モデルの選択
ユースケースに適したモデルを見つける
モデルの紹介
Astra
最先端の知能
曖昧な問題、深い分析、高度な成果物に適しています。
GPT-6.1 Sol
日常的な用途に最適
文章作成、コーディング、判断が必要な作業に適しています。
Luna
賢く効率的
範囲が明確なタスク、トリアージ、頻繁に実行する自動化に適しています。
利用可否、ツール、推論設定、使用量の上限は、製品やモデルのバージョンによって異なります。ChatGPT で利用可能なモデルまたはAPI モデルカタログを確認してください。
ワークフローに適したモデルを見つける
作業とタスクを選択して、おすすめを確認します。
GPT-6.1 Sol を検討する場面
決算情報から取締役会向けのプレゼンテーションを作成したり、 製品概要をもとにウェブサイトを構築したりするなど、コストを重視する複雑なプロジェクトでは、 GPT-6.1 Sol を検討してください。同じタスクで Astra と比較し、 品質とコストのトレードオフを評価します。
仕様と API の料金については API モデルのページを、 ChatGPT プランでのアクセスについては Codex と ChatGPT Work での提供状況をご覧ください。
モデルと推論エフォートの考え方
Luna は最も効率的なモデルであり、Astra は最先端かつ最も高性能なモデルです。使用量やタスクの完了までにかかる時間を考慮する必要がなければ、Astra をデフォルトとして選択できます。使用量を最適化するには、以下のガイダンスを参考に、ニーズに合ったモデルと推論エフォートを選択してください。
Luna · 低
きめ細かな編集、範囲が明確な問題解決、簡単なデータ抽出。
Luna · 非常に高い
複数のアプリから最新のコンテキストを見つけ、作業に優先順位を付け、明確な制約のある問題を解決する作業。
GPT-6.1 Sol · 中
複雑な技術作業や、後で修正することを想定した相互に関連する成果物の作成。
GPT-6.1 Sol · 非常に高い
完成度の高い成果物、相互に連携するビジュアルシステム、矛盾する証拠に基づく意思決定。
Astra · 低
事実とニュアンスを維持した簡潔な文章作成とコンテンツの調整。
Astra · 中
幅広いコンテキスト、信頼性の高い操作、完全な結果が求められる意欲的なプロジェクト。
Astra · 非常に高い
厳密な要件を伴う難しい分析と複雑な成果物。
試してみる
このページのガイダンスを出発点としてお使いください。ワークフローに適したモデルを見つけるには、さまざまなモデルと推論設定を試して、どれが効果的かを確認するのが一番です。
まず、次の点を検討してください。
- ワークフローはどのくらいの頻度で実行されますか？ 頻繁に実行する自動化では、たまに行うプロジェクトよりも使用量とコストが早く積み上がります。
- どのくらい早く結果が必要ですか？ 完了を待っているタスクには、夜間に実行するタスクより高速な設定が必要な場合があります。
- 出力をどのように使用しますか？ 自分でレビューするための下書きなら、外部と共有するものほどの仕上がりは必要ない場合があります。
- 結果の品質はどの程度重要ですか？ ユースケースや業界によっては、品質を重視するために、より高性能なモデルを使用したほうがよい場合があります。
可能であれば、同じ入力を使用して結果を比較し、品質基準を満たす最も軽量な設定を採用してください。