株式会社Qualiteg

06/08/2026

【新着ブログのご紹介】
「ngrokとWireCanalは何が違う？開発元が料金・運用・MCP設計を比較」

正直なところ、トンネルの基本の仕組みはngrokと同じです。手元に小さなプログラムを置いて、それが内側から外に向かって接続を張る。
だからファイアウォールに穴を開けなくていい。この方式自体は同じなので、ngrokをお使いの方なら、覚え直すことはほぼありません。

じゃあ何が違うのか。3つあります。

ひとつめは、お金の払い方。ngrokは使った分だけ払う従量の要素があってドル建て。
WireCanalは円建て・税込の月額定額で、転送量による追加請求はありません。

ただし「定額が常にお得」ではなくて、使い方によってはngrokのほうが安く収まることもあります。
定額のいいところは、請求額が事前に読めること。

ふたつめは、運用と契約の形。中継基盤は国内リージョンで、契約もサポートも日本語、請求は円建てです。

みっつめが、いちばん考え抜いたところ。

AIに見せる機能の「許可台帳」をどこに置くか、です。既定は全部拒否で、許可したツールしかAIには見えません。

そしてその台帳の"正本"は社内側に置いてあって、クラウドの管理画面からできるのは変更の「提案」まで。反映には社内での承認が必要です。

そして記事の最後には、「こういう場合はngrokのままがいいですよ」もちゃんとかきました

海外拠点でも使いたいならグローバルなサービスのほうが適していますし、すでにngrokで作り込んだ設定があるなら、それを捨てる理由はまたーくありません。

道具は用途で選ぶもの。乗り換える理由がなければ、乗り換えないのも正しい判断だとおもっております。

ちなみにWireCanalは、期限なし・クレカ不要の無料プランから試せます。まずは手元のWebアプリをひとつ公開してみてください。

▼記事はこちら
https://blog.qualiteg.com/ngrok-wirecanal-comparison/

ngrokと同じリバーストンネル方式の国産サービスWireCanalを、開発元が正直に比較します。違いは料金の考え方・運用の場所・AIにつなぐときの許可の置き場所の3つです。

06/08/2026

【新着ブログのご紹介】
「MCPサーバーの作り方 — PythonとFastMCPでデータベースにAIが日本語で答えるようにする(前編)」

「手元のデータベース、AIから直接聞けたら便利なのにな」

そう思って調べ始めると、だいたいここで止まります。

「MCPサーバーを作ればいいらしい」——うん、そこまでは分かった。で、自分のデータベースをどうやってMCP化するの?

というわけで今回は、MCPサーバーの作り方を、動くコードつきで最初から最後まで書きました。

PythonとFastMCPを使って、SQLiteの売上データベースをAIから日本語で聞けるようにします。コードは約200行。全部GitHubに置いたので、cloneすればそのまま動きます。

完成したあと、Claude Codeにこう聞いてみました。

「職業別の売上トップ3を教えて」

たったこれだけです。するとAIが勝手にテーブル構造を確認して、JOINとGROUP BYを組んだSQLを書いて、集計結果を表にまとめて返してきました。

こちらはSQLを一行も書いていません。しかも聞いてもいない取引件数まで集計して、「研究者は件数が多いけど単価が低いですね」みたいな分析まで添えてくる。

作ってみて分かったコツもいくつか。

いちばん効いたのは、ツールを絞ったこと。
そして、ツールの説明文にデータベースの構造とSQLのお手本を丸ごと書いておくこと。AIが正しいSQLを書けるかどうかは、モデルの賢さより「どれだけ丁寧に説明したか」で決まるんだな、と実感。

あと、AIにSQLを実行させる以上、安全対策は必須です。読み取り専用で開く、SELECT以外を弾く、実行時間に上限をつける、の3段構え。

後編では、これをWeb版のChatGPTやClaudeからも使えるようにします。そうなるとコマンドラインを触らない人にも渡せるんですが、OAuth認証という高い壁が待っています。お楽しみに。

▼記事はこちら
https://blog.qualiteg.com/mcp-server-python-fastmcp-database-part1/

MCPサーバーの作り方を、動くコードつきで最初から解説します。PythonとFastMCPでSQLiteの売上データベースをMCP化し、AIに日本語で聞くとAIが自分でSQLを書いて集計まで返すところまで作ります。

04/08/2026

【新サービス「WireCanal™」をリリースしました】

本日8月4日、社内システムと主要AIを安全につなぐ新サービス「WireCanal(ワイヤキャナル)」の一般提供を開始しました。

まず、うれしいお知らせから。

クレジットカードの登録なしで、0円のフリープランからそのまま試せます。

そしてリリース記念キャンペーンとして、8月31日(月)までにライトプランを年間契約でお申し込みいただくと、初年度が年額6,000円(税込)。月あたり500円です。キャンペーン後の価格は年額15,360円(税込)なので、いま始めていただくのがおすすめです。

さて、WireCanalが何をするものかというと——

社内に小さな接続アプリを置くと、それが"外に向かって"つながって、通り道(トンネル=Canal)を1本つくります。だから、ファイアウォールに受信用の穴を開けたり、VPNを新設したりする必要がありません。アプリはWindows・Linux向けの1ファイルだけで、コマンド1行で始められます。

この時点でもう、普通に便利です。

社内のWebシステムをHTTPSで外に出す。開発中のサイトを社外の人に見てもらう。出先からRDPやSSH、データベースにつなぐ(プロプラン以上)。IP制限や国別制限、BASIC認証など8種類のアクセス保護は全プランで使えます。「ちょっとこれ外から見られるようにしたいんだけど」という場面、けっこうありますよね。

そのうえで、いま話題のMCPにも対応しています。

「うちの売上データ、Claudeに直接聞けたら早いのにな」。そう思っても、データは社内にあってクラウドのAIからは届かない。そのまま外に出すのは怖い。ここで足踏みしている企業、本当に多いんです。

WireCanalなら、入口をいつも使っている会社のIDで守れます。Google Workspaceなどでログインし、許可されたドメインのアカウントだけが通れる。退職などでアカウントが止まれば、接続も1時間以内に自動で失効します。

ぜひ、無料プランから触ってみてください。

▼サービスサイト
https://wirecanal.com/

▼プレスリリース
https://prtimes.jp/main/html/rd/p/000000009.000130866.html

#セキュリティ

株式会社Qualitegのプレスリリース（2026年8月4日 11時00分）株式会社Qualiteg、社内システムと主要AIを安全につなぐ「WireCanal™」を一般提供開始―クレジットカード不要のフリープラン（0円）から利用可能

03/08/2026

【新着ブログのご紹介】
「TensorRT 10 × Blackwell 移行ガイド【中編】ビルドが通っても正しいとは限らない — 沈黙劣化 5 連発」

前回の前編で扱ったトラブルには、実は共通点がありました。

全部、エラーで止まってくれたんです。

本当に怖いのは、その先でした。

ビルドが通る。実行も通る。速度もちゃんと出る。出力の形も値も、一見それらしい。なのに中身が間違っている——今回の記事では、こういう失敗を「沈黙劣化」と呼んで、実際に踏んだ5つを共有しています。

いちばん驚いたのがこれです。

「bilinear(なめらかに補間)で処理してね」とONNXに書いてあるのに、TensorRTの中では nearest(いちばん近い点をそのまま取る)で実行されていました。総当たりで照合したら、nearestの結果とビット単位で完全一致。犯人はそこにいた、という感じです。

しかもこれ、出力を見ても「なんとなくジャギーかな?」程度にしか変わらないんです。目視ではまず気づけません。

そして最も泣いたのが、TensorRTのせいですらない、自分たちのミス。exportのときに引数を2つ取り違えていました。Pythonは順番で受け取るので、何も文句を言ってくれません。しかも当時のテストは「同じデータを両方の入力に与える」形だったので、入れ替わっていても結果が一致してしまい、テストは堂々と合格していました。

これを私たちは「自己再演パリティの罠」と呼んでいます。テストが通っているのに壊れている、という状況は本当に心臓に悪いですね。

記事では、こうした沈黙劣化を体系的に見つけるための検証設計もまとめました。鉄則はシンプルで、速度より先に数値を測ること。そして乱数ではなく実データで測ることです。

推論の高速化に取り組んでいる方、GPUを載せ替える予定のある方、ぜひご覧ください。

▼記事はこちら
https://blog.qualiteg.com/tensorrt10-blackwell-silent-degradation-part2/

こんにちは！ 前回の記事「TensorRT 10 × Blackwell 移行ガイド【前編】RTX 50 で推論資産が動かない — 基本と最初の壁」では、Blackwell 世代への移行で既存の推論資産が動かなくなる理由と、TensorRT 10 化を最小構成で通す手順を扱...

28/07/2026

【新着ブログのご紹介】
「Claude Opus 5.0 完全ガイド モデル仕様とAPI・Claude Code運用ポイント」

7月24日、Claude Opus5がリリースされました。Opus4.8からわずか2ヶ月。世代交代のスピード、加速していますね。

もはやOpus5は「最上位モデル」ではありません。

そして、Fable5停止事件の中心にあった「安全分類器」が、
実はOpus5にも載った(4.8には載っていません)。

そして、最上位にはFable5がいて、Opus5はその下の「中上位」ポジション。

Opusという名前が最上位を意味した時代は、もう終わっているんです。

でも、だからこそ面白い。Anthropicの位置づけは「Fable5のフロンティア級の賢さに、半額で迫るモデル」。

一部のベンチマークではFable5を上回るスコアさえ出ています。価格は4.8と同じ。つまり「最上位ではないが、実務ではこれが本命」という、
いままでのOpusになかったキャラクターなんです。

ただし、移行には注意点がいくつかあります。

thinkingがデフォルトONになり、4.8と同じ設定のままだと応答が途中で切れることがある。

そして面白いのが、Opus 5は言われなくても勝手に自己検証するようになったので、「ダブルチェックせよ」系の指示はむしろ削除推奨——残すと過剰検証でトークンを浪費します。

モデルへの指示の出し方が、世代ごとに振り子のように変わっていく。AIとの付き合い方そのものが動いている感じがしますね。

移行チェックリスト12項目、effortの使い分け、Claude Codeでの運用の型まで、長編ガイドにまとめました。気になる章だけの拾い読みでもどうぞ。

▼記事はこちら
https://blog.qualiteg.com/claude-opus-5-claude-code-guide/

23/07/2026

【新着ブログのご紹介】
「TensorRT 10 × Blackwell 移行ガイド【前編】RTX 50 で推論資産が動かない — 基本と最初の壁」

新しいGPUを手に入れた日って、ワクワクしますよね。

RTX 50系(Blackwell世代)を挿して、既存の推論環境を載せ替えて、さあ動かすぞ——と思ったら、昨日まで普通に動いていたものが軒並みエラーで止まる。実はこれ、かなりの高確率で起きます。

でも、エラーで止まってくれるのは、まだ親切なほうなんです。

TensorRTの世界には「ビルドは通る、実行も通る、速度もちゃんと出る、けれど出力だけが静かに壊れている」という、いちばん見つけにくい失敗の仕方があります。

今回の記事では、私たちが実際に踏んだ罠を、実機のエラーログと実測値つきでご紹介しています。たとえば——

FP16でビルドしたのに、エンジンの入出力はfp32のまま。そこにhalfテンソルをそのまま渡すと、例外もNaNも出さずに出力だけが壊れる(実測で最大絶対誤差13.8。正しく合わせれば0.001です)。

実行APIは失敗しても例外を投げず、Falseを返すだけ。戻り値を捨てると、更新されなかったゴミデータが「成功」の顔をして下流に流れていく。

pip install tensorrtと素直に打つと、環境に合わないCUDA 13系ビルドが降ってくる。

記事では、数十行のダミーモデル(全コード掲載)で「export→ビルド→実行→数値照合→速度計測」の5ステップを再現できる形にまとめました。鉄則はひとつ、数値照合は速度計測より先に、です。

次回の中編では、さらに怖い「沈黙劣化」——演算の意味が別物にすり替わるケースや、開発機で完璧だったエンジンが別のGPUで静かにゴミを出す現象を扱います。

RTX 50系への移行を控えている方、推論の高速化に取り組んでいる方、ぜひご覧ください。

▼記事はこちら
https://blog.qualiteg.com/tensorrt10-blackwell-rtx50-migration-guide-part1/

こんにちは！ 新しい GPU を手に入れてワクワクしながら既存の推論環境を載せ替えたら、 昨日まで普通に動いていたものが軒並みエラーで止まった そんな経験はないでしょうか。NVIDIA RTX 50 系、NVIDIA RTX PRO 系（Blackwell 世代....

20/07/2026

【新着ブログのご紹介】
「Kimi K3 徹底リサーチ — 2.8兆パラメータ、『史上最大のオープンウェイト』は実現するか」

7月16日、中国のMoonshot AIが発表した新型モデル「Kimi K3」が話題です。

総パラメータ2.8兆。コンテキスト100万トークン。そして「史上最大のオープンウェイトモデルになる」という宣言。

でも、ちょっと待ってください。

実は7月20日現在、モデルのウェイトも技術レポートも、まだ公開されていないんです。公式GitHubにリポジトリはなく、Hugging Faceにモデルカードもない。つまりK3は今のところ「オープンウェイトになる"予定"のモデル」なんですね。公式が約束した公開期限は7月27日。あと1週間で答え合わせが始まります。

とはいえ、実力のシグナルはすでに出ています。

ユーザーのブラインド投票で決まるFrontend Code Arenaでは、なんとClaude Fable 5をも上回って1位(前世代は18位でした)。評価機関Artificial Analysisは「Opus 4.8・GPT-5.5相当」と位置づけています。

面白いのはその中身で、896個の「専門家(エキスパート)」のうち、実際に使うのは16個だけ(約1.8%)という極端に疎な設計。巨大な知識の倉庫から、必要な棚だけを開けるイメージです。

一方で気になるデータも。独立評価では、正答率が改善した半面、ハルシネーション率は39%→51%へ上昇したという報告があります。「賢くなること」と「間違えにくくなること」は別なんですね。

記事では、何が公式発表で、何が独立評価で、何がまだ未確認なのかを丁寧に区別しながら、アーキテクチャ・ベンチマーク・API価格・実務導入時の注意まで整理しました。

5月に当社が予測した「オープンモデルはいつフロンティアに追いつくのか」——その答え合わせの最新回として、ぜひご覧ください。

▼記事はこちら
https://blog.qualiteg.com/kimi-k3-introduce/

#オープンモデル

こんにちは！ 2026年7月16日、中国・北京の Moonshot AI が新しいフラッグシップモデル Kimi K3 を発表し、APIやWebサービスでの提供を開始しました。 総パラメータ2.8兆という規模、100万トークンのコンテキスト、そして 「史上最....

17/07/2026

【新着ブログのご紹介】
「PII 非識別化の本質——『誰か』は偽ってよい、『何が起きたか』は偽ってはならない」

突然ですが、クイズです。

「甲野太郎は高血圧です」

この1文から個人情報を守りたいとき、どう加工するのが正解だと思いますか?

①名前だけ偽名にする →「乙山次郎は高血圧です」
②病名まで偽物にする →「乙山次郎は花粉症です」
③全部伏せ字にする →「■■■■は■■■です」

一見、②がいちばん安全に見えませんか?

でも実は、②には重大な問題があります。読んだ人には「花粉症」が偽物だと見分ける手段がないんです。症例を集計する人も、対応を検討する人も、嘘の事実を材料に仕事をしてしまう。「隠す」は情報が減るだけですが、「本物らしい値への差し替え」は嘘の注入——データに毒を混ぜる行為なんです。

かといって③は、安全ではあるものの情報量ゼロ。データとして死んでいて、渡す意味がなくなります。

そこで私たちがプロダクト(PII-FI)で採用しているのが、こんな原則です。

「誰か」を指す語(氏名・社員番号など)は、偽名にしてよい。
「何が起きたか」を語る語(病名・金額・出来事)は、残すか、正直に伏せるか。偽物にしてはならない。

記事では、この原則にたどり着くまでの考え方に加えて、実務でよく踏む落とし穴もご紹介しています。たとえば「ファイルをまたぐと同一人物が別人に変換されて分析が壊れる」問題や、「生成した偽名が、たまたま文書に登場する実在の乙山さんとかぶって濡れ衣を着せてしまう」問題。地味ですが、PII処理を実装したことのある方なら「あるある」と頷いていただけるはずです。

そして最後にお伝えしたいのは、「加工済み=完全に安全」という思い込みこそ、いちばんの落とし穴かもしれない、ということ。氏名を全部消しても「経理部の部長が7月3日に処分を受けた」という文脈だけで、社内の人には誰のことか分かってしまいますから。

ログや文書をLLMに入れる前のマスキング、外部委託前のデータ加工などに関わる方に、ぜひ読んでいただきたい1本です。

▼記事はこちら
https://blog.qualiteg.com/pii-deidentification-design-principles/

#個人情報保護 #非識別化

14/07/2026

日本語対応LLMランキングを分析、ついに大台突破です。
Nejumi Leaderboard 4（7月10日版）をベースに、Qualitegプロダクト開発部が最新の日本語対応LLMランキングを分析しました。今回の注目ポイントは3つ👇
🥇 史上初、総合スコア0.85突破
Claude Opus 4.8が「0.8523」をマーク。Anthropic製が1位・2位を独占する結果に。

📈 「総合0.80以上」が一気に19モデルへ
前回11モデル、前々回4モデル。倍増ペースがまだ止まりません。上位争いは完全に高原状態に突入しました。

🌱 オープンモデルに新しい選択肢
Gemma 4が急浮上。国産勢もRakutenAI-3.0やllm-jp-4が参入し、選び方の幅が広がっています。

そして今回のランキングが示す本質は――
「言語性能」と「安全性・制御性」の両立が、もはや必須条件になったということ。単体性能が高くても、アラインメントに課題があると総合順位を落とす。そんな評価構造がくっきり見えてきました。
自社のユースケースにどのモデルが最適か。選定の判断材料として、ぜひご一読ください。
📖 詳しくはこちら
https://blog.qualiteg.com/llm-ranking-2026/

はじめに 本レポートは、Nejumi Leaderboard 4のベンチマークデータ（2026/7/10版）に基づいて、日本語対応LLMの性能を総合的に分析したものです。 前回は 2026/3/6 版の分析レポート を公開しましたが、 約4か月ぶりとなる今回も、....

09/07/2026

新規ブログ投稿いたしました。本日早朝 Fable5は急遽利用枠がリセットされ、実質的に利用枠が拡大されました。期限の7/13まで、まだ何があるかわからない Fable5 の完全ガイドとなります😁
https://blog.qualiteg.com/claude-fable-5-claude-code-guide/
2026年6月に登場したClaude Fable 5は、公開直後の輸出規制による一時停止、グローバル再展開、そしてサブスクリプション枠からの離脱と、わずか1か月でめまぐるしい動きを見せています。本日公開した記事は、これまで当ブログで追ってきた一連の記事を踏まえた「実務で使うための決定版ガイド」です。

とくに軸に据えたのが、2026年7月12日(日本時間7月13日)を境にサブスクリプション枠から外れ、使用クレジットを有効化しないと使えなくなるという料金面の大きな変更です(この期限は当初7月7日とされていましたが、直前に5日間延長されました)。モデル仕様・料金の実際・Claude Codeでの運用注意点までを一本にまとめ、「Fable 5にいくら払う価値があるのか」を自分で判断できる材料を提供することを目指しました。

まず押さえるべきは、Fable 5はOpusの後継ではないという点です。Opus 4.8は依然として「Opus階層の最新・最上位」であり、多くの実務ではこちらが標準です。Fable 5はOpus階層の上に位置する、価格も能力も別枠のモデル。「最新モデルにアップグレードしたい」という一般的な要望への答えは、今でもOpus 4.8です。Fable 5は「最も難しい問題を、コストを承知のうえで解かせたい」ときに明示的に選ぶモデルだと理解してください。

企業導入の可否を左右する制約として、30日データ保持が必須(ゼロデータ保持=ZDRでは利用不可)である点も見落とせません。私たちがFable 5に送った文章と、Fable 5が返した文章は、30日間かならず保存されます。消せません、断れません。他のClaude(Opus 4.8など)は「保存しない」設定にできますが、Fable 5だけできません。理由は、強力なモデルゆえ悪用を見張るためで、悪用は1回のやりとりでは見抜けず何百回分を並べて初めて分かるからです(保存データはAIの学習には使われません)。これまで「うちのデータは一切保存しない」というZDR契約を結んでいた企業にとって、その契約はFable 5には効かないため、機密のソースコードや顧客データを投げる前に、社内規程との突き合わせが必須です。

そして本記事で最も強調したいのが、「単価2倍」と「実効コスト2倍」は別物だということです。Fable 5の単価はOpus 4.8のちょうど2倍($10/$50 per 1M)ですが、1タスクあたりの実際のコストが2倍で収まるとは限りません。理由は2つあります。第一に、Fable 5はAdaptive thinkingが常時ONで、思考トークンも出力として課金される($50/1M)こと。一方Opus 4.8は思考をオフにできるため、同じタスクでもFable 5のほうが高い側=出力トークンを多く消費しがちで、費用は二重に効きます。第二に、Fable 5はもともと深く長く考える設計で、難しいタスクでは1リクエストが数分〜十数分走ることも珍しくありません。つまり実効コストは「単価2倍 × 生成トークン量の増加」で決まり、高effortではさらに膨らみ得ます。なお、プロンプトキャッシュが割り引くのは入力側だけなので、「キャッシュを効かせれば2倍に収まる」とは考えないでください。最も効くレバーはeffortを下げることです。

したがってFable 5を選ぶかどうかの問いは、「単価が2倍」ではなく「実効で2倍以上になり得るコストを払ってでも、Opus 4.8では届かない難問を解きたいか」になります。

では、有料化後のFable 5をClaude Codeでどう現実的に使うか。当社Qualitegが実際に採っているのが、1つのセッションを「司令塔」と「実働」に分け、役割ごとに別モデルを割り当てるやり方です。司令塔=Fable 5は、方針の決定・タスク分解・指示書の発行・報告の検収・次の一手の判断に専念し、自分ではコードやログを読まず、実装もしません。実働=Opus 4.8 / Sonnet 5のサブエージェントが、探索・調査・実装・テスト・文書化といった手を動かす作業をすべて引き受け、司令塔には短い報告だけを返します。さらに実働は2層に分け、判断や設計理解が要る作業はOpus、手順が完全に決まった機械的な定型作業はSonnetへ。

ねらいは明快で、高価なモデルの価値は「判断」に集中しています。過程(大量のファイル読み・試行錯誤・ログ)はサブエージェント側のコンテキストで消化させ、司令塔には結論だけを返させれば、Fable 5のクレジットとコンテキストは"判断の瞬間"だけに使われます。「Fable 5が全部やる」から「Fable 5は考える人、手は安いモデル」に変えるだけで、クレジット消費は大きく下げられます。この司令塔メソッドは、導入手順・委任プロンプトの型・並列サブエージェントの采配・モデル固定の設定まで含めて、別記事であらためて詳しくご紹介する予定です。

記事ではこのほか、クレジットの仕組みと管理画面(月間支出上限・保有残高・自動チャージ・割引バンドルはそれぞれ別のレバーで、上限を設定しなければ「上限なし」にもなり得ます)、思考の常時ONやサンプリングパラメータ非対応といった主要なAPI差分、そして再提供版で安全マージンが広がったことによる誤検知への対処までを、公式ドキュメントを基準に整理しています。Anthropic自身が「当面のあいだ、コーディングやデバッグのような日常的なタスクがこれまでより頻繁にフラグされる可能性がある」と明言している点は、Claude Codeで使ううえで実務的に重要です。

Fable 5の一連の動きは、特定のモデルに強く依存することのリスクを改めて突きつけました。最高性能のモデルほど、可用性も料金体系も短期間で変わり得ます。だからこそ、「そのモデルが使えなくなったら/高くなったら、すぐ別の選択肢に切り替えられるか」という視点が重要になります。Claude Codeの本格活用やモデル選定・コスト設計を検討されている方の参考になれば幸いです。

こんにちは！ 2026年6月に登場した Claude Fable 5 は、公開直後の輸出規制による一時停止、グローバル再展開、そしてサブスクリプション枠からの離脱と、わずか1か月でめまぐるしい動きを見せています。 当ブログでもその時...