現在最良のLLMは何ですか?
Hans Kuepper 著 · PromptQuorum創設者 · オープンウェイト/オープンソースAIの発見エンジン
重要なポイント
- ✓全作業で勝つ単一のLLMはありません — Claude Opus 5.5はエージェント型コーディング、GPT-6 Astraは最も負荷の高い作業向けで、Gemini 4 ArgonはGoogleのフラッグシップです
- ✓フラッグシップは入れ替わりました。Claude Opus 5、GPT-5.6、Gemini 3.1 Proは前世代となり、それらに基づく比較は古くなっています
- ✓GPT-6はファミリーです:Astra(100万トークンあたり$10/$50)が最上位、Sol($2/$10)がバランス型、Luna($0.10/$0.50)がコスト最適化型です
- ✓ローカルではqwen3.5:9b(6.6 GB)が汎用を、qwen2.5-coder:7b(4.7 GB)がコーディングを担います。いずれも多くの記事が前提とするハードウェアよりはるかに軽量です
- ✓クラウドモデルはAPIキーが必要でトークン単位の費用がかかりますが、ローカルモデルはハードウェア購入後は無償で動きます

クイック回答
現在のクラウド向けフラッグシップは、それぞれ得意な用途が異なります。Claude Opus 5.5は、Anthropicが長時間のエージェント型コーディングとナレッジワーク向けに位置づけるモデルです。GPT-6 AstraはOpenAIの最も負荷の高い作業向けフラッグシップ、GPT-6.1 SolはAstraに近い性能をより低コストで提供し、GPT-6 Lunaは大量処理向けです。Gemini 4 ArgonはGoogleの新フラッグシップで、Google AI ProおよびUltraの加入者が利用できます。
- ▸クラウドのコーディング:Claude Opus 5.5 — 長時間のエージェント型コーディング向け
- ▸OpenAI:GPT-6 Astra(最上位)、GPT-6.1 Sol(バランス型)、GPT-6 Luna(大量処理)
- ▸Google:Gemini 4 Argon — Google AI Pro/Ultra向けの新フラッグシップ
- ▸ローカル:qwen3.5:9b — ダウンロード6.6 GB
最良のLLMは用途で決まる — その地図
各社は段階的なラインアップを提供しており、最適な選択は作業によって変わります。長時間のエージェント型コーディングにはClaude Opus 5.5、負荷の高い汎用作業にはGPT-6 AstraまたはGPT-6.1 Sol、Google AI ProまたはUltraをお持ちならGemini 4 Argonです。以下では、それぞれが向く場面とワークフロー別の選び方を示します。
このページはフラッグシップをベンチマークスコアで順位付けしません。各社は自社で選んだ評価で結果を公表しているため、数値は他社と直接比較できず、Claude Opus 5、GPT-5.6 Sol、Gemini 3.1 Proの過去のスコアも後継モデルには引き継げません。各社のドキュメントが示しているのは、位置づけ、価格、コンテキストウィンドウ、知識カットオフです。
Anthropicは、Claude Opus 5.5を長時間のエージェント型コーディングとナレッジワーク向けに位置づけ、入力100万トークンあたり$4、出力100万トークンあたり$20、コンテキストウィンドウは100万トークンです。OpenAIはGPT-6 Astraを$10/$50、GPT-6.1 Solを$2/$10、GPT-6 Lunaを$0.10/$0.50で掲載しており、いずれもコンテキストウィンドウは105万トークンです。GoogleはGemini 4 Argonを次世代のフロンティア知能と説明しており、知識カットオフは公表していません。コストが決定的な制約なら、Astraではなく、GPT-6.1 SolまたはGPT-6 Lunaを他社のフラッグシップと比較してください。
| 用途 | 推奨LLM | 理由 |
|---|---|---|
| コーディング/長時間のエージェント | Claude Opus 5.5 | エージェント型コーディング向け。$4/$20(100万トークン) |
| 最も負荷の高い作業 | GPT-6 Astra | OpenAIのフラッグシップ。$10/$50(100万トークン) |
| コストと品質のバランス | GPT-6.1 Sol | Astraに近い性能。$2/$10(100万トークン) |
| 大量処理・費用重視 | GPT-6 Luna | 効率重視の層。$0.10/$0.50(100万トークン) |
| Google AI Pro/Ultra利用者 | Gemini 4 Argon | Googleの新フラッグシップモデル |
| ローカル/オフライン汎用 | qwen3.5:9b | ダウンロード6.6 GB。OllamaのQwen3.6は18 GBから |
| ローカル/オフラインのコーディング | qwen2.5-coder:7b | ダウンロード4.7 GB、8 GBのカードで動作 |
レビューを50本読まずに選ぶ方法
制約から始めてください。予算、プライバシー、レイテンシ、能力のどれでしょうか。最も厳しい制約を先に満たすモデルを選びます。プライバシーが制約なら、クラウドのフラッグシップが選択肢になるのは、提供元のデータ取り扱い条件が要件を満たす場合に限られます。満たさない場合の問いは「どのローカルモデルが自分のカードに載るか」です。
実際の作業で2つのモデルを試してください。公表されたベンチマークはあなたの用途を予測しません。しかも1年前より事情は厳しく、3社は3つの異なる評価で報告しているため、順位づけできる同一指標が存在しません。クラウドは各社のアプリか少額のAPI予算で、ローカルはOllamaで比較してください。
確認は毎月ではなく四半期ごとに。各社はフラッグシップを一斉に入れ替える傾向があります。Claude Opus 5、GPT-5.6、Gemini 3.1 Proは、いずれも公開後により新しいモデルに置き換わりました。入れ替わりの前に書かれた比較は、少し古いのではなく、丸ごと一世代遅れです。