モデルの選び方

モデルの概要

Astra

最先端の知能

要件が曖昧な問題の解決、踏み込んだ分析、難度の高い成果物の作成

GPT-6.1 Sol

最適化された高性能モデル

時間とコストの管理も求められる複雑なタスク

GPT-6.1 Terra

視覚情報に基づく推論とコンピューターの使用

画面操作を伴う作業、簡潔な文章の作成、範囲を絞ったコード修正

Luna

賢さと効率性

範囲が明確なタスク、トリアージ、頻繁に実行するオートメーション

利用できるモデルやツール、推論設定、利用上限は、製品やモデルのバージョンによって異なります。ChatGPT で利用できるモデルまたは API モデルカタログを確認してください。

ワークフローに合ったモデルの選び方

仕事の種類と具体的なタスクを選ぶと、おすすめのモデルが表示されます。

GPT-6.1 Terra が候補になる場面

提供された資料をもとに簡潔な文章を書く場合、目標が明確なコンピューター操作を行う場合、コードの修正範囲が明確な場合は、GPT-6.1 Terra を試してください。入力と要件を明確にし、保存されたレコードの確認や回帰テストの実行など、結果を検証する方法も指定してください。

同じ入力と推論強度で GPT-6.1 Sol と比較してください。文章では、正確さや長さに加え、想定読者に合っているか、文体は適切か、役立つ具体的な情報が含まれているかを評価します。コンピューターの使用では、保存された結果を確認し、完了報告が正確かどうかを確かめます。

GPT-6.1 Sol が候補になる場面

決算情報をもとに取締役会向けのプレゼン資料を作成する場合や、製品概要をもとにウェブサイトを構築する場合など、複雑なプロジェクトでコストを重視するときは GPT-6.1 Sol を検討してください。同じタスクで Astra と比較し、品質とコストのバランスを評価します。

仕様と API 料金は API モデルのページで確認できます。ご利用の ChatGPT プランで使えるかどうかは、Codex と ChatGPT Work での提供状況を確認してください。

モデルと推論強度の選び方

モデルと設定の比較

このページの指針は、モデル選びの出発点です。ワークフローに合ったモデルを見つけるには、複数のモデルや推論設定を実際に試し、結果を比べるのが最も確実です。

まず、次の点を検討してください。

• ワークフローの実行頻度はどのくらいですか？ オートメーションを頻繁に実行すると、たまに行うプロジェクトと比べて、使用量やコストが速く増えていきます。
• どのくらい早く結果が必要ですか？ 結果を待って次の作業に進むタスクでは、夜間に実行するタスクよりも速い設定が必要になる場合があります。
• 出力をどのように使いますか？ 自分で確認するための下書きなら、外部に共有するものほど細部まで仕上げる必要はないかもしれません。
• 結果の品質をどの程度重視しますか？ 用途や業種によっては、品質を優先して、より高性能なモデルを選ぶとよいでしょう。

可能であれば、同じ入力で複数の設定を試して結果を比較し、求める品質を満たす最も軽い設定を使ってください。

モデルを比較する前に、合格と判断する基準を決めてください。

• 文章作成： 必要な事実や留保条件が含まれているか、想定読者に合っているか、文体は適切かを確認します。短いほうが役立つかどうかは、両方の文章を読んでから判断してください。
• コンピューターの使用： 操作対象のレコードやページを開き直し、変更が保存されていることを確認します。ワークフローが無関係なデータを変更していないことも確かめ、完了報告を実際の結果と照合してください。
• コードとインターフェース： 回帰テストを実行します。対話型アプリケーションの場合は、デスクトップとモバイルの両方で実際の表示も確認してください。

代表的なタスクをいくつか選び、同じ比較を繰り返してください。結果の品質を評価するとともに、結果の確認や修正に費やした時間も含めて、完了までにかかった時間を測定します。その後、モデルと入力は固定したまま、推論強度を変えて比較してください。