【最新LLMモデル】最近のLLMモデルの更新をまとめた(2025.5月)

企業名	モデル名	リリース日	特徴
OpenAI	GPT-4.1 / mini	2025年5月	高精度な推論、軽量版あり
Google	Gemini 2.5 Pro	2025年5月	Deep Thinkモード、音声出力、多言語対応
Anthropic	Claude 3.5 Sonnet	2024年6月21日	高速・コスト効率良、中間モデル
Meta	LLaMA 3.3	2024年12月6日	低コスト、高性能、オープンソース
Mistral	Mixtral 8x22B	2024年4月17日	SMoEアーキテクチャ、コスト効率高

OpenAI

GPT-4.1（2025年5月リリース）

知識カットオフは2024年に更新されったのですが，このたびUIで利用可能になりました．
GPT-4.1 miniは引き続きAPIのみの提供みたいです．

構築時の特徴:

• GPT-4.5およびGPT-4oからの改良を加えたモデルで、より高精度な推論と効率的な処理を実現

モデルの特徴

• 1Mのトークンのコンテキストウィンドウを持ち，長文能力が向上
• ChatGPTやAPI経由での利用が可能
• テキスト、推論、コーディングタスクにおいて高い精度を実現

GPT-4.1 mini（2025年5月リリース）

モデルの特徴

• GPT-4.1 miniは、軽量化されたバージョンで、リソース制限のある環境でも利用可能
• ChatGPTやAPI経由での利用が可能

各ベンチマーク

今回合わせてコーディングのエージェントCodexも利用可能になりました．

Codexとは？

クラウドベースのAIコーディングエージェントです。ChatGPTに統合され、自然言語での指示からコードの生成、バグ修正、テストの実行、プルリクエストの提案など、ソフトウェア開発の多岐にわたるタスクを自動化します。各タスクはユーザーのリポジトリをプリロードした安全なサンドボックス環境で実行されます。

主な機能

• 自然言語からのコード生成：ユーザーの指示を理解し，対応するコードを生成します．
• バグの検出と修正：コード内の問題を特定し，自動的に修正します．
• 自動テストの実行：生成したコードに対してテストを実行し，品質を保証します．
• プルリクエストの提案：コードの変更点をまとめ，レビュー用のプルリクエストを作成します．
• コードベースの理解と質問応答：ユーザーのコードベースを解析し，関連する質問に回答します．
• 複数タスクの並列処理：複数の開発タスクを同時に処理し，効率を向上させます．

技術的背景

• モデル：Codexは，OpenAIのo3推論モデルをソフトウェアエンジニアリング向けに最適化した「codex-1」に基づいています．
• トレーニング：実際のコーディングタスクに対する強化学習を通じて，指示への忠実な従い方や人間らしいコードスタイルの生成を学習しています．
• 実行環境：各タスクはクラウド上の仮想コンピュータ内で実行され，ユーザーの開発環境を再現します．

利用可能なプラン

Codexは以下のChatGPTプランで利用可能です：

• ChatGPT Pro
• ChatGPT Team
• ChatGPT Enterprise

今後，ChatGPT PlusおよびChatGPT Eduへの展開も予定されています．

セキュリティと制限

• インターネットアクセスの制限：セキュリティ確保のため，Codexはインターネットへのアクセスが制限されています．
• 依存関係のホワイトリスト化：使用可能なライブラリやパッケージはホワイトリストで管理され，不正なコードの実行を防ぎます．
• タスクの実行時間：各タスクの実行時間は1分から30分程度で，ユーザーの作業を妨げることなくバックグラウンドで処理されます．

OpenAI公式発表

Google

Gemini 2.5 Pro（I/O Edition)

• 発表日：2025年5月6日（Google I/O 2025に先立ち早期アクセス提供）
• リリース予定：2025年5月20日（Google I/O 2025にて正式発表予定）

構築の際の特徴

• コーディング能力の強化：特にインタラクティブなウェブアプリの構築において，コード変換，編集，複雑なエージェントワークフローの開発などの能力が大幅に向上
• マルチモーダル推論能力の向上：テキスト，画像，動画など多様な情報源からの複雑な問題を理解し，処理する能力が強化
• 大規模コンテキストウィンドウ：最大100万トークンのコンテキストを処理可能

最新モデルの特徴

• Deep Thinkモード：複雑なタスクを効果的に処理するための高度な推論機能
• 音声出力と感情認識：ネイティブな音声出力と感情に基づいた対話が可能
• 多言語対応**：40以上の言語に対応し，グローバルなユーザーに対応
• Geminiアプリとの統合：Canvas機能を活用し，プロンプト一つでインタラクティブなウェブアプリを構築可能

ベンチマークの結果

• WebDev Arena Leaderboard：前バージョンより147 Eloポイント向上し，首位を獲得
• VideoMMEベンチマーク：84.8%のスコアを記録し，動画理解の分野で最先端のパフォーマンスを達成

Google公式

Anthropic

Claude 3.5 Sonnet（2024年6月21日リリース）

構築時の特徴

• 200Kトークンのコンテキストウィンドウ：長文の処理や複雑なタスクに対応．
• 高速化とコスト効率の向上：前モデルClaude 3 Opusと比較して2倍の速度，5分の1のコストで動作．
• マルチモーダル対応：テキストと画像の両方を処理可能．

モデルの特徴

• 高度な推論能力：大学院レベルの推論（GPQA），学部レベルの知識（MMLU），コーディング能力（HumanEval）で高評価．
• 「Artifacts」機能：生成されたコンテンツのリアルタイム更新が可能．
• アクセス方法：Claude.ai，Claude iOSアプリ，Anthropic API，Amazon Bedrock，Google CloudのVertex AIを通じて利用可能．

ベンチマーク結果

• SWE-bench Verified：49%（従来の最高スコア45%を上回る） (anthropic.com)．
• HumanEval：93.7%（Python関数の正確な生成能力を評価） (anthropic.com)．

Anthropic公式：Claude 3.5 Sonnet

Anthropic

Claude 3.5 Sonnet（2024年6月21日リリース）

構築時の特徴

• Claude 3ファミリーの中間モデルとして位置づけられ，バランスのとれた性能とコスト効率を実現．
• 200Kトークンのコンテキストウィンドウを持ち，長文の処理や複雑な推論にも対応可能．
• Claude 3 Opusより2倍高速で，コストは約5分の1と大幅な改善．

モデルの特徴

• マルチモーダル対応：テキストと画像の両方を処理可能．
• 高度な推論能力：大学院レベルの質問応答（GPQA），大学学部レベルの知識（MMLU），コーディングスキル（HumanEval）で高評価．
• Artifacts機能：Claude.ai上で，ユーザーが生成したコンテンツをリアルタイムで更新・管理できる新機能．
• Claude 3.5シリーズの先駆けとして，他のClaude 3.5（Opus，Haiku）のリリースに先駆けて登場．

ベンチマーク結果

• SWE-bench Verified：49％（従来の最高スコア45％を上回る）．
• HumanEval：93.7％（Pythonコード生成の精度を測るベンチマーク）．

Meta

LLaMA 3.3（2024年12月6日リリース）

構築時の特徴

• 70Bパラメータのモデル：MetaのLLaMA 3.1 405Bモデルと同等の性能を、より小さなモデルサイズで実現． :contentReference[oaicite:0]{index=0}
• Grouped-Query Attention（GQA）：推論のスケーラビリティを向上させるためにGQAを採用． :contentReference[oaicite:1]{index=1}
• 128Kトークンのコンテキストウィンドウ：長文の処理や複雑なタスクに対応可能． :contentReference[oaicite:2]{index=2}
• 15兆トークン以上のデータで事前学習：公開データを中心に大規模なデータセットで学習． :contentReference[oaicite:3]{index=3}

モデルの特徴

• 指示追従能力の向上：自然言語の指示を正確に解釈し、実行する能力が強化． :contentReference[oaicite:4]{index=4}
• 多言語対応：英語，ドイツ語，フランス語，イタリア語，ポルトガル語，ヒンディー語，スペイン語，タイ語など、複数の言語に対応． :contentReference[oaicite:5]{index=5}
• コード生成能力：HumanEvalで89.0、MBPP EvalPlusで88.6のスコアを達成し、コード生成タスクで高い性能を示す． :contentReference[oaicite:6]{index=6}
• オープンソースライセンス：商用利用可能なカスタムライセンスで提供． :contentReference[oaicite:7]{index=7}

ベンチマーク結果

• IFEval（指示追従）：92.1
• HumanEval（コード生成）：89.0
• MBPP EvalPlus（コード生成）：88.6
• MGSM（多言語数学）：91.6
• MMLU（一般知識）：一部の評価でGemini 1.5 ProやGPT-4を上回る性能を示す． :contentReference[oaicite:8]{index=8}

Meta公式：LLaMA 3.3の発表

Mistral

Mixtral 8x22B（2024年4月17日リリース）

構築時の特徴

• Sparse Mixture-of-Experts（SMoE）アーキテクチャ：8つのエキスパートのうち2つをトークンごとに選択し、最大1410億パラメータのうち約390億パラメータをアクティブに使用．これにより、高性能と効率性を両立．
• 64Kトークンのコンテキストウィンドウ：長文処理や複雑なタスクに対応可能．
• Apache 2.0ライセンス：オープンソースで商用利用も可能．

モデルの特徴

• 多言語対応：英語，フランス語，ドイツ語，イタリア語，スペイン語などに対応．
• 高い推論能力：複雑な自然言語処理タスクやコード生成，数学的推論に優れた性能を発揮．
• 高いコスト効率：同等の性能を持つ他の大規模モデルと比較して，推論コストが低い．

ベンチマーク結果

• MMLU（5-shot）：77.81
• HellaSwag（10-shot）：88.73
• Winogrande（5-shot）：84.53
• GSM8k（5-shot）：74.15
• TruthfulQA（0-shot）：51.08
• AI2 Reasoning Challenge（25-shot）：70.48

Mistral公式：Mixtral 8x22Bリリース