大規模言語モデル

→自然言語処理

→OpenAIのAPI

サブトピック†

• LLM一般

• Amazon Bedrock

• LLMアプリ開発
  • ノーコード系のAI活用
  • AIエージェント開発

• LLMのローカル知識対応
  • RAG関連
  • 埋込みベクトル関連

• Claude関連
• OpenAI関連
• Gemini関連 (元Bard)
• Llama関連
• マイナー系LLM rinna,OpenCALM,Dolly,RWKV,FlexGen

• Transformer
  • GPT関連

• LLMライブラリ
• プロンプト・エンジニアリング

• ローカルLLM関連
• LLMの歴史

モデル比較/評価†

• GPT-5.2の性能をGemini 3 Proと比較してみた｜IT navi 2025.12
  • 「全般的な性能はGPT-5.2が上で、とくに数学・推論・長文生成・PDF読解で優位」としつつ、Thinkingモードの思考時間の長さとタイムアウトの多さから、日常利用はGPT-5.2 Auto推奨。
  • Gemini 3 Proは検索や情報整理、分かりやすい説明、ショートストーリーの「面白さ」などで依然強みがあり、最終的には性能差よりも文体・トーン・操作感の好みで使い分けるのがよい

• 「GPT-5-Codex」登場、GPT-5のコーディング能力をさらに向上させてエディターやターミナルでの作業をサポート - GIGAZINE 2025.9

• 【海外記事紹介】LLM最新モデルを横断的に比較可能な「LLM Leaderboard」が話題に — 現在最も知能が高いLLMは？ - TechFeed 2025.8
  • LLM Leaderboard - Comparison of over 100 AI models from OpenAI, Google, DeepSeek & others | Artificial Analysis 2025.8

• 謎の超小型AI「HRM」、たった2700万パラメータで巨大なOpenAI o3やClaude 3.7を蹴散らす（生成AIクローズアップ） | テクノエッジ TechnoEdge 2025.8

• ChatGPTとGeminiとDeepSeekとClaudeで5つのテストをして最も優秀だったのはどのモデルなのか？ - GIGAZINE 2025.6

• LLMの使い分けは大体Geminiでいい（2025年4月時点）｜erukiti 2025.4

• LLMの不確実性との付き合い方：AIワークフロー開発におけるケーススタディ - LayerX エンジニアブログ 2025.3

• 数字で見る｢いま最強のAI｣って結局どれ？ | ギズモード・ジャパン 2025.2

• 【決定版】2025年1月中旬時点でのGeminiとClaudeとOpenAIの使い分け｜erukiti 2025.1

• ChatGPT o1とGemini 2.0の性能を比較してみた｜IT navi 2025.1
  • 実際にテストしてみると、ほとんどの分野でo1の性能がGemini 2.0を圧倒していました。
  • 数学や論理的な性能でo1の性能が高いことは言うに及ばず、知識や文学的表現でもGeminiの性能を上回っていました。また、推論モデルのGemini 2.0 Flash Thinking Experimentalもo1の性能には全く届いていない

• (登壇資料) 基盤モデル性能比較 - 全文 2024.12

• 可愛すぎかよ! ハッカーの新しい相棒 コマンドラインからLLMを使えるgptme｜shi3z 2024.10

• GitHub Models を使って 20 種類以上の LLM の日本語性能を測定してみた - NTT Communications Engineers' Blog 2024.9

• ChatGPT、Gemini、Claude、日本語の画像に強いのは？ #初心者 - Qiita 2024.7
  • 結論：Claude

• 主要な生成AIサービスのセキュリティや規約をチェックしてまとめたものを公開しました！ – CloudNative Inc. BLOGs 2024.6

• 生成AIの能力をどう評価するか？ ~激化するLLM競争を正しく見極めるために~｜こへもこ 2024.5

• GPT-4oが出たのでいろんなモデルと比較しました。結論は、4oが圧倒的です。 2024.5

• 結局ChatGPTとGemini、Claudeのどれを使えばいい? 色々比較した - Impress Watch 2024.5

• ChatGPTとClaude 3、どちらの日本語が上手い？比較でわかる最適な使い方 | ライフハッカー・ジャパン 2024.4

• 【随時更新】主要な大規模言語モデル比較表 2024.4

• GPT-3.5-TurboとGPT-4-Turbo、Claude2、Claude3(Sonnet)、Claude3(Opus)、Gemini Proに同じ質問をして、回答結果を比較してみた #Python - Qiita 2024.3

• 大規模言語モデル間の性能比較まとめ｜mah_lab / 西見 公宏｜note 2023.4

• Comparison of AI Models across Quality, Performance, Price | Artificial Analysis 2024.4

Grok†

• 圧倒的コスパの高性能AI「Grok 4 Fast」が登場　Webなら“無制限・無料”で利用可能：Deep Insider Brief ― 技術の“今”にひと言コメント - ＠IT 2025.9
• Grok 4 の概要｜npaka 2025.7
• Grokとは？Grok 3で何ができるのか、モデル別に徹底比較 - シー・エス・エス イノベーションラボ（ブログ） 2025.3
• X（旧Twitter）に「Grok」が搭載！ イーロン・マスク氏が設立したxAI社の生成AI - 窓の杜 2024.5

Apple Intelligence†

• AppleがAIで出遅れても“後追い”で十分な理由、iOS 26は新デザインでAndroidとの差別化が明確に：石野純也のMobile Eye（1/3 ページ） - ITmedia Mobile 2025.6

• 【WWDC25】iPhoneだけでLLM⁉︎ Foundation Modelsを“3行”で動かしてみた #AppleIntelligence - Qiita 2025.6

• 最先端から｢iPhoneのお荷物｣に転落…ChatGPTに主役を奪われた､アップル｢Siri｣の"敗北の理由" 海外メディアが報じた｢ポンコツ化｣の根本原因 | PRESIDENT Online（プレジデントオンライン） 2025.6

• AppleのAI出遅れは「無様で恥」。Siri担当トップが失敗を認める - すまほん!! 2025.3

• Apple Intelligence危うし？ スマホユーザーの4分の1が「AI機能は役に立たない」と厳しい評価【やじうまWatch】 - INTERNET Watch 2024.10
• Apple Intelligenceはどのように開発されたのか？　中核をなすオンデバイスAIモデルとPrivate Cloud Computeについて今わかっていること（CloseBox） | テクノエッジ TechnoEdge 2024.6
• アップルの｢独自開発AI｣の誤解。ChatGPTは“おまけ”だと断言できる、深い理由【現地取材】 | Business Insider Japan 2024.6

1ビットLLM/BitNet/量子化†

• AIを数分の1のデータ量で動かすための「TurboQuant」の仕組みをインタラクティブな図解で把握できるサイト「TurboQuant: A First-Principles Walkthrough」 - GIGAZINE 2026.4

• グラボ無し！5年前の Windows 機で8B LLMが快速CPU推論！「 Trillim + Ternary Bonsai 」ハンズオン 2026.4

• 突如実用化した1ビットLLM Bonai-8B もう推論にGPUはほぼ不要になる。その先に何が起きるか – WirelessWire & Schrödinger's 2026.4

• 久々にOllamaを触ったら、量子化で別物になってた 2026.3

• 1(.58)ビット量子化LLMs(BitNet b1.58）について｜はまち 2024

• 生成AIでGPUがいらなくなる？　業界を揺るがす「1ビットLLM」とは何か、識者に聞いた（1/3 ページ） - ITmedia AI＋ 2024.4

• 【論文丁寧解説】BitNet b1.58とは一体何者なのか #アルゴリズム - Qiita 2024.3

• BitNetから始める量子化入門 2024.3

• 速報：話題の 1ビットLLMとは何か？｜寺田英雄（?オープンストリームCTO） 2023.3

• 既存日本語LLMをBitNetで置き換えて実行してみた｜はち 2023.3

その他のモデル†

• 新手法「TAID」を用いた小規模日本語言語モデル「TinySwallow-1.5B」の公開 2025.1

• J-Moshi 2025.1

• 完全にオープンな約1,720億パラメータ（GPT-3級）の大規模言語モデル 「llm-jp-3-172b-instruct3」を一般公開〜GPT-3.5を超える性能を達成〜 - 国立情報学研究所 / National Institute of Informatics 2024.12

• Transformer を ONNX 形式に変換するのに苦労した話 - Inside of LOVOT 2024.12

• LLM用のデータセットを作ってみる - 地平線まで行ってくる。 2024.9
  • Tanuki-8B
• 【これがゲームチェンジャーか!】松尾研のTanuki-8BとTanuki-8x8Bを試す｜shi3z 2024.8

• LLM 勉強会 - LLM 勉強会 2024.6

• ObsidianとELYZAの言語モデルを使って手軽に実現するローカルLLM活用 #ELYZA-japanese-Llama-2-7b - Qiita 2024.6
• 賢いと噂の日本語LLM「ELYZA」をウェブAPIで使う！ Power Automateなどからも呼び出せる完全ローカル環境の構築【イニシャルB】 - INTERNET Watch 2023.10

• Google Colab で Xwin-LM-70B-V0.1-GPTQ を試す。｜npaka 2023.9

• 100億パラメータサイズ・日英2ヶ国語対応の大規模言語モデル“Weblab-10B”をオープンソースで公開しました。 – 東京大学松尾研究室 – Matsuo Lab 2023.8

LLMs.txt†

• LLMs.txtの書き方を知らなかったので面白半分で作成した。 2025.6
• LLM.txtをあなたのウェブサイトに追加する方法：AI時代におけるコンテンツ管理の新基準 #初心者 - Qiita 2025.4
• 急増するAIクローラー対策として「llms.txt」を導入してみた | DevelopersIO 2025.2
• LLMs.txtについての覚書 2025.2

最新の50件