1 週間のうちに 3 つのモデルがリリースされました。
4 月 16 日: Claude Opus 4.7。
4 月 20 日: Kimi K2.6。
4 月 23 日: GPT-5.5。
ほとんどの人は 1 つを選んで、それで終わりにしました。
それは間違いです。
勝者は 1 つのモデルに忠誠を誓いません。
彼らは各タスクを最適なモデルに自動的にルーティングします。そのために、信じられないほど強力で、実質的に無料か、驚くほど安価な 3 層スタックを使用します。
このセットアップがあれば、1 人で以前は 4 人チームが必要だった仕事をこなせます。
1 つのプロンプトで、4,000 の連携ステップを実行する 300 の並列エージェントを起動できます。
1 週間のセットアップで、あなたのワークフローは永久に変わります。
以下が、3 つすべてを 1 つのシステムとして使用する正確な方法です。
それぞれの正体
Kimi K2.6
4 月 20 日に Moonshot AI がリリース。Modified MIT ライセンスでオープンソース化。API 経由では約 0.60 ～ 0.95 USD / 100 万入力トークンと安価で、同じジョブに対して Claude の約 8 分の 1、GPT-5.5 の約 5 分の 1 のコストです。
重要な数値:
総パラメータ数 1 兆、トークンあたりのアクティブパラメータ数 320 億、コンテキストウィンドウ 256k、応答あたりの最大出力 65,536 トークン。これは Claude や OpenAI のフラッグシップモデルよりも大きいです。
長期的なタスクにおいて、300 のサブエージェントを 4,000 の連携ステップで調整するようにネイティブトレーニングされています。
実世界のテストでは、K2.6 は 13 時間かけて 8 年前の金融マッチングエンジンを自律的に再構築し、12 の最適化戦略と 1,000 以上のツールコールを反復して 4,000 行以上のコードを正確に修正し、中央値スループットを 185%、パフォーマンススループットを 133% 向上させました。
Moonshot の内部チームの 1 つは、これを自律エージェントとして 5 日間連続で実行し、人間の介入なしに監視、インシデント対応、システム運用を管理しました。
ベンチマーク:
SWE-bench Verified で 80.2%。
SWE-bench Pro で 58.6%、GPT-5.5 と同率。
DeepSearchQA で 92.5%。
Terminal-Bench 2.0 で 66.7%。
幻覚率は K2.5 の 65% から 39% に低下し、実質的に Claude Opus 4.7 の 36% と同レベルです。
弱点:
API で画像入力が不可。ツールスキーマのリトライ率が Anthropic や OpenAI よりわずかに高い。純粋な数学ではトップではありません。
Claude Opus 4.7
4 月 16 日にリリース。プロダクションコードの品質、法務・エンタープライズ文書、ビジョンタスク、そしてスピードよりも精度が重要なあらゆるものに最適なモデルです。
SWE-bench Pro では 64.3% でトップ、Kimi や GPT-5.5 より約 6 ポイント高いです。
視覚精度は、解像度が 1.15 メガピクセルから 3.75 メガピクセルにアップグレードされた後、54.5% から 98.5% に跳ね上がりました。
回答を返す前に自分で検証し、あなたよりも先に論理的な欠陥を発見します。
エンタープライズ知識業務では、BigLaw Bench で 90.9% をスコアリング。これまでフロンティアモデルを混乱させてきた法的条項を正確に区別し、ソース情報を扱う際に Opus 4.6 より 21% 少ないエラーを実現しています。
弱点:
3 つの中で最も高価な部類で、100 万トークンあたり 5/25 USD。Web リサーチがわずかに後退しました。
GPT-5.5
4 月 23 日にリリース。数学、BrowseComp で 90.1% の Web リサーチ、そして OSWorld-Verified で 78.7% のコンピューター使用（実際の GUI を自律的に操作）に最適です。
同じタスクを完了するために以前のモデルよりも少ない出力トークンを使用するため、公式価格の 100 万トークンあたり 5/30 USD が示唆するよりも実際には安価です。
長文脈検索では、同じベンチマークで Claude の 32.2% に対して 74.0% に跳ね上がります。これは、大規模なコードベースや非常に長いドキュメントを扱う人にとって重要な違いです。
そして、GPT のスーパーパワーの 1 つは本当に Image 2 です。
正直なところ、これまで見たことがありません。
弱点:
出力の公式コストは 100 万トークンあたり 30 USD。実際のコード品質では Claude に劣り、大規模な作業の価格では Kimi に劣ります。
エージェントスウォーム: Kimi だけが本当にできること
K2.6 は、最大 300 のサブエージェントが 4,000 の連携ステップを同時に実行するようにスケールアップし、K2.5 の制限の 3 倍になります。
各エージェントは並列で専門化されたサブタスクを処理し、コーディネーターが結果を統合し、単一のプロンプトからエンドツーエンドの出力が得られます。
ローンチからの実際の例:
100 のエージェントが 1 つの CV を 100 の求人と比較し、100 のパーソナライズされた履歴書を返しました。
別の実行では、天体物理学の論文を 40 ページ、7,000 ワードの研究出力に変換し、20,000 行のデータセットと 14 のチャートを作成しました。
また、任意の PDF、スプレッドシート、またはドキュメントを再利用可能なスキルに変換できます。
あなたの最高の作品を一度アップロードすれば、スウォームがその構造と品質を将来のすべてのタスクに自動的に複製します。
正直な警告:
非常に複雑で長期的なタスクでは、オーケストレーションは依然として脆弱です。
真に並列化できる作業に Agent Swarm を使用してください:
大規模なリサーチ、バッチ処理、大量生成、大規模な長文作成。
逐次推論、単一ファイルのデバッグ、アーキテクチャの決定には、Opus 4.7 が依然として最良の選択です。
チートコード: 各タスクを適切なモデルにルーティングする
戦略全体はこれです:
あなたはモデルに忠誠を誓いません。
ルーティングするのです。
Kimi K2.6 に任せるもの:
大規模なコーディングタスク、プロンプトや画像からのフロントエンド生成、大規模リサーチのためのエージェントスウォーム、一晩中の自律実行、そして安価かつ大規模に行う必要があるあらゆるもの。
もし必要なのが:
50 の関数の作成、
100 ページのリサーチ、
フルスタックアプリのスキャフォールディング、
または 12 時間の監視なしエージェント実行なら、
Kimi があなたのワーカーです。
Claude Opus 4.7 に任せるもの:
最初から正しくなければならないプロダクションコード、法務文書、エンタープライズワークフロー、ビジョンタスク、デザイン精度に関連するあらゆるもの、そして誤った回答が実際のコストを生むあらゆるもの。
Opus はあなたのシニアエンジニアであり、セーフティネットです。
GPT-5.5 に任せるもの:
数学の問題、大量の Web ブラウジングを必要とするリサーチタスク、コンピューター使用と GUI ナビゲーション、そしてモデルが現在の情報を迅速に見つけて統合する必要があるあらゆるもの。
GPT-5.5 はあなたのリサーチャーであり、コンピューターオペレーターです。
ルーティングの決定には 5 秒かかります。
節約は永続的です。
実際のセットアップ方法
オプション 1: 手動ルーティング（無料、今すぐ使える）
各タスクの前に 3 つの質問。
1/ 大規模なコーディングまたは自律作業？
Kimi。
2/ 完璧なプロダクション、ビジョン、または法務コンテンツ？
Opus 4.7。
3/ 数学、Web リサーチ、またはコンピューターナビゲーション？
GPT-5.5。
タスクあたり 5 秒。
即時のコスト削減。
オプション 2: Claude Code Router
Claude Code インターフェースを使用しながら、OpenRouter 経由でリクエストを Kimi、GPT-5.5、または任意のモデルにルーティングできます。
1 つのインターフェース、3 つの頭脳、自動ルーティング。
オプション 3: CodeRouter
coderouter.io が各 API コールを最適なモデルに自動的にルーティングします。
設定不要。
現在のルーティング:
計画とデバッグには Opus。
実装と大規模生成には Kimi。
数学とリサーチには GPT-5.5。
観察可能な品質変化なしで、月間コストを約 60% 削減します。
🚨 必要なリポジトリ（最も重要な部分）
Kimi K2.6 の場合:
github.com/moonshotai/Kimi-K2
が公式リポジトリです。
重み、vLLM および SGLang のデプロイガイド、API ドキュメント、セルフホスティングまたは統合用のすべての設定。
ここから始めてください。
github.com/chongdashu/cc-kimi-k2-thinking-prompts
は、単一の環境変数を変更するだけで、Claude Code CLI を介して Kimi K2.6 を使用する方法を示しています。
完全な Claude Code エージェントループを、Kimi の頭脳がわずかなコストで実行します。
github.com/dnnyngyen/kimi-agent-internals
には、Base Chat、OK Computer、Docs、Sheets、Slides、Websites を含む Kimi の 6 つのエージェントタイプの抽出されたシステムプロンプト、スキル定義、完全なツールスキーマが含まれています。
Claude Opus 4.7 の場合:
github.com/CheswickDEV/claude-opus-4.7-prompt-optimizer
は、生のプロンプトをプロダクション対応の構造化 XML プロンプトに変換し、Opus 4.7 の特性に特化して最適化されたメタプロンプトです。新しい xhigh 努力レベルと適応的思考レベルに調整されています。
github.com/rohitg00/awesome-claude-design
には、Claude Design 用の美的ファミリー別に整理された DESIGN.md プロンプトが含まれています。Opus 4.7 のビジョントークンは同等のテキストの約 3 倍のコストがかかるため、トークンバジェットレシピも含まれています。
github.com/Piebald-AI/claude-code-system-prompts
には、完全な Claude Code システムプロンプトと、リリースごとに更新された 24 の組み込みツール説明が含まれています。
GPT-5.5 の場合:
github.com/openai/gpt-5-coding-examples
は、単一の GPT-5 プロンプトで完全に構築されたデモアプリケーションを含む公式 OpenAI リポジトリです。
各デモには、それを生成した正確なゼロショットプロンプトが含まれています。
github.com/f/awesome-chatgpt-prompts
は、143k 以上のスターを持つ標準的なプロンプトライブラリであり、3 つのモデルすべてで動作します。
3 つすべてを一緒に使用する場合:
github.com/musistudio/claude-code-router
がすべてを統合します。
1 つのインターフェース、3 つのモデル、自動ルーティング。
github.com/asgeirtj/system_prompts_leaks
には、3 つのモデルすべてのリークされたシステムプロンプトが 1 か所にまとめられているため、各企業がモデルの動作をどのように形成しているかを正確に確認できます。
今すぐインストールすべきプロンプト
3 つのプロンプト。
モデルごとに 1 つ。
アクセス可能な場所に保存し、任意のセッションの開始時に貼り付けるか、永続的なシステムプロンプトとしてインストールしてください。
Kimi K2.6 での大規模作業とエージェント用:
Claude Opus 4.7 でのプロダクション作業用:
GPT-5.5 でのリサーチとコンピューター使用用:
このスタックで今日できる実際のこと
1 回のセッションで完全な SaaS を構築する。
製品、スタック、機能を Kimi に説明します。
実行させます。
フロントエンド、バックエンド、DevOps 設定をスキャフォールディングします。
出力を Opus 4.7 に渡して、重要なプロダクションルートを強化します。
任意のトピックを詳細にリサーチする。
リサーチクエリに対して、50 ～ 100 のエージェントで Kimi の Agent Swarm を起動します。
各エージェントが異なる角度をカバーします。
コーディネーターが矛盾を統合し解決します。
以前は 10 の記事を読むのにかかっていた時間で、引用付きの構造化レポートが得られます。
あらゆるものを大規模に処理する。
100 の求人、100 のパーソナライズされたカバーレター。
50 のサポートチケット、50 の調整された応答。
以前はチームが必要だったタスクが、数ドルで一晩実行されます。
ドキュメントを再利用可能なスキルに変換する。
あなたの最高のレポートや提案書を Kimi にアップロードします。
構造的およびスタイル的な DNA をスキルとしてキャプチャし、スウォームが将来のすべてのタスクに自動的に適用します。
監視とインシデント対応を自動化する。
Kimi をバックグラウンドエージェントとしてエラーログとデプロイメントパイプラインに接続します。
何かが壊れたとき:
関連するコミットを見つけ、
ドラフト修正を開き、
Slack に投稿します。
あなたのオンコールエンジニアは、午前 3 時に空のターミナルを見つめる代わりに、PR をレビューします。
