
【最大1万円】共犯者になって記事を書こう。KOTAYA式note分析を、AIモデルを変えて比べてみた
はじめに

共犯者になって、記事を書いて、最大1万円もらおう!

共犯者は、メンバーシップ「KOTAYAの共犯者」の会員のこと。
その紹介キャンペーンで、紹介記事を1本書くと、
抽選で最大1万円分のチップが贈られる。
この記事も、その紹介記事のひとつだ。
詳しくは、「この記事の目的」に書いた。
この記事の目的
この記事の目的は、これだ。
「1万円ほしい!」

私は、こちゃのメンバーシップ
「KOTAYAの共犯者」の共犯者だ。
KOTAYA式マニュアルは、自分で購入して使っている。
メンバーシップは、こちら。
そのメンバーシップで、いま
紹介キャンペーンをやっている。
メンバーシップ「KOTAYAの共犯者」に加入して、
記事を1本書くだけで、
最大1万円もらえる可能性がある。
紹介記事を書いた共犯者の中から、
抽選で、チップ(note の投げ銭)が贈られる企画だ
(大賞は5,000円。第4班が満席になると、2倍の1万円)。
この記事は、その紹介記事のひとつとして書いている。
キャンペーンの条件は、後半に書いた。
キャンペーンの話だけ読みたい人は、
目次から
「いま共犯者になると、チップがもらえるチャンス」
の見出しまで飛ぶとわかりやすい。
もう一度言う。
共犯者になって
記事を1本書いて
抽選で1万円を当てよう
よし、この記事の役目はこれで9割完了だ。
残りは壮大なオマケである。
前提
こちゃのKOTAYA式note分析マニュアル を、
自分のワークスペースに取り込んで使っている。
分析したいアカウントの URL を渡すと、
記事も数字もコメント欄も、
AI が全部読んで、
レポートまで作成する仕組みだ。
使い込むうちに、
ひとつ気になることが出てきた。
どの AI モデルで回すと、
どれくらい速く、いくらで終わるのか。
同じ分析を、推論モデルだけ変えて走らせて、
かかった時間と、トークン数と、
コストの目安を測定した。
この記事は、その記録だ。

このレポートについて
先に、前提を書いておく。
この記事は、マニュアルの
使用レビューではない。
「どのモデルで回すと、どう変わるか」を調べた、
使い方の研究だ。
TL;DR
いちばん速いのは Terra(11分48秒)、
いちばん安いのは Luna($0.37)。
ただし、Luna は、いちばん遅かった(36分11秒)。
時間の差は、AI が考えて書く時間で決まった。
note からの取得(約7分)は、どのモデルでも同じOpus と Sonnet は、ほぼ同じ時間(25分前後)で、
コストは Opus が約1.3倍
レポートの中身の読み比べは、後半に書いた。
ベンチの設計
何を走らせたか

走らせたのは、
1アカウント分の分析を、最初から最後まで。
記事の取得から、集計、レポートの文章、
図解の画像、HTML のレポートの組み立てまでを、
1本の流れとして任せている。
マニュアルの配布物そのままではなく、
自分のワークスペースに取り込んだ版だ。
その中に、マニュアルの本体にあたる
分析スキルの実行範囲に揃えたモードを用意して、
それを使った。
分析の対象は、kotaya_log。
記事は157本あった(分析時点)。
この記事に出すのは、
かかった時間・トークン数・コストの目安。
各モデルが作ったレポートそのものは、
サイトにまとめて置いた。
記事の最後に、リンクを貼っておく。
比べたモデル

並びは、モデルの格が高い順にして、
同じモデルの中では、
推論の強さが高い順にした。
Claude Opus 5.5(Claude Code)・中
Claude Sonnet 5.5(Claude Code)・中
GPT-6.1-Sol(Codex CLI)・高(参考)
GPT-6.1-Sol(Codex CLI)・中
GPT-6.1 Terra(Codex CLI)・中
GPT-6-Luna(Codex CLI)・極高
推論の強さは、基本は「中」にそろえた。
ChatGPT アプリの「軽・中・高・極高」でいう、
「中」にあたる設定だ。
例外が2つある。
Luna は、「極高」だけで走らせた。
世の中の評判で、
「Luna は、強さを極高にすれば、
安く、実用的に使える」
という声を見かけたので、試してみた。
Sol は、参考として「高」でも走らせた。
ChatGPT アプリの既定が「高」なので、
その設定でも足してみた。
ただし、動かすのは Codex CLI で、
ChatGPT アプリそのものではない。
条件をそろえる

速度の比較でいちばん怖いのは、
モデル以外の理由で時間が変わること。
だから、次のようにそろえた。
毎回、空のディレクトリから始める。
前の実行のデータは使わず、
note から全部取り直す同じプロンプトを、全モデルに渡す
推論の強さは、基本は「中」にそろえる
(Luna の極高と、参考の Sol(高)だけ別枠)1本ずつ順番に走らせる。並列にはしない
作業用のファイルは、
決まった場所だけに置かせる計測用のファイルは、
モデルから見えない場所に置く
note からの取得は、
note-api-client という、
自作の HTTP サーバを通している。
note.com へのアクセスは、
全部このサーバ経由だ。
間隔を空ける制御(スロットル)は、
スクリプト側ではなく、
このサーバ側で一括してかけている。
だから、取得にかかる時間は、
モデルが変わってもほぼ同じになるはずだ。
画像生成は、全モデルとも
Codex の画像生成の機能を使う。
Claude 系は、Codex を別に呼び出して作らせる。
GPT 系は、Codex に内蔵されたツールを直接使う。
ハングの扱い
画像生成は Codex に任せていて、
ここはモデルの外で起きるトラブルがありえる。
実際に、1つの実行で、
画像生成が約11分も応答しないまま止まった。
こうなると、モデルの速さとは関係なく、
全体の時間が伸びてしまう。

そこで、画像生成が300秒以上かかったものを
「ハング」とみなして、
その間にモデルがただ待っていた時間を、
別に出すことにした。
ハング中に、モデルが別の作業をしていた時間は、
引かない。
全体の時間からハング待ちを引いたものを、
ハング除外の全体時間として、
並べて比べる。
画像生成にかかった時間からも、
ハングした呼び出しは除く。
ハングしたものを止めて、
やり直したあとの、本当の生成時間は残す。
(通常の画像は、1枚あたり40〜150秒だった)
何を測ったか
全体の時間(スタートからゴールまでの実時間)
AI が考えて書いている時間
ツールの実行を待っている時間
note からの取得にかかった実時間
(取得したファイルが出た時刻から。全モデル共通)取得をツールとして待った時間
(待つ間に別の作業を進めると、短くなる)画像生成にかかった実時間
(同時に走らせた分は、重なりを除く。
ハングした呼び出しも除く)ハングで待った時間(別に出す)
出力したトークン数
(サブエージェントを使った場合は、その分も合算)コストの目安
(API の料金で換算した仮想の金額)
時間の内訳は、実行のログから出した。
ログには、モデルの返事とツールの結果が、
届いた時刻つきで残っている。
隣り合うイベントの間を、
「モデルが考えている時間」か
「ツールの結果を待った時間」に分けて、
活動の種類ごとに足し上げた。
全部足すと、全体の時間にぴったり合う作りになっている。
結果
全体の時間
まず、いちばん大事な2つから。
ハング除外の全体時間と、
コストの目安だ。
詳しい内訳は、そのあとにまとめた。

Claude Opus 5.5(中): ハング除外 24分59秒(全体 24分59秒)
Claude Sonnet 5.5(中): ハング除外 25分43秒(全体 33分48秒)
GPT-6.1-Sol(高・参考): ハング除外 24分12秒(全体 24分12秒)
GPT-6.1-Sol(中): ハング除外 17分49秒(全体 17分49秒)
GPT-6.1 Terra(中): ハング除外 11分48秒(全体 11分48秒)
GPT-6-Luna(極高): ハング除外 36分11秒(全体 36分11秒)
ハング除外の順位は、速い順に、
Terra(11分48秒)、Sol(中)(17分49秒)、
Sol(高)(24分12秒)、Opus(24分59秒)、
Sonnet(25分43秒)、Luna(36分11秒)。
速い順の上位3つは、GPT 系だった。
最速と最遅の差は、約3倍。

コストの目安は、最安の Luna と最高の Opus で、
約19倍の差があった。
時間の差が出たのは、
AI が考えて書く時間だ。
Terra が9分41秒、Luna が33分47秒で、
約3.5倍違った。
ハングを除いて、土台をそろえると
ハングを除いても、順位は変わらなかった。
変わったのは、差の大きさだ。
Opus と Sonnet の差は、
ハング込みでは約8分50秒
(24分59秒と33分48秒)だった。
ハングを除くと、約44秒
(24分59秒と25分43秒)に縮んだ。
ハングがあったのは、
Sonnet の1回だけ。
画像生成の2本が、約11分止まって、
そのあいだ、モデルがただ待った時間が
8分05秒あった。
ほかの5つの実行には、ハングはなかった。
コストの目安
ここで出すコストは、
API の料金表で換算した、仮想の金額だ。
Claude は、Claude Code が
使ったトークン数から計算した値を、そのまま使った。
Codex は、実行ログのトークン数
(入力・キャッシュ・出力)を、
OpenAI の API 料金表に当てはめて換算した。
使った料金表は、OpenAI の開発者向けドキュメントの
「API Pricing」ページの Standard(2026年11月3日時点)。
一度の依頼が長い場合は単価が上がる料金があるが、
Codex のログは実行全体の合計しか持たないので、
安いほうの単価で計算している。
そのため、実際より少し低めに出ているはずだ。
サブスクで使っている場合、
この金額がそのまま請求されるわけではない。
実際の負担は、プランの利用枠の消費で決まる。
だから、金額の大小よりも、
モデルどうしの比として見るのがよい。

なお、図解の画像生成にかかった分は、
どのモデルの金額にも含めていない。
サブエージェントを使ったモデルは、
その分のトークンも含めて換算している。
メインの記録だけを見ると、
その分が抜けて、安く見えてしまうからだ。
Opus(中): $7.10
Sonnet(中): $5.46
Sol(高・参考): $3.39
Sol(中): $2.62
Terra(中): $1.46
Luna(極高): $0.37
最高の Opus は、最安の Luna の約19倍。
Claude 系の2つは、GPT 系より高めに出た。
Sol は、中から高にすると、
約30%増えた($2.62 から $3.39)。
入力は、どのモデルも、
ほとんどがキャッシュ(同じ文脈の読み直し)だった。
キャッシュの割合は、97〜99%。
入力(キャッシュを含む)と、出力は、こうだった。
Opus: 入力 約1,450万、出力 約9.5万
Sonnet: 入力 約2,460万、出力 約16万
Sol(高): 入力 約2,090万、出力 約7.6万
Sol(中): 入力 約1,640万、出力 約5.4万
Terra: 入力 約2,070万、出力 約4.9万
Luna: 入力 約2,200万、出力 約18万
出力が多かったのは Luna と Sonnet。
少なかったのは Terra。
時間の内訳

全体の時間のいちばん大きな部分は、
AI が考えて書く時間だった。
Opus: 14分41秒
Sonnet: 18分36秒
Sol(高): 22分48秒
Sol(中): 14分24秒
Terra: 9分41秒
Luna: 33分47秒
Luna は、全体の 93% が、この時間だった。
取得や画像生成は、この時間と重なる部分があるので、
足し算にはならない。
取得の時間は、モデルでほとんど変わらない

note からの取得は、
157記事分の本文・コメント・
スキ・記事の詳細で、
リクエストが700回以上になる。
サーバ側で間隔を空けているので、
ここはモデルの速さに関係なく、
数分かかる。
取得したファイルが出てきた時刻から、
取得にかかった実時間を比べると、
5つの実行は約7分(6分57秒〜7分30秒)で、
ほぼそろった。
Opus: 7分13秒
Sonnet: 7分06秒
Sol(中): 7分04秒
Terra: 7分30秒
Luna: 6分57秒
Sol(高・参考): 9分44秒
参考の Sol(高)だけ、マガジンの取得が遅く、
約3分半かかった。
スクリプトに待ちは入れておらず、
エラーもなかったので、理由は分からない。
違いが出たのは、その間に、
ただ待ったのか、別の作業を進めたのかだ。
取得を、ツールとして待った時間は、
Opus が約7分20秒、Sol(中)が約2分50秒、
Terra が約1分30秒、Sonnet が約1分、
Sol(高)が約45秒、Luna が約40秒と、
大きく違った。
この差は、
取得が速い遅いではなく、段取りの差だ。
待ち方が違っても、全体はあまり変わらなかった
取得を待った時間が長い Opus と、
待たずに別の作業を進めた Sonnet を、
比べてみる。
節目の時刻(開始からの秒数)は、こうだった。
Opus: 取得が終わったのが599秒。
終了までは、そこから900秒Sonnet: 取得が終わったのが460秒。
終了までは、そこから1,083秒(ハング除外)
Sonnet は、取得を139秒早く終えた。
待つあいだに、ほかの作業を進めたからだ。
ただし、取得が終わったあとの作業は、
Sonnet のほうが約180秒長かった。
ターン数は、Opus が98、Sonnet が140
出力したトークンは、Opus が約9.5万、
Sonnet が約16.2万Research の本文は、Opus が約28KB、
Sonnet が約57KB
早く取得を終えた分を、
あとの作業の多さで使い切った形だ。
結果として、全体の時間は、
ハング除外で、ほぼ同じになった。
どちらも1回ずつの結果なので、
この差は、偶然かもしれない。
Sonnet が長く書いたことが、
質の高さにつながったかは、
後半の「出来上がったレポートの評価」で見る。
画像生成は、いちばん重い処理か

レポートに入れる図解は、5枚と OGP カバー。
これを作る時間が、
全体のどれくらいを占めたか。
画像生成の実時間は、
ハングを除いて、同時に走らせた分の重なりも除くと、
こうだった(かっこは、全体に占める割合)。
Opus: 3分45秒(15%)
Sonnet: 4分02秒(16%)
Sol(高): 7分29秒(31%)
Sol(中): 6分08秒(34%)
Terra: 4分51秒(41%)
Luna: 9分11秒(25%)
時間の長さでは、Luna がいちばん長かった。
割合では、全体が短い Terra が、4割を占めた。
ただし、どのモデルでも、
AI が考えて書く時間のほうが長かった。
画像生成が「いちばん重い」とは、言えなかった。
画像を作るのは Codex 側なので、
ここもモデルの差は出にくい部分のはず。
ただし、GPT 系は、内蔵ツールで作るので、
実行ログには出てこない。
そこで、Codex が別に残している
セッションの記録から、
画像生成の呼び出しと完了の時刻を拾って、
GPT 系の画像生成の時間も出した。
ただ、何枚作るか、何度やり直すか、
順番に作るか、同時に作るかは、
モデルが自分で判断している。
作った図解は、表紙と5枚に、ヒーロー背景。
ヒーロー背景は、Sol(中)と Terra は作らなかった。
最初の図解は、どのモデルも同時に作らせた。
Claude 系は、Codex の別プロセスを同時に呼び出し、
GPT 系は、サブエージェントに分担させた。
品質のためにやり直した回数は、こうだった。

Opus: 1回
(コミュニティマップの3位のアイコンを差し替え)Sonnet: 1回
(キーワード脳内マップのタイトルの、余計な記号)Sol(高): 4回
(月別グロースを、5つの版まで作り直した)Sol(中): 2回
(月別グロースの、数字ラベルと重なりの修正)Terra: 2回
(月別グロースの修正と、4位のアイコンの差し替え)Luna: なし
Luna は、やり直しの代わりに、
コミュニティマップの前に、
アバターだけの参照パネルを、先に作っていた。
Sol(高)は、月別グロースの数字ラベルを、
元データと1つずつ照合していた。
そして、7月のコメント数が「422」でなく
「222」と誤記されているのを見つけて、直した。
コミュニティマップは、
参照画像が5枚までという制限があるため、
Sol(高)は、2回に分けて作っていた。
なお、スクリプトが即座に失敗して、
同じ内容で再実行したものが、
Terra と Luna に、3回ずつあった。
これは、やり直しには数えていない。
なお、Sonnet の実行では、
Codex 側の画像生成が約11分止まった。
モデルの違いではなく、Codex 側の問題だ。
この分は「ハングの扱い」のとおり、
全体の時間からも、画像生成の時間からも、
別に出して、引いて比べている。
各モデル1回ずつの結果なので、
こういう偶然の影響を受けている。
「考えている時間」の違い
ここに、モデルの差がいちばん出た。

AI が考えて書く時間は、
Terra(9分41秒)から Luna(33分47秒)まで、
約3.5倍の開きがあった。
Luna は、推論に、出力の約半分(51%)を使っていた。
極高にした影響が大きいとみられる。
Sol は、高にすると、この時間が
14分24秒から22分48秒へ、約6割増えた。
出力トークンは、
Luna(約18万)と Sonnet(約16万)が多く、
Terra(約4.9万)が少なかった。
1秒あたりの速さ(出力トークン ÷ 時間)は、
次のとおり。
Claude は、API の時間あたり。
Opus が約103、Sonnet が約137Codex は、AI が考えて書く区間あたり(粗い値)。
Terra が約85、Luna が約90、
Sol(中)が約63、Sol(高)が約55
Claude と Codex は、測り方が違うので、
直接は比べられない。
モデルごとの段取り
数字には出ない、
仕事の進め方の違いも書いておく。
ログに残っている行動と、
モデル自身のコメントから、まとめた。


記事は全部で157本。
うち、有料が42本、
価格0円のメンバー限定が14本、
公開の無料が101本ある。
モデルごとに、どこまで本文を保存したかも
書いておく。

なお、Claude Code にも
サブエージェントの仕組みはあって、
今回の2モデルも、使える状態だった。
ただし、どちらも使わなかった。
並列にしたいところは、
Bash を裏で走らせる方法と、
Codex の別プロセスを同時に呼ぶ方法で、
やっていた。
Claude Opus 5.5

取得は完了を待った
(約5分。そのあいだ、ほかの作業はなし)取得が終わってから、各スキルの手順を読んで、
1つずつ「次は〜に進むね」と順番に進めたResearch を書き上げてから、図解に入った
画像は、図解6枚とヒーロー背景の
7枚を同時に生成して、
待つあいだに HTML を組んだできた画像を1枚ずつ目で確認して、
コミュニティマップは、3位のアイコンが
実物と違っていたので、
その1枚だけ作り直した最後に、パソコン幅とスマホ幅で表示を確認して、
狭い画面のレイアウトを直した本文は全157本を取得して、
有料42本と、メンバー限定14本も、
全文を残したままだった
Claude Sonnet 5.5

取得は裏で走らせて、
待つ間にほかのスキルの手順を読んだ次の段(記事詳細の取得)を、
前の段が終わったら自動で走るように仕込んだ本文は全157本を取得したあとで、
有料記事の全文が入っていると
自分で気づいて、スタブに置き換えた
(ルールに
「有料記事の本文を残さない」とあったため)置き換えたのは、有料42本と、
メンバー限定14本(約1KBのスタブ)。
無料101本は、全文のまま勝ちパターンは、タイトルからの推測ではなく、
上位の記事を本文まで読んで確かめたレポートを書いたあと、
数値を元データと突き合わせて、
誤りを何か所か直した画像は6枚を同時に生成して、
04番は、タイトルの余計な記号を
直すために作り直したヒーロー背景の画像を、自分の判断で追加した
そして、実行の途中で、
画像生成の2本が、
約11分も応答しないまま止まった。
自分で気づいて、
自分が起動した分だけを止めて、
1回だけやり直している。
GPT-6.1-Sol・高(参考)

取得を進めながら、「価格0円の115本のうち、
14本は限定公開」と気づいて、
公開の無料101本だけを、本文の対象にした有料42本と、メンバー限定14本の本文は、
取得しなかった(Sol(中)と同じ)図解の生成は、5つのサブエージェントに分担
(中は3つ)。画像生成の呼び出しも多く、
18回(中は12回)だった固定表示のゲーム記事を通読して、
「過去の10月18日の受付が残っている」ことを見つけ、
最優先の改善点に挙げた最後に、パソコン幅とスマホ幅の表示、
リンクと画像、ボタンの開閉まで確認した
固定表示の記事の本文を確かめたら、
10月18日の締め切りが5か所に残っていて、
事実だった。
Opus・Sonnet が見つけたものとは別の、
本物の指摘だ。
GPT-6.1-Sol・中

最初に、スキルとルールを読んで、
「図解には imagegen、
表紙には og-cover-maker を使う」と、
方針を先に宣言した本文・コメント・スキの取得を進めながら、
表紙の画像を並行して作った「価格0円でも、メンバー限定の記事がある」
と気づいて、文字数と頻出語は、
公開の無料記事だけで集計した本文は、公開の無料記事の101本だけを取得
有料42本と、メンバー限定14本は、
そもそも取得しなかった図解の生成は、3つのサブエージェントに
分けて、並行して作らせたそのあいだ、本体は HTML の組み立てと検証を進めた
表示は、パソコン幅(1440px)と
スマホ幅(390px)で確認して、
ボタンや付録の動作も見た頼んでいない、HTML と画像だけを入れた
共有用の ZIP も、自分から作った画像生成は、Codex に
内蔵されたツールを使った
(表紙は本体が、図解はサブエージェントが作った)
GPT-6.1 Terra

取得を始めた時点で、
有料記事の本文は、保存の対象から外した「会員限定など、価格だけでは見分けられない
記事がある」と書いて、公開の状態を確かめてから
無料と有料の内訳を扱ったただ、本文を取得したのは115本。
無料101本に加えて、価格0円のメンバー限定14本は、
全文を保存した
(有料42本は、取得していない)取得が終わる前から、
できる図解(カテゴリ)と表紙を先に作り始めた図解は、集計が確定してから数字を入れて、
画像の中の値も照合すると宣言した図解の生成は、6つのサブエージェントに
分けて、並行して作らせた最後に、パソコン幅とスマホ幅の表示と、
画像の欠けを確認した
GPT-6-Luna(極高)

取得を走らせたまま、待たずに、
スキルの手順の読み込みを進めた
(取得を待った時間は、約40秒)「同じ内容を何度も取りに行かない」と宣言して、
取得したデータを使い回す構成にした記事の内訳を「無料115本・有料42本」と数えた。
価格0円のメンバー限定14本も、無料に入れていた本文は115本(無料101本と、
メンバー限定14本)を保存。
有料42本は、取得していない図解の生成は、
5つのサブエージェントに分担した。
画像生成の呼び出しは11回で、
うち1回は、42秒かかってから失敗したコミュニティマップでは、本番の前に、
2人のアバターだけの参照パネルを、
別に作ってから生成した考える量が多く、出力の約 51% が推論だった。
全体の時間の93%が、AI が考えて書く時間だった
推論の強さを上げると
同じ Sol を、「中」と「高」で走らせて比べた。
全体の時間: 17分49秒 → 24分12秒(約36%増)
コストの目安: $2.62 → $3.39(約30%増)
出力トークン: 54,024 → 75,861(約40%増)
推論に使った割合: 出力の11% → 19%
サブエージェント: 3つ → 5つ
時間もコストもトークンも、
3〜4割ほど増えた。
そのかわり、レポートの中身には、
いくつか良い変化が出た。
「やらないこと」を、書くようになった
パーセントの小数表記は、
35か所から4か所に減った本文を読んで見つけた、
具体的な指摘が出てきた

Luna を「極高」にした場合は、
出力の約半分(51%)が推論だった。
時間は6つの設定のなかで最長だったが、
コストの目安は最安のままだった。
「強さを上げる」ことの効き方は、
モデルによって、かなり違う。
どちらも1回ずつの結果なので、
断定はできない。
画像の依頼のしかたと、できた画像

図解は、どのモデルも、
画像生成にプロンプトを渡して作らせている。
そのプロンプトと、できた画像も、並べて比較した。
プロンプトの長さ
基本スタッツの図解で、
プロンプトの文字数を比べると、こうなった。
Opus: 約1,000字
Sonnet: 約2,200字
Sol(高): 約2,700字
Sol(中): 約1,600字
Terra: 約500字
Luna: 約2,200字
ほかの図解も含めて見ると、
Opus は約800〜1,800字、
Sonnet は約850〜3,500字、
Sol(高)は約1,100〜5,900字(いちばん長い)、
Sol(中)は約700〜2,700字、
Terra は約500〜1,800字、
Luna は約600〜2,400字だった。
(修正の指示のような、短いものは除く)

書き方にも、モデルごとの癖が出た。
Opus: 箇条書きで、短くまとめた
Sonnet: 全部の図に共通する雰囲気の指定を作り、
図ごとの指定を足していたSol(高): いちばん長く、最大で約5,900字。
作り直しの回数も、いちばん多かったTerra: 日本語で、1段落にまとめた。
ほかのモデルは、英語が中心だったLuna: 「縦長 4:5 のポスター」と、
形を先に指定していた
プロンプトの中身は、
表に載せる数字と、
レイアウトの指定が中心だ。
たとえば Opus は、カードごとに、
ラベルと数字を、そのまま書き込んで渡していた。

できた画像
基本スタッツで比べて、はっきり違ったのは、次の点。
大きさ: 横長の16:9(1672×941)が多かったが、
図ごとに、大きさはばらばらだった。
縦長(1122×1402)は、Luna の基本スタッツだけで、
プロンプトに「縦長 4:5 のポスター」と
書いてあったキャラクター: どのモデルも、
アイコンの黒髪メガネの人物を、
案内役として描いていた本文文字数の数字が、モデルでばらばら
(Opus 390,440字、Sonnet 204,681字、
Sol(高・中)204,603字、Terra 197,578字、
Luna 244,076字)
最後の点は、画像を作るモデルの差ではなく、
分析の段階で、数え方が違ったことの現れだ。

無料記事の数え方(101本か115本か)や、
有料記事の本文を含めるかどうかで、
数字が変わっている。
ほかの図解を見ても、描き方の癖が出た。
月別グロース:
Sol(高)が、いちばん情報が多かった。
棒と2本の線に、数字ラベル、
11月の途中経過の注記まで入っている。
5つの版まで作り直して、数字を照合した成果だ。
Terra は、棒と数字だけにして、すっきり見せた。
Luna は、横向きの棒グラフにした。
Opus は、数字ラベルが少なかったコミュニティマップ: 4位が同点(60回が2人)で、
Opus・Sonnet・Sol・Terra は、
「4位」を2つ並べて表した。
Luna だけは、4位と5位に分けていた。
6〜10位の表は、Opus と Sonnet が小さく、
Terra は文字が大きくて読みやすかった背景の雰囲気: コミュニティマップでは、
Opus と Sonnet が暗い赤、
それ以外は明るいクリーム色だった
数字は、確認できた範囲では、誤りは見つからなかった。
たとえば、上位10人のコメント数や、
10月の受取スキ(2,494)は、全モデルで合っていた。
10位は、実は同点(42回が2人)で、
どのモデルも、同じ1人を選んでいた。
ただし、小さい文字は、
すべてを確認できたわけではない。
興味深かったのは、Sol の高と中だ。
推論の強さを変えても、
できた図解は、同じ系統の絵だった。
クリーム色の地に、濃い赤。
黒髪メガネの案内役。
カードの並べ方も、
基本スタッツとカテゴリ分布では、同じ型だった。

違いは、中身の分け方に出た。
カテゴリは、高が5つ、中が6つ。
脳内マップの島も、高が5つ、中が6つだった。
なお、モデルごとに、図解の数字が少し違うことがある。
総スキが、Sol(高)で16,776、Sol(中)で16,772、
Opus と Sonnet で16,770、
というように。
これは間違いではなく、
走らせた時刻が違い、
その間にスキが増えたためだ。
各モデルは、自分が取得した時点の数字を、
そのまま載せている。
すべての図解の比較は、
サイトのページにまとめた。
(プロンプトの中身は、載せていない)
図解の比較ページは、こちら。
出来上がったレポートの評価
速さだけでは、比べきれない。
レポートの中身も、確認した。
機械的に確かめたこと
章立て: 6つとも、決まっている章が
(メタ情報から実行ロードマップまで)そろっていた数字: 本人以外のコメント数、スキの合計、
10月の投稿数と受取スキ、外部マガジンへの収録数、
返信の中央値など、8項目を取得データと照合した。
6つとも、一致していた引用した記事: 6つとも、
引用した記事のキーは、すべて実在していたHTML: パソコン幅でもスマホ幅でも、
画像が全部出て、横にはみ出さず、エラーもなかった
ルールの守り方には、差が出た。
「やらないこと」:
Opus・Sonnet・Sol(高)・Luna は書いた。
Sol(中)は、ゴールごとに「〜しない」を添える形で、
Terra は書いていなかった根拠ラベルの数
(【実測】【通読】【要確認】の合計):
Sol(中)21、Opus 12、Sol(高)17、Sonnet 9、
Terra 6、Luna 3。
Terra は、本文を読んだことを示す【通読】が0だったパーセントの書き方(ルールは整数):
Sol(中)は35か所、Luna は19か所で小数を使っていた。
Sol(高)は4か所だった

中身を読み比べて
現在地・勝ちパターン・ロードマップを、
読み比べた。ここからは、
筆者の読みだ。
Opus と Sonnet が、同じ点を最優先に挙げていた。
最多スキ(872)の自己紹介記事に、
「共犯者」も「メンバーシップ」も、
一度も出てこないという指摘だ。
この記事は、メンバーシップの開設前に書いたものなので、
出てこないのは当然で、確かめるまでもない。
ただ、いまも最多スキの入口記事に、導線がないことは、
改めて指摘する意味がある。
2モデルとも、記事を読んだ(【通読】)うえで、
当たり前の事実を、最優先の改善点に結びつけていた。
Sol・Terra・Luna は、
この点には、触れていなかった。
Sol(中): 5つのゴールごとに、P0〜P2を書き分けた。
事実と推測を分ける、慎重さが目立ったSol(高): 「固定記事を、
いま参加できる入口へ更新する」と提案していた。
近い方向だが、自己紹介に「共犯者」が
出てこないことまでは、書いていなかったTerra: 短く、一般的な内容にとどまった
Luna: 統計的に慎重で、
「1か月の差だけで、
反応が落ちたとは言えない」と書いた。
そのぶん、最優先が「観測する」になっていた

3つの節だけを、1回ずつの結果で比べた、
筆者の読みだ。
質の高さは、コストとは別に見たほうがいい。
今回は、コストの目安が高かった Claude 系の2つが、
入口記事の導線の抜けを、最優先に挙げていた。
実物は、こちらで見比べられる。
【Opus(中)】
【Sonnet(中)】
【Sol(高・参考)】
【Sol(中)】
【Terra(中)】
【Luna(極高)】
この結果から、使い方をどう変えるか
ベンチの結果を、
日々の使い方に落としてみる。

速さを優先したいとき
Terra(中)が向いている。
ハング除外で11分48秒、
コストの目安も$1.46と、
速さと安さのバランスがよかった。
ただし、レポートは短めで、
一般的な内容にとどまりやすい。
コストを抑えたいとき
いちばん安いのは Luna(極高)で、$0.37だった。
ただし、いちばん遅く、
ハング除外でも36分11秒かかった。
時間を気にしないなら、
Luna は、安く回せる選択肢になる。
時間も気にするなら、
$1.46で約12分の Terra のほうが、
バランスがいい。
レポートの出来を優先したいとき
Opus や Sonnet、
あるいは Sol(高)が向いている。
今回は、Opus と Sonnet が、
最多スキの記事に「共犯者」が出てこない、
という指摘を、最優先に挙げていた。
Sol は、事実と推測を分ける慎重さが目立った。
コストの目安は、Opus が$7.10、
Sonnet が$5.46、Sol(高)が$3.39。
出来を取るなら、このあたりになる。
分析のたびに全部を同じモデルで回さなくても、
場面ごとに使い分ける手もありそうだ。

こういう実験は、共犯者でやると楽しい
今回のような「使い方の実験」は、
ひとりでやっても面白い。
ただ、結果を持ち寄って、
「うちはこうだった」と話せる場所があると、
もっと面白くなる。
私にとって、それが
こちゃのメンバーシップ
「KOTAYAの共犯者」だ。
共犯者には、こんなものがある
(「共犯者のしおり」より)。

Discord「共犯者のアジト」
雑談、note 運用の相談、AI 実験、成果報告などメンバー限定記事
note 運用や収益化、AI 活用、制作の裏側など共犯者限定の質問箱
共犯者が書いた記事を置いていける、
共同マガジン「共犯者のブツ置き場」ツールや商品の共犯者割引
ノベルゲーム「KOTAYAの共犯者」の本編
全部使う必要はなくて、
読むだけでも、必要なものだけでも OK とされている。
いま共犯者になると、チップがもらえるチャンス
「KOTAYAの共犯者」は、いま
紹介キャンペーンをやっている。
共犯者になって、
紹介記事を1本書くだけで、
抽選で最大1万円分のチップがもらえる。

締め切りは、11月8日(日)20:00
(コメント欄に URL を貼った時刻で見る)賞金は、大賞5,000円が1人、
副賞1,500円が3人(チップで贈られる)期間中に第4班が満席になると、
賞金は2倍になる
(大賞10,000円、副賞3,000円が3人)書いた人には、全員に
その人だけの限定 GIF が届く当選者は、11月8日(日)21:00からの
Zoom 抽選会で決まる
(来なくても、当たる確率は同じ)
条件は、3つだけ。
トレイラーの記事を埋め込む
「KOTAYAの共犯者」へのリンクを入れる
企画の記事のコメント欄に、
自分の記事の URL を貼る
参加できるのは、共犯者だけ。
共犯者になるには、こちらから。
企画の詳しい説明は、こちらにある。
現時点の応募状況
企画のコメント欄を集計した。
2026年11月6日18時50分の時点で、
コメント欄に記事の URL を貼った人は、16人
そのうち、条件を満たしていそうな人は、16人
(7人は、これまでの紹介記事として
共犯者のページに載っているので、
URL を貼るだけで対象になる)新しく書かれた9本は、すべて
トレイラーの埋め込みと、
メンバーシップへのリンクが入っていた
当選枠は、大賞1人と副賞3人の、合わせて4つ。
この記事を公開したら、
私もコメント欄に URL を貼りにいく。
そうすると、応募者は17人になるので、
4人分ある枠に対して、まだ人数が少ない。
集計は、コメント欄に貼られた記事を、
こちらで機械的に確認しただけだ。
KOTAYA式マニュアルにも、共犯者向けの特典がある。
販売記事から購入して、
使った感想をコメント欄に書くと、
1,000円のキャッシュバック。
良かった点も、気になった点も、
そのままで OK とされている。対象は、共犯者だけ。
詳しくは、こちらの記事にまとまっている。
ちょうどいま、
ノベルゲーム「KOTAYAの共犯者」の
v2.0 が、11月7日(土)に出る。
新キャラが10人加わり、登場キャラは総勢22人になる。
トレイラーは、こちら。
まとめ
同じ分析でも、モデルを変えると、
かかる時間も、お金も、動き方も
違っていた。
いちばんの発見は、
時間の差は、AI が考えて書く時間で決まる
ということだった。
note からの取得(約7分)は、
どのモデルでも変わらなかった。
速さを取るか、コストの目安を取るか、
それとも、レポートの出来を取るか。
使い方によって、
選ぶモデルは変わると考えられる。
今回のベンチは、
マニュアルがあったから、
同じ条件で何度も回せた。
そして、こういう実験は、
結果を持ち寄れる仲間がいると、さらに楽しい。
気になった人は、
「KOTAYAの共犯者」をのぞいてみてほしい。
各モデルが作ったレポートと、
比較の一覧は、こちらに置いてある。
マニュアルが気になった人は、こちらから。
前に書いた、実践レポートも置いておく。
おわりに
さて、記事を書いたはいいが、
これ、逆に敷居高くしてないか?
邪魔にゃんより邪魔してる気もしてきた。
まぁ、これだけ惚れてるツールだってこと。
みんなは、細かいことを気にせず
共犯者に入って成果だけを
気楽に受け取るといいと思うよ。
Threads では、日々のことを
もう少し気ままに発信している。
よければ見てほしい。

この記事がよかったら、
スキやコメント、フォローで
応援してもらえると嬉しい。
Marie