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 |
|---|---|---|---|
| 4 | GPT-4 | — | — |
| 4.1 | GPT-4.1 | — | GPT-4.1 mini |
| 4.5 | GPT-4.5 Preview | — | — |
| 4o | GPT-4o | — | GPT-4o mini |
| 5 | GPT-5 | GPT-5 pro | GPT-5 mini |
| 5 | — | GPT-5-Codex | GPT-5 nano |
| 5.1 | GPT-5.1 | GPT-5.1-Codex | GPT-5.1-Codex-Mini |
| 5.1 | — | GPT-5.1-Codex-Max | — |
| 5.2 | GPT-5.2 | GPT-5.2-Codex | — |
| 5.3 | GPT-5.3 Chat | GPT-5.3-Codex | GPT-5.3-Codex-Spark |
| 5.4 | GPT-5.4 | — | GPT-5.4 nano |
| 5.6 | GPT-5.6 Terra | GPT-5.6 Sol | GPT-5.6 Luna |
| 6 | GPT-6 Sol | GPT-6 Astra | GPT-6 Luna |
| 6.1 | GPT-6.1 Terra | GPT-6.1 Sol | — |
| 6.2 | GPT-6.2 Sol | GPT-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 |
|---|---|---|---|
| 1.5 | Pro | Flash | — |
| 2.0 | Pro(Experimental) | Flash | Flash-Lite |
| 2.5 | Pro | Flash | Flash-Lite |
| 3 | Pro | Flash | — |
| 3.1 | Pro | — | 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 | Opus | Sonnet | Haiku |
|---|---|---|---|---|
| 3 | — | Opus 3 | Sonnet 3 | Haiku 3 |
| 3.5 | — | — | Sonnet 3.5 | Haiku 3.5 |
| 3.7 | — | — | Sonnet 3.7 | — |
| 4 | — | Opus 4 | Sonnet 4 | — |
| 4.1 | — | Opus 4.1 | — | — |
| 4.5 | — | Opus 4.5 | Sonnet 4.5 | Haiku 4.5 |
| 4.6 | — | Opus 4.6 | Sonnet 4.6 | — |
| 4.7 | — | Opus 4.7 | — | — |
| 4.8 | — | Opus 4.8 | — | — |
| 5 | Mythos 5 | Opus 5 | Sonnet 5 | — |
| 5 | Fable 5 | — | — | — |
| 5.1 | Mythos 5.1 | — | — | — |
| 5.1 | Fable 5.1 | — | — | — |
| 5.2 | Mythos 5.2 | — | — | — |
| 5.2 | Fable 5.2 | — | — | — |
| 5.5 | — | Opus 5.5 | Sonnet 5.5 | Haiku 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。







コメント