推論モデルとは？主要AIの設定と、思考量を増減させる判断基準

推論モデルが力を発揮するのは、よりよい回答を待つ負担よりも、推論を誤る損失のほうが大きい仕事です。まずは公式ドキュメントのデフォルト設定から始め、定型業務では思考量を下げ、難しい判断では上げます。GPT-6.1 Sol、Claude Opus 5.5、Gemini 4 Argonはいずれも、デフォルトがmediumです。

以下の設定は、2026年10月31日に各社の公開ドキュメントで確認したものです。押さえておきたいのは、どのモデルを選ぶか、どれだけ思考させるか、どれだけの出力を許可するかを分けて考えることです。それぞれ、別の判断になります。

推論モデルとは？

推論モデルは、回答を返す前に追加の生成処理を行い、問題を検討するモデルです。大規模言語モデル（LLM）であることに変わりはなく、テキストやその他のモデルデータを小さな単位に分けた「トークン」を処理・生成します。追加の推論によって、別の可能性を検討したり、手順を組み立てたり、前の結果に依存する複数のステップを解いたりしやすくなります。OpenAIの推論ガイドでは、この内部処理に使うトークンを推論トークンと呼んでいます。

地図の専門家が道順を考える場面を想像するとわかりやすいでしょう。単純な経路なら、すぐに案内できます。複雑な経路なら、交差する道を確認し、通れない道を除き、ルートを見直す下準備が必要です。それでも、利用者に渡す案内は短いかもしれません。違うのは、その裏で行った検討の量です。

事業を率いる立場なら、顧客宛てのメールを書き直す仕事と、既存顧客の利用を止めずにデータベースを移行する方法を決める仕事の違いに置き換えられます。どちらも成果物は文章です。ただし、相互に影響する制約を踏まえて継続的に推論する必要があるのは後者です。

大規模な推論モデルでも、能力と思考量は別に考えます

より大きなモデルや高性能なモデルを選ぶことと、思考量の設定を上げることは別です。モデルを変えると、処理を担うシステムが変わります。思考量を上げると、選んだモデルに同じ依頼をより深く検討させます。どちらを選んでも、不足している業務上の事実が補われるわけではありません。

思考量の効果を試すときは、モデルを固定します。そうしないと、改善がモデルによるものなのか、設定によるものなのか、両方なのかを切り分けられません。基本用語はAIのトークンとは何かで解説しています。

推論モデルはどのように考えるのでしょうか？

思考には、最終回答には表示されない生成処理も使われます。回答前だけでなく、ツールの実行結果を受けて次の行動を決める際など、ツール呼び出しの間にも思考が行われます。Anthropicは思考機能のガイドで、これらを処理の冒頭で行う思考と、処理の合間に挟む思考として説明しています。

OpenAI、Anthropic、GoogleのGemini 4 Argonでは、画面に表示されない思考も含め、思考トークンが出力として課金されます。

つまり、回答の長さだけでは処理量を判断できません。短い提案の前に、かなりの推論が行われていることもあります。思考量を上げるのは、一般に待ち時間と生成トークンを増やす代わりに、よりよい結果を目指す選択です。ただし、待ち時間やトークン数が一定になるという意味ではありません。

出力の上限は、思考量とは別の設定です。OpenAIのmax_output_tokens、Claudeのmax_tokens、Geminiのmax_output_tokensには、回答だけでなく思考も含まれます。OpenAIとGoogleは、推論中にこの枠を使い切ると、応答が未完了のまま、表示できる回答が残らないことがあると明記しています。OpenAIの出力上限、Claudeの思考機能、Geminiのトークン上限を参照してください。

主要なAI推論モデルと、APIごとの設定項目

現行APIは、思考量の段階も、思考を無効にする方法も異なります。実際に呼び出すエンドポイントに対応したフィールド名を使ってください。

この表は、設定の互換性を比較するものです。品質の順位を示しているわけではありません。別の行に同じ値があっても、共通の計算量を表す単位としては扱えません。

OpenAI：GPT-6.1 Solで最も軽い設定はlowです

OpenAI GPT-6.1 SolのモデルIDはgpt-6.1-solです。Responsesのリクエストでデフォルトを明示するには、reasoningに{"effort":"medium"}を設定します。対応する最も軽い設定はlowで、noneやminimalは指定できません。ツール呼び出しにはResponses APIが必要です。GPT-6.1 Solのドキュメントを参照してください。

OpenAIの現行カタログには、推論を設定できるモデルとしてGPT-6 Astra、GPT-6.1 Terra、GPT-6 Lunaも掲載されています。TerraとLunaは、noneに加え、low、medium、high、xhigh、maxに対応しています。Astraの設定はlowからです。そのため、推論を完全に無効にする必要があるなら、モデルの選択自体が変わる場合があります。OpenAIのモデルカタログを参照してください。

開発者なら、変更範囲が明確なコード修正でlowを試し、システム全体にまたがる相互作用を追う必要がある場合に思考量を上げます。その際は、守るべき条件と、結果を検証する方法を指定します。OpenAIは、思考過程を書き出すよう求めるよりも、指示と制約を明確にすることを推奨しています。推論のベストプラクティスを参照してください。

エージェントを含む一連の作業については、GPT-6.1 Solのセットアップガイドで解説しています。アプリでの操作は、別記事のChatGPTの推論スライダーの使い方を参照してください。

Anthropic：Claude Opus 5.5の思考は無効にできません

Anthropic Claude Opus 5.5のモデルIDはclaude-opus-5-5です。thinkingを省略するか、thinking: {"type":"adaptive"}を送信すると、どちらも常時有効の適応型動作になります。デフォルトの思考量を指定するには、output_config: {"effort":"medium"}を設定します。thinking: {"type":"disabled"}や、budget_tokensによる手動設定を送ると、400エラーが返ります。Opus 5.5のAPI変更点を参照してください。

Claudeの思考量パラメータは、説明やツール呼び出しを含む応答全体に作用します。単に非表示トークンの予算を決めるものではありません。設定を下げると、考える時間だけでなく、エージェントがどこまで念入りにツールを使うかも変わることがあります。Anthropicの思考量設定ドキュメントを参照してください。

現在の主要ラインアップには、Claude Fable 5.1、Claude Sonnet 5.5、Claude Haiku 5.5もあり、いずれも思考機能に対応しています。ただし、無効化の方法は異なります。Sonnetはlow、medium、highでthinking: {"type":"between_tools"}を指定でき、処理の冒頭で行う思考を省けます。Haikuは同じレベルでdisabledを指定できます。Opusの設定を、そのまま同じファミリーの別モデルに流用せず、対応状況を確認してください。現行のClaudeモデル、思考機能の設定を参照してください。

無人で動かすエージェントでは、思考量を下げても必要な検証を実行するか確かめます。導入時の判断については、エージェントとコーディングのためのOpus 5.5ガイドで詳しく扱っています。

Google：Gemini 4 Argonは思考予算の手動指定ではなく、レベルで調整します

Google Gemini 4 ArgonのモデルIDはgemini-4-argonです。Googleの現行Interactions APIでは、generation_config: {"thinking_level":"medium"}を指定します。対応するレベルはlow、medium、highで、デフォルトはmediumです。Gemini 4 Argonのガイドを参照してください。

アプリが引き続きgenerateContentを使っている場合、RESTのフィールドはgenerationConfig.thinkingConfig.thinkingLevelです。Python SDKでは、thinking_configの中でthinking_levelを指定します。Argonでは、従来のthinkingBudgetフィールドは非推奨です。単独で使うと警告とともにレベルへ変換されますが、thinkingLevelと併せて送ると400エラーになります。minimalには対応していません。GoogleのgenerateContent思考機能リファレンスを参照してください。

Googleは現在、思考機能に対応するモデルとしてGemini 3.8 Flash、Gemini 3.6 Flash、Gemini 3.5 Flash-Liteも掲載しています。デフォルトや指定できるレベルは異なるため、「Flash」という名前だけで推論をしないモデルだとは判断できません。Geminiのモデルカタログ、思考レベルの対応表を参照してください。

事業へのArgon導入を検討するなら、まず代表的なタスクを試し、レベルを上げる前に回答を確認します。導入全体を考えるための情報は、Gemini 4 Argonの解説にまとめています。

DeepSeek：モデルの別名と、思考量の変換ルールを確認します

DeepSeekは現在、deepseek-flashでDeepSeek-V4.1-Flash-1017を、deepseek-v4-proでDeepSeek-V4-Pro-0813を提供しています。どちらも思考モードと非思考モードに対応しています。これらは、公式のモデルページに掲載されている現行バージョンです。

Chat Completionsのreasoning_effortには、none、low、high、maxを指定できます。どちらの制御項目も指定しない場合は、highで思考が有効になります。thinking: {"type":"enabled"}またはthinking: {"type":"disabled"}を明示すると、思考の有効・無効については、思考量フィールドよりそちらが優先されます。互換性のために受け付ける値は変換され、minimalはlowに、mediumとxhighはhighになります。DeepSeekのChat Completionsリファレンスを参照してください。

この変換ルールは、ゲートウェイが全プロバイダーに共通のドロップダウンを表示する場合に影響します。そこでmediumを選んでも、DeepSeek独自の中間レベルができるわけではありません。また、ツールを使う場合は、返されたreasoning_contentをドキュメントどおりに保持してください。後続のツール対応リクエストからこれを落とすと、400エラーになることがあります。DeepSeekの思考機能ガイドを参照してください。

モデル選びはDeepSeek V4ファミリーのガイドで解説しています。ここで連携時にまず確認すべきなのは、送信した設定によって、意図したモードが実際に選ばれることです。

推論するモデルとしないモデルは、タスクに応じて使い分けます

制約同士が影響し合うタスク、複数のアプローチを検討するタスク、推論の誤りが大きな損失につながるタスクでは、思考量を上げます。変換の内容が明確で、結果を簡単に確認できるなら下げます。判断に欠かせない根拠が不足している場合は、思考量を増やす前に補ってください。

**資金調達済みの企業の創業者なら：**提供した会議の文字起こしから合意済みのアクションを抜き出す仕事は、低めの思考量で処理する候補です。一方、契約上の義務、人員、資金の制約が衝突するロードマップの調整には、より多くの思考を割く価値があります。実際の制約を渡し、前提と未解決の論点を添えた提案を求めます。目指すのは、長いメモを作ることではなく、判断の質を上げることです。

**中堅企業のCTOや業務責任者なら：**定型的なサポート問い合わせの分類と、例外への対応を分けます。分類が明らかなチケットに、複数の規定が食い違う曖昧な案件と同じ推論量を、自動的に割り当てる必要はありません。例外を処理する経路は慎重に評価し、権限の確認はアプリ側で行います。思考量を高く設定しても、返金やアカウント変更の権限が与えられるわけではありません。

**個人開発者なら：**局所的で要件が明確な修正には、安定して完了できる最も軽い設定を使います。複数のサービスにまたがって断続的に起きるバグなど、競合する原因の仮説を見分ける必要がある場合に思考量を上げます。可能なら、ログと失敗するテストを渡してください。不具合を確認できないままでは、思考を増やしても推測が詳しくなるだけかもしれません。

**設定を上げる前に準備が必要なチーム：**正しい結果の基準がまだ明確でないなら、本番のデフォルトを高い思考量にする前に、その基準を定めます。すでに応答の速いワークフローを運用し、必要なチェックにも合格しているなら、そのまま維持し、例外を別途評価できます。

AIの思考に、どこまで期待してよいのでしょうか？

思考量を増やしても、正解が保証されるわけではありません。モデルに渡していない情報源の代わりにもなりません。誤った前提をもとに、もっともらしい説明を詳しく組み立てることもあります。根拠や計算、できあがった成果物は、独立して検証してください。

表示される思考の要約も、完全な監査証跡ではありません。Anthropicは、表示される思考が生の推論ではなく要約であると明記しています。Googleも、APIを通じて思考の要約と署名を提供しています。思考の表示が高度に見えるかどうかではなく、最終回答と、検証できる行動で判断します。Claudeの思考出力、Geminiの思考出力を参照してください。

また、highはプロバイダーをまたいで通用する性能等級ではありません。表のとおり、段階もデフォルトも制約も異なり、DeepSeekは複数のラベルを明示的に別の値へ変換しています。同じ名前の思考レベルで比較しても、同じ時間や計算資源を使ったことにはなりません。

回答を簡潔にするよう頼むことには、意味があります。成果物の形を絞れるからです。ただし、それによって回答前の処理まで無効になるとは考えないでください。

最適な推論モデルの選び方：合格できる最小の思考量を探します

最適な設定とは、許容できる待ち時間の中で、基準を満たす結果を安定して返す、最も低コストな設定です。同じタスクと根拠を使ってモデルを比較し、その後、各モデルで思考量を調整します。モデル選びの全体像は現行AIモデルの比較が参考になりますが、設定を決めるのは実際の業務です。

1. 1

   合格の基準を決めます

   結果を確認できる、繰り返し発生するタスクを選びます。たとえば、コード変更なら回帰テストを通過すること、情報抽出なら渡した記録と一致すること、提案なら明示した制約をすべて満たすことです。簡単な正常系だけでなく、難しい例も含めてください。

2. 2

   思考量以外の条件をそろえて比較します

   プロンプト、根拠、ツール、出力枠を固定します。公式ドキュメントのデフォルトと、対応する設定の中でそのすぐ下・すぐ上のレベルを比較します。影響の大きい業務では同じケースを繰り返し試し、たまたまうまくいった回答だけで設定を決めないようにします。

3. 3

   タスク全体の結果を測ります

   成功したかどうか、完了までの総時間、生成トークン数、再試行や手作業での修正の有無を記録します。OpenAIはusage.output_tokens_details.reasoning_tokensを、Gemini Interactionsはusage.total_thought_tokensを提供しています。使用量の集計方法が全社共通だと決めつけず、各APIの仕様に従って読み取ってください。OpenAIの使用量、Geminiの使用量を参照してください。

4. 4

   思考量を上げる対象を絞ります

   合格する最も低い設定を維持します。難しいとわかっているケースだけを上のレベルへ振り分け、失敗したときは再試行の前に原因を確認します。根拠不足なら根拠を補い、推論自体が難しいなら思考量を増やす余地があります。複雑な例で改善したからといって、すべてのリクエストの設定を上げる必要はありません。

**週明けに取り組むなら：**現在は単一の思考レベルで動かしている定例のワークフローを選び、合格基準を定め、保存済みの例で設定を比較します。全体の結果が変更を裏付けたときだけ、デフォルトを変えてください。改善しないなら、よりシンプルな構成を維持します。

よくある質問

推論の7つの種類とは何ですか？

これは、演繹や帰納といった推論の分類に関する質問です。モデルの設定とは別の話で、主要APIに共通する普遍的な7段階の推論設定はありません。利用するモデルとエンドポイントに対応した設定を使ってください。

AIはどのように推論するのですか？

推論モデルは、回答する前に中間的な思考を生成し、問題を検討します。ツール呼び出しの間にも推論を続けられます。こうした追加処理は、難しい問題の結果を改善する可能性がある一方で、生成量と待ち時間を増やします。

主要なAIモデルを5つ挙げると、何ですか？

固定された5モデルの標準があるわけではありません。本記事で扱った現行モデルから5つ挙げると、GPT-6.1 Sol、Claude Opus 5.5、Gemini 4 Argon、DeepSeek-V4.1-Flash-1017、DeepSeek-V4-Pro-0813です。各社が公開している設定方法は異なるので、数にこだわらず、タスクに応じて選んでください。

推論に最も適したGPTはどれですか？

OpenAIは、GPT-6 Astraを同社で最も能力の高いモデル、GPT-6.1 Solを能力とコストのバランスを取ったモデルと位置付けています。これは提供元による位置付けであり、個々のタスクでの結果を保証するものではありません。自身の合格基準に照らして、結果と思考量の設定を比較してください。OpenAIのモデルカタログを参照してください。

推論に最も優れたAIモデルはどれですか？

このガイドでは、どんな業務にも当てはまる最良のモデルは決めていません。同じ根拠、チェック項目、完了要件を使い、現行の候補を比較してください。所要時間、再試行、生成トークン数も判断に含めます。

論理的な推論が得意なAIはどれですか？

現行のOpenAI、Claude、Gemini、DeepSeekの推論モデルが候補になります。論理的な検討が中心の仕事では制約を明示し、可能なら独立した計算、テスト、情報源で結論を検証してください。

ChatGPTは推論モデルですか？

ChatGPTはアプリです。推論は、その中で使われるモデルと設定によって提供される能力です。アプリの思考設定とAPIの思考量フィールドは異なるインターフェースなので、アプリでの操作は上で紹介したスライダーのガイドを参照してください。

AIツールの選び方や運用に役立つ情報は、ニュースレターに登録してお受け取りください。