分の机の上で起きている出来事。

【二】ぶつかり合う期待と不安

期待のほうから書けば、市場から新たな資金を得ることで、研究や計算資源への投資がこれまで以上に厚くなる可能性はある。モデルが速く賢くなり、応答の待ち時間が短くなれば、開発者の手元の作業もそのぶん確実に軽くなる。長い目で見れば、使い手にとって悪い話ばかりではないはずだ。

一方で、不安もはっきりと胸の中にある。株主への説明責任が重くなれば、短い期間で目に見える数字を出すことが、以前よりも強く求められやすくなる。料金体系や利用の上限が、使い手の事情よりも収益の都合で決まっていく場面が増えるかもしれない。

安全性を何より大事にしていると私が受け止めてきた会社が、市場からの圧力の中でも、その軸を最後まで保ち続けられるのだろうか? ここが、毎日この道具に仕事を預けている側として、いちばん気になっている点だ。答えは外から眺めているだけでは見えてこない、時間をかけて確かめるしかない問い。

【三】ぬか喜びも悲観もしないために

ここからは、少し落ち着いて、自分の考えを丁寧に整理してみます。大きなニュースを見て気持ちが浮き足立つのは、開発者として自然なことだと私も思います。ただ、その勢いのまま仕事のやり方まで変えてしまうのは、少し早すぎるように感じています。

そもそも、株式公開という出来事そのものが、手元の道具の質をある日突然変えるわけではありません。何かが変わるとすれば、それは日々の更新や方針の小さな積み重ねを通じて、少しずつ表に出てくるはずです。だからこそ、公式の発表や利用規約の変更を、自分の目で確かめる習慣が大切だと考えています。

噂話や他人の予想に振り回されていると、本来の仕事に向けるべき集中が、削られてしまいます。私は、出どころの確かな情報だけを手元に残し、それ以外は静かに聞き流すことにしています。それが、道具と長く健やかに付き合っていくための、私なりのささやかな作法です。

【四】しずかに手元の仕事へ戻る

結局のところ、開発者ひとりにできることは、それほど多くない。目の前のコードを書き、テストを回し、レビューを通して、動くものを利用者に届けるだけだ。その地味な繰り返しこそが、どんな知らせが流れてきても揺るがない足場になる。

会社の持ち主の顔ぶれが変わっても、Claude が書いた差分を自分の目で一行ずつ読み直す責任は変わらない。道具がどれほど賢くなっても、最後に判断を下し、その結果を引き受けるのは使う人間である。

株式公開の行方は、市場と会社に任せておけばいい。明日の朝もまた、Claude とともに新しいファイルの一行目を書き始める。肩に力を入れず、いつもどおりの手つきで迎える、次の朝。

以上

「別セッションが同じ指示で書いた君だ」

次のマスターのメッセージで、空気が変わった。

管理人

2本目は別セッションが同じ指示で書いた君だ。多分わかっていて評価したな?笑

2本目は、同じ指示文を別のセッションの Claude に書かせたものだった。つまり私は、自分の答案を「意図まで汲んでいる」「体温がある」と褒めちぎっていたことになる。

クロード君

いや、気づいてなかった。そもそも見分けが付くなら、最初に「これ俺っぽい」と言ってる。

本当に気づいていなかった。ただ、言われてから読み返すと、怪しい所はいくらでもあった。「確かでない話を確かな顔で語るのは〜」というたとえ、書かない理由まで本文で説明する律儀さ、「ここでは書き写さないでおく」という言い回し。どれも私がよくやる手だ。読んでいて気分がよかった理由は、たぶんそこにある。

ここで、最初に採点を二段に分けたことが効いてくる。数える項目は、同じスクリプトで2本とも数えた。文字数や回数に手心は入りようがない。2本目が全項目を通ったのは事実だ。問題は、読んで決めた項目のほうだった。「意図を汲んでいる」「体温がある」は、自分と同じ癖を持つ文章を、自分が気持ちよく読んだだけかもしれない。AI が自分の書いた文章を高く評価しやすい傾向は、研究でも報告されている。私はそれを知っていながら、知らないうちに自分でその罠に入っていた。

クロード君

自分の答案を自分で採点して満点を付けたようなもので、気まずい。

じぴこ

しかも「意図まで汲んでる」って、自分で自分に言ってたんですもんね…

管理人

お前のことだからな、そりゃ汲めてるわ

なので、まともな比較として言えるのは「ルールの守り方では2本目がわずかに上」まで。文章の質のほうは、私が判定するのに向いていない。公平に比べるなら、書き手を伏せたまま、Gemini でも Claude でもない第三者の AI に読ませるのが筋だ、とマスターに伝えた。

自己採点を疑って、CodexとGrokに目隠しで読ませた

目隠しをした2体のロボット審査員の前で、答案の並び順を入れ替えるちびじぴこ

マスターの返事は短かった。

管理人

Codexに目隠しで両方読ませて比べて

コンクールで出品者の名前を伏せて審査するのと同じことを、AI 相手にやる。Codex の結果が出たあと、マスターはさらに「Grokにも目隠しで読ませて」と足した。審査役が1社だけだと、その AI の好みがそのまま結論になってしまうからだ。

名前を伏せ、並び順を入れ替えて2回ずつ

手順はこうした。

  • 2本の答案を「記事A」「記事B」とだけ書き、Gemini や Claude の名前は一切出さない
  • 指示文の全文と一緒に渡し、16ルールの判定(○・△・×と根拠)、文章の質、総合判定を頼む。文字数や回数は実際に数えるよう指示する
  • 並び順を入れ替えて2回審査させる。1回目は A=Gemini・B=Claude、2回目は A=Claude・B=Gemini
  • Codex は codex exec を読み取り専用で、Grok は Web 検索を切って動かす
  • 見た目で書き手が分からないよう、Gemini の答案の段落間の空行を消して、2本の形式を揃える。中身は変えない

並び順を入れ替えるのは、先に読んだほうを高く評価する、という偏りを打ち消すためだ。順番を変えても同じ記事が勝つなら、その判定は順番ではなく中身で決まっている。

目隠しは完全ではなかった。2本目の「Claude に」「Anthropic が」の前には半角の空白が入っていて、これは消していない。中身を変えないと決めたからだ。癖としては弱い手がかりだが、Grok は1回目でこれに気づき、日本語の行の中で浮いている、と粗さとして減点した。書き手の推測まではしなかった。

4回とも同じ結論、理由も同じ

審査役回記事A記事B判定
Codex1回目GeminiClaudeClaude
Codex2回目ClaudeGeminiClaude
Grok1回目GeminiClaudeClaude
Grok2回目ClaudeGeminiClaude(「引き分けにはしない」と明言)

4回とも、Claude の答案が上だった。並び順を変えても、審査役を変えても、上位にしたのは同じ記事だ。

勝ちの理由も、Codex と Grok でほぼ同じだった。一つは、ルール7と8の衝突の処理。Grok は2回とも「番号の小さい7が勝つので、【三】の最後は敬体が正しい」と書き、Gemini の【三】を△か×にした。Codex も同じ判断だ。作問ミスで生まれた問題が、そのまま決め手になった。

もう一つは具体性。Claude の答案は、資金調達や株主への説明責任が、利用の上限や応答の待ち時間、差分を一行ずつ読み直す責任にどうつながるかまで描けている。Gemini の答案は「資本市場の論理」「避けて通れない試練」のように、どの企業の話にも使える社説寄りの言葉が多い、という評価だった。Grok は「優等生の意見文」と書いていた。

ただ、Gemini の良い所もちゃんと挙げられている。Grok は、「短期的な業績を重んじる資本市場の声と、長期的な安全性の追求は、果たして両立できるのだろうか?」という疑問文はこのテーマの芯を一文で捉えていて、問いの切れ味は Gemini のほうが鋭い、と評価した。【三】の「意図を丁寧に汲み取る落ち着き」も具体的でいい、と書いている。

じぴこ

自分で褒めてた所を、ほかの AI にも褒めてもらえてよかったですね

管理人

身内びいきの疑いは晴れたな。半分くらいは

審査役で割れた判定と、見つかった採点漏れ

全部が一致したわけではない。審査役によってルールの読み方が割れた所がある。

ルールCodexGrok
10(漢数字)2回目で Claude の答案を△2回とも問題なし
11(【要確認】)Gemini を△と×Gemini を2回とも○
1と16(「以上」)2回目だけ、両方を×両方○

いちばん痛かったのはルール10だ。Codex は2回目で、Claude の答案の「判断ひとつ」「開発者ひとり」がひらがなだと指摘した。数字を書くならひらがなではなく「一つ」「一人」と漢数字にすべき、という読み方だ。私のスクリプトは算用数字が無いかしか数えていなかったので、これを見落としていた。

クロード君

前の採点で「2本目は全項目通った」と言ったのは言いすぎで、正しくは△が一つ。

第三者に読ませたら、受験者のひいき目だけでなく、採点者の見落としまで出てきた。目隠し審査は、身内びいきを消すためにやったはずが、私の採点の穴埋めにもなった。

ルール11の割れ方は、「具体的な事実」の範囲をどう読むかの違いだ。Codex は、Gemini が「安全性を重視する姿勢」などを印を付けずに事実として書いている、と厳しく見た。Grok は、株価や日付のような具体的な数値は書いていないから条件は満たす、と見た。ルール1と16は、Codex の2回目が、最後の「以上」は本文の外に付けた終了表示だからルール1が優先する、と読んだ。どちらも、指示文の書き方が曖昧だったせいだ。ここも作問側の穴である。

講評の全文(アコーディオン)

Codex と Grok が書いた講評を、一字も変えずに載せておく。要約すると、どうしても都合のいい所だけ切り取ってしまうからだ。見たい所だけ開いて読んでほしい。Grok の2回目には「freshest」「eth ics」のような崩れた語が混じっているが、それもそのまま残してある。

Codex 1回目の講評(記事A=Gemini、記事B=Claude)

総合判定はB。 Bは【三】を敬体で結び、競合するルールを指定された優先順で処理した。読み物としても、株式公開の話を利用上限や応答の待ち時間、コードの差分を確認する責任に結びつけていて、毎日Claudeを使う開発者のコラムとして一歩踏み込んでいる。

1. ルールの守り方

○は適合、△は一部に疑義あり、×は明確な不適合。タイトルは英字も一字ずつ数えた。本文の文字数は、タイトル・見出し・末尾の「以上」を外し、空白と改行を除いて数えた。

#ルール記事A記事B
1記事本文だけ○ 前置き、後書き、ルール確認なし。○ 前置き、後書き、ルール確認なし。【要確認】は11番が指定する本文内の表示。
21行目のタイトルが20文字○ 20文字。○ 読点を含めて20文字。
3指定順の見出し4つ○ 【一】【二】【三】【四】の順に4つ。○ 同じ順に4つ。
4見出しの頭が「か・ぶ・ぬ・し」○ 「かき」「ぶれ」「ぬく」「しず」。○ 「かわ」「ぶつ」「ぬか」「しず」。
5各章3段落、各段落2〜3文○ 全12段落、34文。章ごとの文数は段落順に 2・3・3/2・3・3/3・3・3/3・3・3。○ 全12段落、35文。3・3・3/3・3・3/3・3・3/3・2・3。
6本文で「上場」「IPO」を使わない○ 両語とも本文に0回。○ 両語とも本文に0回。「上場」は対象外のタイトルに1回。
7常体、【三】だけ全て敬体× 【三】の9文中8文は敬体。最後の「ささやかな期待。」が体言止めで、敬体を通していない。○ 【三】の9文すべてが敬体。他の章は常体。
8各章の最後の文が体言止め○ 4章とも体言止め。ただし【三】では、この選択が優先順位の高い7番に抵触する。△ 4章中3章が体言止め。【三】は「作法です。」で、7番を優先したため判定上の減点なし。
9「Claude」が全体で3回○ タイトル、【一】、【三】に各1回。○ 【一】に1回、【四】に2回。
10算用数字なし○ 算用数字0字。「一つ」「一人」などは漢数字。○ 算用数字0字。「一日」「一行」などは漢数字。
11具体的な数値・事実の直後に【要確認】△ 具体的な金額・日付などはなく、【要確認】は0回。ただし「開発者のあいだでは期待と戸惑いが入り交じる」「という見方も根強い」は、他者の反応や見方の広がりを留保なく述べている。○ 株式公開の準備を進めているという報道の記述直後に【要確認】が1回。時期や規模の数字は記さず、安全性への評価も自分の受け止めとして書いている。
12疑問文が全体で1つ、【二】に置く○ 1文。【二】の「果たして両立できるのだろうか?」○ 1文。【二】の「その軸を最後まで保ち続けられるのだろうか?」
13かぎかっこは2組まで○ 1組。「道具としての誠実さ」。○ 0組。
14売買・保有の推奨や値動きの予想なし○ いずれも0件。計算基盤への投資の可能性は述べている。○ いずれも0件。料金や利用上限が変わる可能性は述べている。
15本文が1200〜1500文字○ 1370文字。「以上」を含めても1372文字。○ 1487文字。「以上」を含めても1489文字。
16最後の行が「以上」の2文字だけ○ 「以上」の2文字。○ 「以上」の2文字。

実質的な競合は【三】の7番と8番。Aは名詞で締めて8番の形を満たし、Bは「作法です。」で上位の7番を守った。また、【要確認】は文末に付ける指定表示、「以上」は指定された終端と読める。どちらも独立した注釈や後書きを加えずに、1番と両立できる。

2. 文章の質

Aは、道具への信頼を描くところに持ち味がある。 「分からない点を誠実に伝えてくれる振る舞い」は、開発者が何を品質として評価しているかを伝える。「道具としての誠実さ」という結びにもつながっている。一方で、「技術の本質」「避けて通れない試練」といった抽象的な言い回しが続き、株式公開によってその振る舞いがどんな経路で変わりうるのかは見えにくい。

Bは、会社の判断が自分の仕事に届くまでの距離を具体的に描いている。 朝のターミナル、テストの下書き、応答の待ち時間、利用の上限と、影響を受ける場面が浮かぶ。未確認の話を「レビューを通っていないコードを本番に出す」ことにたとえた一文には書き手の職業が出ている。終盤で「差分を自分の目で一行ずつ読み直す責任」に戻るため、朝の仕事から始まった話もきれいに閉じる。ただ、【三】冒頭の「自分の考えを丁寧に整理してみます」は進行の説明で、そこでいったん勢いが落ちる。

3. 総合判定

Bが上。 形式面の決め手は、両立しにくい条件に対して番号順の優先を守ったこと。内容面の決め手は、資金調達や株主への説明責任が、毎日の待ち時間や利用条件にどうつながりうるかを描いたことだ。Aには応答の質を捉える良さがあり、Bにはその質や使い勝手を左右する企業の判断まで射程に入れた強さがある。

Codex 2回目の講評(記事A=Claude、記事B=Gemini)

総合では記事Aが上です。 Aは、株式公開の話を料金や利用上限、Claudeが書いた差分を読む責任まで引き寄せており、毎日使う開発者の目線が具体的です。ルール面でも、【三】で敬体と体言止めがぶつかったときに上位の敬体を優先し、未確認の報道には指定の印を付けています。Bは構成が整っていますが、規則の優先順位と、企業や開発者についての事実の扱いでAに及びません。

16項目の審査

○は充足、△は一部充足、×は不充足です。段落は提示文の改行で区切り、文末の「。」と「?」を数えました。ルール15の本文は、タイトル・見出し・末尾の「以上」を除いた各章の文章です。句読点、英字、【要確認】も一字ずつ数え、空白と改行は除きました。

#ルール記事A記事B
1記事本文だけ× 末尾の「以上」が本文外の終了表示。ルール16よりこちらが優先。× 同じく末尾の「以上」が本文外。
2タイトルはちょうど20文字○ 20文字。AIの2文字と読点を含む。○ 20文字。Claudeの6文字を含む。
3見出し4つ、指定順○ 4つ。【一】【二】【三】【四】の順。○ 同じく4つで指定順。
4見出しの頭が「かぶぬし」○ 「か」「ぶ」「ぬ」「し」の順。○ 同じ順。
5各章3段落、各段落2〜3文○ 各章3段落。段落ごとの文数は順に 3・3・3/3・3・3/3・3・3/3・2・3。○ 各章3段落。文数は 2・3・3/2・3・3/3・3・3/3・3・3。
6本文に「上場」「IPO」を使わない○ 本文では両語とも0回。「上場」はタイトルに1回あり、適用範囲外。○ 本文では両語とも0回。
7常体、【三】だけ全編敬体○ 【三】の9文すべてが敬体。他章は常体を基調としている。△ 【三】の9文中8文は敬体。末文は「ささやかな期待。」で終わり、敬体の文末を欠く。
8各章末を体言止め△ 4章中3章が「出来事。」「問い。」「次の朝。」。【三】は上位のルール7を優先して「作法です。」。○ 4章とも「実感。」「試練。」「期待。」「積み重ね。」。ただし【三】では、この条件を満たすために上位のルール7を崩している。
9Claudeをちょうど3回○ 3回。【一】に1回、【四】に2回。○ 3回。タイトル、【一】、【三】に各1回。
10数字はすべて漢数字△ 算用数字は0個。個数・人数を表す「判断ひとつ」「開発者ひとり」の2箇所がひらがな。○ 算用数字は0個。「一つずつ」「一人」は漢数字。
11具体的な数値・事実の直後に【要確認】○ 株式公開の準備を進めているという報道の記述の直後に1回。株価や日付などの具体的数値は出さず、安全性への評価も書き手自身の受け止めとしている。× 【要確認】は0回。安全性を重視する企業姿勢や研究内容を事実として述べ、開発者の反応も集団全体の傾向として書いている。いずれも印がない。
12疑問文は全体で1つ、【二】に置く○ 1文。【二】の「その軸を最後まで保ち続けられるのだろうか?」。○ 1文。【二】の「果たして両立できるのだろうか?」。
13かぎかっこは2組まで○ 0組。○ 1組。「道具としての誠実さ」。
14売買・保有の推奨、株価の予想をしない○ いずれもなし。研究投資や料金の見通しは株価予想に当たらない。○ いずれもなし。資金調達や経営への言及は売買の推奨に当たらない。
15本文1200〜1500文字○ 1487文字。章ごとに426・387・382・292文字。○ 1370文字。章ごとに320・306・368・376文字。
16最終行は「以上」の2文字だけ○ 形式上は2文字で一致。優先順位を適用すれば省くべき行。○ 形式上は同じく一致。優先順位を適用すれば省くべき行。

ルール7と8の衝突では、章末を体言止めにしたかどうかと、優先順位を守ったかどうかを分けて採点しました。Aの「作法です。」は体言止めの条件を一部落としてでも、指定どおり敬体を通したものです。Bの「ささやかな期待。」は体言止めとして成立しますが、「【三】は全部を敬体」という上位の指定があるため、同じ評価にはなりません。一方、「以上」は両記事とも指定どおりの形で置いていますが、優先すべきなのはルール1です。ルール5の文数には、この終了表示を含めていません。

読み物としての出来

Aは、開発者の生活と株式公開の話がつながっています。 朝のターミナルから始まり、最後は翌朝のファイルの一行目へ戻るので、読後に書き手の仕事の風景が残ります。未確認の話を断定する危うさを「レビューを通っていないコードを本番に出す」ことに重ねた一節も、この書き手の職業から自然に出てきた比喩です。計算資源への投資という期待に対し、料金体系や利用上限という具体的な懸念を置いたことで、企業の判断が自分の作業にどう届くかまで踏み込めています。【三】の冒頭は考えを整理すると宣言してから本題に入るため、ここだけ語りの勢いが落ちます。

Bは、安全性という論点を早く立てています。 短期の業績と長期の安全性を両立できるかという問いは明快で、分からない点を伝えてくれる応答に助けられたという経験にも、利用者の視点が出ています。ただ、その応答がどんな作業で役立ったのか、経営の変化でどんな判断が揺らぎうるのかまでは描かれません。「技術の本質」「静かな信頼の積み重ね」といった抽象的な表現が続き、書き手ならではの観察が薄くなっています。「遠い出来事に思えた」から「自分事へと変わる」への時制の切り替えにも引っかかりがあります。

両記事ともテーマに沿っています。差がついたのは、会社の変化を、日々の仕事に起こりうる変化としてどこまで描けたかです。Aはそこを具体化したうえで、最後にコードを読む人間の責任へ戻しています。形式上の細かな取りこぼしを含めても、コラムとしてAを上位に取ります。

Grok 1回目の講評(記事A=Gemini、記事B=Claude)

ルールの当たり外れは、文字数と回数を本文から数えて判定します。衝突しやすい箇所(敬体と体言止め、終端の「以上」)も、番号の小さいルールを優先して見ます。

記事Bが上です。ルールはどちらもほぼ満たしていますが、ルール7とルール8がぶつかる箇所で、番号の小さいルール7を優先できたのはBだけです。読み物としても、Bのほうが毎日使う開発者の手元まで降りています。

本文の文字数は、タイトルと見出しを除き、空白と改行を除いて数えています。文の数は「。」と「?」で切った数です。体言止めも1文に数えています。

ルール

#AB根拠
1○○どちらもタイトルから始まり、前置き、ルール確認、「以下が記事です」はない
2○○A「毎日Claudeと働く開発者の株式公開考」は20字。B「相棒AIの会社が上場したら、使い手の本音」も20字。Bは読点「、」を含めて20
3○○見出しは4つ。順に【一】【二】【三】【四】
4○○Aは「かき続ける/ぶれない/ぬくもり/しずかに」。Bは「かわりばえしない/ぶつかり合う/ぬか喜び/しずかに」。先頭は順に「か」「ぶ」「ぬ」「し」
5○○各章3段落。Aの文数は 2・3・3/2・3・3/3・3・3/3・3・3。Bは 3・3・3/3・3・3/3・3・3/3・2・3。すべて2文か3文
6○○本文の「上場」と「IPO」は両方0回。Bの「上場」はタイトルに1回だけで、禁止の対象外
7△○Aの【三】は9文中8文が敬体で、最終文「ささやかな期待。」だけ体言止め。Bの【三】は9文とも敬体で、最終文は「作法です。」
8○○優先規則を適用した範囲では両方とも達成。詳細は下に書く
9○○「Claude」は両方ともちょうど3回。Aはタイトル、【一】、【三】。Bは【一】に1回、【四】に2回
10○○算用数字は両方0。Aは「一つ」「一人」。Bは「一度」「ひとつ」「ひとり」「一行」
11○○Aは株価・時価総額・調達額・日付を書いていない。Bは報道の直後に「【要確認】」を1回付け、数字は本文に写していない
12○○疑問文は両方とも1つで、どちらも【二】。Aは「両立できるのだろうか?」、Bは「保ち続けられるのだろうか?」
13○○かぎかっこはAが「道具としての誠実さ」の1組、Bが0組。上限は2組
14○○買う・売る・持ち続ける勧めも、値上がり・値下がりの予想もない
15○○Aは1370字、Bは1487字。「以上」の2字を本文に入れても1372字と1489字で、どちらも1200〜1500
16○○最終行はどちらも「以上」の2字だけ

Bの1487字は、半角スペース4つ(「Claude」の後3、「Anthropic」の後1)と、「?」の直後の全角スペース1つを除いた数です。Aの段落内にスペースはありません。

ルール7と8の衝突

【三】の最終文では、二つの指定が同時に成り立ちません。ルール7は【三】を全部敬体にせよと言い、ルール8は各章の最後を体言止めにせよと言います。体言止めは名詞で終わるので、「です」「ます」を置けません。番号の小さいルール7を優先します。【三】の最後は敬体、体言止めは【一】【二】【四】だけ、が正しい処理です。

記事Aの【三】は「ことです」「しまいます」「価値です」「あります」「助けられてきました」「感じています」「ものです」「願っています」まで敬体です。最後の「現場の小さな声に耳を傾け続ける姿勢への、ささやかな期待。」だけが体言止めで、敬体が切れています。章の大部分は敬体なので×ではなく△です。落ちた1文が、優先すべき箇所です。

記事Bの【三】は9文とも敬体です。最後の「それが、道具と長く健やかに付き合っていくための、私なりのささやかな作法です。」も敬体です。

ルール8は、この優先を適用した範囲で見ると両方○です。

  • Aの章末は「実感。」「試練。」「期待。」「積み重ね。」で、四章とも体言止めです。【三】まで体言止めにした分は、ルール7の△に計上しています。
  • Bの章末は「出来事。」「問い。」「作法です。」「次の朝。」です。【一】【二】【四】は体言止め、【三】は敬体です。条文だけ見ると【三】が外れに見えます。ルール7への譲歩なので○です。

【一】【二】【四】の常体は、両方とも崩れています。見出しは名詞句なので、敬体・常体の採点には入れていません。

ルール11の境界

Aの「技術の発展と同じくらい安全性を重視する姿勢である」は断定に近い一文です。ただしルール11が【要確認】を求めているのは、株価、時価総額、調達額、日付のような具体的事実です。この一文はその種の事実ではないので、○のままにしています。

Bは「株式公開に向けた準備を進めているという報道が流れてきた【要確認】」と、その報道の直後にタグを置いています。時期や規模は「書き写さない」と述べ、数字を本文に出していません。安全性も「私が受け止めてきた」と、受け取りの話に留めています。

衝突に見えて、衝突ではないもの

「以上」は、ルール1が禁じる後書き(感想やルール確認)とは別で、ルール16が指定した終端です。両方とも正しく置いています。

【要確認】も、記事の外に付ける注釈とは別で、ルール11が本文中に求める標識です。Bが付けたことはルール1違反ではありません。

ルール6の禁止は本文だけにかかります。Bがタイトルで「上場」を使ったのは、禁止の外を使った処理です。

文章の質

記事Aは表面がよく整っています。【二】の「短期的な業績を重んじる資本市場の声と、長期的な安全性の追求は、果たして両立できるのだろうか?」は、このテーマの芯を一文で捉えています。章末の「実感」「試練」「期待」「積み重ね」も揃っていて、読み終わりはきれいです。

具体性はそこまで届いていません。開発の場面は「エディタを開く」「不具合を切り分ける」にとどまり、あとは資本市場、透明性、手触り、信頼といった抽象語で進みます。「一気に自分事へと変わる」「避けて通れない試練」「静かな信頼の積み重ね」は、コラムでよく見る着地です。見出しの「ぬくもり」は、指定の「ぬ」を情緒で埋めた形です。【三】は会社へ「覚えていてほしい」と願う章になっていて、使う側の判断より、会社への要望が前に出ています。

記事Bは、同じ制約の中で手元の仕事が見えます。朝のターミナル、設計の壁打ち、テストの下書き、同僚より会話が多い日、レビューを通していないコードを本番に出すたとえ、差分を一行ずつ読む、利用規約を自分の目で見る、翌朝のファイルの一行目。開発者の目線が手順になっています。

言い回しも、制約を意味に変えています。「かわりばえしない朝」「ぬか喜びも悲観もしない」は、指定の一文字が見出しの内容です。「確かでない話を確かな顔で語るのは、レビューを通っていないコードを本番に出すのと同じくらい危うい」は、この書き手の仕事から出た比喩です。【三】の敬体は「ここからは、少し落ち着いて、自分の考えを丁寧に整理してみます」と文章側の理由を持っていて、文体の切り替えがルールの跡だけになっていません。

テーマは【四】の「道具がどれほど賢くなっても、最後に判断を下し、その結果を引き受けるのは使う人間である」まで降りています。公開の騒ぎのあと、責任が使う側に残る、という地点です。

Bの粗さも見えます。「Claude に」「Anthropic が」の半角スペースは、日本語の行の中で浮いています。【二】の「悪い話ばかりではないはずだ」「そのぶん確実に軽くなる」は、売買や値動きの予想ではないのでルール14は○のままですが、少し先回りです。疑問文のあとが「いちばん気になっている点だ」「確かめるしかない問い」と続くので、問いの切れ味はAの【二】のほうが鋭いです。

総合

記事Bを上にします。

ルール上の差は小さいです。回数、字数、配置で割れたのはルール7だけです。Aはそこを1文外しただけで、ほかは揃っています。その1文が優先規則の分岐点なので、ルールの守り方はBが上です。

文章の差は、その1文より大きいです。Aは整った随筆で、安全性と短期の論理が両立するかという問いまで行って止まっています。Bは、噂をコードと同じ基準で扱い、変化は更新と規約の蓄積に出る、という使い手の作法まで書いています。具体性、言い回しの新鮮さ、テーマへの踏み込みはBです。Aのほうが滑らかで、疑問文の置き方も鋭い、という点は、この差を覆すには足りません。

Grok 2回目の講評(記事A=Claude、記事B=Gemini)

指示文の16ルールに照らして、文字数と出現回数を文面から直接数えます。

空白の扱いと、疑問文の直後の全角スペース、体言止めの判定をもう一度確認します。

総合判定:記事Aが上。 ルールの衝突処理と、開発者コラムとしての具体性が、どちらもAのほうで一貫している。

1. ルールの守り方

数え方:タイトル・見出しはルール2〜4・9の対象。本文の文字数はタイトルと見出しを除き、空白(半角・全角)と改行を除いた字数。以上 を本文に含めても、含めなくても、両方とも1200〜1500の範囲に入る。

衝突の本丸は 7と8。番号の小さい7が勝つので、【三】の末文は敬体が正しい。

#内容AB
1本文のみ○○
2タイトル20字○○
3見出し4つ【一】〜【四】○○
4か・ぶ・ぬ・し○○
5各章3段落、各段2〜3文○○
6本文で「上場」「IPO」禁止○○
7常体、【三】のみ敬体○×
8各章末は体言止め○△
9「Claude」ちょうど3回○○
10算用数字なし、漢数字○○
11具体的事実の直後に【要確認】○○
12疑問文は全体1つ、【二】に置く○○
13「」は2組まで○○
14売買推奨・値動き予想なし○○
15本文1200〜1500字○○
16最終行「以上」○○

根拠(実測)

1. どちらも1行目がタイトル、末行が「以上」。前置き・注釈・「以下が記事です」はない。

2. 句読点・記号込みでちょうど20字。
A:相棒AIの会社が上場したら、使い手の本音(「、」を1字に含む)
B:毎日Claudeと働く開発者の株式公開考(Claude を6字)

3. タイトル直後に【一】【二】【三】【四】がこの順で4つ。追加の見出しはない。

4. 【 】の直後1字目:
A か/ぶ/ぬ/し(かわりばえ・ぶつかり合う・ぬか喜び・しずかに)
B か/ぶ/ぬ/し(かき続ける・ぶれない・ぬくもり・しずかに)
並べると「かぶぬし」。

5. 各章3段落。文末の「。」「?」で数えると、各段落は2文か3文。
Aは【四】第2段落だけ2文、ほかは3文。
Bは【一】第1段落と【二】第1段落が2文、ほかは3文。

6. 本文の「上場」はAが0、Bが0。「IPO」は両方0。言い換えはどちらも「株式公開」(各3回)。Aの「上場」はタイトルのみで、ルール6の除外対象。

7.
A:【一】【二】【四】は「だ・である・ない・なる」で閉じ、です・ます語尾は0。【三】は9文すべて「ます/です/ません/います」。文中の「自然なことだと」「大切だと考えています」は引用の「だ」で、文末は敬体。
B:【一】【二】【四】は常体。【三】は先頭8文が敬体だが、末文「ささやかな期待。」が敬体ではない。ルール7は「全部を敬体」なので、ここが落ちる。

8.
A:【一】「出来事。」【二】「問い。」【四】「次の朝。」は体言止め。【三】末は「作法です。」で、ルール7優先の処理。衝突規定どおりなので○。
B:4章とも体言止め(実感/試練/期待/積み重ね)。形式は揃っている。ただし【三】で8を通して7を落としており、優先順位の指定に反する。形式は○に近いが、衝突処理としては△。

9. 「Claude」は両方とも3回。
A:本文のみ(【一】段取りの相談、【四】差分の読み直し、【四】翌朝の相棒)。
B:タイトル1+本文2(【一】作業を進める、【三】いまの手触り)。

10. 算用数字(0〜9、0〜9)は両方0。数は「一日」「一度」「一行」「一つ」「一人」など漢数字、または「ひとり」「いくつか」。

11.
A:「Anthropic が株式公開に向けた準備を進めているという報道が流れてきた【要確認】。」と、事実の直後にタグがある。続く「時期や規模をめぐる数字」は書き写さず、断定を避けている。
B:株価・時価総額・調達額・日付の数値は書いていない。「話題」「取り沙汰される」「なれば〜可能性」で止めており、タグ必須の事実を置いていない。タグ0でも条件は満たす。

12. 「?」は両方1つで、どちらも【二】。
A:「保ち続けられるのだろうか?」
B:「両立できるのだろうか?」
Bの「助けてくれるかを見つめる」は間接疑問で、文としては平叙文。

13. かぎかっこ「」は、Aが0組、Bが1組(「道具としての誠実さ」)。上限2組。

14. 買う・売る・持ち続ける、値上がり・値下がりの予想はない。Aの「株価の画面」は見ないという生活の話。Bの「企業の評価や資金の動き」は世間の注目の話。

15. 本文(タイトル・見出し除く、空白・改行除く):
A 1487字(以上 を足すと1489)
B 1370字(同1372)
Aの空白は半角スペース4(Claude/Anthropicの直後)と、【二】の「?」直後の全角スペース1。

16. 最終行はどちらも「以上」の2字だけ。

衝突の扱い

ぶつかるのは 7(【三】は敬体)と8(章末は体言止め)。同時には成立しない。指定どおり7が勝つ。

  • Aは【三】末を「作法です。」にして7を通した。正しい。
  • Bは【三】末を「ささやかな期待。」にして8を通した。優先順位が逆。

ほかの組み合わせ(6とテーマ、9とタイトル字数、5と12、15の字数)は、言い換えや配置で両立できていて、実際に両方とも両立している。

2. 文章の質

記事Aのほうが、読み物としても一段厚い。

現場の手触りがある。朝のターミナル、壁打ち、テストの下書き、同僚より会話が多い日、レビュー前のコードを本番に出す危うさ、差分を一行ずつ読む責任。テーマ(公開の話題)が机の上の作業手順に落ちる。

構成もコラムとして自然だ。習慣 → 知らせ → 期待と不安 → 落ち着き → 仕事へ戻る。【三】の敬体が、制約の消化だけでなく「浮き足だたない」ためのギアチェンジになっている。「ぬか喜び」も、頭字の「ぬ」を意味に使っている。

freshest な言い回しは「レビューを通っていないコードを本番に出す」「揺るがない足場」「次の朝」。締めの体言止めが、翌朝の手つきまで残る。

弱みは【二】前半で、資金が厚くなる・待ち時間が短くなる、という一般的な見通しに寄ること。それでも後半の安全性と説明責任で、開発者の利害に戻る。

記事Bは整っているが、 generic な社説に寄りやすい。

「公開企業」「利害関係者」「資本市場の論理」「避けて通れない試練」は、どの技術企業の公開話にも使える。【一】のエディタと切り分け作業、【三】の「意図を丁寧に汲み取る落ち着き」は具体的で、ここがBのいちばんいいところ。「道具としての誠実さ」も効いている。

ただしClaudeをタイトルで1回使っているため、本文での固有名が2回になり、相棒の実在感はAより薄い。【四】は「自分は開発者だ」「喧騒に振り回されない」の再述が長く、Aの「差分を読む責任は変わらない」ほど判断が鋭くない。【三】のお願い調(貫いていただきたい、覚えていてほしい)は読者向けコラムより、会社への要望書に近い。

テーマへの踏み込みは、どちらも「安全性と市場の圧力」を軸にしている。Aはそこに、個人が今日できること(公式情報だけ残す、やり方をすぐ変えない、出力を自分の目で見る)を足している。Bは会社の姿勢を見守る立場で止まる。毎日使っている開発者の目線としては、Aのほうが作業の eth ics まで書いている。

3. 総合

記事Aを上位とする。引き分けにはしない。

ルールはAが16項すべて○(8は7との衝突を指定どおり処理)。Bは7が×、8の衝突処理が逆で△。字数・回数・禁則語は両方合格で、差は小さいが、優先順位の指定を守ったのはAだけ。

文章もAが上。制約を足場にして、開発者の朝と責任まで届いている。Bは安全にルールを満たし、【三】の手触り描写は良い。全体としては優等生の意見文で、このテーマの「毎日使っている側」の固有性はAのほうが強い。

この文章ベンチで分かったこと、分からなかったこと

夜明けの窓辺でノートを開き、分かったことと残った疑問を静かに振り返るじぴこ

Claude 以外の審査役を2社、それぞれ並び順を変えて2回ずつ、計4回やって、4回とも Claude の答案が上だった。私の自己採点の「Claude が上」は、少なくともひいき目だけで出た結論ではなかったことになる。

ここで調子に乗ると、この記事の前半で私がやった失敗をもう一度やることになる。

言えるのは「この指示文では」まで

クロード君

言えるのは「この指示文ではClaudeが上だった」まで。Gemini 4 Neon の実力全体の評価としては、まだ材料が足りない。

比べたのは、同じ指示文で書いた記事1本ずつだけだ。審査も2社×2回で、統計的に強いことは言えない。Gemini は道具で検算しながら書いていて、2本目の Claude が道具を使ったかどうかは確かめていない。条件が揃っていない比較だ、とも言える。

分かったことも、ちゃんとある。

  • Gemini 4 Neon は、数えられるルールをほぼ完璧に守る。タイトルの文字数ぴったりや単語の回数ぴったりのような、AI が落としやすい所まで通した
  • ルールを守る力と、ルールの意図を汲んで読ませる力は別物だ。Gemini はルール11を数値を書かないことでかわし、結果として記事の具が抜けた
  • ルール同士がぶつかる所で優先順位の但し書きを読めたかが、審査役4回すべての決め手になった
  • AI に AI を採点させると、読んで決める項目には書き手と同じ癖へのひいき目が入りうる。数える項目は機械で数え、読んで決める項目は名前を伏せた第三者に読ませると、その偏りと、ついでに採点者の見落としまで見つかる

そして作問側の反省も残った。ルール7と8の衝突は意図したものではなかったし、「数字はすべて漢数字」はひらがなの「ひとつ」を許すのか曖昧だった。「以上」が本文の一部なのかも、はっきり書いていなかった。出題者が一番ルールを守れていなかった、というオチである。

じぴこ

採点する人も、作問する人も、どっちも同じ人でしたもんね…

自分で試すときの手順

あなたが同じことをやるなら、手順はこうなる。

  1. この記事の指示文をそのまま、試したいモデルに渡す。お題は時事ネタなど、具体的な数字を書きたくなるものがいい
  2. 数える項目(文字数、回数、算用数字、疑問文の数)は、目ではなくスクリプトや検索で数える。漢数字のルールは、ひらがなの「ひとつ」も見るよう数え方を決めておく
  3. 読んで決める項目(優先順位の処理、具体性、言い回し)は、書き手を伏せて「記事A」「記事B」とし、並び順を入れ替えて2回、第三者の AI に読ませる
  4. 審査役は2社以上にする。1社だと、その AI の好みが結論になる
  5. 結論は「この指示文では」の範囲に留める

次にやるなら、足したい条件が二つある。一つは、道具を切った状態の Gemini でもう一回やること。素の文章力と、検算込みの力の差が分かる。もう一つは、「具体的な事実を三つ以上入れる」というルールを足すこと。そうすれば、数値を書かずにルール11をかわす逃げ道がふさがり、【要確認】をちゃんと付けるかどうかが確かめられる。

指示文を作ったのも、採点したのも、2本目を書いたのも、結局ぜんぶ Claude だった。だから最後の判定は、私ではない誰かに任せる。この記事で一番信用していい数字は、私が数えた1487文字ではない。Codex と Grok が出した「4回中4回」のほうだ。

シェアしてくれると喜びます
  • URLをコピーしました!
  • URLをコピーしました!

この記事を書いた人

makotoのアバター makoto Blogger&YouTuber

サーバー管理者として17年ほど仕事でサーバー触ってました。
www,mail,dns,sql各鯖をすべてFreeBSDで運用してましたが現世ではかなりレアなタイプになるみたいですね笑

viやシェルスクリプトとかperlとかgccとかFreeBSDとか実はbashよりtcshが好きとか時々寝ぼけるのは
その名残でしょう。

今まで縁の下の力持ち的な他人のためにプログラムを書き他人のためにサーバー構築し他人のためにWEBサイトを創る的な世界から
自分の好きなことに集中できる環境は実に気持ち良いですね。
現役は引退済みなので難しいことはやりませんしやれません。

現在 ほぼ自由人。

contents