こんにちは、AIニュースアプリ Morning AI 開発者の矢野哲平です。この記事では、AI各社の最新モデルを実際のタスクで比較した結果について触れます。
先週、GoogleとAnthropicから新しいAIモデルが立て続けに発表されました。そこで、Gemini・Claude・ChatGPTの現時点での最新モデルを、私が普段の業務で使っているタスクで比較してみました。この記事を読むことで、現時点のAI各社のモデル事情をまとめてキャッチアップできると思います。
この記事で解説するポイントは、主に次の3つです。
ちょうど先週、GoogleとAnthropicから新しいモデルがリリースされました。GoogleはGemini 3.1 Pro、AnthropicはClaude Sonnet 4.6です。1週間のうちに2社が新モデルを発表したので、界隈が少しざわつきました。
嬉しいことに、これらの新モデルは無料プランの人も使えます。GeminiやClaudeのチャット画面を開けば、すぐに試せます。
一旦、現時点のAI各社のモデルを整理します。
まずOpenAI（ChatGPT）はGPT-5.2です。厳密にはコーディングに特化したGPT-5.3 Codexも2月にリリースされていますが、一般的なチャットで使えるモデルはGPT-5.2です。
次にGoogleは先週、Gemini 3.1 Proを発表しました。Chatbot ArenaというAIの比較ランキングサイトでは、このGemini 3.1 Proが1位に輝いています。2位がAnthropicの最上位モデルClaude Opus 4.6、3位がGemini 3 Proという順です。かなり高性能なモデルで、Google公式の説明によると、ChatGPTやClaudeの最上位モデルに比べてコストが半分で済むとされています。ここでいうコストは、プログラムからこれらのモデルを操作したときのAPI料金を指します。
そしてAnthropicも同じく先週、Claude Sonnet 4.6をリリースしました。このモデルは100万トークンまで対応し、より長い会話や大量のテキストを処理できるようになりました。Anthropicは大きいモデル順にOpus・Sonnet・Haikuの3つを保有しており、今回はちょうど中間のSonnetが4.5から4.6にバージョンアップした形です。Geminiも3から3.1に上がっており、各社ともバージョンを細かく刻んでいる印象です。
整理すると、各社の現時点の最新モデルは次の通りです。
| 提供元 | 最新モデル |
|---|---|
| OpenAI（ChatGPT） | GPT-5.2 |
| Google（Gemini） | Gemini 3.1 Pro |
| Anthropic（Claude） | Claude Sonnet 4.6 |
これら3つのモデルを、複数のタスクで比較してみました。厳密にはモデルサイズの違いなどで完全に同条件とはいきませんが、この3つはAPIで操作した場合のコストがほぼ同じで、いずれも直近リリースのモデルということで比較対象としました。
世の中にはさまざまなベンチマークがありますが、今回は私が実際に業務で使っているタスクで比較しました。
まずは、私の興味の度合いをAIに情報として渡し、興味を示すであろうニュース記事をピックアップしてもらうタスクです。情報収集の場面でAIに取捨選択を任せたいときに役立ちます。
結論を言うと、GPT-5.2が一番精度が高く、GeminiとClaudeは同じスコアでした。ただし、その差も誤差の範囲でした。
次は、英語のニュース記事を日本語の要約にまとめるタスクです。元の英語記事を私が読み込み、内容をうまく抽出してわかりやすく仕上げているかという観点で評価しました。各AIごとに5回ずつ要約を作らせて確認しています。
結論は、Gemini、Claude、ChatGPTの順番でした。GeminiとClaudeは僅差です。ChatGPTのGPT-5.2は要約に集中しすぎて、全体像がわかりづらくなっている印象を受けました。
次は誤字脱字の修正タスクです。検知するだけでなく、テキストを正しい状態に書き直すところまで含めました。
結論は、ChatGPT、Claude、Geminiの順番でした。どのAIも誤字脱字は検知するのですが、GeminiとClaudeは書き直しの段階で関係ない箇所まで勝手に書き換えてしまう現象が確認されました。たとえば、もともと「2026年」と書いていたのに、修正後の文章で「2024年」になっている、といった具合です。各10回繰り返すとまれにこうしたミスが起こり、特にGeminiで多く見られました。ChatGPTでも確認されましたが、発生確率は最も低かったです。
最後はスライド作成のタスクです。Web上で閲覧できるスライドを作ってもらいました。
結論は、Claude、Gemini、ChatGPTの順番でした。やはりClaudeはデザイン系のタスクが強いという印象で、この点は感覚的なズレもありませんでした。
以上、4つのタスクで比較しました。整理すると次の通りです。
結構ばらけましたね。このことからも、AIは複数使いがおすすめだと改めて思います。
海外のAIモデル比較ランキングや分析を見ても、評価はばらけている印象です。たとえばArtificial Analysisというサイトでは、Gemini 3.1 Pro Previewを「OpenAIとAnthropicの最先端モデルの半分以下のコストで動かせる」「10個の評価項目のうち6項目でトップ」と高く評価する一方で、「実世界のタスクに焦点を当てたベンチマークでは以前と同様トップではなく、Claude Sonnet 4.6やClaude Opus 4.6、GPT-5.2には依然として及ばない」とも述べています。
つまり、良いベンチマークもあればそうでないものもある、ということです。私の検証でも同じような印象を受けました。すべてのタスクで他を上回る唯一無二のモデルは、現状ないのだと思います。各モデルがそれぞれのタスクで得意・不得意を持っている。だからこそ、AIは複数使ったほうが良さそうです。
最後に、こうした比較・評価のアプローチについて少し補足します。
今回の比較は、手動でチャット画面に入力して行ったわけではありません。Claude Codeというプログラミングに特化したAIエージェントのツールを使い、AIとプログラムを組み合わせて比較作業を簡略化しました。ClaudeのツールについてはClaudeの魅力を語るでも詳しく触れています。
世の中にはプロンプトやモデルを比較できるツールがたくさんありますが、その選択肢のひとつとして、Claude CodeやCodex CLI、Gemini CLIを使ってみるのも面白いです。手動でチャット画面に入力してテストすると作業が大変になるので、AIエージェントとプログラムを組み合わせて比較作業を担当してもらう、という使い方ができます。
最後に、今回のポイントをまとめます。
今回の結果から、具体的には次のような使い分けがおすすめです。
新しいモデルが出るたびに順位は入れ替わります。最新モデルの比較はGPT-5.4が登場、何が変わった？でも続けているので、合わせてチェックしてみてください。
Google側もその後モデルの更新を重ねており、直近ではGemini 3.7 Flashが公開されています。
OpenAIの新モデルGPT-5.4の特徴と、Gemini 3.1 Pro・Claude Sonnet 4.6との比較検証をまとめました。チャットでの1ターンタスクとAIエージェント的なタスクで結果が分かれた理由、API経由での安く試す方法まで解説します。
ChatGPTやGeminiよりユーザー数が少ないClaudeを、私が一番使う理由を解説。Anthropicの3つのサービス、Claude CodeとClaude Coworkでできること、他社との違いまで初心者向けにまとめました。
OpenAIが公開したGPT-5.2の特徴と、Gemini 3.0・Claude Opus 4.5との比較をまとめました。文章校正・ファクトチェック・表作成・スライド生成など5つのタスクで検証し、各モデルの使い分けを初心者向けに解説します。
Claude Codeのultrathinkが、2.1.311からそのターンのeffortを実際にxhighへ引き上げるようになりました。今の仕様、効く条件と虹色の表示、31,999トークンの時代からの変遷、よくある誤解、/effortとの使い分けを解説します。
AIエージェント「Grok Bot」の活用アイデアまとめ。公式が紹介する営業・採用・サポートなどのビジネス向けと、Cursorと組み合わせるエンジニア向けの使い方に加え、筆者が実際にやっているX連携・ダイエットの記録・勉強・他社のAIエージェントとの連携などを紹介します。
AIエージェント「Grok Bot」の始め方と使い方を実体験から解説。料金と使えるプラン、Xと連携した情報収集やAIポッドキャストなどおすすめの使い方、記憶の整理でミスを減らすコツ、買い物の自動化がまだ難しい理由までまとめます。
Anthropicが発表した先回り型のAIエージェント「Claude Duet」の仕組み、承認の仕組み、誰がいつ使えるのかを整理します。あわせてGrok Bot・Muse・dots・Gemini agentと続くクラウド型AIエージェントの流れと、今試すならどれかを解説します。
Gemini Notebook（旧NotebookLM）とGoogleドライブを連携した時、AIはどこまで情報を参照するのか。指定していないフォルダまで読まれることはあるのか、連携の単位から整理します。
Googleの最上位モデルGemini 4 Argonを、ChatGPT（GPT-6 Astra）やClaude（Fable 5.1・Opus 5.5）と比較。Googleの公式比較、Artificial AnalysisやVals AIなど外部の評価、実際に使った感想から、Argonの得意なこと・不得意なことを整理します。
10月13日のGoogle Playの発表で、Google AI Studioで作ったAndroidアプリを自分のスマホにインストールして使えるようになりました。開発者アカウントは不要で、アプリは非公開。何が嬉しいのか、在庫チェックや日報など自分専用の業務アプリの例と、地域・年齢の注意点を解説します。
GoogleのSynthIDが、TIME誌の「Best Inventions 2026」に選ばれました。AIが作った画像・音声・動画・テキストに目に見えない電子透かしを入れる技術で、これまでに1,800億件以上に適用されています。何ができるのか、私たちユーザーにとって何が大事なのかを解説します。
Metaが今年から本格展開しているAI「Muse」を整理します。Museはモデルの名前でもあり、アプリの名前でもあります。Muse SparkとMuse Wonderの違い、アメリカでStore1位になったパーソナルAIアプリのMuse、日本で使えるのはどこまでか、中小企業での活用事例、キーマンのアレクサンダー・ワン氏まで解説します。
MetaのMuse Spark 1.3を、Claude Opus 5.5とGPT-6.1 Solと比べました。OpenCodeでランディングページを作らせた実験の結果と、Artificial Analysis・Design Arena・Vals AIの外部ベンチマークを整理します。API料金が一番安いMuse Sparkは、Webサイトやデザイン系のタスクで健闘していました。