3社のモデルと、いつ何を使うか

01 / 21

「ChatGPT」「Claude」「Gemini」には2つの層があります。毎日さわる「アプリ（製品）」と、その中で文章を作る「モデル」です。

アプリは画面・会話の記録・ログインなどを受け持ち、モデル（第1章の LLM）に文章を渡して、答えを受け取ります。

会話では：「どのアプリで？」と「どのモデルで？」は別の質問です。同じアプリのまま、中のモデルだけを変えることもあります。

02 / 21

3社とも同じ形です。OpenAI のアプリは ChatGPT でモデルは GPT。Anthropic は Claude、Google は Gemini です。

アプリの中でどのモデルを使えるかは、プラン（あとで見ます）などによって変わります。

会話では：「ChatGPT で聞いた」はアプリの話、「GPT のモデルで書いた」はモデルの話です。

03 / 21

ChatGPT と GPT は名前で分けられますが、Claude と Gemini はアプリとモデルが同じ名前です。モデルを指すときは、後ろの名前と番号まで言います。

系列の名前（Opus や Flash など）と番号で、どのモデルかが決まります。図の下の名前は 2026年10月時点の例です。

会話では：「Claude で書いた」はアプリの話のことも、モデルの話のこともあります。迷ったら「どのモデル？」と聞き返します。

04 / 21

第4章から出てくる AI コーディングの道具（Claude Code・Codex・Antigravity CLI）も製品の1つです。中では各社のモデルが動いています。

道具の中で使うモデルは切り替えられます。3つとも /model という命令でモデルを選べます（第8章）。Antigravity CLI のように、プランによってはほかの会社のモデルも選べる道具もあります。

会話では：「Claude Code のモデルを Opus に切り替えて」は、道具はそのままで、中のモデルを変えて、という意味です。

05 / 21

各社とも、賢さ・速さ・料金の違うモデルを何種類か並べて出しています。この並びを、この章では「モデルの系列」と呼びます。

図は 2026年10月時点の各社の公式のモデル一覧から、各社がまずすすめる主なモデルだけを載せました。ほかにも、前の世代のモデルや、音声・画像を扱う専用のモデルなどがあります。

会話では：「いまの最新のモデルは？」は、ネットの記事ではなく、各社の公式のモデル一覧で確かめるのが確実です。

06 / 21

各社の説明では、上の段ほど難しい仕事に強く、下の段ほど速くて安い、という並びです。いちばん上を「フラッグシップ」と呼ぶこともあります。

横に並んだ同じ段のモデルが同じくらい、という意味ではありません。会社ごとの並びとして見てください。どれが一番かは、この図では決めません。

会話では：「フラッグシップを使って」は、その会社のいちばん上の段のモデルを使って、という意味です。

07 / 21

モデルは、新しい世代が出ると入れ替わります。古いモデルは、やがて使えなくなります（引退）。

3社とも、古いモデルを定期的に引退させると説明しています。名前を覚えるより、「系列」と「上の段・下の段」という見方を覚えておくと長持ちします。

会話では：「その名前、もう前の世代かも」——記事や AI の答えに出てくるモデル名は、古いことがあります（第1章の知識のカットオフ）。

08 / 21

いまの主なモデルは、文章だけでなく画像も読めます。何種類ものデータを扱えることを「マルチモーダル」と呼びます。

読めるものはモデルで違います。各社のモデル一覧では、Claude と GPT のいまの主なモデルは文章と画像を、Gemini のいまの主なモデルは動画・音声・PDF も読める、と書かれています。答えはどれも文章です。

会話では：「エラー画面のスクショを貼って聞いて」——画像を読めるモデルなら、文章で説明しにくいことも伝えられます。

09 / 21

同じ会社の中で比べると、上の段の大きいモデルは難しい問題に強い代わりに、遅めで料金が高め。下の段の小さいモデルはその逆、という傾向があります。

この章では、系列の上の段を「大きいモデル」、下の段を「小さいモデル」とまとめて呼びます。Google の用語集も、大きいモデルは複雑な問いに強いが、より多くの計算を使う、と説明しています。

会話では：「重い設計は大きいモデル、軽い作業は小さいモデルで」——この傾向を踏まえた言い方です。

10 / 21

頼んでから答えが返るまでの待ち時間を「レイテンシ」と呼びます。すぐに答えがほしい場面ほど、小さいモデルが向きます。

レイテンシは、モデルの大きさのほか、頼む文や答えの長さ、このあと見る「考える量」でも変わります。

会話では：「レイテンシ重視なら小さいモデル」「急がないから大きいモデルでじっくり」のように言います。

11 / 21

いまの主なモデルは、答える前に「考える」段階を持てます。問題を言い換え、やり方を試し、途中を確かめてから答えます。これを「思考」と呼びます。

英語では thinking や reasoning と呼びます。「推論」と訳されることもありますが、第1章の推論（学習済みのモデルを使うこと）とは別の意味です。

会話では：「考えさせてから答えさせる」「思考が長くて待たされる」は、この段階のことを言っています。

12 / 21

どれだけ考えるかは、設定で上げ下げできます。低いと速く安く、高いと難しい問題に強くなる代わりに、時間とトークンが増えます。

考えた分も、3社とも料金に入ります。呼び名は effort（Anthropic）・reasoning effort（OpenAI）・thinking level（Google）。Anthropic は、モデルを替えるよりこの設定を変えるほうがよいことも多い、と説明しています。

会話では：「effort を high にして」「この作業なら low で十分」のように、考える量を指定します。

13 / 21

原因の分からない不具合を調べる・全体の作りを考える・長い作業を任せる。こういうときは、大きいモデルにするか、考える量を増やします。

3社とも、複雑な推論やコーディング、長く続く作業には、上の段のモデルをすすめています。

会話では：「原因が分からないから、大きいモデルで考える量も上げて調べよう」のように使い分けます。

14 / 21

決まった形に直す・量の多い作業を同じやり方でこなす・すぐ答えがほしい。こういうときは、小さいモデルや少ない考える量で足りることが多いです。

Anthropic は分類や抜き出し、OpenAI は焦点のしぼられたくり返しの作業、Google は大量の処理や文書の読み取りに、下の段のモデルをすすめています。

会話では：「この一括の書き換えは Flash で十分」「下調べは小さいモデルに任せる」のように言います。

15 / 21

迷ったら、始め方は2つです。小さいモデルで始めて足りなければ上げるか、大きいモデルで始めて、余裕があれば軽くするかです。

Anthropic はこの2つの始め方を紹介しています。OpenAI は、作業の種類ごとに、どのモデルとどの考える量から始めるかの目安を出しています。

会話では：「まず軽い設定で試して、足りなければ上げよう」は、小さく始めるやり方です。

16 / 21

アプリを使うときは「プラン」を選びます。無料のものと、毎月決まった額を払うものがあり、使える量や選べるモデルがプランで変わります。

有料のプランでも、使える量には上限があります。プランの中身は変わりやすいので、各社の料金ページで確かめます（このページの下にリンク）。

会話では：「上限に当たった」「リミットが来た」は、プランで使える量を使い切った、という意味です。

17 / 21

もう1つの使い方が「API」です。自分のプログラムや道具からモデルを直接呼び出し、使ったトークンの量に応じて払います（従量課金）。

読ませた量（入力）と書かせた量（出力）で単価が別で、単価はモデルごとに違います。2026年10月時点では、3社とも上の段のモデルほど単価が高めです。

会話では：「API で使うと従量課金、アプリはプランの範囲」——同じモデルでも、払い方が違います。

18 / 21

アプリのプランと API の料金は別々です。AI コーディングの道具は、プランのアカウントでログインしても、API キーを設定しても使えます。

有料のプランに入っていても、API の分はふつう別に払います（API に使える分が付くプランもあります）。どちらで使うかで、払い方や選べるモデルが変わることがあります。

会話では：「API キーで動かす」「サブスクのアカウントでログインする」は、2つの払い方のどちらで使うかの話です。

19 / 21

モデルを自分のパソコンで動かすやり方もあります（ローカル LLM）。手元で動かせる形で公開されたモデルを入れて使います。

長所は、読ませた中身を会社のサーバーへ送らずに済み、ネットが無くても動くこと。短所は、メモリなどの性能が要り、動かせるのが小さめのモデルなので、難しい作業には向かないことが多い点です。

会話では：「ローカル LLM で試してみた」は、会社のサーバーではなく、自分のパソコンでモデルを動かした、という意味です。

20 / 21

モデルを比べるときは、よく「ベンチマーク」の点数が使われます。決まった問題集を解かせて、正しく解けた割合などを比べるものです。

点数は手がかりになりますが、問題集はあなたの作業そのものではありません。Google の用語集も、評価は「ある作業にいちばん合う LLM」を見つけるのに役立つ、と説明しています。

会話では：「ベンチマークでは上だけど、自分の作業ではどう？」と確かめる言い方をします。

21 / 21

いちばん確かなのは、自分の作業で試すことです。同じ頼みを2つのモデル（や設定）に出して、結果・速さ・料金を見比べます。

Anthropic は実際の入力で比べるよう、OpenAI は同じ入力で比べて質が足りる中でいちばん軽い設定を残すよう、すすめています。名前や点数より、この確かめ方が長く使えます。

会話では：「同じ頼みを2つのモデルでやらせて、比べてみよう」——迷ったときの確かめ方です。