AI・機械学習用語集

Claude API cost削減機能(2024年8月)。Prompt Caching(入力cache・90% cost reduction・TTL 5min)・Cache write cost 1.25x・Cache read 0.1x・cache_control ephemeral・max 4 cache block・Context Caching(Gemini同等・24h TTL・1M tok min)・OpenAI Prompt Caching(2024年10月・50%割引・自動)・Claude Message Batches API(50% off・24h)・Haiku/Sonnet/Opus全対応・2026年繰返しプロンプト必須。

2021年Dario Amodei + Daniela Amodei共同創業Anthropic。米国California州San Francisco + 元OpenAI VP Research + Pro AI Safety Lab代表 + Pro Constitutional AI + Pro Claude 1 2023-03/Claude 2 2023-07/Claude 3 2024-03/Claude 3.5 2024-06/Claude 3.7 2025-02 + Pro Amazon $8B投資 + Pro Google $2B投資。

Claude API供給経路。Anthropic API(api.anthropic.com・Direct・Pricing $15/$75 Opus・Latency最小・Region US/EU)・AWS Bedrock(IAM authentication・PrivateLink VPC・SOC 2/HIPAA・Multi-region・Pricing same)・Google Vertex AI(GCP integration・Same pricing)・Azure ChatGPT(GPT-4o)別経路・Choose: Anthropic Direct = simple/Bedrock = Enterprise AWS infra/Vertex = GCP・SDK同一(anthropic-sdk-python・anthropic-bedrock・anthropic-vertex)・Region availability差(Vertex US-Central1・Bedrock 多region)・Bedrock Knowledge Base/Vertex AI Search組合せ可・2026年 Enterprise Bedrock主流。

AnthropicのClaude 3.7 Sonnet以降で利用可能な拡張推論機能。APIパラメータ`thinking`を有効化することで、モデルが回答前に最大数万トークンの内部思考プロセスを実行し、複雑な問題への精度を向上させる。

Anthropic 2024年10月発表 Claude reasoning 機能。Claude 3.5 Sonnet 派生・interleaved thinking・MATH-500 96.4%

2024年Anthropic公開Model Context Protocol。Pro 業界Pro Mainstream LLM Tool Connection標準業界先駆 + Pro 米国SF Anthropic + Pro 2021-Anthropic設立 + Pro Open Standard + Pro JSON-RPC Protocol + Pro Apache 2.0 OSS + Pro Claude/Cursor/Cline等対応 + 累計2021-2026年5年Heritage継承代表機。

Anthropic公式リソース。Quickstart(GitHub・anthropics/anthropic-quickstart・Computer Use Demo Docker・5min start)・Cookbook(GitHub・anthropic-cookbook・Multi-modal/Tool Use/RAG examples)・Anthropic Console($0 Free trial $5 credit)・Claude Code GitHub(anthropics/claude-code)・Anthropic SDK Python/TypeScript・Bedrock/Vertex AI integration・Claude Apps mobile/desktop・Claude API documentation・Workbench(Prompt testing)・Computer Use Demo(VMware/Docker desktop env)・MCP Quickstart(modelcontextprotocol/quickstart)・2026年 Anthropic公式 docs拡充、開発者onboarding充実。

Anthropic社が開発した、高度な推論能力と自律的なコンピュータ操作機能を備えた大規模言語モデル。コーディング性能において業界最高水準を誇り、次世代のAIエージェント技術の中核を担う。

2024年Anthropic公開Computer Use(Claude 3.5 Sonnet)。Pro 業界Pro Mainstream LLM画面操作Agent業界先駆 + Pro 米国SF Anthropic + Pro 2021-Anthropic設立Dario + Daniela Amodei元OpenAI + Pro Claude 3.5 Sonnet画面認識 + Pro マウス/キーボード操作 + Pro API課金 + 累計2021-2026年5年Heritage継承代表機。

Anthropic公式 anthropic-skills GitHub Repo(2025年Q3-)。https://github.com/anthropics/skills・公式curated Skills examples・Categories: code-review・docs・research・testing・data-analysis・workflow automation・各Skill: README.md + skill.md(Markdown定義)・Argument support($ARGUMENTS)・Tool restriction(allowed-tools)・MCP integration optional・Install: clone repo → ~/.claude/commands/copy or .claude/commands/(project)・Community Skills repo: smithery.ai integration future・curated by Anthropic team・Best practices reference・examples: /code-review /docs-update /research-paper /test-generate・2026年 Skills市場拡大・anthropic-skills central reference。

AnthropicのClaudeが外部ツールを呼び出す機能。`tools`配列にname/description/input_schemaを定義し、モデルが`tool_use`コンテンツブロックで呼び出し情報を返す。

AnthropicのClaude APIで提供されるプロンプトキャッシュ機能。同一の長文プレフィックス（システムプロンプト・ドキュメント等）をキャッシュして再利用し、API料金を最大90%削減・処理速度を最大85%短縮。大規模LLMアプリ開発のコスト最適化に不可欠な2025年の主要API機能。

2024年Hu et al.発表Unbiased Watermark paper・Industry-leading Unbiased pseudorandom watermark + Industry-leading unbiased token selection + Industry-emerging Hu unbiased watermark Pioneer。

Metaが2024年に発表した科学的基盤モデル。タンパク質の配列・構造・機能を統合的に学習した生成モデルで、新規タンパク質の設計が可能。

ExLlamaV2推論エンジン用の混合精度量子化フォーマット。2〜8bitの任意精度を1bit刻みで指定でき、重要なレイヤーを選択的に高精度で量子化する最適化アルゴリズムを採用。同一VRAMでGPTQより5〜15%高品質な推論を実現する。

2023年Turboderp公開EXL2(ExLlamaV2)量子化Format。Pro 業界Pro Mainstream 2-8bit可変混合量子化最速GPU先駆 + Pro 国際OSS Turboderp + Pro 2023-09 ExLlamaV2/EXL2公開 + Pro Per-layer量子化Bit可変 + Pro 最速GPU推論 + Pro tabbyAPI/oobabooga採用 + 累計2023-2026年3年Heritage継承代表機。

2024年Li et al. (Vector Institute)発表EAGLE/EAGLE-2・Industry-leading feature-level speculative decoding LLM + Industry-leading feature-level autoregression + Industry-leading tree-based draft + Industry-leading 2.5-3.5× inference speedup。

LLMの特徴量レベルで自己回帰予測を行い、次トークン以降の複数候補をツリー構造で同時検証することで、Medusaを上回る2.5〜3.8倍の推論高速化を実現する並列デコーディング手法。

LLMの特徴量系列を自己回帰的に予測するドラフトモデルを使う高速化手法。通常の投機的デコーディングより高い受理率を達成し、スループットを3〜4倍に向上させる。EFicient Autoregressive Language model with GuarantEed LLMの略。

2024年Q1 Vector Institute Toronto + University of Toronto共同発表EAGLE Decoding paper・Industry-leading Feature-level speculative decoding paradigm + Industry-leading 2.5-3.0x LLM decoding speedup industry-leading position + EAGLE-2 2024年Q3 successor improved performance・Industry-leading Vector Institute Toronto Industry-leading academic AI research Canada foundation + Industry-leading vLLM/SGLang integration。