Claude・Codex・Geminiを使い分ける方法

TL;DR

構想や認知ドリフトの管理はClaude、収束型の実装や大量処理はCodex、音声・動画の分析はGemini Flashに割り当てるのが基本である。計画をClaude、実装をCodex、最終確認を再びClaudeに任せると、各モデルの特性を組み合わせられる。

Transcript

おすです。本日はですね、クロードの サブスクだけじゃなくてコーデックス やジェミデビンといった、ま、いろんな サービスをね、僕は契約していて、え、 そのモデルの使い分みたいなところを今日 の動画でやっていきたいなという風に思っ ております。最近ジェミライティングの 部分とかでね、使うといいですよっていう 話題になってたりだとか、ま、今日 ちょっと動画でも紹介するんですけど、ま 、動画分析、音声分析とか、ま、そういっ たところでもね、使えたりだとか非常に 使い勝手が良くて、ま、結構デリゲート ジェミニみたいな形でですね、呼び出し てることも多いんですけれども、ま、そう いう話であったりだとか、あとはね、え、 今コスパケを追っていくんやったらどれが いいんだって言うとね、え、結構デビンが 良かっ... Read More

Key Insights

• ClaudeのFableは、個別作業よりも作業全体の組み立てやメタ操作を担わせる用途で、話者が最も信頼しているモデルである。少ない情報から意図を察し、探索方針を定める場面にも向くと評価されている。
• 認知ドリフト対策は、大量のコンテキストを処理するほど重要になる。処理量を増やしても会話や作業の方向がずれればトークンを浪費するため、ずれを検出して元の目的へ戻す監督役が必要である。
• Codexは、計画済みの仕事を成果へ収束させる実装、大量の処理、サブエージェントによる抜け漏れ確認に向くと評価されている。特にUIをワンショットで作る場面では、話者はOpusより好むことがある。
• ClaudeとCodexの併用は、Claudeで計画し、Codexで実装し、Claudeで最終確認する配置が基本案である。両者の間で方針をすり合わせることで、メタ操作と具体的なコーディングを分担できる。
• Gemini Flashは、音声や動画を直接入力できる点が主要な選定理由である。映像の改善点、音声内の言い間違い、文字起こしで調整すべき箇所など、テキスト以外を含む確認作業に利用されている。
• マルチエージェント運用は、単一モデルの優劣を決めるより、複数モデルにレビューや案の生成を担当させる方式である。話者は複数案をブラインドで選択し、その結果から次の作業を進める方法も用いている。
• 推論エフォートは、モデル名だけでなく消費量と抜け漏れのバランスで決める必要がある。話者はFableを基本ミディアム、難題ではハイかXハイ、OpusとAstraは主にハイ以上で運用している。
• 低コストモデルは、性能を一部妥協して実験や日常的な自動化を大量に処理する用途に位置付けられる。話者はDevin SWE2、Command Code、DeepSeek、Muse Sparkを候補に挙げつつ、品質差への注意も促している。
• 🎬 このチャンネルの他の動画:
  • BeadsでAIエージェントのタスクを管理する方法
  • GPT-5.5は実務で何が進化したのか？
  • Grok 4.7は低コスト開発に使えるか？
• 📺 このチャンネル: まさおAIじっくり解説ch

Questions & Answers

Q: Claude・Codex・Geminiを使い分ける方法は？

構想、作業設計、認知ドリフトの管理にはClaude、具体的な実装や大量処理にはCodex、音声や動画を含む分析にはGemini Flashを割り当てるのが基本である。話者の運用では、Claudeで計画し、Codexで実装し、再びClaudeで抜け漏れと方向性を確認する。

Q: なぜメタ操作にはClaudeが向いているのですか？

Claudeは、作業そのものへの細かな指示ではなく、仕事の組み立てや探索方針を考えさせる用途で使いやすいと話者は評価している。特に、情報が少ない状態から意図を察することや、大量のコンテキスト内で話のずれを見つけて戻すことが選定理由である。

Q: ClaudeとCodexを開発工程に配置する方法は？

最初の計画と作業分解をClaudeに担当させ、各作業の実装をCodexに渡し、最後のレビューをClaudeに戻す方法が提案されている。Codexには収束方向の実装と量を任せ、Claudeには全体目的との整合、抜け漏れ、認知ドリフトの確認を担当させる。

Q: Codexはどのような作業に向いていますか？

Codexは、方針が定まった後の実装、大量の処理、サブエージェントとしての抜け漏れ確認、複数モデルによるレビューに向くとされる。話者は、難しいタスクやUIをワンショットで作る場面でも利用し、Opusとは異なるモデルの癖を引き出したい場合に選んでいる。

Q: Gemini Flashを使うべき作業は何ですか？

Gemini Flashを優先すべきなのは、音声や動画を直接入力して内容を確認する作業である。動画内の改善点を評価する、音声の言い間違いを探す、文字起こしで調整すべき部分を特定するといった用途が挙げられ、テキスト生成では簡潔な表現も評価されている。

Q: Geminiをエージェントとして安全に使う方法は？

Geminiを自律的に動かす場合は、Claudeを監督役に置き、エージェント間の認識のずれを確認させる方法が示されている。話者は、Geminiにコンテキストを渡して文章を作らせた後、Fableにレビューと修正を担当させ、元の意図との不一致を抑えている。

Q: AIモデルの推論エフォートはどう設定しますか？

話者の基準では、Fableは通常ミディアムを選び、難しい課題ではハイまたはXハイへ上げる。Xハイは利用枠を大きく消費するため注意が必要である。Opusはミディアムだと抜けを感じるためハイ以上、Astraも速度を踏まえてハイやXハイを選ぶことが多い。

Q: 低コストで大量のAI作業を処理する方法は？

実験や日常的な自動化では、Devin SWE2、Command Code、DeepSeek、Muse Sparkなどを使い、ClaudeやCodexの利用量を節約する方法がある。話者は現状のコスト効率ではDevin SWE2を有力視する一方、Command CodeやMuse Sparkでは性能面の妥協が必要な場合があると述べている。

Q: マルチエージェントレビューを行う方法は？

複数のモデルに同じ成果物を確認させ、それぞれの指摘や生成案を比較して次の作業へ進める。話者はOpus、Codex、Astra、Gemini Flashなどをレビュー役として組み合わせ、複数案を作ったうえで出所を伏せて選ぶ方法も使い、単一モデルへの依存を避けている。

Q: 認知ドリフトを抑える方法は？

大量の作業を始める前に全体目的と判断基準を監督役へ保持させ、途中の出力が元の意図からずれていないか継続的に確認する。話者はこの役割を主にFableへ任せ、別モデルが生成や実装を担当する場合も、認識のずれをClaudeに検査させている。

Summary & Key Takeaways

• モデル選定では、単純な性能比較よりも仕事の方向を区別する。発散やメタ操作、作業設計、大量コンテキストからの意図把握にはClaudeのFableを置き、具体的な指示に沿って成果へ収束させる実装や大量処理にはCodexやAstraを使う。話のずれを検出して戻す認知ドリフト対策も、Claudeを主軸にする理由とされている。

• 実務上の基本構成は、Claudeで計画を作り、Codexで個別の実装を進め、最後にClaudeで抜け漏れや方向性を確認する流れである。難しい案件ではOpus、Astra、Codexなどをレビュー役として加え、複数案をブラインドで比較する。Fableは通常ミディアム、難題ではハイやXハイ、OpusとAstraはハイ以上を使うという運用例が示されている。

• Gemini Flashの明確な役割は、テキストだけでなく音声や動画を直接入力して分析することである。映像上の修正点、音声の言い間違い、文字起こしの調整箇所を確認できる一方、エージェントとして自律実行させる際は認識のずれを警戒し、Claudeに監督させる。低コストで量を処理する候補にはDevin SWE2、Command Code、DeepSeek、Muse Sparkも挙げられる。