試してから選ぶ

どのハーネスとどの AI が自分の仕事に合うかは、評判では決めません。開発の前に、同じ試験を全部の候補に流し、出来・時間・トークン・費用を並べて比べます。決めた結果は、ハーネスの設計の役ごとの表に入ります。

大きく見る ↗

試してから選ぶ。同じ試験を全部に渡して比べる画面設計（開発中）・数字は見本

目的ごとの試験

試験は、役の目的ごとに作ります。AI が設計図から作るので、そのハイブで本当にやる仕事に近い問いになります。

試験の例	中身	数
統括の判断	仕事の分け方・順番・止める所の判断	20 問
画面の実装	設計図の画面を、決まった部品で作る	10 本
守りの点検	決まりに外れたコードを見つける	30 件
キャラクターの画像	ブランドの決めに合った絵を描く	12 枚

同じ物を、全部のハーネスと AI の組み合わせに渡します。採点は、作った AI とは別の AI と、人の目で行います。

試す流れ

1. 目的を選ぶ：役ごとの表で、比べたい役を選びます。
2. 試験を作る：AI が設計図から、その役の試験を作ります。人は問いを足したり外したりできます。
3. 走らせる：「試験を走らせる」を押すと、同じ試験が全部の候補に流れます。
4. 採点する：別の AI が採点し、人が見て直します。
5. 比べる：出来・時間・トークン・費用を並べます。
6. 決める：採る組み合わせに「採用」を付けます。役ごとの表の状態が「試した」になります。

結果の読み方

統括の判断 20 問の結果の見本です。数は見本です。

組み合わせ	出来（点）	時間	トークン	判定
Claude Code・Opus 5.5・超高	92	41 分	1.9M	—
Claude Code・Opus 5.5・高	91	28 分	1.2M	採用
Codex・高	86	33 分	1.4M	—
Antigravity（API キー）	84	30 分	調べ中	—
DeepSeek（API）	78	25 分	1.1M	中国製

• いちばん点の高い組み合わせが、いつも答えになるとは限りません。見本では、「超高」と「高」の差は 1 点で、「高」の方が時間は 3 分の 2、トークンは 35% 少なく済みました。統括は「高」で足りる、と読みます。
• 「中国製」の札は、データの扱いの既定が違うことを示します。秘密を含まない下書きだけを回せば、費用を下げられます（データの扱い）。
• 測れていない数は「調べ中」と出し、0 や推測で埋めません。

何を比べるか

比べる物	中身
出来	採点の点。問いごとの正しさと、決まりを守ったか
時間	走らせてから全部の答えが出るまで
トークン	入力と出力の合計
費用	トークンと値段の台帳から出した見込み。契約の枠で動く物は、使った枠の割合で出す
規約と守り	できること表の「規約の注意」と「安全」の欄（ハーネスの設計）

同じ試験は、ハーネスの版が上がった時や、新しいモデルが出た時に流し直せます。技術のニュースで新しいモデルが出たと分かった時は、試験の候補に足す提案が届きます（技術のニュースと見張り）。

データの形

型	中身
HbEngineRun	1 回の走り（ハーネス・モデル・思考の量・時間・トークン・結果）
HbRunEvent	走りの出来事の流れ
HbCapability	できること表の 1 行

次に読む

ハーネスの設計結果を役ごとの表に入れるデータの扱いAI ごとに渡してよい物エンジンと 7 つの口どのハーネスも同じ口で動かす