GPT-5.6・Opus 5・Gemini 3.6、モデルの自己申告があてにならない理由

Anthropic は Claude が生成するテキストに埋め込む見えない透かし (SynthID-Text ベース) の仕組みを公表。秘密鍵と単語選択の統計的偏りで実装され、文字数・品質・料金に影響なし。2026年8月2日以降リリースモデルから適用され、検出は専用 API で近日提供予定。

表形式データをLLMに渡すとき、列見出しを記号に置き換える方式は系列が15セルを超えると値の取り違えが発生し、見出し行を完全削除すると列順の入れ替わりが起きることが判明。「対応表を復唱できる」能力と「集計に正しく反映できる」能力は別であり、数値の正確性が必須な場面では外部ツールでの検算が必須。

同じ売上データを表形式と自然文形式の2通りで Claude・ChatGPT・Gemini に渡し、数値正確性・構成・網羅性で採点したところ、表形式では Claude が満点、自然文形式では Gemini がトップになるなど、入力形式だけで順位が入れ替わった。フィールドラベルの有無が精度に大きく影響し、数値タスクでは構造化入力の「形式」よりも「ラベル明示」が本質的な要因だと判明。

2026年現在、OpenAI の GPT、Google の Gemini、Anthropic の Claude の 3 つの LLM がトップ性能の差を縮めつつも、各社の「性格」が明確に分化している。文章・コーディング・マルチモーダル・推論など 6 つの観点での比較と、タスク別の使い分け指針を整理。ベンチマークの鵜呑みや料金体系の混同に注意が必要。