## 情報源
- @GokouMutsumi ホームTL（vvv group_id=315・2026-09-23 08:32〜14:40・200件、primary_source 129 / insight 16 / low_value 55）＋ ログイン済みChromeのライブTL
- 個別URL: @Dontgiveup_26（Kevスレッド）、@shimotti_ai（Qwen-Image-2.1スレッド）、trending 2101949816171593872（Jev）
- 一次情報: Anthropic 公式発表・System Card（2026-09-22）、Hugging Face jaredpalmer/kev-0.5b モデルカード、HF の Qwen-Image-2.1 GGUF 各リポジトリ

## 主要な発見
1. **Claude Opus 5.5（2026-09-22 公式）**: Claude 5.5 ファミリー初のモデル。多くの作業で Fable 5.1 相当。**軸に注意**: 「40%安い」は典型ワークロードの**1タスクあたりのコスト**、トークン単価は**20%安い**（入力$4/出力$20 per MTok、2026-09-22 時点の公式値）。出力速度は Opus 5 比 30% 超の高速化。行動監査で「取り消しにくい操作をしにくい」と公式が主張。
2. **GPT-6 Sol / Luna（OpenAI）**: Luna の価格は X 投稿の主張で 入力$0.10/出力$0.60 per MTok（軸は明記あり・一次未確認）。Devin の FrontierCode 1.1 で Sol が GPT-5.6 Sol と同スコアを1タスクあたり61%低コスト（Cognition の主張）。
3. **Jev の類似モデルが72時間で乱立**: Kev（@jaredpalmer・Apache-2.0）、Lumma-Fev-0.6B、Decision-Machine-1、Milliseconds。Mastra は Jev 公開後72時間で「workflows 分類器・ツール承認分類器・judge 採点器」を出荷した。
4. **Kev の一次情報（HF モデルカード kev-0.5b）**: Qwen2.5-0.5B を凍結し、LoRA(rank16)+pointer head を載せたもの（学習パラメータ 9.3M）。prefill のみで生成ループなし。noul/choice/score の3型で TypeSafe の `/v1/systemone` 互換。**Jev の出力の蒸留ではない**（Archer Hume が推定した Jev のアーキテクチャを再現し、公開6データセットで学習）。精度 0.799 / ECE 0.065 は学習データと同じ分布の held-out に対する値で、**分布外の汎化は未測定**と明記。Qwen3.5 版（0.8B/4B/9B、9/20）は Kev-9B 0.837 vs Jev 0.857（二次ソース）。
5. **Qwen-Image-2.1（Alibaba）**: Text-to-Image / Image Edit Arena でオープンモデル1位（投稿の主張）。GGUF は unsloth などコミュニティ版が多数あり、無検閲版も流通。テキストエンコーダーは別部品（Qwen3-VL 8B）なので、拡散モデル本体を量子化してもエンコーダーは軽くならない。これが「エンコーダーは PC メモリへ」という運用の理由。

## ソース統合（合意 / 矛盾 / 盲点 / 独自）
- **合意**: Opus 5.5 は「Fable 5.1 級を安く」という位置づけ。X・公式・クラウド各社（Azure/AWS の 9/22 追加）で一致。
- **矛盾（一次で裁定）**: @Dontgiveup_26 は「Jev は主に Yes/No の二値で、Kev は多肢選択と1〜5点採点ができる」と主張 → **誤り**。Jev は最初から Choice/Score/Noul の3型を持ち、Kev のモデルカード自体が「TypeSafe の3型を再現」と書いている。Grok は「Jev の一次情報は無い」と答えた → 誤り（typesafe.ai 公式ブログ・HN 1,924pts）。
- **盲点**: Kev の精度は「学習元と同じ分布」での数字。Jev との差（0.837 vs 0.857）も TypeSafe が作った評価セットの上の値。Kev も Qwen-Image も**中国系のベースモデル**（Qwen）。ローカルで動く重みでも、中華系API禁止ポリシーとの関係は判断が要る。
- **独自**: Kev の Qwen3.5 版の移植費は H100 で約$95 + Jev API $0.03（評価ラベル用）。判断専用モデルは小さい LoRA で再現できる程度の仕組みで、**差がつくのは較正（ECE）と分布外の汎化**。

## アクションアイテム
- [段0→判断待ち] Jev ゲート（ai-base PR#847・未マージ）のローカル代替として Kev を検討する。`base_url` を差し替えるだけで動く互換性がある。ただし新しい依存であり、Qwen ベースで、GTX1070 は float16 非対応。採否はユーザー判断。
- [段3済] 「trending は実ページで読む」「スレッドの主張は一次情報で裁定する」は x-learn の Gotchas とメモリに反映済み。