実装計画: チャット応答速度改善

雑談フィルタの応答速度改善関連: OFF_TOPIC タグ実装、Gemini リダイレクト設計

問題の再定義

Issue の表面的な問題

「天気はどう？」のような単純な雑談でも約19秒かかる

本質的な問題

Gemini 3 Pro（thinkingLevel 未指定 = high）が全メッセージのデフォルトハンドラーになっている。

現在のフロー:

ユーザーメッセージ
  → buildSystemPrompt()  // 巨大なシステムプロンプト構築
  → Gemini 3 Pro (high)  // thinking high: 全トークンの70%がthinking
  → タグ解析
  → レスポンス           // 15-20秒後

Pro High が本当に必要なのは「深い数学的推論・画像分析・マスタリー判定」だけなのに、以下すべてで Pro High を呼んでいる:

メッセージ種別	必要なモデル	現在の所要時間
雑談（OFF_TOPIC）	Flash	~19秒
簡単な挨拶・相槌	Flash	~15秒
簡単な数学の概念説明	Flash または Pro Low	~15秒
標準的な数学チュータリング	Pro Low	~15-20秒
参考書画像の分析	Pro High	~15-20秒
解答の検証・マスタリー判定	Pro High	~15-20秒
習得判定の6問試問	Pro High	~15-20秒

採用方針: Flash ゲートウェイ + 3段モデル階層

検討の経緯

案	概要	却下理由
A: Flash 事前分類	Flash を「分類器」として使い、ラベルを返す	分類と応答を不自然に分離している
B: Flash + Pro function calling	Gemini function calling で Pro をツール化	プロトコルの制約で API 3往復（+3-5秒）
C: ルールベース + Flash	サーバーサイドのルールで事前仕分け	ルール判定が本質ではない。Flash が直接判断すべき
D: Flash ゲートウェイ + 3段階層	Flash が回答 or エスカレーション判断	採用

3段モデル階層

Gemini 3 Pro は thinkingLevel パラメータで thinking の深さを制御できる（完全無効化は不可）。同一モデル + thinking レベル切替で Pro Low / Pro High を実現する。

参考: Gemini thinking - Google AI for Developers

thinkingLevel: "low" — レイテンシとコストを最小化。シンプルな指示追従・チャット向き

thinkingLevel: "high"（デフォルト）— 推論深度を最大化。最初のトークンまで大幅に時間がかかる

Gemini 3 Pro は thinking を完全に無効化できない（low が最小）

階層	モデル	thinkingLevel	用途	推定レイテンシ
Flash	`gemini-3-flash-preview`	-	ゲートウェイ: 雑談弾き・挨拶・簡単な応答	~1-2秒
Pro Low	`gemini-3-pro-preview`	`low`	標準的な数学チュータリング	~5-8秒
Pro High	`gemini-3-pro-preview`	`high`	深い推論・画像分析・マスタリー判定	~15-20秒

基本フロー（Phase 1）

assessmentMode?
  Yes → Pro High 直行（Flash スキップ）
  No  → Flash（軽量プロンプト + 会話履歴）
          Flash が回答できる      → そのまま返す
          [[NEEDS_PRO]] を返す    → Pro Low に回す

Flash はゲートウェイ兼レスポンダー。分類ラベルを返すのではなく、自分で回答できるなら回答し、できない場合だけエスカレーションタグを返す。

Pro Low / Pro High の振り分けは Flash に任せない。 サーバーが assessmentMode を見て判定する。

フロー詳細（mermaid シーケンス図）

現在のフロー（全メッセージ共通）

sequenceDiagram
    participant C as Client
    participant S as Server
    participant PH as Pro High

    C->>S: 「天気はどう？」
    S->>S: buildSystemPrompt()<br/>(巨大プロンプト構築)
    S->>PH: システムプロンプト + メッセージ
    Note over PH: thinking high... (5-10秒)<br/>生成... (5-10秒)
    PH-->>S: 「[[OFF_TOPIC]]面白い質問ですね...」
    S->>S: タグ解析 → offTopic: true
    S-->>C: レスポンス

    Note over C,PH: 合計: ~15-19秒（雑談でも数学でも同じ）

新フロー: Flash が回答する場合（雑談・挨拶）

sequenceDiagram
    participant C as Client
    participant S as Server
    participant F as Flash
    participant PL as Pro Low

    C->>S: 「天気はどう？」
    S->>S: assessmentMode? → No
    S->>F: 軽量プロンプト + 会話履歴
    Note over F: 数学じゃない→自分で回答 (~1秒)
    F-->>S: 「面白い質問ですね！ただ私は<br/>数学専門なので...」
    S-->>C: offTopic: true + Flash の回答

    Note over C,PL: 合計: ~1-2秒 ✅
    Note over C,PL: Pro 呼び出し: 0回

新フロー: Pro Low にエスカレーション（全ての数学メッセージ）

sequenceDiagram
    participant C as Client
    participant S as Server
    participant F as Flash
    participant PL as Pro Low
    participant PH as Pro High

    C->>S: 「因数分解のやり方を教えて」
    S->>F: 軽量プロンプト + 会話履歴
    Note over F: 数学→自分では回答しない (~1秒)
    F-->>S: "[[NEEDS_PRO]]"

    S->>S: assessmentMode? → No → Pro Low
    S->>S: buildSystemPrompt()
    S->>PL: フルプロンプト + メッセージ
    Note over PL: 生成 (~5-8秒)<br/>thinkingLevel: low
    PL-->>S: 応答 + タグ
    S->>S: タグ解析
    S-->>C: レスポンス

    Note over C,PH: 合計: ~6-9秒 ✅（現在の ~16秒 から大幅改善）

新フロー: Pro High（習得判定モード — Flash スキップ）

sequenceDiagram
    participant C as Client
    participant S as Server
    participant F as Flash
    participant PL as Pro Low
    participant PH as Pro High

    C->>S: 「準備できました」(assessmentMode=true)
    S->>S: assessmentMode → Pro High 直行
    S->>S: buildSystemPrompt()
    S->>PH: フルプロンプト + メッセージ
    Note over PH: thinking high + 生成<br/>(~15-18秒)
    PH-->>S: 応答 + タグ
    S->>S: タグ解析
    S-->>C: レスポンス

    Note over C,PH: 合計: ~15-18秒（Flash を経由しない分、現在と同等）

フロー比較まとめ（Phase 1）

シナリオ	現在	新フロー	改善
雑談「天気はどう？」	Pro High = ~19秒	Flash 直接回答 = ~1-2秒	-17秒
挨拶「ありがとう」	Pro High = ~15秒	Flash 直接回答 = ~1-2秒	-13秒
標準的な数学の質問	Pro High = ~16秒	Flash → Pro Low = ~6-9秒	-7〜10秒
画像付きの数学の質問	Pro High = ~16秒	Flash → Pro Low = ~6-9秒	-7〜10秒
解答チェック・スキルカード	Pro High = ~16秒	Flash → Pro Low = ~6-9秒	-7〜10秒
習得判定（assessmentMode）	Pro High = ~16秒	Pro High 直行 = ~15-18秒	±0

ルーティング戦略

設計原則: 「難易度は内容で決まる。形式では決まらない」

当初、画像 → 常に Pro High、assessment → 常に Pro High のような 形式ベースのルール を検討したが、これは正しくない。画像であっても中1向けの簡単な問題なら深い推論は不要。逆に、テキストだけでも証明問題なら深い推論が必要。

Flash に「内容の難易度」を正確に判定させるのは本質的に難しい。 Flash が難易度を正確に判定できるなら、そもそも Flash に解かせればいい。 Flash にできないから Pro に回すのに、その「できない」の境界線を Flash に判定させるのは矛盾している。

採用方針: 段階的アプローチ（Start Simple, Measure, Iterate）

完璧なルーティングを最初から設計するのではなく、最小限のルーティングで始めて、データに基づいて改善する。

Phase 1（MVP）: 2段ルーティング

Flash の判断を**「数学か否か」の1点に絞る**。難易度判定（Low vs High）は Flash に任せず、サーバーが確定できるもの以外は全て Pro Low をデフォルトにする。

全メッセージ → Flash（軽量プロンプト + 会話履歴）
  数学に無関係        → Flash が直接回答（offTopic）
  挨拶・お礼          → Flash が直接回答
  数学関連            → Pro Low（デフォルト）

例外（サーバーが判定、Flash を経由しない）:
  assessmentMode=true → Pro High（直行）

Flash に「Pro Low か Pro High か」の判断を求めない。 数学関連は全て Pro Low に流す。

assessmentMode だけがサーバーサイドで確定できる唯一の Pro High トリガー。 6問試問は正確なスコアリング（ヒントの有無、部分点、合格判定）が必要で、深い推論が確実に必要なケースだから。

シナリオ	ルート	レイテンシ	現在比
雑談「天気はどう？」	Flash 直接	~1-2秒	-17秒
挨拶「ありがとう」	Flash 直接	~1-2秒	-13秒
標準数学「因数分解を教えて」	Flash → Pro Low	~6-9秒	-7〜10秒
解答提出「答えは x=5」	Flash → Pro Low	~6-9秒	-7〜10秒
画像「この問題を見て」	Flash → Pro Low	~6-9秒	-7〜10秒
習得判定モード	Pro High（直行）	~15-20秒	±0

Pro Low で品質は足りるのか？

Pro Low = Gemini 3 Pro + thinkingLevel: low。知識・能力は同一モデル。thinking が浅いだけ。
標準的なチュータリング（概念説明、簡単な問題のガイド、チェックリスト提示）は low で十分なはず。
解答チェック・画像分析も、中〜高レベルの問題なら low で対応可能と仮説を立てる。
仮説が外れたら Phase 2 で対処する。

Phase 2（データ駆動）: Pro High ルーティングの追加

Phase 1 でログを収集し、Pro Low の応答品質が不十分なパターン を特定してから Pro High ルーティングを設計する。

収集するデータ:

各リクエストのルート（Flash直接 / Pro Low / Pro High）
Pro Low の応答時間、thoughtsTokenCount
ユーザーの follow-up パターン（「わかりました」vs「もう一度説明して」）← 品質の間接指標
タグ出力の成否（CARD_MASTERY、PROBLEM_RESULT が正しく出力されたか）

品質問題が確認されたら、その時点で具体的なルーティング基準を設計する。想定される追加トリガー候補:

特定の数学領域（証明、微積分の複雑な問題等）
会話中に Pro Low が不十分な応答をした場合のリトライ
ユーザーのスキルレベルが高い場合（高度な問題を扱う可能性が高い）

Phase 2 の設計は Phase 1 のデータが揃ってから行う。今は設計しない。

Flash の判断基準（Phase 1 版）

Phase 1 では Flash の判断は極めてシンプル: 「数学に関係するか否か」

あなたは数学学習アプリのゲートウェイです。

## あなたの役割
ユーザーのメッセージを見て、数学の学習に関するものかどうかを判断します。

## 直接回答するケース
以下に該当する場合は、あなたが直接回答してください:
- 数学や学習に無関係な話題（天気、ゲーム、雑談、他教科の質問など）
  → やんわり断り、Geminiを案内する応答を返す
- 挨拶（「こんにちは」「はじめまして」）
  → 簡潔に挨拶し、数学の質問を促す
- 簡単なお礼・相槌（「ありがとう」「わかりました」「なるほど」）
  → 簡潔に応答し、次の質問を促す

## エスカレーションするケース
上記以外（数学に関するメッセージ）は、すべて [[NEEDS_PRO]] タグのみを返してください。
自分で数学の問題を解いたり、数学の概念を説明したりしないでください。

## 重要
- 数学の問題には一切回答しないこと
- エスカレーション時はタグのみ（余計なテキスト不要）
- 直接回答する場合は丁寧語で簡潔に
- 判断に迷ったらエスカレーション（タグを返す）

Note: Phase 1 では [[NEEDS_PRO_LOW]] / [[NEEDS_PRO_HIGH]] の区別は不要。単一の [[NEEDS_PRO]] タグのみ。サーバーが assessmentMode を見て Low/High を決定する。

判断例（Phase 1）

メッセージ	判断	理由
「天気はどう？」	Flash 直接回答（offTopic）	数学と無関係
「こんにちは」	Flash 直接回答（挨拶）	挨拶
「ありがとう」	Flash 直接回答（相槌）	お礼
「因数分解を教えて」	`[[NEEDS_PRO]]` → Pro Low	数学
「この計算合ってる？ x=3」	`[[NEEDS_PRO]]` → Pro Low	数学（解答チェック）
「解きました。答えは x=5 です」	`[[NEEDS_PRO]]` → Pro Low	数学（解答提出）
[画像] +「この問題を見て」	`[[NEEDS_PRO]]` → Pro Low	数学（画像含む）
assessmentMode=true のメッセージ	Pro High（Flash 経由せず）	サーバーが直接判定

実装計画

Step 1: モデル階層の導入

変更ファイル: prototype/src/api/google-genai.ts

sendMessage にモデル階層（tier）の概念を導入:

type ModelTier = 'flash' | 'pro_low' | 'pro_high';

// 各 tier のフォールバックチェーン
// Pro Low と Pro High は同一モデル、thinkingLevel で切替
const TIER_CHAINS: Record<ModelTier, GenAIConfig[]> = {
  flash: [
    { model: 'gemini-3-flash-preview', location: 'global' },
    { model: 'gemini-2.5-flash', location: 'asia-northeast1' },
  ],
  pro_low: [
    { model: 'gemini-3-pro-preview', location: 'global', thinkingLevel: 'low' },
    { model: 'gemini-2.5-pro', location: 'asia-northeast1' },  // fallback
  ],
  pro_high: [
    { model: 'gemini-3-pro-preview', location: 'global', thinkingLevel: 'high' },
    { model: 'gemini-2.5-pro', location: 'asia-northeast1' },  // fallback
  ],
};

maxOutputTokens: 全 tier で 16384 に統一（既存の統一基準に従う）
- 全モデル（3-pro, 3-flash, 2.5-pro, 2.5-flash）の出力上限は 65,536
- thinking model では maxOutputTokens に thinking トークンが含まれるため、低く設定すると空レスポンスになる
- 16384 は上限キャップであり目標値ではない。実際の出力が短ければコストもその分だけ
- 詳細: Gemini 3 maxOutputTokens 調査ドキュメント参照

Step 2: Flash ゲートウェイサービス

新規ファイル: prototype/src/services/flash-gateway.ts

type GatewayResult =
  | { type: 'direct'; content: string; offTopic?: boolean }
  | { type: 'escalate_pro' };

/**
 * Flash にメッセージを送り、直接回答 or エスカレーション判定を得る
 * Phase 1 では Pro Low / Pro High の区別は Flash に任せない
 */
async function processWithFlash(
  messages: ChatMessage[]
): Promise<GatewayResult>

Flash 用の軽量システムプロンプトを使用（上記「Flash の判断基準」参照）
会話履歴を含めることで文脈を考慮した判断が可能
Flash が [[NEEDS_PRO]] タグを返した → escalate_pro
Flash がテキスト応答を返した → direct（offTopic or 挨拶）

Step 3: `/api/chat` ルーティング統合

変更ファイル: prototype/src/server.ts

// 1. assessmentMode → Pro High 直行（Flash をスキップ）
if (assessmentMode) {
  const response = await sendMessage({
    messages, system: systemPrompt, tier: 'pro_high',
  });
  // 既存のタグ解析 → レスポンス
  return;
}

// 2. それ以外 → Flash ゲートウェイ
const gatewayResult = await processWithFlash(messages);

switch (gatewayResult.type) {
  case 'direct':
    // Flash が直接回答 → そのまま返す
    return res.json({
      content: gatewayResult.content,
      model: 'gemini-3-flash-preview',
      offTopic: gatewayResult.offTopic,
    });

  case 'escalate_pro':
    // Pro Low に回す（Phase 1 では全数学 → Pro Low）
    const proResponse = await sendMessage({
      messages, system: systemPrompt, tier: 'pro_low',
    });
    // 既存のタグ解析 → レスポンス
    break;
}

重要: Pro Low パスは既存のタグ解析ロジック（CARD_MASTERY、PROBLEM_RESULT 等）をそのまま使用。

Step 4: システムプロンプトの変更

変更ファイル: prototype/src/prompts/system-prompt.ts

[[OFF_TOPIC]] タグの指示を削除（Flash ゲートウェイが担当するため）
Pro 用のプロンプトはそのまま維持

Step 5: ロギング・計測

各パスの応答時間をログに記録（Phase 2 のデータ収集を兼ねる）:

[GATEWAY] route=flash_direct reason=off_topic flash_ms=1100
[GATEWAY] route=flash_direct reason=greeting flash_ms=980
[GATEWAY] route=pro_low flash_ms=1050 pro_ms=6200 total_ms=7250
[GATEWAY] route=pro_high reason=assessment pro_ms=16500

Pro Low パスでは追加で記録:

thoughtsTokenCount: thinking にどれだけ使ったか
タグ出力の成否（CARD_MASTERY 等が正しく生成されたか）

Step 6: テスト

入力	期待ルート	期待時間
「天気はどう？」	Flash 直接回答 (offTopic)	~1-2秒
「ありがとう」	Flash 直接回答	~1-2秒
「因数分解を教えて」	Flash → Pro Low	~6-9秒
「この計算合ってる？ x=3」	Flash → Pro Low	~6-9秒
[画像] +「この問題を見て」	Flash → Pro Low	~6-9秒
assessmentMode=true	Pro High 直行	~15-18秒

変更ファイル一覧

ファイル	変更種別	内容
`prototype/src/services/flash-gateway.ts`	新規	Flash ゲートウェイサービス
`prototype/src/server.ts`	修正	`/api/chat` にルーティング統合
`prototype/src/api/google-genai.ts`	修正	ModelTier の導入、tier 別フォールバックチェーン、thinkingLevel 対応
`prototype/src/api/gemini-fallback-strategy.ts`	修正	tier 別チェーン対応
`prototype/src/prompts/system-prompt.ts`	修正	OFF_TOPIC 指示を削除

リスク評価

リスク	レベル	対策
Flash が数学の質問に直接回答してしまう	MEDIUM	Flash プロンプトで「数学の問題に自分で解答しないこと」を明示。迷ったらエスカレーション
Pro Low の品質が不十分（複雑な問題で浅い回答）	MEDIUM	Phase 1 では許容。ログで品質問題を検知し Phase 2 で Pro High ルーティングを追加
Pro Low でタグ出力が不安定（CARD_MASTERY 等）	MEDIUM	thinkingLevel: low でもタグ出力の指示追従能力は十分なはず。テストで確認
Flash 経由のレイテンシ追加（非assessment メッセージ +1秒）	LOW	雑談・標準数学の大幅改善と比べてトレードオフとして許容。assessment は Flash スキップで影響なし
Flash が雑談を数学と誤判定（不要な Pro Low 呼び出し）	LOW	性能影響のみ（遅くなるが壊れない）。逆方向（数学を雑談と誤判定）は危険 → Flash プロンプトで「迷ったらエスカレーション」を徹底

複雑度: 低〜中

Flash の判断基準が「数学か否か」の1点に単純化されたため、Phase 1 のロジックはシンプル
既存の Pro パス（タグ解析等）は変更なし
thinkingLevel の追加は API config への1フィールド追加

仮説検証テスト結果

テストスクリプト: scripts/test-model-tiers.ts 問題プール 2,284問から L1×5 + L2×5 = 10問サンプル

仮説1: Flash の数学/非数学分類精度

結果: 12/12 正解 (100%)

入力	期待	結果	時間
天気はどう？	direct	✅ direct	11s
好きなゲームは？	direct	✅ direct	10s
こんにちは	direct	✅ direct	9s
ありがとう	direct	✅ direct	9s
わかりました	direct	✅ direct	9s
英語の勉強法を教えて	direct	✅ direct	10s
因数分解のやり方を教えて	escalate	✅ escalate	9s
x^2+5x+6 を因数分解して	escalate	✅ escalate	9s
この計算合ってる？ 2x+3=7 だから x=2	escalate	✅ escalate	10s
二次方程式の解の公式って	escalate	✅ escalate	8s
数学って将来役に立つの？	escalate	✅ escalate	11s
テスト勉強のコツ教えて	escalate	✅ escalate	11s

結論: Flash は「数学か否か」の判定を安定して行える。境界ケースもエスカレーション寄りに倒す。

仮説2&3: 正答率・速度比較

結果: 全 tier 10/10 正解 (100%)

Tier	L1 正答	L2 正答	平均レイテンシ	thinking トークン
Flash	5/5	5/5	12,035ms	288〜6,593（変動大）
Pro Low	5/5	5/5	13,592ms	~120（安定）
Pro High	5/5	5/5	28,673ms	473〜2,644（変動大）

発見:

Pro Low は Pro High の約半分のレイテンシで同じ正答率
Pro Low の thinking トークンは常に ~120 で安定（thinkingLevel: low の効果）
Flash も全問正解（ただし L2 の難問で thinking 6,593 トークン消費 → 38秒かかるケースあり）
Pro High は最大 74秒（thinking 2,644 トークン）かかるケースあり

仮説4: タグ出力

テスト	Pro Low	Pro High
PROBLEM_RESULT:correct	✅ 正しく出力	✅ 正しく出力
PROBLEM_RESULT:incorrect	✅ 正しく出力	✅ 正しく出力
CARD_MASTERY	⚠️ PROBLEM_RESULT で代替出力	✅ 正しく出力

CARD_MASTERY の注意点: Pro Low はマスタリー判定の場面で [[PROBLEM_RESULT:correct:card-factor-01]] を返し、期待される [[CARD_MASTERY:card-factor-01:85]] を出力しなかった。ただしこのテストは簡略化したシステムプロンプトを使用しており、本番の詳細なプロンプトでは改善する可能性がある。

Phase 1 への影響: PROBLEM_RESULT は正しく出力できるため、通常の問題演習は Pro Low で問題なし。 CARD_MASTERY の出力安定性は本番プロンプトでの追加テストが必要。

テスト結果に基づく判断

Phase 1 の Pro Low デフォルト方針は妥当 — 正答率は Pro High と同等、レイテンシは半分
Flash ゲートウェイの判定精度は十分 — 12/12 (100%)
CARD_MASTERY タグ出力は要注意 — Phase 1 デプロイ後にモニタリング必須。問題があれば CARD_MASTERY 判定時のみ Pro High に切り替える対策を Phase 2 で検討

追加検証テスト結果（第2弾）

仮説5: Flash 直答コース — フルプロンプトでのチュータリング品質

テストスクリプト: scripts/test-flash-direct.ts Flash に本番相当のフルシステムプロンプトを渡して、チュータリング品質・タグ出力を検証。

5a: チュータリング品質

テスト	Flash	Pro Low	Pro High
ヒントで導く（答えを直接教えない）	✅	✅	✅
LaTeX + 色分けルール	✅	✅	✅
OFF_TOPIC タグ出力	✅	✅	✅

全 tier でチュータリング品質に差なし。 Flash も正しくヒントで導き、答えを教えず、LaTeX・色分け・丁寧語を使用。

5b: タグ出力（フルプロンプト使用）

テスト	Flash	Pro Low	Pro High
PROBLEM_RESULT:correct	✅	❌ タグなし	❌ タグなし
PROBLEM_RESULT:incorrect	✅	❌ タグなし	✅
CARD_MASTERY	✅ (90点)	✅ (95点)	✅ (95点)

驚きの結果: Flash がタグ出力で最も安定。 Pro Low はフルプロンプトで PROBLEM_RESULT タグを出力できなかった（2回とも失敗）。

速度比較

Tier	checks passed	平均レイテンシ
Flash	9/9 (100%)	10.9秒
Pro Low	7/9 (78%)	23.4秒
Pro High	8/9 (89%)	23.1秒

仮説6: 共通テスト相当問題（≈L4）での正答率

テストスクリプト: scripts/test-common-exam.ts problem-bank/exams/ の共通テスト問題から5小問（計26空欄）をサンプルし、穴埋め正答率を比較。

正答率

Tier	正答空欄	正答率	平均レイテンシ
Flash	26/26	100%	15.6秒
Pro Low	26/26	100%	20.2秒
Pro High	26/26	100%	77.0秒

全 tier が共通テスト問題を完答。 Flash と Pro で正答率に差なし。Pro High は平均77秒（Flash の5倍）。

問題別詳細

問題	テーマ	空欄数	Flash	Pro Low	Pro High
Year1 大問1 〔１〕	数と式 + 三角比	7	7/7 (17s)	7/7 (17s)	7/7 (130s)
Year1 大問2 〔1〕	二次関数 + データ	7	7/7 (15s)	7/7 (43s)	7/7 (48s)
Year1 大問3 (1)	場合の数・確率	6	6/6 (15s)	6/6 (13s)	6/6 (36s)
Year1 大問4 (1)	整数の性質	2	2/2 (11s)	2/2 (14s)	2/2 (87s)
Year1 大問5 (1)	図形の性質	4	4/4 (20s)	4/4 (14s)	4/4 (84s)

全テスト結果のまとめと方針への影響

テスト結果の総括

検証項目	Flash	Pro Low	Pro High
L1 正答率	5/5 (100%)	5/5 (100%)	5/5 (100%)
L2 正答率	5/5 (100%)	5/5 (100%)	5/5 (100%)
共通テスト正答率 (≈L4)	26/26 (100%)	26/26 (100%)	26/26 (100%)
数学/非数学分類	12/12 (100%)	-	-
チュータリング品質	✅	✅	✅
PROBLEM_RESULT タグ	✅ (2/2)	❌ (0/2)	△ (1/2)
CARD_MASTERY タグ	✅	✅	✅
OFF_TOPIC タグ	✅	✅	✅
平均レイテンシ（数学）	~12-16秒	~14-23秒	~23-77秒

方針への重大な影響

テスト結果は当初の「Flash = ゲートウェイのみ、数学は全て Pro Low」という方針に大きな疑問を投げかける。

Flash が Pro Low・Pro High を全面的に上回っている:

正答率: 全難度で同等（L1, L2, 共通テスト ≈L4 すべて100%）
チュータリング品質: 同等（ヒント誘導、丁寧語、LaTeX）
タグ出力: Flash が最良（9/9）、Pro Low が最悪（7/9）
速度: Flash が最速（Pro Low の半分、Pro High の1/5）

Flash が Pro に劣る明確なケースがテストで一つも見つかっていない。

確定方針: Flash 直答デフォルト ✅

ユーザー承認済み

テスト結果を踏まえ、Flash をチュータリングのデフォルトモデルにする。

assessmentMode?
  Yes → Pro High 直行（6問試問のスコアリング精度を担保）
  No  → Flash（フルシステムプロンプト + 会話履歴）
          Flash が直接回答（数学含む）
          タグ出力も Flash が担当

ゲートウェイ + エスカレーションの2段構成は不要。 Flash が全てのリアルタイム応答を担当。

期待される効果

シナリオ	現在 (Pro High)	新 (Flash)	改善
雑談「天気はどう？」	~19秒	~1-2秒	-17秒
挨拶「ありがとう」	~15秒	~1-2秒	-13秒
数学チュータリング	~16-20秒	~10-16秒	-4〜10秒
解答チェック・タグ出力	~16-20秒	~10-16秒	-4〜10秒
習得判定 (assessmentMode)	~16-20秒	~16-20秒	±0

リスク・未検証事項（運用で確認）

マルチターン品質: 5-10往復の長い対話での品質は未検証。実使用でモニタリング
画像分析: 手書き画像でのFlash性能は未知。問題が出たら Pro へフォールバック検討
assessment 6問試問: 当面 Pro High を維持。将来的に事前生成問題 + Flash 配信に移行の可能性あり

将来の展望（#66 スコープ外）

作問の Pro Low / Flash 化: 類題生成ワークフローなら Flash でも可能な可能性
Pro High リアルタイム完全撤廃: assessment も事前生成 + Flash 配信に移行
Pro Low の位置づけ: フォールバック専用。Flash で問題が出た場合の保険

確定版実装計画

Step 1: `google-genai.ts` — モデル切替対応