この記事の日付について。 2026-09-30に調査・執筆し、公開日の2026-10-04に Claude Code Docs の「How Claude remembers your project」と「Manage costs effectively」、ChatGPT Learn の「AGENTS.md」と設定リファレンス、openai/codex の agents_md.rs（commit 50d7795）を一次資料で再確認して更新しました。本文中の「2026-09-30確認」は執筆時、「2026-10-04確認」は公開前の再確認の日付です。筆者環境の計測値は、断りがない限り2026-09-30の記録です。 この記事でわかること Codex と Claude Code が、それぞれどの指示ファイルをどの順で読み、どこで読むのをやめるか 手元の CLAUDE.md 30本を Codex の規則に当てたとき、何が読まれなくなるか（実測） AGENTS.md を1本の正本にして、両方のツールで同じ指示を読ませる構成 Codex の料金プランと、5時間枠・週次上限・クレジットの数え方 検証できなかった比較軸と、その理由 結論を先に書きます。2026年10月時点では、指示ファイルの共通化は AGENTS.md を正本にして、CLAUDE.md から @AGENTS.md で取り込む形を筆者は勧めます。公式ドキュメントが示す共有方法に沿っており、設定値や Claude Code のバージョンに左右されにくいためです。Claude Code は v2.1.277 から AGENTS.md を直接読みます。ただし既定では、作業ディレクトリかその上に CLAUDE.md が1本でもあると AGENTS.md を読みません。直接読めない場合もあります。組み込みの agents-md プラグインを無効にした場合や、v2.1.281 より前の一部セッションです（Claude Code Docs「How Claude remembers your project」 2026-10-04確認）。 手元の CLAUDE.md を Codex の探索規則に当てはめると、届かないのは各リポジトリの本文ではありませんでした。Git ルートの外にある祖先ディレクトリの共通ルール97行です。Codex はプロジェクトルート（既定では .git のある階層）から作業ディレクトリまでしか探さないため、この層が丸ごと探索範囲から外れます（ChatGPT Learn「AGENTS.md」 2026-10-04確認）。どちらを選ぶかは「賢さ」より先に、この読まれ方の差と上限の数え方で決まります。 ...

Codexとは、OpenAIが提供するAIコーディングエージェントです。ChatGPTの会話が「答えの文章」を返すのに対し、Codexは実際にファイルを読み、コマンドを実行し、差分（diff）を返します。 最初に一番大事な区別を書きます。公式ドキュメントの「Available on」に並ぶ項目は ChatGPTデスクトップアプリ / Remote / ChatGPT（web） / Codex CLI / Codex IDE拡張 / Codex cloud の6つで、これとは別に「Developers」配下に Codex SDK が掲載されています（learn.chatgpt.com/docs、2026-09-15確認）。本記事ではこのうち CLI・IDE拡張・cloud・ChatGPTアプリ・SDK の5つを入口として扱います。自分のコードが動く場所は、入口と、そこで選ぶ実行環境の組み合わせで決まります。Codex CLIとIDE拡張は通常のローカル利用では自分のマシンの中で動き、Codex cloudはOpenAI側の環境で動きます。ChatGPTデスクトップアプリでは、Local・Worktree・Cloudから実行場所を選べます（learn.chatgpt.com/docs/environments/modes、2026-10-04確認）。この違いは秘密情報の扱いに直結します。 この記事の日付について。 2026年9月15日に調査・執筆し、公開日の2026年10月4日に料金・実行環境・権限設定などを公式ページで再確認して更新しました。本文中の「2026-09-15確認」は執筆時、「2026-10-04確認」は公開前の再確認の日付です。筆者環境の計測値は、断りがない限り2026年9月15日の記録です。2026年10月11日に第6節の「Codexは無料で使えるか」、第9節の「AGENTS.mdの書き方」、第10節・第11節、よくある質問3項目を追記しました（「2026-10-11確認」はその日の確認です）。 この記事でわかること Codexを一文で説明できるようになる（そしてChatGPTとの違いを表で押さえる） CLI / IDE拡張 / cloud / ChatGPTアプリ / SDK の5つの入口で、コードがどこで実行されるかを一次資料付きで確認できる 料金プランと5時間ウィンドウの上限、クレジットの換算式の読み方が分かる サンドボックスの3モードと承認の設定を知り、「勝手に実行されないか」に自分で答えられる AGENTS.mdとは何か、CLAUDE.mdと何が違うかを、手元45リポジトリを数えた結果とあわせて把握できる 別のCodexを探している方へ。 本記事はOpenAIのCodexだけを扱います。食品規格のCodex Alimentarius、WordPressの旧ドキュメント群であるWordPress Codex、冊子本を意味するラテン語のcodex、ゲーム内の図鑑を指すコーデックス、バンドのOLDCODEXは、いずれも別の語です。以降は一切触れません。 1. Codexとは──定義と、ChatGPTと違うところ Codexとは、OpenAIのAIコーディングエージェントです。公式リポジトリはCodex CLIを「a coding agent from OpenAI that runs locally on your computer」（openai/codex GitHub、2026-09-15確認）と説明しています。この「ローカルで動く」はCLIについての説明で、Codex cloudはOpenAI側の環境で動きます。 ChatGPTに「このバグを直して」と貼り付けると、返ってくるのは修正後のコードを含む文章です。貼り直すのは人間の仕事です。Codexに同じことを頼むと、Codexがリポジトリの中を自分で探し、該当ファイルを開き、書き換え、必要ならテストを走らせます。人間がやるのは、その差分と検証結果を確認して、変更を採用するかどうかの判断です。 観点 ChatGPTの通常の会話（ツールを使わない場合） Codex 入力 人間が貼り付けたコード片 リポジトリそのもの 出力 文章とコードブロック ファイルへの差分、コマンドの実行結果 ファイル操作 しない する（サンドボックスと承認設定の範囲で） コマンド実行 しない する（同上） 指示ファイル なし AGENTS.md を作業前に読む 人間の役割 コピー＆ペースト コマンド実行の承認と、差分のレビュー 「文章をもらう」か「差分をもらう」かが、実務上いちばん大きい差です。 ...

この記事の日付について。 2026-09-19 に調査・執筆し、公開日の 2026-10-04 にプラン価格、5時間ウィンドウの推定メッセージ数、機能可用性表、クレジット単価表、API 価格表（Standard / Batch / Flex / Fast）、API のレート制限、旧 URL の転送先を一次資料で再確認して更新しました。本文中の「2026-09-19 確認」は執筆時、「2026-10-04 確認」は公開前の再確認の日付です。筆者環境の計測値は、断りがない限り 2026-09-19 の記録です。 この記事でわかること（2026年10月時点の結論） 今回確認した公開料金ページには、Codex だけを単体で購入するサブスクリプション価格は載っていません。 公開されている料金は、ChatGPT のプラン（Free 0 ドル / Go 8 ドル / Plus 20 ドル / Pro 100・200・500 ドル / Business 20 ドル per user / Enterprise・Edu は個別見積）に含まれる利用枠と、API キーによる従量課金の 2 系統です（ChatGPT Learn 公式 Pricing 2026-10-04 確認） 「上限」という一語が、4 つの別の仕組みを指しています。 5時間ウィンドウのメッセージ数、週次上限、クレジット、API のトークン単価です。公式は、API のトークン価格はサブスクリプションの利用枠とは別で、含まれるタスク数の見積もりに使わないよう明記しており、この 4 つを 1 つの換算率で相互に変換することはできません 変換できるのはクレジット単価と API のドル単価の間だけです。2 つの公式表を割り算すると、7 モデル×3 区分の 21 セットすべてが 1 クレジット＝0.04 ドルの比で一致しました（本稿の計算。購入価格ではありません） 2026-10-04 確認の公式表では、Pro には現在 5時間上限がありません。 Plus と Standard Business の 5時間あたり推定メッセージ数は同じ値です 私の仮定した 1 ターン（非キャッシュ入力 1 万・キャッシュ入力 5 万・出力 6 千トークン）を gpt-5.3-codex で回すと、月 181 ターンまでは API の請求額が Plus の月額 20 ドルを下回ります。 同じ量を Plus の枠で賄えるかは別の問題で、試算式は第 9 節に置きました この記事は「いくら払えばいいか」だけを扱います。Claude Code や Cursor との比較は別の検索意図なので、第 14 節の内部リンクで既存記事へ送ります。 ...

Cursorを入れて、自分のコードがAIに書き換わったdiffを初めて見るまでにやることは4つです。配布ページから自分のOSとアーキテクチャに合う版を落とす、起動してサインインする、リポジトリを1つ開く、Cmd+I（Windows・Linuxは Ctrl+I）でサイドペインを開いて変更を1つ依頼する。依頼が通れば差分が出るので、それを確認します。利用枠・通信・権限・指示の中身によっては差分まで進まないこともあります。公式のクイックスタートも、サインイン → Cmd+I でAgentにコードベースを説明させる → 変更を頼む → diffビューで確認、という並びで書かれています（Cursor Docs Quickstart 2026-09-20確認）。 詰まるとしたら手順ではなく、そのあとです。補完が出ない、サインインが弾かれる、Agentが目的のファイルを読まない。この記事は手順を並べたうえで、公式のトラブルシューティングに載っている症状と対処を1枚の表にまとめます。 この記事の日付について。 2026-09-20に調査・執筆し、公開日の2026-10-04に配布ページ・料金ページ・料金ドキュメント（Models and pricing）・Tab / Inline edit / Tab issues のヘルプ・Rules・Run modes・キーボードショートカットの各ページと changelog を一次資料で再確認して更新しました。本文中の「2026-09-20確認」は執筆時、「2026-10-04確認」は公開前の再確認の日付です。筆者環境の計測値は、断りがない限り2026-09-20の記録です。 この記事でわかること ダウンロードからdiffが出るまでの番号付き手順と、各ステップで画面に出る文言 Tab / Cmd+K / Cmd+I の3層がそれぞれ何を担当し、どこで切り替わるか 公式ドキュメントの機能名が、アプリ内のどのメニュー・どのキーに対応するか 補完が出ない・Agentがタイムアウトする・プロキシで通らないときの対処 無料のHobbyでどこまで動き、どの枠が先に尽きるか 1. 検証環境と、この記事で測れなかったこと 先に限界を書きます。今回の執筆環境はGUIを持たないヘッドレス環境で、Cursorのインストーラを実際に起動して操作することができませんでした。したがって企画段階で予定していた2つの実測、すなわち「ダウンロードから最初のdiffまでの完走タイム」と「無料枠が止まった瞬間の画面文言」は、いずれも測定できていません。推定値で埋めることはしません。 この記事に出てくる数値・文言・キー割り当ては、2026-09-20に取得した公式ドキュメントと配布ページの記載で、一部は2026-10-04に再確認しています。出所と確認日はその都度添えます。 項目 内容 OS Linux 6.14.0-1015-nvidia（aarch64） GPU / VRAM 該当なし（Cursorはクラウド側で推論するためローカルGPU要件は論点にならない） Cursorのバージョン 2026-09-20の配布ページの表示で 3.21（2026-10-04確認の最新は 3.22。アプリ内のバージョン情報は未確認） 確認方法 公式ドキュメント・配布ページのWeb取得のみ。アプリの実操作なし 検証日 2026-09-20（JST） ローカル環境で行えた確認は1つだけです。手元の主リポジトリ1本に .cursor/rules ディレクトリは存在しませんでした。~/Documents/gh 配下の全リポジトリを対象にした走査は、ファイル数が多くタイムアウトして完了できていません。「0本」と断定できるのは1本ぶんの範囲です。 2026-10-04 再計測：走査の深さを絞り直したところ、~/Documents/gh 直下のgitリポジトリ46本について、各リポジトリのルートとその1階層下に .cursor ディレクトリは0件でした。それより深い場所は今回も調べていません。 2. 一次資料の対応表 主張 一次資料 種別 確認日 最新版は3.22（2026-09-20時点は3.21）で、Linuxは deb / RPM / AppImage それぞれに ARM64 と x64 がある cursor.com/download 公式配布ページ 2026-10-04 macOS 12以降、Windows 10以降。Linuxはapt / dnf / AppImageの3経路 Cursor Docs Quickstart 公式ドキュメント 2026-09-20 Agentは Cmd+I / Ctrl+I でサイドペインに開く Cursor Docs Agent Overview 公式ドキュメント 2026-09-20 Inline editは Cmd+K / Ctrl+K、質問モードは Opt+Return Cursor Help Inline edit 公式ヘルプ 2026-10-04 ルールは .cursor/rules/ の .mdc。同ディレクトリの素の .md は無視される。AGENTS.md は別方式の指示ファイル Cursor Docs Rules 公式ドキュメント 2026-10-04 無料のHobbyにはTabの月次上限があり、使い切ると次の請求サイクルまで補完が止まる Cursor Help Tab issues 公式ヘルプ 2026-09-20 Hobbyは無料・クレカ不要、Pro が月20ドル、Pro+ が月60ドル、Ultra が月200ドル cursor.com/pricing 公式料金ページ 2026-09-20 Privacy Mode有効時、コードは学習に使われない Cursor Help Privacy 公式ヘルプ 2026-09-20 既定の実行モードはAuto-reviewで、Linuxのサンドボックスは Landlock + seccomp（カーネル6.2以上）、Bubblewrapのフォールバックもある Cursor Docs Run modes 公式ドキュメント 2026-10-04 料金ページは Hobby / Individual / Teams / Enterprise の4列で、個人向けの Individual の中に Pro / Pro+ / Ultra の切替があります（2026-10-04確認）。個人向けの段で数えると Hobby / Pro / Pro+ / Ultra の4段です。このほか公式ヘルプの料金一覧には Hobby（無料）/ Start（インド限定・月額649ルピー、税込）/ Pro（月20ドル）/ Pro+（月60ドル）/ Ultra（月200ドル）が並んでいます（Cursor Help Pricing 2026-09-20確認）。料金の話をするときは、どちらのページを見た値かを添える必要があります。 ...

この記事の日付について。 2026年9月24日に調査・執筆し、公開日の2026年10月4日に料金ページ・ヘルプ(Pricing and plans、Usage and limits、Usage-based charges、Spend limits)・docs『Models & Pricing』の全プラン月額、2つの利用枠、モデル別単価、超過時の扱いを一次資料で再確認して更新しました。本文中の「2026年9月24日確認」は執筆時、「2026年10月4日確認」は公開前の再確認の日付です。筆者環境の計測値は、断りがない限り2026年9月24日の記録です。 この記事でわかること 2026年10月4日時点のCursorの全プラン(Hobby無料・Pro 20ドル・Pro+ 60ドル・Ultra 200ドル・Teams 40/120ドル/人)と円換算額 Proの月額を超えて請求が増えるのは、含まれる利用量を使い切り、on-demand(従量課金)を有効にしているときだという仕組み 他社モデル枠を20ドルと仮定した試算では、Claude Opus 5.5で1日30回エージェントを回すと月の超過額は約102ドル(約16,208円)。Sonnet 5.5なら約48ドル(約7,661円) 公式3ページで書き方が揺れている箇所と、本文を確認した範囲では「含まれる量」の金額が見当たらなかったこと 契約前にスペンドリミット(月の上限額)をいくらに設定すればよいかの決め方 結論から書きます。個人で「Tab補完と、ときどきエージェント」ならProの20ドルで収まる可能性が高いです。一方、ClaudeやGPTの上位モデルを毎日エージェントで回すなら、公式docs自身が「月60〜100ドル」を目安に挙げています(Cursor Docs『Models & Pricing』2026-10-04確認)。 含まれる利用量を超え、on-demandを有効にしている場合に、超過分がAPI単価で後払い請求されます。TeamsとEnterpriseでは、他社モデルにCursor Token Rateも加算されます。on-demandを有効にするときは、下の試算で出る自分の超過額に少し余裕を持たせた額をスペンドリミットに入れておくのが安全です。 1. 一次資料の対応表と、3ページで揺れている表示 この記事の数字は、2026年9月24日にCursor公式のページを開いて確認し、2026年10月4日に下表の確認日のとおり開き直したものです。料金は予告なく変わるので、契約前に同じページを開き直してください。 主張 一次資料 種別 確認日 プラン名と月額(Hobby〜Teams Premium、Start ₹649) Help『Pricing and plans』 公式ヘルプ 2026-10-04 2つの利用枠、モデル別単価、Teams Premiumは5倍 Docs『Models & Pricing』 公式docs 2026-10-04 税別表示、on-demandは後払い、Enterpriseはpooled usage cursor.com/pricing 公式料金ページ 2026-10-04 超過分は上乗せなしのAPI単価(Teams・EnterpriseはCursor Token Rateが加算) Help『Usage-based charges』 公式ヘルプ 2026-10-04 利用枠は毎月リセット、繰り越しなし、個人のBYOK Help『Usage and limits』 公式ヘルプ 2026-10-04 スペンドリミットの挙動 Help『Spend limits』 公式ヘルプ 2026-10-04 2025年時点でProは『API価格で20ドル分』 Cursor Blog『Clarifying our pricing』2025-07-04 公式ブログ(過去) 2026-09-24 学生向け特典の有無 cursor.com/ja/students 公式ページ 2026-09-24 為替 1ドル=158.28円(執筆時に固定した試算用のレート) Trading Economics『Japanese Yen』(2026-09-23の値) 市場データ 2026-09-24 料金ページ・ヘルプ・docsの3つは、同じ料金体系を別の切り口で書いています。そのため、読む場所によって見え方が変わります。突き合わせた結果は次のとおりです。 ...

この記事の日付について。 2026-09-18に調査・執筆し、公開日の2026-10-04にOpenAI公式ヘルプ（請求通貨・Proプラン・データ コントロール・チャットの保持）、ChatGPT・Codexの料金ページ、Google Oneのプラン一覧ページとGoogle AIのプランのページを一次資料で再確認して更新しました。本文中の「2026-09-18確認」は執筆時、「2026-10-04確認」は公開前の再確認の日付です。筆者環境の計測値は、断りがない限り2026-09-18の記録です。2026-10-11に第9節（Copilot を加えた3者比較）とよくある質問2項目を追記しました（「2026-10-11確認」はその日の確認です）。 この記事でわかること 仕事で使う前提なら、GeminiとChatGPTの選択は用途で割れます。決め手は機能一覧ではなく、資料の置き場所・契約条件・学習利用の既定値の3点です 2026-09-18時点で公式ページに表示されていた料金を、円建てとドル建てを混ぜずに並べた対応表（2026-10-04に再確認） 会社の資料を入れる前に触る設定の位置と、Google側・OpenAI側それぞれが公式ヘルプに書いている保持期間の数字（18か月・72時間・3年／削除後30日以内・一時チャットは最大30日） 自分の主業務で「どちらが速くて正確か」を、同一資料・同一プロンプトで測るための手順と記録シート この記事が測っていないこと、公式ページから取れなかった数字を、そのまま明示します 結論を先に置きます。業務資料がGoogle Workspace（ドライブ・Gmail・ドキュメント）にある人は、Gemini側から試すと手順が短く済みます。上位プランの使用量を月単位で買いたい人には、ChatGPT Pro（月額100・200・500ドルの3段階）が選択肢になります。支払い通貨は決め手になりません。Googleの日本向けプラン一覧は円表示で、ChatGPTもWeb購入で日本円の請求に対応しています。どちらも決め手にならない業務では、第5節の手順で自分の資料を使って測るのが確実です。 1. この記事の立ち位置（測ったもの／測っていないもの） はじめに範囲を明示します。この記事には、筆者がGeminiとChatGPTに同じ資料を投げて計測した秒数・文字数の表はありません。 今回用意できたのは公式ドキュメントの照合と、読者が自分の資料で再現できる測定手順です。他の記事が出しているかどうかは調べていないので比べません。こちらが測っていないので出さない、という理由だけです。 代わりに置いたものは3つあります。1つめは第2節の一次資料対応表、2つめは第8節の料金対応表、3つめは第5〜6節の測定手順と記録シートです。数字を作らずに判断材料を渡すには、この形が誠実だと判断しました。 2. 一次資料の対応表（この記事の主張がどこから来ているか） 検証にローカルGPUは使っていないため、GPU・VRAM・ドライバの欄は該当しません。代わりに、記事中の主張と出典の対応を先に開示します。 主張 一次資料 種別 確認日 Google AI Plus は日本向け料金ページで月額725円（400GB版）。プラン一覧ページでは「Google AI Plus (2 TB)」が月額1,450円 Gemini サブスクリプション（日本） ／ Google One プラン 公式ページ 2026-09-18／2026-10-04 AI Ultra は日本向け料金ページで月額14,500円（AI Pro の5倍の使用量上限）／32,000円（AI Pro の20倍の使用量上限） Gemini サブスクリプション（日本） 公式ページ 2026-10-04 AI Ultra の月額を250ドルから200ドルへ引き下げ、100ドルのAI Ultraを新設（米ドルでの発表） Google公式ブログ『Everything new in our Google AI subscriptions, fresh from I/O 2026』（2026年5月19日） 公式ブログ 2026-09-18 Google AIのプランは Plus / Pro / Ultra の3系統、容量は400GB（比較表では「400 GB or 2 TB」）／5TB／20TB〜 Google AI のプラン 公式ページ 2026-09-18／2026-10-04 オフでも72時間は保持（保護目的の人間レビューはありうる）、人手レビュー分は最長3年 Gemini Apps のプライバシーハブ 公式ヘルプ 2026-09-18／2026-10-04 18歳以上のアカウントでは「アクティビティを保存」（Keep Activity）が既定でオン Gemini Apps のアクティビティの管理と削除 公式ヘルプ 2026-09-18 ChatGPT の訓練利用は 設定→データ コントロール の『Improve the model for everyone』で停止でき、サインイン中はアカウント全体に適用 Data controls in ChatGPT 公式ヘルプ 2026-09-18／2026-10-04 ChatGPT Plus は月額20ドル ChatGPT Plus とは？ ／ ChatGPT・Codex の料金ページ 公式ヘルプ・料金ページ 2026-09-18／2026-10-04 ChatGPT Go は米国で月額8ドル Introducing ChatGPT Go ／ ChatGPT・Codex の料金ページ 公式発表・料金ページ 2026-09-18／2026-10-04 ChatGPT Business は標準シート月額25ドル／ユーザー（2人以上・年払いで20ドル） ChatGPT・Codex の料金ページ 料金ページ 2026-09-18／2026-10-04 ChatGPT Business のプレミアムシートは125ドル（年払い100ドル） ChatGPT Rate Card 公式ヘルプ 2026-09-18（2026-10-04の再確認では記載を見つけられず） ChatGPT Pro は月額100・200・500ドルの3段階。200ドルの新規受付は再開 About ChatGPT Pro tiers ／ ChatGPT・Codex の料金ページ 公式ヘルプ・料金ページ 2026-10-04 ChatGPTのWeb購入は日本円を含む複数通貨で請求。iOS・Androidアプリ経由はストアの現地通貨 Multi-currency billing 公式ヘルプ 2026-10-04 ChatGPTの削除済みチャットは30日以内に完全削除の対象、一時チャットは安全目的で最大30日保持され得る Chat and file retention in ChatGPT 公式ヘルプ 2026-10-04 取得できなかったものも書きます。https://openai.com/chatgpt/pricing/ は2026-09-18のアクセスでHTTP 403が返り、本文を取得できませんでした。OpenAIヘルプセンターの個別記事も直接取得は403で、上表のうちOpenAI分は検索エンジン経由で本文の該当箇所を確認した水準です。取得できなかったことは、公表されていないことを意味しません。 2026-10-04の再確認でもOpenAIヘルプの直接取得は403で、閲覧用のテキスト変換サービス経由で本文を取得して確認しました。料金は画面で最終確認してください。 ...

この記事の日付について。 2026-09-21（JST）に調査・執筆し、公開日の2026-10-04に、Geminiアプリ プライバシーハブ（日英）、「Gemini アプリのアクティビティを管理、削除する」、Workspace 生成AIプライバシーハブ、「Geminiアプリをオンまたはオフにする」、Manage access to Gemini features in Workspace services、Gemini API 追加利用規約、旧管理者ヘルプURLの転送先を一次資料で再確認して更新しました。本文中の「2026-09-21確認」は執筆時、「2026-10-04確認」は公開前の再確認の日付です。筆者環境の計測値は、断りがない限り2026-09-21の記録です。 この記事でわかること Geminiアプリの「アクティビティの保存」をオフにすると、フィードバックを送らない限り、以後のチャットはモデル訓練に使われません。ただし会話は最長72時間アカウントに保持されます（Geminiアプリ プライバシーハブ 2026年9月24日更新、2026-10-04確認） 人間のレビュアーが目を通した会話は、履歴を削除しても消えません。Googleアカウントから切り離した形で、最長3年保持されることがあります オフにしていても、自分でフィードバックを送ると直近24時間のチャットが文脈として一緒に送られます。ここは「オフにしたのに送られる」経路の代表例で、唯一の経路ではありません。オフのままでも電話・メッセージ・WhatsApp などの一部のアプリ連携は動き、自分が作成したGem自体はアカウントに保存され続けます。これとは別に、オフでも一時チャットでも、会話は応答とGoogle・ユーザー・一般の人々の保護のために使われ、その保護には人間のレビュアーによる確認も含まれます（Gemini Apps Privacy Hub 2026年9月24日更新、2026-10-04確認） 会社のWorkspaceアカウントとAPI有料枠は、一次資料の記述が個人アカウントと別物です。無料APIとAI Studioには「機密情報を送信するな」と明記されています 個人向け・管理者向けの操作手順を、2026-09-21時点のメニュー名そのままで番号順に並べます 「オフにすれば消える」ではありません。オフにすると止まるのは訓練利用で、保持そのものは最長72時間続きます。そして人間レビューに回った分は、あとから履歴を消しても最長3年保持されることがあります。機密資料を貼るかどうかは、この2つの規定を見てから決めるのが正しい順序です。 1. 「訓練に使う」「保存する」「人が読む」は3つ別の話 検索して出てくる記事の多くは、この3つをまとめて「学習」と呼びます。実際の一次資料では別々の条項で、それぞれ止まる条件も期間も違います。 語 意味 個人設定で止まるか モデル訓練 入力・応答を次のモデルの学習データに使う 止まる（アクティビティの保存をオフ） 保持 Googleのサーバに会話を残す 止まらない（オフでも72時間） 人間レビュー 人のレビュアーが読んで注釈を付ける AI改善目的のレビューは止まる（フィードバック送信時を除く）。保護目的のレビューは止まらない Geminiアプリ プライバシーハブの日本語版は、オフにした場合の挙動をこう書いています。「今後のチャットはアクティビティに表示されず、AI モデルのトレーニングに使用されることもありません」。同じ文の後ろには、フィードバックを送ることを自分で選んだ場合を除く、という条件が付いています。止まるのは表示と訓練で、保持は別立てです。英語版では保持側が明示されています。 Temporary chats and chats you have when Keep Activity is off are retained with your account for 72 hours （Gemini Apps Privacy Hub、2026年9月24日更新、2026-10-04確認） ...

MCPとは、AIアプリケーションを外部のデータソースやツールへつなぐためのオープンなプロトコルです。標準化されているのは接続の中身ではなく手順です。具体的には、JSON-RPC 2.0のメッセージ形式、ホスト／クライアント／サーバーという3役の分担、サーバーが出せる機能の種類（Resources・Prompts・Tools）、そして各リクエストがどのバージョンで話しているかの宣言方法です（MCP仕様 2026-07-28 2026-09-16閲覧）。 そして「MCPとは」を調べるときに最初に確かめるべきは、読んでいる解説がどのリビジョンの話かです。現行リビジョンは2026-07-28で（Versioning 2026-10-04確認）、この版はinitializeハンドシェイクとMcp-Session-Idを廃止し、プロトコルをステートレスに変えました（同 Key Changes 2026-09-16閲覧）。つまり「まずinitializeでセッションを張り、能力をネゴシエートする」という説明は、2025-11-25以前のリビジョンの説明です。旧リビジョンの説明が誤りになったわけではなく、使うホストやサーバーが旧リビジョンで話していれば、その接続では今もinitializeを使います。仕様はYYYY-MM-DDという識別子を使い、後方非互換な変更が最後に入った日付を示します。 この記事の日付について。 2026年9月16日に調査・執筆し、公開日の2026年10月4日に、仕様の現行リビジョン・HTTPヘッダー・MRTR・ベンチマークの指標などを一次資料で再確認して更新しました。本文と出典表の「2026-09-16」は執筆時、「2026-10-04」は公開前の再確認の日付です。筆者環境の観測値は2026年9月16日の記録です。2026年10月11日に第8節〜第10節（代表的なサーバーの例・料金・Claude Code での接続方法）と、よくある質問4項目を追記しました（「2026-10-11確認」はその日の確認です）。 この記事でわかること MCPを1文で説明するための定義と、何が標準化されていて何は標準化されていないのか ホスト・クライアント・サーバーの3役と、tools/listからtools/callまでに流れるJSON-RPCの中身（_metaの必須フィールドとエラーコード） 自分が読んでいる解説がどの仕様リビジョンの話かをinitializeの有無で判別する方法と、5リビジョンの対応表 2026-07-28でDeprecatedになった機能（Roots・Sampling・Logging）と、最短で削除される時期 導入前に踏むべきリスク確認の項目と、攻撃ベンチマーク論文が報告した「能力の高いモデルほど脆弱」という結果 1. MCPとは──1文の定義と、誰が出しているのか 定義は公式仕様の冒頭が短く書いています。MCPは「LLMアプリケーションと外部のデータソース・ツールとのシームレスな統合を可能にするオープンプロトコル」です（MCP仕様 2026-09-16閲覧、原文は英語）。2024年11月にAnthropicが公開し、2025年12月にLinux Foundation傘下のAgentic AI Foundationへ寄贈された仕様ですが、仕様リポジトリのLICENSEはMITからApache-2.0への移行中の複合ファイルで、前文に続けてApache-2.0とMITは全文、CC-BY-4.0は見出しと外部リンクによる参照という順で並んでいます。新規のコードと仕様の寄与にはApache-2.0が適用され、仕様を除くドキュメントの寄与はCC-BY-4.0です。MITセクションに置かれた著作権表記は「Copyright (c) 2024-2025 Model Context Protocol a Series of LF Projects, LLC.」で、リポジトリのREADMEは今も「This project is licensed under the MIT License」と記載しています（modelcontextprotocol/modelcontextprotocol LICENSE・同リポジトリREADME 2026-09-16閲覧）。単独ベンダーの仕様から、Linux Foundation系のプロジェクトへ器が移っている状態です。 仕様本文は、MCPがLanguage Server Protocol（LSP）から着想を得たと明記しています。LSPが「プログラミング言語への対応をエディタ横断で標準化した」のと同じ形で、MCPは「文脈とツールをAIアプリ横断で標準化する」という位置づけです。ここを押さえると、MCPが何をしないかも見えます。MCPはモデルの重みを変える仕組みではなく、つなぎ先のAPIの中身も決めません。 AI以外のMCPとの切り分け 「MCP」という略語は他分野にもあります。IT資格（Microsoft Certified Professional）、医療の中手指節関節（metacarpophalangeal joint）、日本の除草剤の慣用名（MCPソーダ塩。有効成分名はMCPAナトリウム塩）、電子部品の型番接頭辞（MicrochipのMCP3008など）で同じ3文字が使われます（Microsoft Learn・NCBI Bookshelf（中手指節関節）・石原バイオサイエンス 石原MCPソーダ塩・Microchip MCP3008 2026-09-16閲覧）。本記事が扱うのはAI文脈のModel Context Protocolだけです。別分野のMCPを調べている場合、この記事の内容は当てはまりません。 なぜ2024年11月に出てきたか 初出はAnthropicの2024年11月25日の発表です。同日に公開されたのは、仕様とSDK、Claude Desktopアプリでのローカルサーバー対応、サーバー実装のオープンソースリポジトリ、そしてGoogle Drive・Slack・GitHub・Git・Postgres・Puppeteer向けの既製サーバーでした。発表時点の採用例としてBlockとApolloが挙げられ、開発ツール側ではZed・Replit・Codeium・Sourcegraphの名前が並んでいます（Anthropic『Introducing the Model Context Protocol』 2026-09-16閲覧）。背景は単純です。ツール連携の実装がクライアントごとにばらばらで、同じ連携を各アプリ向けに作り直す必要があったからです。 ...

この記事の日付について。 2026-09-26に調査・執筆し、公開日の2026-10-04に、Ollama公式ライブラリのタグ別サイズ(gemma4・qwen3.6・qwen3・qwen3.8・qwen3-next)、Ollama公式FAQの ollama ps の説明、筆者環境の ollama list / ollama show の表示を再確認して更新しました。本文中の「2026-09-26確認」は執筆時、「2026-10-04確認」は公開前の再確認の日付です。筆者環境の計測値は、断りがない限り2026-09-26の記録です。 この記事でわかること 手元のメモリが8GB・16GB・24GB・32GB以上のとき、Ollamaでそのまま使える日本語向けの候補がどれか 候補をモデル名の「B数」ではなく、Ollamaで落ちてくる実ファイルのサイズで選ぶ理由 DGX Spark(統合メモリ128GB)で実際に使い続けているモデルと、品質不足でやめた構成の記録 Gemma 4・Qwen3.6・Qwen3のライセンスと、商用利用の根拠URL 今日中に動かし始めるための最短のコマンドと、コンテキスト長の落とし穴 結論から書きます。32GB以上のメモリがあるなら、筆者が日常運用している qwen3.6:35b-a3b(23〜24GB)が最初に試す候補です。24GBなら gemma4:26b(16〜19GB)か qwen3.6:27b(18〜19GB)、16GBでは gemma4:12b(7.7〜8.0GB)か qwen3:14b(9.3GB)、8GBでは qwen3:8b(5.2GB)か qwen3:4b(2.5GB)が現実的な線です。サイズはいずれもOllama公式ライブラリの表示値です(2026-10-04確認)。 ただし、ファイルサイズがメモリより小さいことは動作の保証になりません。実行時にはKVキャッシュや作業用のバッファも必要で、短いコンテキストから試して ollama ps で配置を確かめる前提の候補です。筆者が実機で品質まで確かめたのは32GB以上の帯だけで、8〜24GB帯の候補は公式サイズから選んだ段階です。どこまでが実測で、どこからが公式値からの逆算かは、表ごとに明記します。 1. 選び方の基準──「何B」ではなく「何GB」で決める ローカルLLMの紹介記事は、モデルを「7B」「27B」のようなパラメータ数で並べがちです。しかし、手元のPCに載るかどうかの大部分を決めるのは、量子化したあとのファイルサイズと、会話中に増えるKVキャッシュの合計です。これに実行時のバッファや、画像入力を使う場合の処理分が加わります。同じ「26B」でも、16ビットなら57.7GB、4ビット(Q4_0)なら14.4GBと4倍の開きがあります(Google AI for Developers『Gemma 4 model overview』最終更新2026-07-08)。 この記事では、次の4点で候補を絞りました。 メモリに載るか: Ollama公式ライブラリに表示されるタグ別サイズが、手元のメモリより十分小さいこと 日本語が使えるか: 開発元のモデルカードが多言語対応を明記していること。実測できたものは実測結果を優先 Ollamaで1コマンドで取れるか: 公式ライブラリにタグがあり、ollama pull だけで始められること 商用で使えるか: ライセンスが開発元の一次資料で確認でき、商用利用を妨げる独自条項がないこと 「量子化」は、モデルの重みを16ビットから8ビットや4ビットに丸めて小さくする処理です。Ollamaの標準タグは多くが4ビット前後に量子化済みで、q8_0 や bf16 の付いたタグはより大きく、元の精度に近い版です。たとえば qwen3.6:27b は標準で18〜19GB、q8_0 で30GB、bf16 で56GBです(Ollama library qwen3.6 tags 2026-10-04確認)。 2. 一次資料の対応表 この記事の数字は、次の一次資料と筆者の作業記録から取っています。 主張 一次資料 種別 確認日 gemma4の各タグのサイズ(e2b 4.6〜7.5GB、e4b 6.6〜9.5GB、12b 7.7〜8.0GB、26b 16〜19GB、31b 19〜20GB)とコンテキスト長 Ollama library gemma4 tags 公式ライブラリ 2026-10-04 qwen3.6の各タグのサイズ(27b 18〜19GB、35b-a3b 23〜24GB、q8_0/bf16版を含む) Ollama library qwen3.6 tags 公式ライブラリ 2026-10-04 qwen3の各タグのサイズ(4b 2.5GB、8b 5.2GB、14b 9.3GB) Ollama library qwen3 公式ライブラリ 2026-10-04 Gemma 4の5サイズと、BF16・SFP8・Q4_0別の重みのメモリ量 Google AI for Developers『Gemma 4 model overview』 公式ドキュメント 2026-09-26 Gemma 4はApache 2.0、事前学習140超・そのまま使える35超の言語 Hugging Face google/gemma-4-26B-A4B-it、Google Open Source Blog 2026-04-02 モデルカード・公式ブログ 2026-09-26 Qwen3.6-35B-A3B・Qwen3.6-27BはApache 2.0 Hugging Face Qwen/Qwen3.6-35B-A3B、Qwen/Qwen3.6-27B モデルカード 2026-09-26 Qwen3-8BはApache 2.0、100超の言語と方言に対応 Hugging Face Qwen/Qwen3-8B モデルカード 2026-09-26 Ollamaの既定コンテキスト長はVRAM量で4k/32k/256kに変わる Ollama docs: Context length 公式ドキュメント 2026-09-26 llama.cppはMITライセンス、1.5〜8ビットの整数量子化に対応 GitHub ggml-org/llama.cpp GitHub 2026-09-26 DGX Sparkでの速度・品質の実測、登録モデルとサイズ、ローカルLLMでの記事生成をやめた経緯 筆者の作業記録(2026-04-03、2026-07-14、2026-08-04、2026-09-08) 実測・運用記録 2026-09-26 Ollamaのqwen3.6のページには、ライセンスの記載がありませんでした(2026-09-26確認)。ライセンスはHugging Faceのモデルカードで確認しています。 ...

この記事の日付について。 2026-09-27に調査・執筆し、公開日の2026-10-04に、Ollama公式FAQ(プライバシー・ollama ps・クラウド無効化の記述)、Ollamaのクラウドモデル一覧とドキュメント、Ollama library qwen3.6 tags、Qwen3-8Bの設定ファイルとモデルカード(コンテキスト長)、筆者環境の ollama list / ollama show の表示を一次資料で再確認して更新しました。本文中の「2026-09-27確認」は執筆時、「2026-10-04確認」は公開前の再確認の日付です。筆者環境の計測値は、断りがない限り2026-09-27の記録です。2026-10-11に第7節・第10節・第11節とよくある質問6項目を追記しました(「2026-10-11確認」はその日の確認です)。 この記事でわかること ローカルLLMの定義と、ChatGPTのようなクラウドLLMとの違い Ollama・LM Studioを使うとき、入力が手元に留まる範囲と、通信が発生する操作 重み・量子化・実行ソフトの3つで、手元の推論が成り立つ仕組み 自分のPCで動くかを、パラメータ数とビット数から見積もる計算方法 ローカルLLMが向く作業と、向かない作業 ローカルLLMとは、大規模言語モデル(LLM)の推論を自分のPCや自社サーバーの上で実行する使い方です。モデルの重みファイルを手元に置き、実行ソフトがそれを読み込んで文章を生成します。 ChatGPTとの違いは「どこで計算するか」です。クラウドLLMは入力を提供元のサーバーへ送って処理します。ローカルLLMは、モデルを取得したあとなら通信なしで応答できます。LM Studioの公式ドキュメントは、ダウンロード済みモデルとのチャットで入力した内容は端末の外に出ないと明記しています(LM Studio Docs『Offline Operation』2026-09-27確認)。動かせるかどうかは、主にメモリ量で決まります。小型の量子化モデルなら一般的なPCも候補になります。ただし必要量は重みだけでなくKVキャッシュや実行バッファでも変わるため、空きメモリと実際のロード状態を確認します。 1. ローカルLLMとは──「ローカル」は推論の実行場所を指す LLMを使う処理は、大きく「学習」と「推論」に分かれます。学習は大量の計算資源で重みを作る工程です。推論は、できあがった重みに文章を入力して続きを出させる工程です。 ローカルLLMの「ローカル」は、このうち推論をどこで実行するかを指します。学習まで手元で行う必要はありません。Qwen・Gemma・Llamaのように、開発元が重みを公開しているモデル(オープンウェイトモデル)をダウンロードして使うのが一般的です。 そのため「ローカルLLM」という名前のモデルがあるわけではありません。同じQwen3-8Bでも、自分のPCで動かせばローカル、クラウドのAPI経由で使えばクラウドです。 2. 一次資料の対応表 この記事の事実関係は、次の一次資料と筆者の運用記録から取っています。 主張 一次資料 種別 確認日 ローカル実行時、Ollamaはプロンプトやデータを見ない。既定の待ち受けは localhost の11434番ポート Ollama FAQ 公式ドキュメント 2026-09-27(プライバシーの記述は2026-10-04再確認) Ollamaはモデルをインターネットから取得する。モデルの保存場所、既定で5分間メモリに保持 Ollama FAQ 公式ドキュメント 2026-09-27 Ollamaのクラウド機能は OLLAMA_NO_CLOUD=1 で無効化できる Ollama FAQ 公式ドキュメント 2026-10-04 Ollamaのクラウドモデルには公開重みのモデルも並ぶ Ollama cloud models、Ollama docs: Cloud 公式ライブラリ・ドキュメント 2026-10-04 Ollamaの既定コンテキスト長はVRAM量で4k/32k/256kに変わる。ollama ps の列の意味 Ollama docs: Context length 公式ドキュメント 2026-09-27 LM Studioはモデル取得後はオフラインで動き、入力と文書は端末外に出ない。通信が要る5つの操作 LM Studio Docs『Offline Operation』 公式ドキュメント 2026-09-27 llama.cppは1.5〜8ビットの整数量子化、CPUとGPUの併用推論に対応。MITライセンス GitHub ggml-org/llama.cpp GitHub 2026-09-27 Qwen3-8Bは8.2Bパラメータ、36層、KVヘッド8、Apache 2.0。コンテキスト長は標準32,768トークン、YaRN併用で131,072トークン Hugging Face Qwen/Qwen3-8B、config.json モデルカード・設定ファイル 2026-09-27(コンテキスト長は2026-10-04確認) qwen3:8b の標準タグはq4_K_Mで5.2GB、q8_0は8.9GB、fp16は16GB Ollama library qwen3 tags 公式ライブラリ 2026-09-27 DGX Sparkでのモデル重みのサイズ・メモリ配分・生成速度 筆者の作業記録(2026-03-15、2026-08-04) 運用記録 2026-09-27 CPUのみの動作、Apple M系の対応、生成速度とメモリ帯域の関係 Ollama docs: macOS、llama.cpp Discussion #4167、Apple Newsroom 公式ドキュメント・GitHub・公式発表 2026-10-11 Qwen・Llama 3.3・Gemmaの商用利用条件、Ollamaのコーディング連携 各モデルのLICENSE、Gemma Terms of Use、Ollama docs: Integrations ライセンス文書・公式ドキュメント 2026-10-11 企画段階では、DGX Spark上でネットワークを遮断した状態の動作と、ollama ps・生成速度を新たに測る予定でした。この記事の公開時点では、その測定はまだ行えていません。そのため後半の数字は、過去の作業記録にある値と、一次資料からの計算値に限っています。 ...