🦁
クラウド生成 AI サービス比較 調査結果（2025年5月）
1. 調査目的
主要なクラウド生成 AI サービスを対象に、性能、価格、日本語対応、長文処理能力などの観点で比較し、用途に応じた選定の指針を得る。
2. 比較対象と構成
以下の 7 モデルを中心に調査を実施。
| サービス名 | モデル名 | 提供元 |
|---|---|---|
| OpenAI | GPT-4o | OpenAI |
| Anthropic | Claude 3 Opus | Anthropic |
| Gemini 1.5 Pro | Google DeepMind | |
| Mistral | Mistral Large 2 | Mistral AI |
| Meta / Groq | Llama 3 70B | Meta / Groq |
| Perplexity | Sonar Pro | Perplexity AI |
| Inflection | Pi | Inflection AI |
3. 比較表（要点）
モデル性能・対応力比較
| モデル | 推論能力（MMLU 等） | 最大トークン長 | 日本語対応 | コーディング性能 |
|---|---|---|---|---|
| GPT-4o | 非常に高い（MMLU 82） | 128K | 高精度 | HumanEval 88% |
| Claude 3 Opus | 非常に高い（MMLU 80 以上） | 200K | 非常に高精度 | 高精度 |
| Gemini 1.5 Pro | 高い（MMLU 80 前後） | 最大 1M | 高精度 | 高精度 |
| Mistral Large 2 | 中程度（MMLU 70 台） | 128K | 中程度 | 中程度 |
| Llama 3 70B | 中程度 | 128K | 中程度 | 高精度（Groq 環境下） |
| Sonar Pro | 高精度（マルチステップ対応） | 非公開 | 高精度 | 中程度 |
| HeyPi | 中程度（対話特化） | 非公開 | 高精度 | 非対応 |
価格（API 利用）
| モデル | 入力/出力 1K tokens 単価（USD） |
|---|---|
| GPT-4o | $0.03 / $0.06 |
| Claude 3 Opus | $0.015 / $0.075 |
| Gemini 1.5 Pro | $0.0375 / $0.15（128K 以下） |
| Mistral Large 2 | $0.003 / $0.009 |
| Llama 3 70B | $0.00059 / $0.00079 |
| Sonar Pro | $0.003 / $0.015 |
| HeyPi | 無料（API 未提供） |
4. 実地評価と所感
| 観点 | 評価モデル例 | 備考 |
|---|---|---|
| レスポンス速度 | Llama 3.1（Groq） | 非常に高速 |
| 創造性・一貫性 | GPT-4o, Claude 3 Opus | 高い応答の安定性と創造性 |
| 日本語表現力 | Claude 3 Opus | 最も自然かつ高度な応答 |
| 長文対応 | Gemini 1.5 Pro（1M token） | 文書要約や対話に最適 |
| コーディング | Llama 3.1 405B, GPT-4o | HumanEval 89%、88% |
5. 用途別推奨モデル
| 用途 | 推奨モデル |
|---|---|
| 高速な応答 | Llama 3.1（Groq）, Mistral Large 2 |
| 高精度な日本語対応 | Claude 3 Opus, GPT-4o, Llama 3.1 |
| 高度なコーディング支援 | Llama 3.1 405B, GPT-4o |
| 大規模文書・長文処理 | Gemini 1.5 Pro, Claude 3 Opus |
| パーソナル対話・感情対応 | HeyPi（Inflection AI） |
6. 総評と結論
- Claude 3 Opus は日本語表現力に優れた高性能 LLM で、対話・要約・翻訳に強い。
- GPT-4o は高精度・高汎用性のバランスが取れた万能型で、API も安定。
- Gemini 1.5 Pro は超長文処理やマルチモーダル処理に強み。
- Mistral / Llama 3（Groq） はコストパフォーマンスや高速性が特徴。
- Sonar Pro は検索・要約を組み合わせた新しいユースケースに向く。
- HeyPi は API 提供こそ無いが、対話品質と反応の自然さで特化型の価値がある。
7. 今後の検討課題
- API 連携実験（呼び出し速度・トークン消費・JSON 処理）
- 独自ユースケースとの統合検証（社内 FAQ、ソースコードレビュー等）
- 日本語長文生成・読み込みテストの継続
- 商用利用時の利用規約・ライセンス範囲の比較
Discussion