LLMとは？意味・仕組みと主要モデルの一覧（2026年10月時点）

ひとことで言うと

LLM（大規模言語モデル）は、文章の続きにくるトークン（AI が文章を数える単位）を予測して、文章をつくる AI のモデルだ。予測する長さは1語のこともあれば、段落やエッセイ全体のこともある。文章の生成、翻訳、要約といった作業は、この予測を広げたものだ。

Google の解説は LLM を「数千ものトークンを自動で予測（補完）できる予測入力の仕組み」と説明している。たとえば ChatGPT は LLM を使うツールで、その中で動いている GPT-6 Sol や GPT-6 Luna が LLM にあたる。

仕組み

1. 文章をトークンに分ける。トークンは単語、単語の一部、1文字のどれかだ。
2. モデルは空いたところに入るトークンの候補ごとに確率を見積もる。Google の英語の例文（屋根に雨の音が聞こえると、台所で＿＿）では、空白に「スープを作る」が9.4%、「ケトルを温める」が5.2%と並ぶ。
3. 見積もりには Transformer という仕組みを使う。セルフアテンション（入力の中のほかのトークンが、あるトークンの意味にどれだけ関わるかを見る計算）を何層にも重ね、浅い層では基本的な構文を、深い層では文脈や話題のつながりをとらえる。
4. アプリは確率の表から答えを選ぶ。いちばん確率の高い候補を選ぶこともあれば、一定の確率を超えた候補から無作為に選ぶこともある。質問への答えも質問のあとに続く文章の確率として生まれる。

Google によると、LLM は以前の言語モデルよりはるかに多くのパラメータ（学習で調整する数値）を持ち、はるかに多くの文脈を集める。Transformer のパラメータは数千億から数兆ある。Google は、パラメータが多い Transformer のほうが一貫して性能が高いという研究を紹介している。

表で見る最新の状況

上の表は、TRAIL が掲載している22のモデルを、公開日の新しい順に並べたものだ。確認日は2026年10月12日から10月24日。

• いちばん新しいのは2026年10月13日公開の Google の Gemini 4 Argon で、10月12日の Meta の Muse Wonder、10月7日の Anthropic の Claude Haiku 5.5 が続く。
• 公開日がある21件のうち、いちばん古いのは2026年2月19日公開の Gemini 3.1 Pro だ。Perplexity の Sonar は公開日が DB にない。
• 提供元は Google、Meta、Anthropic、OpenAI、SpaceXAI（旧 xAI）、Sakana AI、DeepSeek、Perplexity AI の8社だ。
• Arena の文章・総合の順位表（2026年10月8日公開）では、Gemini 4 Argon が1位、Claude Opus 5.5 が2位だ。

TRAIL の表では、22件のうち16件が2026年9月1日以降に公開されたモデルだ。

LLM とツール（ChatGPT など）の違い

TRAIL の DB では、ChatGPT の画面の標準は、Free と Go のプランで GPT-6 Luna、Plus 以上で GPT-6 Sol だ。Gemini 4 Argon は Gemini アプリでは Google AI Pro と Ultra で使える。同じツールでも、プランによって答えるモデルが変わる。反対に Claude Opus 5.5 は、Claude、Claude Code、GitHub Copilot、Microsoft Copilot の4つのツールのモデル一覧に入っている。

仕事でどう関係するか

ツールのプランを選ぶとき

どのプランでどのモデルが使えるかは、ツールのページで確かめられる。使いたいモデルが決まっているなら、そのモデルが入るプランを選ぶ必要がある。各モデルのページには使えるツールと API の料金、コンテキスト長をまとめている。

回答をそのまま使ってよいか判断するとき

Google は、LLM はハルシネーション（事実と違う内容を答えること）をよく起こし、予測に誤りが含まれることが多いと書いている。社外に出す文書や数字は、元の資料で確かめてから使う。次のように、渡した資料の範囲で答えさせ、根拠の箇所を示させるプロンプトもある。

次の資料だけを使って質問に答えてください。答えの根拠にした箇所を引用し、資料に書かれていないことは「資料にない」と書いてください。
（ここに資料を貼る）
質問：（ここに質問を書く）

社内で API を使うとき

LLM を API で使うと、料金は入力と出力のトークン数で決まる。モデルごとの単価はAPI料金の比較に、一度に渡せる長さはコンテキストウィンドウのページにまとめている。

注意点と限界

• Google は、LLM はハルシネーションを起こしやすく、ほかの機械学習のモデルと同じくさまざまな偏りを持つことがあると書いている。
• LLM を動かすには、大量の計算資源と電力を使う。学習には膨大なデータと数か月の時間がかかる。
• 数学の文章題で学習した LLM は高度な推論をしているように見えるが、Google はプロンプトの続きを自動で補っているだけだと説明している。
• 学習していない種類の入力にも予測ができるかは、研究者の間で意見が分かれている。
• 表の公開日と順位は確認日の時点のものだ。

よくある質問

関連する用語

• トークン：LLM が文章を数える単位
• コンテキストウィンドウ：LLM が一度に参照できる範囲
• AIエージェント：LLM にツールを使わせて作業を進める仕組み
• MCP：LLM を使うアプリを外部のデータやツールにつなぐ規格
• モデルの一覧とAPI料金の比較
• ツール：ChatGPT、Claude、Gemini