OpenAIのGPT4oは本当に圧倒的に強いのか？解説してみた

Summary

本日はAI言語モデルの比較をテーマに、特にGPT4オムニとGoogleのジェミニ系列の性能を検証しました。GPT4オムニは言語モデル性能で圧倒的に強いとされており、0ショットcotというテクニックを用いて88.7%の高精度を記録していますが、実際にはクロード3のオーパスと僅差とのことです。一方、画像認識ではジェミニ1.5ProがGPT4オムニを上回る性能を示しており、価格面でもジェミニ1.5フラッシュはコストパフォーマンスが高いと評価されています。この動画では、最新のAI言語モデルの動向を解説し、生成AIを活用したい視聴者に有益な情報を提供しています。

Takeaways

• 😀 GPT4Omniverse（GPT4オムニ）が無料ユーザーにもリリースされた後、多くの人が興味を持ち始めている。
• 🤖 オープンAI以外にも多くの企業がAIモデルを開発しており、画像処理やコスト効率の良いモデルを探求する人もいる。
• 🆕 Googleが新しいモデル「ジェミニ」を発表し、GPT4Omniverseと比較されることが増えた。
• 📊 GPT4オムニとクロード3（Cerebras3）の性能比較では、GPT4オムニが圧倒的に強いとされているが、実際は僅差であると感じる人もいる。
• 📈 0ショットcotという評価指標ではGPT4オムニが88.7%、クロード3が86.8%と、GPT4オムニがわずかに優れているが、大きな差ではない。
• 🔍 画像認識のモデル比較では、GPT4オムニが圧倒的に強いとされているが、Googleのジェミニ1.5Proも非常に高性能であると評価されている。
• 💰 コスパの良いモデルとしてGoogleのジェミニ1.5フラッシュが勧められており、価格も比較的リーズナブルである。
• 📈 ジェミニ1.5Proは画像認識において非常に高精度であり、GPT4オムニと比較しても優れているとされている。
• 🔧 言語モデルを組み込む際には、精度だけでなくコストも考慮する必要があると示唆されている。
• 🌐 Googleは独自の計算チップTPUを持っており、今後の言語モデル市場での競争力は高まっていくと予想されている。

Q & A

GPT4オムニとGoogleのジェミニモデル、どちらが強いのでしょうか？

言語モデルの性能に関してはGPT4オムニが圧倒的に強いとされていますが、実際の差はかなり僅差です。一方、画像認識に関してはジェミニ1.5Proの方が強いとされています。

0ショットcotとはどのような評価手法ですか？

0ショットcotは、言語モデルの評価手法の一つで、プロンプティングを行わずにモデルの精度を測る方法です。

言語モデルの精度を上げるためのテクニックとしてフューショットプロンプティングとは何ですか？

フューショットプロンプティングは、言語モデルに質問と回答の例を多く与えることで、モデルの精度を上げるテクニックです。

ジェミニ1.5Proのアップデートでどのような性能向上が見込まれていますか？

ジェミニ1.5Proのアップデートでは、入力できる文章の長さが2倍に増加し、様々な評価指標での精度も大幅に向上することが見込まれています。

言語モデルを組み込む際のコストパフォーマンスを考慮すると、どのモデルがおすすめですか？

コストパフォーマンスを考えるとGoogleのジェミニ1.5フラッシュがおすすめです。高い精度と比較的低い価格のバランスが良く、初手として試してみるのも良いでしょう。

言語モデルの精度を評価する際に使用されるmmlUとは何ですか？

mmlUは、言語モデルを広く評価する際に使われる手法の一つで、様々なタスクに対してモデルの性能を比較するための指標です。

ジェミニ1.5フラッシュの価格設定にはどのような特徴がありますか？

ジェミニ1.5フラッシュの価格は、入力するトークン数によって変動します。128トークン以下であれば0.35ドルですが、それ以上になると価格が倍増するという特徴があります。

GPT4オムニとクロード3のオーパス、どちらのモデルがプログラミング関連の質問に適していますか？

個人的な経験ではクロード3の方が正しい答えを出力するケースが多く、プログラミング関連の質問にはクロード3の方が適していると感じています。

ジェミニ1.5ProとGPT4オムニを比較した際の画像認識の性能はどのようになっていますか？

ジェミニ1.5Proは画像認識の能力においてはGPT4オムニよりも強く、多くの評価指標で精度が上がっている結果となっています。

言語モデルの精度を評価する際に使用されるcot技法とは何ですか？

cot技法は言語モデルの精度を上げるためのテクニックの一つで、モデルに段階的に思考させることで回答の精度を上げます。

Outlines

00:00

🤖 GPT4Omniの強さと比較

ビデオではGPT4Omniが他のAIモデルと比較してどれくらい強力なのかをテーマに展開しています。GPT4Omniがリリースされてからの話題として、Googleのジェミニやその他のAIモデルが開発されている状況を紹介し、どのモデルが本当に強いのかを比較検討しています。特にGPT4OmniとGoogleの新しいモデルジェミニフラッシュについて、最新の情報をもとに評価と比較を行い、どちらが効果的でコストパフォーマンスが良いかを分析しています。

05:02

📊 GPT4OmniとClaude3の性能比較

GPT4OmniとClaude3の言語モデル性能を比較しています。公式の評価制度に基づいてGPT4Omniが圧倒的に強いとされている一方で、実際の比較では僅差しかないと主張。0ショットcotという評価指標について説明し、GPT4Omniが88.7%、Claude3が86.8%というスコアを出し、その評価方法について疑問を呈します。また、5ショットcotでの比較も取り上げ、どちらが優れているかを考察しています。

10:03

🖼️ 画像認識モデルの比較

言語モデルだけでなく、画像認識能力を持つマルチモーダルなモデルについても議論しています。OpenAIが公開した画像認識の評価結果をもとに、GPT4Omniが圧勝しているとされている状況を紹介。一方で、Googleのジェミニ1.5Proの性能も大きく向上し、新しいバージョンでは多くの評価指標で精度が向上していると報告。GPT4Omniとジェミニ1.5Proの比較を通じて、どちらが画像認識において優れているかを検討しています。

15:05

💰 コスパの良いモデルの選択

言語モデルをサービスに組み込む際のコストパフォーマンスについて話しており、Googleの新しいモデルたちが非常に良い状況にあると評価しています。モデルの強さと価格のトレードオフを考慮し、特にジェミニ1.5フラッシュが価格と性能のバランスが良く、良い選択肢になると紹介。ただ、入力トークン数に応じて価格が変動する点には注意を喚起。GPT4Omni、Claude3、ジェミニ1.5Proの価格帯と比較を通じて、どのモデルが適切かを判断する指針を提供しています。

20:06

📚 総括と今後の展望

ビデオの総括として、GPT4Omniはスペック的には強力だが、Claude3のオーパスと比べて性能差は小さいと結論づけています。画像認識に関してはジェミニ1.5Proが強いと評価。コスパの観点からはジェミニ1.5フラッシュが優れていると紹介。Googleの言語モデルが最近の発表で状況が変わってきていると感じ、今後の盛り返すことも期待していると語ります。最後に、公式LINEアカウントの紹介と、今後も情報を共有していく旨を述べています。

Keywords

💡GPT4オムニ

GPT4オムニはOpenAIが開発した言語モデルの一つで、非常に高い性能を持っているとされています。ビデオでは、他のモデルと比較して圧倒的に強いとされているが、実際の性能差は微妙に僅差であると説明されています。例えば、言語モデルの性能を評価する際には、0ショットcotという技術が用いられており、その結果88.7のスコアを出すことができたと紹介されています。

💡ジェミニ

ジェミニはGoogleが開発した言語モデルで、新しいモデルとして発表されました。ビデオでは、ジェミニ1.5Proというバージョンが言語モデルとしての性能においてGPT4オムニと比較され、多くの評価指標で精度が向上していると説明されています。また、ジェミニ1.5フラッシュというモデルも紹介されており、価格と性能のバランスが良く、新しい選択肢として提案されています。

💡0ショットcot

0ショットcotは言語モデルの性能評価における用語で、プロンプティング技術を使用せずに達成したスコアを指します。ビデオでは、GPT4オムニがこの設定で88.7のスコアを出したと紹介されています。これは言語モデルの精度を上げるために用いられるテクニックの一つであり、ビデオのテーマに密接に関連しています。

💡マルチモーダルモデル

マルチモーダルモデルとは、言語だけでなく画像や音声など複数のデータタイプを扱うことができるモデルのことを指します。ビデオでは、最近のトレンドとしてマルチモーダルモデルが話題に挙げられており、仕事などで画像を扱う際にどのモデルを使うかという問題意識が示されています。

💡言語モデルの評価

言語モデルの評価とは、そのモデルの性能を定量的に測るプロセスを指します。ビデオでは、様々な評価指標や技術（例えば0ショットcot）が用いて、GPT4オムニやジェミニなどのモデルを比較評価している様子が説明されています。言語モデルの性能を理解するために重要な概念です。

💡プロンプティング

プロンプティングは、言語モデルに対して答えを求める前に与えるヒントや質問と答えの例を指します。ビデオでは、プロンプティングを通じて言語モデルの精度を上げる技術としてフューショットプロンプティングが紹介されており、その効果が言語モデルの性能評価にどのように影響するかが説明されています。

💡チェインオブソート

チェインオブソート（cot）は、言語モデルが論理的に一歩ずつ回答を生成するプロンプトテクニックです。ビデオでは、cotを使用することでモデルの精度が向上することが研究結果として紹介されており、言語モデルの評価において重要なテクニックとされています。

💡コスパ

コスパとは、コストパフォーマンス比の略で、モデルの性能とそのコストとのバランスを指します。ビデオでは、言語モデルを組み込む際のコスト面を考慮し、ジェミニ1.5フラッシュがコスパが良いと紹介されています。これは、言語モデルの選択において重要な要素です。

💡mmlU

mmlUは、言語モデルを広く評価する際に使われる手法の一つです。ビデオでは、GPT4オムニとクロード3のオーパスをmmlUスコアで比較評価している様子が説明されています。これは言語モデルの性能を比較する際の重要な指標として位置づけられています。

💡画像認識

画像認識とは、画像を解析し、その内容を理解する能力を指します。ビデオでは、言語モデルだけでなくマルチモーダルモデルにおける画像認識能力にも触れており、ジェミニ1.5Proがその分野で強い性能を有していることが紹介されています。

Highlights

GPT4Oの無料リリースと他社モデルとの比較

Googleのジェミニ新モデルの発表

各社の言語モデルの性能評価とその問題点

GPT4Oの言語モデル性能に関する詳細

ゼロショットCOTとフューショットプロンプティングの説明

言語モデルの精度向上テクニック：チェインオブソート(COT)

GPT4OとClaude 3の比較と評価方法の問題点

GPT4OのゼロショットCOTスコアとフューショットプロンプティングの影響

画像認識モデルの性能比較とジェミニ1.5 Proの強さ

Googleのジェミニ1.5 Proのアップデートとその影響

ジェミニ1.5 Proの性能向上とその結果

MMMUスコアとGPT4Oの評価結果の詳細

ジェミニ1.5 Proのコストパフォーマンスの良さ

Googleモデルの料金体系とその利用方法

サービスに組み込む場合の最適なモデル選択肢

ジェミニ1.5フラッシュの初手としての利便性

CL3のオーパスと他のモデルのコスト比較

GPT4Oとクロード3のオーパスのコストと精度の差

Googleの言語モデルの精度向上と将来性

最後にLINE公式アカウントと講座の紹介

Transcripts

はい皆さんこんにちはにんとですえ本日は

本当にGPT4Oが最強なのかという

テーマで話していこうと思いますえ先日

GPT4Oが無料ユーザーにもリリースさ

れたのでまこれを気に生成AI使って

みようかなという人も多いんじゃない

でしょうかでそうした時にオープンA以外

にもいろんな会社がモデルを開発してたり

するので例えばえ画像を扱いたい場合は

どうすればいいんだろうとかもう少し安い

モデルを使いたい場合はどうすればいいん

だろうとかえそういうに思って人もいるか

もしれませんで先日GPT4オニが発表さ

れた翌日にGoogleからはえジェミニ

の新しいモデルというのが発表されました

まなのでこれも含めて結局どれが強いん

だろうというところは結構分かりにくいか

なと思います特にGoogleからはえ

新しいジェミニフラッシュというモデルも

公開されたりしてたのでこちらについても

気になってるという人もいるかもしれませ

んそこで今回はGPT4オムニが本当に強

のかというところだったりとかえコスパが

いいモデルはどれなのかというところに

ついて最新の状況をまとめていきます特に

新しいモデルが出たら各社え自分たちの

開発したモデルが強いですよっていう風に

宣伝するんですけれど実はちゃんとどう

いう風に評価したのかというのを見てみ

ないと本当にいいものなのかというのが

分からなかったりしますまなのでどういう

風に結果を見ていけば正しくモデルの性能

を理解できるのかというところも含めて

解説していきます仕事とかで生成Aを活用

したいなという人は是非見ていって

もらえればと思いますえそれでは早速て

いき

[音楽]

ましょうはい最初にえGPT4OMのえ

言語モデルの性能に関しての話です言語

モデルの性能に関してはま人によって原語

モデルを使う用途が違ったりするのでCL

3の方がいいと思うとかえGoogleの

ジェミニの方がいいと思うとか色々皆さん

あるかと思いますで公式の制度の評価上は

えGPT4オムニが圧倒的に強いとされて

いますで私もこちらの動画でえGPT4

オムニが圧倒的に強いというところで話し

てしまったんですけども実は公式から発表

されてるグラフに関してはえ少しおかしい

ところがあったりしますで結論としては

GPT4オムニがま1番強そうではあるん

ですけれども正直えクド3のオーパスとえ

GPT4OMには圧倒的に差が開いてるん

じゃなくてかなり僅差だという風に考えて

いますはいこちらがえGPT4OMが

リリースされた時にOpenAIから公開

されたえいろんな会社のモデルを比較した

結果になっていますで1番左がえmmlU

といってえ広く原語モデル評価する時にえ

使われてる仕法になっていますでこれを

見るとえGPT4オムニがピンク色でえ

クド3のオーパスが緑色なので少し小さい

んですけどもGPT4オムニがえ88.7

でえクロード3が86.8mhz

cotという条件でえ88.7という記録

を出してるという風に書かれていますね

じゃあこの0ショットcotって何だと

いうところなんですけどもまずえ0ショッ

トっていうのはQショットプロンティと

いうものを行ってないよという話になって

いますじゃあこのフューショットプロンプ

ティンググって何だというところなんです

けどもこれはえ言語モデルの性能を上げる

ためのテクニックの1つになっています

具体的にはえ言語モデルに何かを解かせる

前にレとえその答えを与えることによって

精度を上げるというテクニックになってい

ますで例えばえ普通にチャットGPTを

使ってる場合っってまこんな感じでえ単発

で質問して使ってるかと思いますえ

コンピューターサイエンスは何ですかて

いう質問ですねプロンプトとして作成して

えそれを言語モデルに入れるとえそういっ

たイメージですねで普段の使い方としては

まこんな感じで使っても実用上問題ない

ケースが多かったりするので多くの人はえ

こんな感じで使ってるかと思いますますで

これに対してえフューショットプロンティ

グというものはえプロンプトの中に質問と

回答の例をたくさん入れてから最後に本当

に聞きたい質問を入力しますでこの例だと

え先ほどと最後の質問に関しては同じでえ

コンピューターサイエンスと何ですかと

いう風に聞くんですけどもでその前にえ

プロンプトとしていくつかの質問とえ回答

のペアを入力しておきます機械学習とは何

ですかとかえ人工知能とは何ですかとか

ですねそういった関連した質問とえ回答の

ペアをプロンプトとして入れていますこれ

今3つの質問と回答のペアを入れてるので

3ショットという風に言ったりするんです

けどもこういった感じでえ質問と回答の

ペアをえプロンプトに入れてから本当に

聞きたいことを最後に入れるとそういった

手法をえフューショットプランティングと

いう風に言っていますでこういう風にえ

質問と回答のペアを入れてあげると言語

モデルの精度が上がるというのが分かっ

てるので大体精度の評価をする時はこの

クニックがよく使われていますはいそして

え先ほどの記載の方に戻ってみるとえ

88.7のスコアはえゼロショットで達成

してますという風に書かれてますねでこの

ゼロショットっていうのは先ほどのえ

フューショットプロンプティングを行って

ませんよということを表していますなので

えプロンプトの中に質問と回答のペアをえ

1つも入れてませんよということですねで

ゼロショットはえ言語モデルを評価する時

はま精度が比較的出にくいという設定に

なっていますでそう思うとまそれで

88.7もスコアが出ていてまやっぱ

GPT4オに強いなという風に思うと思う

んですけどもえ問題はですねえその次のえ

cotという設定になっていますでこの

cotというのもえ言語モデルの制度を

上げるためのテクニックの1つになってい

ますでcotっていうのはチェインオブ

ソートの略で簡単に言うとえ言語モデルに

回答を生成させる時にえ一気に回答を生成

させるんじゃなくて1歩ずつえ論理的に

回答を生成させることで精度を上げるとえ

そういったテクニックになっていますで

初めて聞く人はま信じられないという風に

感じるかもしれないですけども言語モデル

にえ入力する時にレツthinkステップ

バイステップとえそういった文章を入れる

だけでモデルの回答の必が上がるとえそう

いった研究結果が出ていますこちらですね

え東大の方が発表された論文になってるん

ですけどもここにも書いてあるようにま

レッツthinkステップバイステップ

ですねこの場合に制度が最も良くなってる

とえそういった研究結果になっています

日本語ではえ段階的に考えてくださいとか

そういった言葉になると思うので言語

モデルを使いこなしてるという人は結構

このプロンプトを入力してるという人も

多いかと思いますでcotのテクニックは

これが1つのやり方でで他にもえ精度を

上げるためのcotの書き方とかえそう

いうのもあるんですけども長くなって

しまうのでえここでは割愛しますポイント

としてはえcotというテクニックで

モデルにえ段階的に考えさせることで精度

がかなり向上するということですねはいで

ここまでのえ評価の背景が理解できてると

先ほどの記載の意味が理解できるかと思い

ますまず88.7はえ0ショットですよと

でcotというのがありますつまりえ

フューショットプロンプティングが使って

ないけどもえチェインオブソートという

プロンプトテクニックを使って88.7の

制度が出ましたよとえそういった結果に

なってるという風に言ってますでなるほど

なというところでこれ下の方見てくとで

さらにえよく行われている5ショットで

Nocotの場合はえGPT4オムニの

スコアは87.2%ですよとそういった

結果が記載されていますえつまりえ0

ショットのcotの場合は88.7だけど

5ショットでcotやらないとえ87.

2%だよということを言っていますはい

じゃあこれまで最も精度が高かったクロド

3のオーパスはまどういう風に評価してる

のかというところなんですけどもこちら

ロド3のオーパスがリリースされた時の

制度の表になってるんですけども5

ショットで

86.8mhz18.7%の精度で比較し

た時のえグラフを公表していますつまりえ

条件が違うものを同じグラフで比較して

圧勝してるように見せてるということです

ねま同じ5ショットっていう条件でも

0.4GPT4オムニが勝ってるので

わずかにGPT4オニの方がいいのかなと

いう風な感じがするんですけどもちょっと

やり方がせこいのかなというな感じもし

ますよねはいなのでま精度としては微妙に

GPT4オムニが勝ってそうだなという

ところなんですけども正直えバラつきの

範囲ぐらいの性能の差かなという風に思う

のでスペック上はまどっこいどっこいかな

という風な感じがしていますで個人的な

感覚で言うとえプログラミング関連に関し

てはよく両方のモデルに聞いたりするん

ですけどもクド3の方が正しい答えを出力

するとかえそういったことも多かったり

するので個人的にはクロド3の方がいいの

かなっていう風な感じが少ししていますと

はいえま精度を見ても分かるようにかなり

僅差なのでまなかなか気持ちよい決着は

つかなそうだなと風な感じがしますね皆

さんはどちらの方がいいなとかあったりし

ますか是非コメントの方で教えてもらえれ

ばと思いますはい続いてえ画像認識の

モデルはえどのモデルが強いのかという話

になりますえ最近はえ言語モデルだけじゃ

なくてま画像とか音声とかいろんなデータ

を入れられるえマルチモーダルなモデルと

いうのが流行ってきていますまなので仕事

とかで画像をよく扱うとかそういった時に

どのモデルを使おうかなという風に悩ん

でる人もいるかもしれませんこちらは

OpenAIが公表した画像認識の制度を

比較した表になっていますでこれを見ると

え各テストえGPT4オムニがえ圧勝し

てるというのが分かります例えば1番上の

テストだったらえGPT4オムニが

69.16.175.10

のjemi1.5Proが1番強いという

風に考えられますでこの表に載っているえ

jemi1.5Proの性能に関しては1

つ古いバージョンのえjemi1.5

Proの制度の結果になっていますでこれ

はえOpenAIがえずるしてえ

Googleの古いモデルの制度を持って

きたとえそういったわけじゃなくて先ほど

のえ画像認識の制度の表を発表した後に

Googleがjemi1.5のPROの

アップデートを発表したんですねこちらは

えGoogleの公式が出しているえ記事

になっていますで要約するとえjemi

1.5のプロですねめっちゃパワーアップ

しましたよということが書かれていますで

先日の発表ではえjemi1.5のプロは

入力できる文章の長さが200万トクに

なって2倍になったのでそちらが非常に

注目されてるんですけども実は性能自体も

大幅にパワーアップしていますでこちらは

えjemi1.5のプロが新しくなって

どれぐらい性能が上がったのかというのを

またまとめたグラフになっていますで薄い

青がえこれまでのjemi1.5のプロの

え精度になってるんですけども濃い青が

新しいjemi1.Proの制度になって

いますでこれを見ても分かるようにえ

ほとんど全ての評価指標で精度が上がっ

てるという結果になっていますちなみにえ

言語モデルのところで見ていたえmmlと

いうスコアはえこちらになっているので

これを見るとえ新しいジニ1.5のプロは

え85.%というところでえクド3と

GPT4オムニには1%ぐらい及んでい

ないようですで言語モデルに関してはえ

jemi1.5のPROもまだまだトップ

レベルでないんですけども画像認識の能力

に関してはえジェミニのモデルは全般的に

かなり強くなっていますでこちらは

ジェミニの論文に載っていた画像認識に

関する各種テストの結果になっています

これを先ほどのGPT4と比較してどちら

が強いのかというのを見ていきますでもう

一度載せるんですけどもえOpenAの

公表結果ではまGPT4OMがま圧倒的に

強いとえそういった結果だったんですけど

もこれがどうなるかと言うとえこんな感じ

になりますちょっと見にくかったので論文

の表の結果はま少し整理してみましたまず

上から見ていくとmmMUUですねこれに

関してはGPT4オムニがえ

69.16.175.10

いうものだったらjemi1.5Proの

方が

[音楽]

63.99ドル

ダイアグラムに関してはえGPT4オム2

の方でテストしてないようですとチャート

QAに関してはえこちらですね

85.7mhz

92.%なのでこれもジェミニ1.5

Proのが強いというところは分かります

はいなのでえ全般的にえジェミニ1.5

Proの方が強くなってるとただこの

mmuだけ異常にGPT4オムニが強いと

いう結果になっています7%が高いという

ところでま結構違うんじゃないかという風

に思った人もいるかもしれませんえただ

ですねまこれもちょっと辛くがあって

こんな感じでえ中期がありますこれを見る

とまもう予想できてる人もいると思うん

ですけども先ほどと同じでMMMUとマ

ビスタとチャートQAに関してはえ0

ショットcotを使ってますよという風に

書かれてますねつまりえGPT4OMに

関してはえこのMMMUとえマスビスタと

えチャートQAに関しては0ショットで

cotのテクニックを使ってるというわけ

ですねで一方でjemi1.5Proの方

は全て0ショットで評価をしてるという

ところなので不利なプロンプトの設定で

性能として勝ってるということになります

つまりえ画像認識の性能に関しては現状

世界で最も精度が高いのはえGPT4オニ

じゃなくてjemi1.5Proなんじゃ

ないかという風に考えられますここら辺に

関してはま色々ともっと検証してみないと

分からないと思うんですけども皆さんの中

でここら辺について何か思うことがあっ

たら是非コメントの方で教えてもらえると

ありがたいですはいそして次にえコスパが

最も良いモデルはどれなのかという話に

なります自分だけで言語モデルを使ってる

という場合はもちろんえ最高に精度がいい

モデルを使いたいという風に思うと思うん

ですけどもサービスとしてえ言語モデルを

え何かのAppleに組み込みたいなって

時はですねあんまり高いモデルだと使い

にくかったりするかと思いますまなのでえ

コスパがいいモデルはどれなのかとかえ

どれから試して使っていけばいいのかとか

そういったことが気になってきますよねで

実はえコスパ的にはえGoogleの

新しいモデルたちはかなり良さそうという

状況になっています当然えモデルを使う

時時の価格と強さっていうのはトレード

オフの関係になってるんですけどもそれを

踏まえた上で並べてみるとえこんな感じに

なっていますこれまでえ安い価格帯の

モデルでそこそこ強いモデルといえばCL

3のえハイクと言われるモデルが候補でし

たで今回発表されたえjemi1.5のえ

フラッシュというモデルですねこちらは

モデルの強さがえクロド3のハクとかえ

OpenAIのGPT3.5とかよりも

かなり高くて料金としてもえ同じぐらい

安いので上位互換になったなという風な

感じがしていますまなのでえ何かを作って

みる時にえジェミニ1.5のフラッシュ

から始めるというのは良い選択肢かなと

いう風に思いますえただ注意点が1つあっ

てえGoogleのモデルはえ入力する

トク数によって価格が変わってくると少し

変わった料金体験になっていますえちなみ

に先ほどから価格と言ってるのはWeb

ブラウザで言語モデルを使う場合じゃなく

てAPIと言ってえプログラミングから

言語モデルを使う時の価格の話をしてい

ますでこちらがえjemi1.5

フラッシュの価格になっていますここにも

あるようにえ入力が128系トークン以下

の場合は0.35なんですけどもえそれ

以上の場合はま0.7ということでえ倍に

なるということですね出力も同様にえ倍に

なっていますま13万文字も入れることっ

てあんまないのかなという風に思うんです

けども長い文章を入れる用途で使いたい

なって場合はえジェミニのモデルは少し

コスパが悪くなってしまうというところは

抑えておくといいと思いますそれでも俳句

よりも強くてま少し高いというだけなので

初手にジェミニ1.5フラッシュを使うと

いうのは個人的にはいいんじゃないかなと

いう風に思いますはいそしてえ中華角帯の

競争としてはえジェミニ1.5のPROが

今回パワーアップされたのでクロド3の

ソネットよりも強くてえ価格が安くなって

いますま最初にジェミニ1.5の

フラッシュで試してみて精度がもっと

欲しいなという場合はまjemi1.5の

Proを試すとそういう流れがいいんじゃ

ないかと思いますで最後にえそれでも

難しいという場合は少し高くなってしまう

んですけどもOpenAIのGPT4OM

が選択肢になるとえそういう流れかなと

思いますちなみにCL3のオーパスに関し

てはGPT4オニの3倍以上高いので

サービスに入れようとするとそこら辺が

ネックになってきそうですねはいこれまで

まGoogleの言語モデルってま精度が

あまり高くなくでちょっと選択肢には

上がりにくかったかなという風に思うん

ですけども最近の発表でまちょっと状況が

変わってきてる感じがしますで

GoogleはえTPUというえ独自の

計算チップを持っていたり価格競争をし

たらめちゃくちゃ強いと思うので今後

盛り返してくるという可能性は十分あるな

という風な感じがしますで10mのモデル

ですね簡単にプログラムで使えるので興味

がある人は是非使ってみてくださいはい

最後にえ本日のまとめをしてみるとえ言語

モデルとしてはえ現状GPT4オム2がえ

スペックとしては強そうとただその性能の

差に関してはえクロド3のオーパスと

かなり僅差ですよと画像認識に関してはえ

jemi1.5Proが強いというので

制度の比較を見ても分かるように大体どの

タスクでもjemi1.5Proの方が

強かったですそしてえAppleにモデル

を組み込む場合のえコスパを考えるんだっ

たらえジェミニ1.5フラッシュがま

かなり強いということになってきます特に

私はこれまでままGoogleのジェミに

ですねまあまり良くないなという風に思っ

たんですけども少なくともスペック上はま

状況が変わってきてるなという風な感じが

していますまだ出たばかりで私も十分に触

れてないのでここら辺も自分で色々試して

みてえまた感想とかがあったらえシェアし

ていきたいと思います皆さんも何かあっ

たらコメントの方でお願いしますはい最後

になりましたがえ最近公式LINEを始め

ました概要欄の方から友達登録をして

もらってえプレゼントというキーワードを

入力してもらえるとえ最近話題のえDFの

ツールをまとめた資料とかチットGPTと

かclod3のえプロンプトをまとめた

資料を送ってるので興味があったら友達

登録の方お願いしますはいあとはえユミの

方でえ講座は販売していて概要欄の方から

割引きクーポンの方発行してるのでもっと

精々愛学びたいという人はえぜひ見てみて

くださいはい以上で本日の動画を終了し

たいと思いますこの動画が良かったなって

思人は高評価コメントチャンネル登録の方

よろしくお願いしますはいそれではまた

次回の動画でお会いしましょうバイバイ

し