SlimeTree-RLM × プラットフォーム連携
LLM 代を 60-80% 削減。

連携プラットフォーム

SlimeTree-RLM (D/µ/R 機械分類 + audit chain) は platform 中立。各プラットフォームの API に RLM 前処理を被せるパターンを順次拡張中。

※ RLM 自体は platform 非依存。各プラットフォームの API + RLM 前処理を組合せた「公開デモ + MIT ソース + 商用パッケージ」の単位で順次公開していきます。優先プラットフォーム要望は お問い合わせ から。

具体例: 1 万件 DM / 月 の場合 ― プロバイダ別

典型的な BtoC ブランドの 1 か月分。平均 200 in / 1,000 out token、応答を投げる量は変わらず、RLM が 73% を フィルタ (D 6,200 + µ 1,100 = 7,300 件は LLM 呼出ゼロ、残り R 2,700 件だけ LLM へ)。

audit_chain_head: a3f1d2e8b4c97f5e... [✓ verified, 10,000 records]
※ サンプル比率 (D 62% / µ 11% / R 27%) は当社 4 LLM 横断ベンチ平均値、業種別調整可。料金は 2026-05 時点の公開単価ベース、各プロバイダの実数値をご確認ください。

NEXT THEME · 2026-05-30 B パターン · コスト階層 escalation ★ 全 18 demo 実装済 (示算→次は実測値)

★ マルチエージェント上乗せ削減 ― 既存 73% カットの上に更に削減

上の表は 「R 判定 2,700 件すべて同じ premium LLM (例: GPT-5 / Claude Opus) に投げる」前提。
次テーマ LLM マルチエージェント対応 ではこの 2,700 件にもう 1 段 「安い LLM 試行 → RLM が品質再判定 → 不足分だけ premium へ」 を被せます。
既存 73% カットに対して、R 部分が更に 50-70% 削減。合算で 85-92% に到達します。

[既存] 10,000 件
   ↓ SlimeTree-RLM (D/µ/R)
   ↓ D=6,200 / µ=1,100 を機械処理 (LLM call 0 件)
   ↓ R=2,700  ───────────────────────→  premium LLM 2,700 call

[B パターン上乗せ後] 10,000 件
   ↓ SlimeTree-RLM (D/µ/R)
   ↓ D=6,200 / µ=1,100 を機械処理 (LLM call 0 件)
   ↓ R=2,700
   ↓ ① cheap LLM (Gemini Flash 等) で全 2,700 件試行  →  cheap 2,700 call
   ↓ ② RLM が出力品質を再判定 (R-meta verdict)
   ↓ ③ 「品質不足」と判定された ~15% のみ premium へ  →  premium 405 call
                                                          ↑ 6.7× 少ない

具体例: 1 万件 DM / 月 · cheap = Gemini Flash · premium = GPT-5

※ escalate 率 15% は示算値 (品質再判定の保守設定)。10% なら $10.5/月 / 25% なら $23/月。
※ Gemini Flash 2,700 call ≈ $2.03 (既存表)、escalated 405 call × GPT-5 単価 ≈ $12.6 (合計 $14.6)。

premium 別 ― 同じ B パターンを 6 構成で適用

※ cheap = Gemini Flash 固定。premium 別の R-meta escalate 率は同じ 15% を適用 (品質感度が高いほど escalate 率を上げれば premium 寄せ可)。
※ どの組合せでも cheap = 同一 Gemini Flash なので、無料 tier (15 RPM) で SMB は cheap 部分 = $0 運用も可。

なぜ RLM が orchestrator として効くか

• 無改造で乗る ― 既存 D/µ/R 判定の R を「cheap 試行 → 品質再判定 → premium escalate」の 3-stage に置換するだけ。18 経路すべて同じ patch で適用可。
• 監査が破綻しない ― 既存 SHA-256 WAL chain にそのまま cheap/premium 2 段の record を追記。「どの query を cheap で済ませ、どの query を premium に escalate したか」が監査ログから完全に追跡可。
• Platform-native LLM 原則を維持 ― X 連携は Grok cheap → Grok premium、Google は Gemini Flash → Gemini Pro、Meta は cheap/premium 自由組合せ。「強制的に Gemini 入れる」とは無縁。
• fallback が自然 ― premium API が落ちても cheap の応答を返せる (品質 flag 付き)。LangGraph 等の框架だと別途配線が要る部分。

★ 示算 vs 実測 比較 (2026-06-01 確定)

measurement dashboard (`/integrations/measurement/`) で実 Gemini Flash 呼出による計測結果。R 比率は 2 回の独立 run で 28% 再現。escalation 率は Free tier 429 制限で完全実測不可、示算値 + 注釈で誠実維持。

★ 脚注: R 比率は 2 回の独立 run (2026-06-01T00:23:51Z + 00:26:55Z) で 28% 再現。escalation 率は Free tier の 429 制限により完全実測不可のため示算値を維持。本番 paid tier または WASM 版 RLM での追試で確定予定。
方法: RLM mock module (`slimetree-rlm-mock.js`、KNOWN_FACTS 6 + MUTE_TRIGGERS 4) で D/μ/R 分類 → R verdict 件のみ Gemini 2.5 Flash 呼出 → `judgeResponseQuality` で品質再判定 → 不足のみ Pro escalate (測定 run では Pro 未到達のため escalation 率は cheap response 長依存)。

★ NEW: 実測 dashboard → 6 パターン showcase → パターン詳細 → ハブ →

6 経路 ― 誰の何が楽になるか

各経路、典型的な「困りごと」を 1 行で。詳細は各デモから。

提供形態 ― RLM ライセンス と LLM 利用は完全分離

対応 LLM プロバイダ (お客様の自由選択、4 + α)

同じ RLM 実装で、お客様が選んだ LLM 経由で R 判定処理。1 つに固定する必要なし、用途別に複数併用も可。

※ 初期構築の推奨は Gemini 2.5 Flash (無料 tier): 個人で導通確認、本番運用で別 LLM へ切替も localStorage 上の key 差替えのみで完結。RLM 設定変更不要。

技術詳細・ベンチ・特許・ソース

「中で何をやってるか」「6,870 trial で -20.4 pt 削減の実証」「Rust 単体バイナリでなぜ 272 KB か」は 資料 (Resource) 側で。

• Meta 連携ハブ (6 経路の技術詳細)
• SlimeTree-RLM 一次資料 ― 計測手続き / 4 LLM 横断 / 論文 v10 / 特許請求項 1-44
• RLM チュートリアル (入門 → 中級 → 高度)
• Gateway ソースコード (MIT)
• 製品ページ: SlimeTree-RLM (DEVICE 本籍 + AI 適用)

Gateway で 30 日無料トライアル開始 →   受託・OEM の相談