ノギスの動画から仕切り板を設計させたら、Claude Opus 5.5は1回実物と同じ読み違いをしGPT-6.1 Solは3回とも正解

ペン立ての仕切り板がなくなったため、3Dプリンターで作り直す試みが行われた。ノギスで測定した写真と動画をClaude Code（Claude Opus 5.5）に渡して設計を依頼したが、完成した板はペン立てに適合しなかった。

このため、同じ写真と動画を素材として、独自のLLMベンチマークであるOreOre-Benchに問題が追加された。テストの結果、GPT-6.1 Sol（reasoning high）は3回とも適合する寸法の板を出力した。一方で、Claude Opus 5.5（effort high）は3回中1回、実物で失敗した際と同じ読み違いを行い、適合しなかった。