AIモデルの命名規則がカオスすぎる。GPT・Gemini・Claudeの系譜をたどる

AIモデルの命名規則がカオスすぎる。GPT・Gemini・Claudeの系譜をたどる

2026年、生成AIは大きく進化しました。
コーディングから調査、資料作成まで、さまざまな仕事をAIに任せられるようになっています。

一方で、モデルの種類も増え続け、どれを選べばいいのか分かりにくくなってきました。

最近ではGoogleがGemini 4 Argonを発表したと思ったら、Carbonが登場。
Carbonは従来のFlash相当なのかと思いきや、そうでもない。
さらにHydrogen、Neonと、元素名のモデルが次々に追加されました。

OpenAIもGPT-5.1-Codex-MaxやGPT-5.3-Codex-Sparkを出し、GPT-6系ではAstra、Sol、Terra、Lunaという名前を使っています。
Anthropicも、従来のOpus・Sonnet・HaikuにMythosとFableが加わりました。

モデルが進化するのは歓迎ですが、名前だけで性能や用途を判断するのは、ますます難しくなっています。

各社のモデル名を世代ごとに並べて、いったい何がどう変わったのか整理してみました。

OpenAI:数字、用途、愛称、Maxが混ざる

まずOpenAI。
GPT-4時代は数字とminiなどのサイズ表記が中心でしたが、GPT-5世代ではCodex向け派生が増え、GPT-5.6以降はSol・Terra・Luna、GPT-6ではAstraも登場しました。

世代・版汎用・標準上位・特化軽量・高速
4GPT-4——
4.1GPT-4.1—GPT-4.1 mini
4.5GPT-4.5 Preview——
4oGPT-4o—GPT-4o mini
5GPT-5GPT-5 proGPT-5 mini
5—GPT-5-CodexGPT-5 nano
5.1GPT-5.1GPT-5.1-CodexGPT-5.1-Codex-Mini
5.1—GPT-5.1-Codex-Max—
5.2GPT-5.2GPT-5.2-Codex—
5.3GPT-5.3 ChatGPT-5.3-CodexGPT-5.3-Codex-Spark
5.4GPT-5.4—GPT-5.4 nano
5.6GPT-5.6 TerraGPT-5.6 SolGPT-5.6 Luna
6GPT-6 SolGPT-6 AstraGPT-6 Luna
6.1GPT-6.1 TerraGPT-6.1 Sol—
6.2GPT-6.2 SolGPT-6.2 Astra—

表は主な汎用・開発向けモデルの抜粋です。画像・音声・Realtimeなどの専用モデルや、一部の派生版は省略しています。
同じ世代に複数の系統がある場合は行を分けています。「—」は該当セルに掲載するモデルがないという意味で、そのバージョンのモデルが一切存在しないという意味ではありません。

GPT-5.1-Codex-Maxの「Max」はモデル名の一部です。
一方、GPT-6.2 AstraのAPIで指定できるreasoning effort: maxは推論量の設定で、独立した「GPT-6.2 Astra Max」というモデルを示すわけではありません。
これだけでも、名前と設定を取り違えやすい。

GPT-6.2の表には、今のところTerraがありません。
ただ、GPT-6.1 TerraもSolやLunaより後に登場しているので、6.2 Terraが今後追加される可能性はあります。
Solも、5.6では上位側、6.2では日常利用向けとして案内されています。
愛称が同じでも、世代ごとに製品群の中での役割を読み直す必要があります。

参照:OpenAI APIの全モデル一覧、現行モデル一覧、GPT-5.3-Codex-Spark発表。

Google:Pro / Flashの次は元素名

Geminiは、長らくPro、Flash、Flash-Liteという分かりやすい区分でした。
ところがGemini 3ではFlashのバージョンが細かく進み、Gemini 4では突然Argon、Carbon、Hydrogen、Neonという元素名が並びます。

世代・版高性能・深い推論高速・汎用軽量
1.5ProFlash—
2.0Pro(Experimental)FlashFlash-Lite
2.5ProFlashFlash-Lite
3ProFlash—
3.1Pro—Flash-Lite
3.5——Flash-Lite
3.6—Flash—
3.7—Flash—
3.8—Flash—

Gemini 4は旧シリーズの列に収まらないため、分けました。

モデル主な用途・特徴
Argon高度な推論・コーディングなどのフロンティア作業
Carbon難度の高い問題や長時間にわたるエージェント作業
Neon高い推論能力と速度・コスト効率の両立
Hydrogen高速・低コストの日常処理

これは旧シリーズとの厳密な後継対応ではなく、Googleが説明する用途を簡潔に整理したものです。
GoogleはHydrogenをGemini 3.8 Flashからの移行先としても紹介していますが、他のモデルも含めて名前から役割を推測するのは難しい。

元素名そのものは覚えやすいかもしれません。
しかも原子番号はCarbon(6)、Neon(10)、Argon(18)、Hydrogen(1)と、性能の序列には対応していません。
周期表は化学の授業で覚えるものだと思っていましたが、モデル選びでも必要になりました。

参照:Gemini APIモデル一覧、Gemini 4 Hydrogen発表、Gemini 4 Neon発表。

Anthropic:Opus・Sonnet・Haikuだけならよかった

Anthropicは、Opus・Sonnet・Haikuという3つの名称を世代をまたいで使ってきました。
Opusは「作品」、Sonnetは定型詩、Haikuは俳句に由来する名前で、上位・バランス・軽量という性能序列が名前から直接分かるわけではありません。
それでも、各系統の役割を継続してきたため、他社と比べると位置づけを追いやすい印象です。
ただし、全系統が毎回同じ版数で更新されるわけではなく、Claude 5ではMythosとFableも加わっています。

世代・版特殊・高難度OpusSonnetHaiku
3—Opus 3Sonnet 3Haiku 3
3.5——Sonnet 3.5Haiku 3.5
3.7——Sonnet 3.7—
4—Opus 4Sonnet 4—
4.1—Opus 4.1——
4.5—Opus 4.5Sonnet 4.5Haiku 4.5
4.6—Opus 4.6Sonnet 4.6—
4.7—Opus 4.7——
4.8—Opus 4.8——
5Mythos 5Opus 5Sonnet 5—
5Fable 5———
5.1Mythos 5.1———
5.1Fable 5.1———
5.2Mythos 5.2———
5.2Fable 5.2———
5.5—Opus 5.5Sonnet 5.5Haiku 5.5

MythosとFableは同じ数字であっても、提供範囲や扱いが異なります。
Fable 5.2は一般向けの高難度推論・長期エージェント作業で案内され、Mythos系は利用が制限されるモデルです。
これらを単純に「Opusより強い版」として一本の序列へ押し込むのは正確ではありません。

ただ、この表はまだ読みやすい方かもしれません。
列の意味は比較的維持されているからです。
問題は、モデルの更新が進むたびに表の空欄が増え、後から追加された系列まで覚える必要があることでしょう。

参照:Claude公式モデル一覧、モデルの廃止・終了履歴、Fable・Mythos 5.2発表。

ほかのメーカーも負けていない

AlibabaのQwenは、Max、Plus、Flash、Coderなどの用途・階層名に、397B-A17Bのようなモデル規模の表記が組み合わさります。
モデルの構造を知る人には役立つ情報ですが、サービス上の名前と基盤モデルの呼称が違う場合もあり、初見では対応を追いにくい。

DeepSeekはV系とR系という区分から、ProやFlashを使う構成へと発展しました。
Mistral AIはLarge / Smallに加えて、Codestral、Devstral、Magistral、Ministralなど用途やサイズを連想させる別名が並びます。
Z.aiのGLMも世代番号とFlash系が混在しています。

命名の仕方はそれぞれ違うものの、モデルの用途や提供形態が増えるほど「一つの名前で全部説明する」ことが難しくなっているようです。

参照:Qwen公式モデルドキュメント、DeepSeek APIドキュメント、Mistral公式モデル一覧、Z.ai公式ドキュメント。

何がややこしいのか

混乱の原因は、各社が独創的な名前を付けること自体ではありません。
一つのモデル名に、異なる種類の情報を重ねていることです。

  • 世代:GPT-5.3、Gemini 3.8、Claude 4.8などの番号。
  • 性能や用途:Pro、Flash、Opus、Haiku、Codexなどの区分。
  • 愛称:Astra、Sol、Argon、Carbon、Neonなど。
  • 動作設定:Thinking、high、xhigh、maxなど、モデルを替えずに調整できるもの。
  • 提供状態:Preview、Experimental、廃止予定、限定提供など。

この5種類は本来別の軸です。
しかもChatGPTやGeminiアプリの表示名と、APIで指定するモデルIDが一致するとは限りません。
モデルが更新されると、性能、料金、速度、利用上限も変わり得ます。

たとえば新しいモデルをAPIへ組み込む際は、名前だけでなくモデルIDが固定かエイリアスか、何の後継なのか、どのプランで使えるのか、既存の評価を引き継いでよいのかまで確認します。
選ぶために調べる情報が多すぎるのです。

名前は自由でも、モデルの関係は共通形式で説明してほしい

モデル名まで全社統一する必要はないと思います。
独自のブランド名はあっていいし、性能をPro / Flashのような3段階に必ず分類できるわけでもありません。

ただ、少なくとも各社が次の情報を共通形式で公開してくれると、かなり助かります。

  • 不変のモデルIDと、更新される可能性のあるエイリアス。
  • 世代・版と、旧モデルからの後継関係。
  • 自社内での用途と位置づけ。旧モデルとの性能・コスト・速度の違い。
  • 推論レベルなどの設定と、モデルそのものの違い。
  • Preview、Stable、Deprecated、Retiredなどの提供状態。

できればAIモデルを開発する各社で、命名とバージョニングのガイドラインを作ってほしいくらいです。
モデル名の自由は残しながら、利用者が迷わない共通の説明方法は決められるはず。

個人的には、GPT-5くらいの頃の、無印・Pro・miniで済んでいた分かりやすさが一番よかった気がします。

モデルの性能向上は大歓迎ですが、モデルを選ぶたびに名前の解読から始めるのは、そろそろ勘弁してほしい。

掲載内容は2026年11月時点の公式資料をもとにした主要モデルの抜粋です。提供状況は随時変わるため、導入時は各社のモデル一覧を確認してください。

Related Posts

コメント

コメントを残す

メールアドレスは公開されません。必須項目には印が付きます。

人間であることを証明してください: 0   +   8   =