モデルの名前が変わっても情報を確かめられるか

公式資料が説明する窓口を確かめる

APIは、アプリなどのプログラムからサービスを呼び出す窓口です。API向けのモデル資料は、ブラウザで使うChatGPTの全利用者の機能表ではありません。2026年11月5日に確認したOpenAIの「Models」資料も、作業を進めるChatGPT Workや開発作業を助けるCodexを対象とする案内と、通常のChatに関する案内を分けています。

機能を確かめるときは、提供者、製品名、WebやアプリやAPIのどの窓口か、モデル名、アカウントや組織の条件を組にします。あるAPIで利用できると書かれたモデル名を、同じ会社の全アプリで選べるという意味へ広げません。逆に、ある画面の提供終了だけで、別の窓口でも終了したとは決めません。

根拠：Use ChatGPT（別タブで開く） ↗ / Models — ChatGPT Work and Codex（別タブで開く） ↗ / GPT-6 Astra — OpenAI API model page（別タブで開く） ↗ / Deprecations — OpenAI API（別タブで開く） ↗

資料の日付と、自分の確認日を残す

資料の公開日・更新日は、その資料がいつ出たかを示します。確認日は、自分がその説明を読んだ日です。さらに、変更がいつから有効かという適用日や、モデルの学習データの知識期限も別です。知識期限は、その日までの全情報を正しく答えられるという保証や、サービスの提供開始日ではありません。

「何をしたいか→対象の製品と窓口→公式資料の条件と日付→自分のアカウントでの確認」の順で調べ、根拠URLと確認日を残します。名称や更新日の新しさだけで適用を決めず、条件が合わない部分は未確認として扱います。機密資料を試しに入れて確かめる必要はありません。

根拠：GPT-6 Astra — OpenAI API model page（別タブで開く） ↗ / Deprecations — OpenAI API（別タブで開く） ↗ / 2027年試験シラバス改訂の公式案内（別タブで開く） ↗ / Use ChatGPT（別タブで開く） ↗ / Models — ChatGPT Work and Codex（別タブで開く） ↗ / Gemini Apps Privacy Hub（別タブで開く） ↗ / Does Anthropic Act as a Data Processor or Controller?（別タブで開く） ↗ / Microsoft Copilot Chat Privacy and Protections（別タブで開く） ↗

GPT-4以降は、入出力や使い方の軸も見る

GPT-4の技術報告では、画像と文章を入力し、文章を出力するマルチモーダルモデルが説明されました。マルチモーダルとは、文章・画像・音声など複数の情報の種類を扱うことです。モデルの能力・限界・安全性などを説明するGPT-4oのシステムカードは、扱う情報を音声などにも広げたモデルを報告しています。これは各報告時点の技術上の説明であり、今日の各アプリで全入出力が使えるという案内ではありません。

GPT-5のシステムカードでは、速く答えるモデルと、難しい問いをより深く検討するモデルを使い分けるシステムが説明されました。2026年11月5日に確認したGPT-6 AstraのAPI資料では、学習済みモデルで回答などを得る推論や、コード、道具を使う作業などを扱うモデルとして説明されています。系列の進化は数字の大きさだけでなく、扱う情報、推論、道具との連携などの変化として読みます。論文の実験、当時の製品説明、現在の提供条件は混ぜません。

根拠：GPT-4 Technical Report（別タブで開く） ↗ / GPT-4o System Card（別タブで開く） ↗ / OpenAI GPT-5 System Card（別タブで開く） ↗ / GPT-6 Astra — OpenAI API model page（別タブで開く） ↗

学習で変えることと、答えるときの処理を分ける

事前学習や、その後の追加の学習では、モデルの重みという内部の調整値を変えます。RLHFは、人間の評価を取り入れる強化学習です。代表的なInstructGPTの方法では、人の見本で調整し、回答の比較評価から、人が望む回答の程度を予測する報酬モデルを学び、その評価を使って回答するモデルをさらに調整します。GA202で学んだ工程の振り返りであり、全ての新製品が同じ細部の方法だと推測する説明ではありません。

推論は、学習済みのモデルを使って入力を処理し、回答などを得ることです。入力に見本を追加することや、回答時に検討する量を変えることだけを、重みを更新する追加学習やRLHFと呼びません。また、人に好まれる回答を学ぶことと、個々の事実が正しいことの確認は別です。

根拠：Training language models to follow instructions with human feedback（別タブで開く） ↗ / Language Models are Few-Shot Learners（別タブで開く） ↗ / Reasoning models — OpenAI API（別タブで開く） ↗

推論時の計算は、回答を作るときの処理

推論モデル（Reasoning Model）は、回答を作る際に問題を分けて検討したり、別の進め方を考えたりする処理を行うモデルです。推論時の計算は、学習が終わったモデルを使うときに行う計算を指します。学習時の重みの調整と、回答時の検討に計算を使うことは、別の段階です。

対応する製品やモデルでは、推論の労力を調整できる場合があります。複雑な条件を比べる課題で結果が改善する可能性がある一方、時間や処理量も増えます。高く設定したことは正解の証明ではありません。条件の読み落としや計算結果、参照した情報を確かめる工程は残ります。設定の名称や利用可否は製品とモデルごとに確認します。

根拠：Reasoning models — OpenAI API（別タブで開く） ↗ / OpenAI GPT-5 System Card（別タブで開く） ↗ / Models — ChatGPT Work and Codex（別タブで開く） ↗ / GPT-4 Technical Report（別タブで開く） ↗

途中の説明を、検証できる形で確かめる

思考の連鎖（Chain-of-Thought、CoT）は、答えまでの中間の推論手順をつなぐ考え方です。原著では、途中の手順を含む見本を入力する方法などが研究されました。利用者へ表示された説明文と、モデル内部の処理の全記録は同じものとは限りません。OpenAIの推論モデルのAPI資料でも、内部の検討に使う処理単位である推論トークンそのものと、表示できる推論の要約を分けています。APIの設定方法を暗記する必要はありません。

説明が長く滑らかでも、結論の正しさを示したことにはなりません。「使った条件」「参照した資料」「確かめられる式や手順」を示してもらい、人が元の条件と照らします。内部処理の全開示を求めなくても、判断に必要な根拠は確かめられます。

根拠：Chain-of-Thought Prompting Elicits Reasoning in Large Language Models（別タブで開く） ↗ / Reasoning models — OpenAI API（別タブで開く） ↗ / Use ChatGPT（別タブで開く） ↗ / GPT-4 Technical Report（別タブで開く） ↗

できる操作と、任せた操作をそろえる

作業するエージェントには、読めるファイル、書き換えられる場所、ネットワーク接続などの技術的な許可と、操作を進める際の承認の仕組みがあります。具体的な設定は利用する環境によって異なります。モデルが作業の方法を提案できることから、その環境で実行できることや、利用者が実行を依頼したことまで推測しません。

任せる前に、対象の資料やフォルダ、作ってよい成果物、変更や外部送信の範囲、どこで人が確認するかを決めます。例えば「公開前の文案だけを作る」という依頼では、公開する権限が使える環境であっても、公開まで依頼したことにはなりません。実行後も、変更内容と結果を確認します。

根拠：Agent approvals & security（別タブで開く） ↗ / Use ChatGPT（別タブで開く） ↗

古い名称と、現在の案内をつなぐ

シラバスにはOperator、Codex、Image Generationという名称が挙がっています。名称を見つけたら、当時どんな役割で説明されていたかと、現在どの製品・機能として案内されているかを分けて確認します。古い名称が教材や記事に残っていることだけでは、今日も同じ専用画面や条件で利用できるとは判断できません。

たとえば、OpenAIが2025年1月に研究プレビューとして説明したOperatorは、ブラウザーに表示された画面を画像として読み、ボタンをクリックしたり、入力欄に文字を入れたりして、利用者の指示に沿って作業を進めるものでした。予約サイトの入力を手伝うような使い方です。これは当時の説明なので、現在の提供状況や使える機能は、別に確認します。

名称の変更や統合を確かめるときは、当時の公式発表と現在の公式案内の両方を読み、変更日、対象の製品、引き継がれる機能と条件を照合します。対応する公式案内を確認できなければ、後継名や使える機能を補って断定せず、その関係を未確認として残します。

根拠：生成AIパスポート試験シラバス（別タブで開く） ↗ / Deprecations — OpenAI API（別タブで開く） ↗ / Models — ChatGPT Work and Codex（別タブで開く） ↗ / OpenAIの公開時資料（2025年1月23日）（別タブで開く） ↗

利用できる機能と、入力データの扱いを別々に読む

機能を使えるかという条件と、入力・出力が保存されるか、モデルの学習に使われるかというデータの条件は別です。Gemini Appsのプライバシー案内は、仕事・学校のアカウントには異なるデータ条件が適用される場合を示しています。Anthropicの商用製品のデータ説明も、一般利用者向けの製品を別の説明へ分けています。片方の条件を、同じ名前の全製品へ広げません。

例えば、組織向けMicrosoft Copilot Chatの公式資料には、入力・回答を幅広い用途の土台となる基盤モデルの学習に使わないことと、監査などのために記録・保存することの両方が説明されています。「学習に使わない」は「保存しない」と同じ意味ではありません。検索や連携する道具にも別の条件があるため、利用する範囲を確認します。この説明を個人向けの全Copilotへ当てはめることはしません。

根拠：Gemini Apps Privacy Hub（別タブで開く） ↗ / Does Anthropic Act as a Data Processor or Controller?（別タブで開く） ↗ / Microsoft Copilot Chat Privacy and Protections（別タブで開く） ↗

比較表を、条件付きの確認メモへ変える

比べるときは、先に目的を決めます。文案の作成、画像の生成、会社の資料を使う作業など、必要なことを書き出し、各社の公式資料で製品名、利用する窓口、必要な入出力や機能、アカウントとデータ条件を確認します。名前の新しさ、人気、単一の性能順位だけでは、自分の目的と条件に合うかは決まりません。

確認メモには、確認した内容、対象の製品・アカウント、資料の更新日や適用日、根拠URL、自分の確認日を残します。公式資料に書かれた条件と、自分の環境で確認できたことを分け、条件が変わったときに見直します。実際に入力してよい情報は、製品の説明に加えて所属組織のルールにも従って判断します。

根拠：About Gemini models — Gemini Apps Help（別タブで開く） ↗ / Gemini Apps Privacy Hub（別タブで開く） ↗ / Models overview — Claude Platform Docs（別タブで開く） ↗ / Get started with Claude — Claude Help Center（別タブで開く） ↗ / Does Anthropic Act as a Data Processor or Controller?（別タブで開く） ↗ / What Copilot license do I have — Microsoft Support（別タブで開く） ↗ / Microsoft Copilot Chat Privacy and Protections（別タブで開く） ↗ / Use ChatGPT（別タブで開く） ↗