売上レポート生成、表形式と自然文形式で3社の数値抽出精度が変わった

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。

Kaggle が提供する AI Quota は毎日 10 ドル分の LLM API 呼び出し枠で、Kaggle Benchmarks プラットフォーム上で Claude、GPT、Gemini など複数モデルを同一タスクで比較検証できる。汎用ベンチマーク（MMLU など）では測定できないニッチなタスクに最適なモデルを見つけたり、レイテンシ・コスト・精度のトレードオフを評価したりする際に活用する。

ChatGPT・Claude・Geminiに短いメモ（200字）と長い資料（4000字）を渡して提案書骨子を生成させ採点した結果、短いメモではほぼ同点だったが長い資料ではClaudeが14点で独走、ChatGPTは10点に低下。Claudeの100万トークンコンテキストウィンドウとChatGPTの実効的な参照能力の差が、抜け漏れという形で顕在化した。ただし長文対応力と構造化出力は別の変数で、章立てテンプレートの明示が別途必要。

タロット・おみくじ・手相の3つのClaude API連携アプリを通じて、個人開発で一貫して守ってきた設計パターンを整理。決定的ロジックとAI解釈の分離、プロンプトの役割・文章量・形式の明示、APIキーのセキュアストレージ管理といった共通アーキテクチャから、テキスト入力から画像入力への拡張まで、段階的な型の応用方法を事例で解説。