LLM(大規模言語モデル)

LLMは『Large Language Model（大規模言語モデル）』の略で、インターネット上の膨大なテキストデータを学習し、人間らしい文章を生成・理解するAIモデルのことを指します。ChatGPTのGPT-4、AnthropicのClaude、GoogleのGemini、MetaのLlama、DeepSeek、xAIのGrokなどがLLMの代表例で、2022年以降の生成AIブームを牽引した技術です。

仕組みは『Transformer』と呼ばれるニューラルネットワーク構造をベースにしており、入力された文章の続きとして最も確からしい単語を1つずつ予測していきます。学習データは数兆トークン（単語の断片）規模で、パラメータ数（モデルの脳細胞に相当する数字）は数十億〜数兆に達します。2026年時点では、Claude 4.7 Opus、GPT-5、Gemini 3 Proなどが最上位モデルとして展開されており、100万トークン超の超長文コンテキストにも対応しています。

用途は文章生成、翻訳、要約、コーディング支援、質問応答、ロールプレイ、ブレインストーミングなど広範です。企業利用では、カスタマーサポートの自動化、議事録生成、メール下書き、社内ナレッジ検索への組み込みが急速に広がりました。個人利用では、学習・リサーチ・文章添削・プログラミング補助・クリエイティブ執筆が定番の使い方です。

一方で、LLMには本質的な限界もあります。①ハルシネーション: もっともらしい誤情報を自信満々に返す、②最新情報を知らない: 学習カットオフ日以降の出来事は答えられない、③数値計算が苦手: 大きな桁の計算は間違えやすい、④長期記憶を持たない: 会話ごとに記憶がリセットされる、の4点です。これらはRAG（検索拡張生成）やTool Call（関数実行）と組み合わせて補完するのが2026年現在の定石になっています。

選択の観点では、コーディング用途ならClaude Opus、日本語長文ならGemini 3 Pro、軽量・高速用途ならGPT-5 Miniや各種ローカルLLM（Llama・Qwenなど）、オフライン用途ならオンデバイスLLM（Apple Intelligence・Gemini Nano）、と得意分野で使い分ける流れが定着しています。