## 情報源（id=3792 の追補）
- 1回目の取得が少なかった: vvv を limit=200 で引き、24時間で438件あるうち直近10時間しか読んでいなかった。生TLも x_timeline.py がスクロールせず4件だった（ai-base#892 で修正）
- 追加で読んだもの: vvv の未読238件（低価値93件を除く）＋ 修正版で取った生TL60件
- 取り直し（同日）: 修正版 x_timeline.py で --limit 200 → 139件（72スクロール・X が新着を出さなくなって停止＝stop_reason: no_new_posts）。vvv は limit=1000 で430件（24時間の窓がずれて減少）。**生TL139件のうち vvv にあったのは4件**。約半分は広告・副業勧誘・取引ボットの成果報告
- **生TL60件のうち59件は vvv に入っていなかった**。vvv の group_id=315 はホームTLのごく一部しか拾えていない

## 公式で裏を取ったもの
- `/claude-api prompt-audit`（Claude Code 2.1.280 から同梱）: CLAUDE.md・スキル・プロンプトを今のモデル向けの指針と照合する。読み取り専用で、報告書と diff を出す。X では「Opus 5.5 にしたらまず実行せよ」と拡散（@EngMoElgaraihy・@dr_cintas）
- `/advisor`: メインのモデルが要所で強いモデルに相談する。`advisorModel` として保存される。X の「Opus 5.5 をメインにして Fable を /advisor に置く」（@Voxyz_ai）は公式の仕組みと一致
- Opus 5.5 の既定 effort は medium（id=3792 と同じ）。@dr_cintas の「/effort を medium に」はこれと一致

## 未確認（X の伝聞のまま）
- 「Claude Code の Cloud sessions が正式提供、既存ユーザーに Pro $100 / Max $250 のクレジット」（@masahirochaen・@tetumemo）。公式ヘルプ・料金ページの検索では見つからなかった
- 「プロンプトに workflow と書くだけで dynamic workflow が動く」（@taiyaki_ai3）。公式は未確認

## 主要な発見（追加分）
1. Jev 周辺の急増: 生TL60件のうち10件以上が Jev の話題。オープンな System One モデル「CLM」（GitHub: Contrastive-LM/CLM、@arankomatsuzaki・@Trtd6Trtd）は、行動候補の埋め込みをキャッシュして「同じ候補を繰り返す場面で Jev より最大9倍速い」と主張（未測定）。@mizchi が Jev の向き/不向きを30以上のユースケースで調査
2. モデルの振り分け記事（@tetumemo 経由）: 「コーディングの81%は Luna medium で足りる、判断は Jev、難しいときだけ Sol」。コストの主張なので軸の検算が必要
3. 「Jev は入力が Astra の238倍安く、出力は無料」（@amodexbt）: **入力単価だけを比べた数字**。出力が無料なのは Jev が散文を返さない設計だからで、同じ仕事の比較ではない。本人も「損をするのは価格ではなくアーキテクチャ」と書いている → external-claims-verification の「単位と成功条件」の実例
4. Opus 5.5 の実例: After Effects・Filmora の操作、Manim の教育動画、LEGO 設計（1113パーツ・3204接続・衝突0と主張）。roboflow の視覚評価では「Anthropic 史上最良、Astra には負ける」
5. 生TL特有のノイズ: 「Jev ボットで $1,000 → $12,539」のような取引の成果報告、広告（ahamo・Starlink 等）、ガードレールを外したモデルの宣伝が混じる。vvv の分類を通らない分、選別が要る

## 合成
- 合意: prompt-audit / advisor / effort=medium は、X の複数の投稿と公式が一致した
- 矛盾: Cloud sessions のクレジットは X で断定的に拡散しているが、公式では見つからない。一次情報が見つかるまで「未確認」
- 盲点: vvv の収集がホームTLの大部分を落としている。x-learn の timeline モードは、vvv だけでは TL を代表しない
- 独自洞察: Jev の「238倍安い」は入力単価だけの比較。軸を分けて読む

## アクション
- [済] x_timeline.py をスクロール対応にし、SKILL.md の limit を 1000 に（ai-base#892・未マージ）
- [済・未適用] `/claude-api prompt-audit` を CLAUDE.md + rules/ にかけた。4件（「よしなに」の途中返答なし・worktree-workflow.md が shadow 専用なのに全ホスト注入（Windows の wt は Windows Terminal）・Opus4.7 の固定・/goal の参照切れ）→ ai-base#890 にコメント
- [未] vvv の group_id=315 の収集範囲を見直す（生TLの59/60が未収集）

## 取り直しで追加した発見
- **JEV-as-a-Judge**（CMU・arXiv:2609.26550・2026-09-22、一次情報で確認）: 通常の好み判定と根拠付きの事実判定では最先端 LLM 判定役との差が3ポイント以内、費用は0.36%。自信のある判定だけ受け入れ、不確かなものを上位に回すカスケードで精度の99%を保つ。**導出の検証や、よく書き込まれた誤答を見抜く判定では差が大きい**。→ Jev をゲートに使うなら、手順の正しさの検証には使わない
- Together が Jev 類似の分類器 Tev1-4B-experimental を $17 で学習（@nutlope）。Jev-Mem（System One で制御するエージェント記憶・arXiv:2609.23986）も出ている
- NVIDIA×MIT: エージェントに別のエージェントのハーネスを書き換えさせ、500環境で約150案を試して残ったのは4案（@undefinedKi・未確認）
- `/low-priority`（セッション制限後も低優先度で動く、@gatyoukatyou・@bil0090）: **公式では見つからず未確認**。Cloud sessions クレジットも引き続き未確認（投稿者が増えただけ）
- Jev 創業者の PDF「200倍速く、400倍安い」: 何と何を比べた倍率か不明。軸の検算ができないので採用しない