各LLMの特徴と使いどころ｜ChatGPT・Claude・Gemini・Perplexityの違い

結論から言うと、LLM選びは性能の順位表を眺めるより、任せたい作業から逆引きしたほうが早いです。私は幅広い作業をChatGPT、長い資料の読み込みをClaude、Googleドキュメント上の作業をGemini、出典が必要な調べものをPerplexityに振り分けています。

LLMという言葉自体は同じでも、実際に触ると返ってくるものの性格がはっきり違います。この記事では、その違いがどこから来るのかと、作業別にどれを開けばいいかを整理します。

結論

そもそもLLMとは何か

LLM（Large Language Model／大規模言語モデル）は、大量のテキストを学習して、次に来る言葉を確率的に予測する仕組みです。ChatGPTやClaudeといったサービスは、このモデルに対話用の画面、ファイル添付、外部ツール連携などを付け足したものだと考えると理解しやすいです。

ここを押さえておくと、次の2つが納得できます。

• もっともらしい嘘（ハルシネーション）が出るのは、仕組み上の性質であって、たまたま調子が悪いわけではない
• 同じモデルでも、指示の出し方で結果が大きく変わる。入力が曖昧なら、確率的にありがちな答えが返る

私が最初に失敗したのは、社内制度の細かい条件をLLMに聞いて、返ってきた条文らしき文章をそのまま資料に貼ったことです。文章としては完璧に整っていましたが、そんな条文はどこにも存在しませんでした。文章の自然さと内容の正しさは別物だと、あのとき初めて実感しました。

特徴の差はどこから生まれるのか

「AだけがBより賢い」という説明はあまり役に立ちません。実際に使い勝手を分けているのは、次の4つだと感じています。

1. 一度に扱える文脈の長さ

長い資料を丸ごと渡せるかどうかで、できる作業が変わります。文脈を長く保てるものは、議事録・仕様書・規程のような前後関係が大事な文書の処理に向きます。短い雑談では差が出ません。

2. 外部とつながっているか

学習データだけで答えるのか、その場でWebを検索して出典を返すのかは、まったく別の使い方になります。最新情報や裏取りが必要な作業では、検索と結びついているかが決定的です。

3. 扱えるのがテキストだけか

画像を読む、図を作る、音声で話す、表計算ファイルを解析する。このあたりは製品ごとに対応範囲が違います。テキスト以外を渡したい作業では、ここが選定条件になります。

4. どこに埋め込まれているか

同じような回答品質でも、普段使っているアプリの中で動くかどうかで体感は大きく変わります。エディタの中で補完されるのと、ブラウザに貼り直すのとでは、実際の作業時間が違います。

対話型：万能アシスタントとして使う

ChatGPT｜作業が横に広がる日はこれ

私がいちばん長く開いているのはChatGPTです。理由は、作業の途中で内容が変わっても、そのまま続けられるからです。

文章を書かせ、その流れで表に直させ、簡単な集計スクリプトを書かせ、最後に説明用の言い回しを整えさせる。この一連を1つの画面でやれるのが実務では効きます。特定分野で最強かどうかより、別ツールへ移る回数が減ることの価値が大きいです。

使いどころとしては、こんな作業に向きます。

• アイデア出し・切り口の発散（案を大量に出させて人が選ぶ）
• 資料のたたき台づくり
• 短いコードやエラーの相談
• 表・データの整理

逆に、最新ニュースや細かい製品仕様を聞く用途では、私はChatGPTを最初に開きません。出典を確認する手間を考えると、後述のPerplexityのほうが早いことが多いためです。

Claude｜長い文章を読ませる日はこれ

Claudeは、すでにある長い文章を渡して整えさせる使い方で価値を感じます。ゼロから大量生産させるより、編集者として使うほうが合っている印象です。

私が実際にやっている依頼はこのあたりです。

• 数十ページの資料から、意思決定に必要な論点だけ抜く
• 議事録を「決定事項／宿題／保留」に分ける
• 書き上げた原稿に対して「読み手がつまずく箇所」を指摘させる
• 硬すぎる文章のトーンを社内向けに落とす

一方で、画像を生成させる用途では使っていません。そこは最初から別のツールの担当だと割り切っています。

Gemini｜Googleの上で作業しているならこれ

GeminiはGoogleのサービス群と近い位置にあるのが特徴です。GmailやGoogleドキュメントで仕事が完結している人ほど、貼り直す手間が減る分の恩恵を受けやすいです。

逆に、資料もメールもMicrosoft側という環境だと、この利点はほとんど効きません。私自身、Google側の作業が少ない時期は開く頻度が落ちました。環境依存が強いツールという理解でいます。

検索型：調べものと裏取りに使う

Perplexityは、回答に出典が並ぶことが最大の特徴です。用途がはっきり分かれます。

私の使い方は「知らない分野の全体像を30分で掴む」ときです。用語を並べさせて、それぞれの出典を開き、一次情報を自分で読む。LLMを答えとしてではなく、資料への入り口として使うイメージです。

向いていないのは、長い創作や、ゼロから構成を作る作業です。そこは対話型に戻したほうが早いです。

コード特化：エディタの中で使う

コードを書く人にとっては、ブラウザのチャットより、エディタの中で動くかどうかが体感を分けます。

• GitHub Copilot: 普段のエディタに補完として入る。既存の書き方に合わせて続きを出してくれるので、導入の心理的ハードルが低い
• Cursor: エディタごとAI前提の作り。既存コードの文脈をまとめて読ませる作業がやりやすい反面、エディタの乗り換えが前提になる

どちらも、設計や要件定義まで任せられるものではありません。何を作るかを決めるのは人間側という前提は変わっていないと感じます。

文章生成の周辺ツールという選択肢

汎用LLMは何でもこなしますが、「日本語の文章を、決まった基準で毎回チェックする」ような定型の品質管理は、専用ツールのほうが向く場面があります。

たとえば文賢のような文章校正・推敲支援ツールは、汎用LLMのように自由な発想は返しませんが、チェック観点が固定されている分、毎回同じ基準で見てくれるという性質があります。汎用LLMは同じ原稿を投げても指摘が毎回少しずつ変わるので、この違いは実務では意味を持ちます。

私の整理としては、こうです。

• 書く・発想する → 汎用LLM
• 決まった観点で毎回チェックする → 専用の校正ツール

どちらか一方という話ではなく、工程が違うだけです。機能や料金は公式ページで確認してください。

作業から逆引きする早見表

ここまでの内容を、作業側から引けるようにまとめます。

やりたいこと	開くもの	理由
とりあえずAIを試したい	ChatGPT	できる範囲が広く、外れにくい
長い資料を読ませて整理したい	Claude	前後関係を保った整理に向く
原稿のトーンを整えたい	Claude	編集としての使い方に向く
アイデアを大量に出したい	ChatGPT	発散が速い
Googleドキュメント上で作業したい	Gemini	貼り直しの手間が減る
出典付きで調べたい	Perplexity	一次情報への入り口になる
コードの続きを書いてほしい	GitHub Copilot	エディタ内で完結する
既存コードをまとめて触らせたい	Cursor	文脈を渡しやすい

この表は出発点です。最終的には、同じ素材と同じ指示を2つに投げて、自分が直しやすいほうを選ぶのが一番確実でした。ベンチマークの点差より、自分の手癖との相性のほうが効きます。

特徴が当てにならない場面

ここは正直に書いておきます。上の分類が効かない場面が3つあります。

1. 事実確認が絡むとき

どのLLMでも、料金・規約・法律・医療・投資・製品仕様は自分で一次情報を見る必要があります。「このモデルは賢いから大丈夫」という判断は成立しません。出典付きで返すタイプでも、リンク先を開くまでは確認したことになりません。

2. 更新直後

各社ともモデルを頻繁に更新します。更新のたびに得意分野の印象が変わることがあり、半年前の比較記事がそのまま通用しないのがこのジャンルの厄介なところです。この記事も含めて、古い比較は鵜呑みにしないでください。

3. 入力が雑なとき

これがいちばん多い原因です。同じモデルでも、前提・目的・出力形式・読み手を書いたかどうかで結果が変わります。ツールを変える前に、指示を直したほうが改善することのほうが多いというのが実感です。私も「回答が浅い」と感じて別のツールに移り、結局同じ結果になって、指示が足りていなかっただけだと気づいたことが何度かあります。

どう組み合わせるか

複数を使うなら、役割を先に決めておかないと、なんとなく全部開いて時間だけ使います。私の分け方はこうです。

工程	担当
調べる・裏を取る	Perplexity
読み込む・論点を抜く	Claude
書く・広げる・形にする	ChatGPT
コードを書く	GitHub Copilot
最終確認	自分（重要度が高ければ一次情報も）

最後の行が抜けると、どれだけツールを増やしても品質は上がりません。ここだけは自動化していません。

私の結論

LLMの特徴は、モデルの賢さの差というより、扱える文脈の長さ・外部接続・マルチモーダル対応・組み込み先の組み合わせで決まります。だから「一番いいLLM」を探すより、「この作業はこれ」と割り当てるほうが結果が安定します。

これから始めるなら、まずChatGPTを1つ試して、うまくいかない作業が具体的に見えてから2つ目を足す順番が無駄になりません。最初から3つ契約しても、たいてい1つしか開かなくなります。