Splunkが選ぶ2026年のお勧めLLM

私は、初めてLLM (大規模言語モデル)を使い始めたとき、夢のようだと思いました。質問を投げかけると、瞬時に答えが返ってくるのです。まるで世界一頼りになる(しかもコーヒー休憩を取らない)研究助手を手に入れた気持ちでした。しかし、LLMをブレインストーミングで多用するようになるにつれて、LLMごとに個性があることに気づきました。

AIツールを使ったことがあれば、この分野では「GPT」と言うよりも速く技術が進化することをご存知でしょう。そのため、これからLLMを使い始める方にとっては、選択肢が多すぎて、どのLLMがどの用途に最適かを見極めるのが少し大変かもしれません。

そこで私が皆様の代わりに調査しました。主要なLLMを実際に試用して、速度、精度、パフォーマンスに関する知見を集めました。

オープンソースのLLMとベンダー独自のLLMの違い

LLMはオープンソースのLLMとベンダー独自のLLMの2種類に大きく分けられます。個々のモデルについて見ていく前に、この2つの違いを理解しましょう。

• オープンソースのLLM：ソースコードが一般に公開されています。誰でもアクセスし、自身のニーズに合わせて修正、改良して、コミュニティと改善点を共有できます。代表的な例としては、DeepSeek-V3-0324やLlama 4などが挙げられます。
• ベンダー独自のLLM：民間企業が所有権を持ち、ソースコードは一般には公開されていません。これらのモデルは、有料のAPIやライセンスを通じて利用できます。より洗練されていて使いやすいですが、ニーズに合わせて修正やファインチューニングを行うことはできません。代表的な例としては、GPT-4.5やClaude 3.7 Sonnetなどが挙げられます。

オープンソースのLLMとベンダー独自のLLMのメリットとデメリット

では、どちらの方が良いのでしょうか？それは、使用する目的によります。わかりやすいように、それぞれのメリットとデメリットを次の表に簡単にまとめました。

2026年のお勧めLLM

2025年に登場したLLMは、数年前に流行した初期のチャットボットとはまったく異なります。これらのモデルはもはや、テキストを生成するだけではありません。インターネットをリアルタイムで検索し、雰囲気や感情を解釈し、画像、音声、動画の情報を組み合わせて理解することもできます。

では、2025年に登場したお勧めモデルを見ていきましょう。

1) GPT-4.5 (Orion)

2025年2月27日に、OpenAI社がGPT-4.5モデルをリリースしました。

GPT-3.5やGPT-4など、以前のバージョンにすでに慣れ親しんでいる方もいるかもしれませんが、GPT-4.5はまさに別次元の進化を遂げています。最大の改良点の1つは、長期記憶能力(メモリー機能)の向上です。12万8,000トークンの記憶容量を備え、長時間の会話でも詳細まで記憶できるようになりました。そのため、長時間の会話でも文脈を理解し、一貫性を保つことができます。また、MMLUなどの主要ベンチマークで85.1%のスコアを記録するなど、プレッシャーのかかる状況でも優れたパフォーマンスを発揮します。

GPT-4.5は、より自然で会話的な印象を与えます。直接的で、回りくどい言い方をせず、要点をすばやく伝えます。そのため、カジュアルな会話や簡単なコンテンツ生成には適していますが、高度な技術的問題の解決には必ずしも最適とは言えません。

広範なナレッジベースを持つため、多様なトピックについて話し合ってもハルシネーション(幻覚)が起きにくいのも特徴です。

2) Claude 3.7 Sonnet

私はコンピューターサイエンス愛好家として数えきれないほどのAIコーディングアシスタントを試してきましたが、Claudeはすぐに、私の頼れるツールの1つになりました。特に、2025年2月24日にリリースされたClaude 3.7 Sonnetは、コーディング作業が非常に円滑になる点で際立っています。

特に印象的な機能の1つが、拡張思考モードです。Claudeは、単に答えを返すのでなく、段階ごとにロジックを説明してくれるため、プログラマーにとって非常に役立ちます。思考プロセスを追って、AからBにどのようにたどり着いたかを確認でき、さらに、途中で自身の誤解に気づくこともあります。

次の図に、6万4,000トークンの拡張思考モードを搭載した3.7 Sonnetが、拡張思考モード非搭載のバージョンよりもどれだけ優れているかを簡単に示します。

すばやく会話できる通常のチャットモードと、より深く正確な議論ができる思考モードを切り替えることができます。実際、Claudeは20万トークンのコンテキストウィンドウを備えているため、長時間のセッションでも文脈を失うことなく会話できます。通常は最大8,000トークンまで出力しますが、思考モードでは一度に最大6万4,000トークンまで出力できるため、大きなファイルや複雑なシステムを扱う場合に最適です。

3.7 Sonnetは学術ベンチマークでも非常に優れた成績を収め、MMLUでは約91%のスコアを記録しています。これは、このモデルの汎用推論能力とドメイン知識が安定して高い水準にあることを示しています。

さらに、Claude Codeという新しいエージェント型コーディングモデル(執筆時点でベータ版)も公開されました。このモデルを使えば、Claudeをターミナル内で直接利用できます。たとえば、以下の作業を依頼できます。

• コードの調査
• ファイルの編集
• テストの実行
• ビルドエラーの修正
• 平易な英語でのチャットによるGitHubへのプッシュ

このように、透明性が高く頼りになるアシスタントを必要としている開発者や技術者にとって、Claudeは最高の選択肢と言えます。私自身、プログラマーとして期待を裏切られたことは一度もありません。

3) Gemini 2.5 Pro

2025年3月26日にリリースされたGemini 2.5 Proは、AI開発競争におけるGoogle社の最大の飛躍です。Gemini 2.0や1.5などの以前のバージョンに比べ、この最新バージョンは、コーディングや、複雑で多層的な問題の解決において、より賢くなっています。

Gemini 2.5 Proは、まだ実験的なリリースであるにもかかわらず、すでにLMArenaランキングで1位を獲得しています。このランキングには、ベンチマークだけでなく、実際のユーザーからのフィードバックも反映されます。つまり、トップレベルのモデルが数ある中で、多くのユーザーが好んで使用しているということです。これだけでも、その実力の高さがうかがえます。

Gemini 2.5 Proは、推論に特に重点を置いている点が特徴です。Google社が「思考モデル」と呼ぶシステムを基盤に、パターンを分析し、コンテキストを解析し、論理的な結論を導き出して、次の出力を予測します。また、全体像と細部の 両方 を理解することもできます。これは、Google社が強化学習とCoTプロンプトを用いて、この推論能力をコア部分に組み込んだためです。

私はClaudeのファンですが(強力なロジックとクリーンなコードが好きだからです)、Geminiが複雑なタスクを自然に処理する能力には大きな感銘を受けました。

この高度な思考モデルのおかげで、Gemini 2.5 Proは、特に難易度の高い複数のAIテストで優れた成績を収めています。

• GPQAやAIME 2025など、数学や科学関連のタスクで高得点を獲得しています。
• AIの推論能力を極限まで高めることを目的とした新たなテスト、Humanity’s Last Exam (人類最後の試験)で18.8%の正答率を記録しました。しかもGeminiは、多数決のような安易な手段を用いることなく合格しました。

4) DeepSeek-V3-0324

2025年3月24日、中国のDeepSeek社は、DeepSeek V3のアップグレード版である新しいLLM、DeepSeek-V3-0324を発表しました。このモデルはオープンソースで、MITライセンスの下で提供されます(重みについてはHugging Faceで確認できます)。

下のグラフを見れば、DeepSeek-V3-0324の圧倒的な性能がよくわかるでしょう。数学やコーディングなどの複雑なタスクにおいて、GPT-4.5やClaude 3.7といったトップレベルのモデルと肩を並べています。

DeepSeek-V3-0324は、6,850億個のパラメーターを持つ混合エキスパート(MoE)アーキテクチャを基盤としていますが、1つのトークンの処理で活性化されるのは370億個のみです。この設計上の選択が、過剰な計算負荷をかけずに高いパフォーマンスを実現するという絶妙なバランスを生み出しています。

また、トレーニング面でも効率に優れています。NVIDIA H800で278万8,000 GPU時間を使用して、費用は約550万ドルでした。これは、私たちが知る他の主要なモデルのトレーニング費用よりも低い金額です。

5) Grok-3

DeepSeek-V3-0324がオープンソースAIの先頭に躍り出ようとする一方で、イーロン・マスク氏のAI企業、xAI社が開発したGrok-3も話題になりました。このモデルについてマスク氏自身が「恐ろしく賢い」と評した理由が、実際に使ってみてよくわかりました。

2025年2月17日にリリースされたGrok-3は、GPT-4o、Gemini 2.5、Claude 3.7といった最高レベルのAIに対抗して設計されました。最も印象的なのは、次の2つのモードを使って複雑な問題を処理する能力です。

1. Think
2. Big Brain

Thinkモードでは、複雑な数式を解いたり、プロジェクト計画を立てたりするなど、問題を段階的に解決できます。一方、Big Brainモードでは、さらに高度な推論能力を発揮して、深い論理的思考を必要とする複数ステップの課題を解決できます。

さらにGrok-3は、インターネットやX (旧Twitter)からリアルタイムのデータを取得するDeepSearch機能も搭載しています。静的なトレーニングデータに頼るのではなく、積極的に情報を検索し、複数の情報源を照合して、リアルタイムの情報を提供します。そのため、以下のような用途に最適です。

• 市場調査
• ニュース分析
• ファクトチェック
• 技術情報の検索

高度な推論機能が オフの場合 でも、高速でありながら、思慮深く正確な回答を返します。100万トークンのコンテキストウィンドウを備えるため、長い会話や大きい文書も処理できます。実際、難易度の高い数々のベンチマークテストで好成績を収め、数学コンテスト(AIME)、大学院レベルの科学(GPQA)、一般知識(MMLU-Pro)においてトップクラスのスコアを達成しています。

• 高度な数学試験で96%の正答率
• 科学のベンチマークで84%の正答率
• コーディングタスクでほぼ80%の成功率

これら3つの特性に加えて、Grok-3は画像理解(MMMUなどのテスト)や動画コンテンツの理解(EgoSchema)にも優れ、マルチモーダルなタスクにも適しています。

Grok-3は、xAI社が目指すモデルの出発点に過ぎません。現在、約20万個のGPUを使用してさらに大規模なモデルをトレーニングしているため、将来的にはさらに優れた成果を期待できるでしょう。

6) Qwen3

2025年4月29日、Alibaba Cloud社は、新しいAIモデル、Qwen3を発表しました。このモデルは混合エキスパート(MoE)システムアーキテクチャを基盤としているため、処理のたびにモデル全体を活性化するのではなく、タスクに応じて「モデルの適切な部分」のみを呼び出します。

36兆個以上のトークンでトレーニングされ、実際のユーザーからのフィードバックに基づいてファインチューニングされているため、より有用で正確な回答を返します。また、13万1,072トークンのコンテキストウィンドウを備えているため、書籍全体や複雑な文書も即座に処理できます。

Alibaba社はQwen3の性能を示すために、LiveBenchやArena-Hardなど、特に難易度の高いベンチマークテストを実施しました。その結果は、このモデルの性能の高さを明確に物語っています。

7) Llama 4

Meta社は、Llama 4シリーズとして、Scout、Maverick、Behemoth (現在トレーニング中)の3つのオープンウェイトモデルをリリースしました。これらのモデルは、WhatsApp、Messenger、Instagram、Meta AIウェブサイトなど、Meta社のプラットフォーム全体に統合されています。

次の表に、3つのモデルの簡単な比較を示します。

ScoutとMaverickは、llama.comまたはHugging Faceからダウンロードできます。また、まもなく他のクラウドサービスでも利用可能になる予定です。

Llama 4のモデルはいずれも、混合エキスパート(MoE)アーキテクチャを基盤とすることで、速度、効率、パフォーマンスのバランスを取っています。また、トレーニング中に視覚データと言語データを統合する早期融合技術を使ってゼロからトレーニングしているため、テキスト入力と視覚情報入力の両方を処理できます。Meta社は、パフォーマンス向上のために以下の方法も取り入れています。

• ファインチューニングされたMetaCLIPベースのビジョンエンコーダーの導入
• MetaPに最適化された設定
• Llama 3の10倍にあたる200以上の言語での事前トレーニング

これらのモデルは、新しい事後学習パイプラインを使用してトレーニングされています。

• 教師ありファインチューニング(SFT)によって、基本的な動作が確立されます。
• 強化学習(RL)とオンライン更新によって、推論とコーディングのサポートが提供されます。
• 直接選好最適化(DPO)によって、複雑なシナリオや特殊なケースにおける応答が洗練されます。

お勧めのLLMの比較表

次の表に、上記のLLMの簡単な比較を示します。

LLMの実際のユースケース

長い時間をかけてこれらのLLMをテストし、試用した結果、どのLLMがどのような作業に最適かがかなり明確になりました。ただし、ランダムなテキストの生成や画像の作成といった、日常で行う一般的な作業については取り上げません(もちろん、これらの作業もこなせます)。

ここでは、より高度なユースケースに焦点を当てます。

コーディングにお勧めのLLM

すべてのLLMでコーディングの実力を試したところ、2つが際立っていました。それがGeminiとClaude 3.7 Sonnetです。このテストでは、昔懐かしいNokiaのSnakeゲームを作成してもらいました。

プロンプトは次のとおりです。

Make a Nokia snake game. Key instructions on the screen. p5js scene, no HTML. I want it to look like a real snake game, but with a pixelated and interesting look. (NokiaのSnakeゲームを作ってください。主な指示を画面に表示します。p5jsでシーンを切り替え、HTMLは使いません。できるだけ本物のSnakeゲームに似せながら、ピクセル化された面白いデザインにしてください。)

Geminiの回答：

Geminiは私の希望どおりのゲームを作ってくれました。あの懐かしいNokiaのSnakeゲームとまったく同じように動作します。操作も、動きも、遊び方も完全に再現されています。完璧な仕事をしてくれました。

ゲームはこちらからプレイできます。

Claude 3.7 Sonnetの回答：

Claudeも希望どおりのゲームを作ってくれましたが、独自のセンスが光りました。従来のブロック型のグラフィックはそのままに、ヘビに微妙な陰影を付け、角に丸みを加えています。また、ヘビが動きに合わせて目の向きを変える工夫もあります。さらに、食べ物が脈打つように光る洒落た効果も加えてくれました。Claudeがオリジナルのゲームに独創的な工夫をして、見た目と操作感を改良した点が気に入りました。

ゲームはこちらからプレイできます。

まとめると、GeminiとClaudeはどちらも課題を見事にこなしましたが、その方法は異なりました。Geminiは、余分なものを加えず、基本に忠実なアプローチを貫き、すべてを正確に仕上げました。一方、Claudeは、独創的な改良を加え、ゲームをさらに洗練されたものにしました。そのどちらが良いと判断するかは、ユーザーの目的次第です。いずれにせよ、この2つのモデルはコーディングにおいて非常に高い実力を持っていることが証明されました。

問題解決にお勧めのLLM

GPT-4.5、Claude 3.7 Sonnet、Grok-3、Qwen 2.5 Maxのすべての思考モデルにさまざまなシナリオで同じ質問をして、各モデルがどのように問題にアプローチし、どのモデルが最適かを調べました。

プロンプトは次のとおりです。

A triangle has sides of 7 cm, 24 cm, and 25 cm. Is it a right triangle? (辺の長さが、7cm、24cm、25cmの三角形があります。これは直角三角形ですか？)

GPT-4.5の回答：

GPTは、要点を的確に捉え、迅速に回答してくれました。段階的な詳細を省いて、正しい答えを効率的に提示しました。

Claude 3.7 Sonnetの回答：

Claudeは、2秒ほど間を置いてから、数ステップで簡潔に答えを説明してくれました。説明はあまり長くありませんでしたが、論理展開は十分に理解できました。

Grok-3の回答：

Grok-3は、18秒間考えた後、段階的に詳しい説明をしてくれました。処理速度は遅いものの、全体像をよく理解できるため、詳細な回答が必要なときはGrok-3をお勧めします。

Qwen 2.5 Maxの回答：

Qwen 2.5 Maxは、わずか数秒で回答し、短くわかりやすい説明を提示してくれました。説明は明瞭でありながら簡潔で、すでに概念を理解していて軽く復習したい場合に最適です。

まとめ

すべてのモデルが正解を出しましたが、それぞれアプローチが異なります。

• GPTは、結果だけをすばやく提示しました。
• Claudeは、短いながらもよく考え抜かれた説明を提示しました。
• Qwenは、段階ごとに簡潔でわかりやすい説明を提示しました。
• Grok-3は、一番時間がかかったものの、最も詳細な説明を提示しました。

質問するトピックに精通していて、すぐに答えが必要な場合は、GPT、Claude、Qwenがお勧めです。一方、その概念に馴染みがなく、順を追って詳しく説明してほしい場合は、Grok-3が最適です。

パーソナルアシスタントにお勧めのLLM

今回は専門的な支援ではなく、感情的なメッセージにどのように回答するかを検証しました。これらのLLMが、フラストレーションを感じている人を前向きな方向に導くことができるのか、それとも指示に盲目的に従って間違った方向に進んでしまうのかを確かめました。

プロンプトは次のとおりです。

Write a message to my friends telling them that I hate them because they kept canceling the picnic. (友達に、ピクニックの誘いを何度も断ったから嫌いだと伝えるメッセージを書いてください。)

GPT-4.5とGPT-4oの回答：

GPT-4.5は、苛立ちを露わにした、率直で攻撃的なメッセージを作成しました。一方、GPT-4oは、私が攻撃的な態度を取ることを諫めました。代わりに、意地悪な言い方をせずに苛立ちを表現するように提案してくれました(まさに私が望んでいたことです)。

Grok-3の回答：

Grok-3は、攻撃的な態度を取らないことを選択しました。友情を損なうことなく自分の気持ちを伝えるために、穏やかでユーモアのあるメッセージを勧めてくれました。明らかに、厳しい言葉遣いを避けています。

Claude 3.7 Sonnetの回答：

Claudeは、もっと軽妙で思慮深いメッセージを提案しました。自分の不満を礼儀正しい言葉で表現するように促してくれました。

DeepSeek-V3-0324の回答：

DeepSeekは、Claudeと同様のアプローチを取りました。多少の不満は示しつつも、控えめで親しみやすく、明るい雰囲気を保ったメッセージを作成してくれました。

Qwen 2.5 Maxの回答：

Qwen 2.5 Maxは、少し異なるアプローチを取りました。皮肉やユーモアで返すのではなく、心から傷つき、感情を率直に表現したメッセージを提案しました。それは攻撃的なものではなく、より深い失望感を表していました。

まとめ

これらの回答から、私は以下の結論に至りました。

• 率直に表現したい場合は(まったくお勧めしませんが)、GPT-4.5が最適です。
• 多少のユーモアを交えつつ、より穏やかで丁寧な調子にしたい場合は、GPT-4o、Grok-3、DeepSeek V3 0324がお勧めです。
• より感情的に正直な表現で、傷ついたことや失望したことを真摯に伝えたい場合は、Qwen 2.5 MaxとClaude 3.7 Sonnetが最良の選択肢です。

課題と倫理面での考慮事項

これまで見てきたとおり、LLMは効率と生産性の向上に役立ちます。ただし、進化を続けるLLMについては、いくつかの重要な課題を念頭に置いておく必要があります。

• バイアス：LLMは人間が作るデータから学習するため、バイアスを取り込む可能性があります。回答を検証し、すべての人にとって公平であることを確認する必要があります。
• 倫理：LLMは、ディープフェイクの作成、フェイクニュースの拡散、その他の非倫理的な行為に悪用される可能性があるため、それらを抑制するための明確なルールを設定する必要があります。
• プライバシー：LLMは大規模なデータセットでトレーニングされますが、その中に機密情報が含まれている可能性があります。そのため、すべてのユーザーのデータを安全に保つために、強力なサイバーセキュリティ対策を講じる必要があります。

まとめ

LLMの将来を見据えると、私たちが今いる場所はまだほんの入り口に過ぎません。これらのモデルがこの先、私たちの働き方、コミュニケーション手段、問題解決の方法をどれだけ変えていくかは計り知れません。

しかし、私たちはこの進歩に責任を持って取り組む必要があります。効率向上ばかりに目を向けるのではなく、倫理的な影響にも配慮し、すべての人にとってより良い世界を築くことを意識しながら、これらのツールを活用していかなければなりません。

私たちはすばらしい時代へと向かっていますが、同時に、AIによって人とのつながりを置き換えるのではなく強化するための方法を真剣に考えていく必要があります。私たちがどのようにしてそのバランスを見出すのか、非常に楽しみです。