続・AI御三家追跡、主戦場はチャットから“実行”へ

📌 エグゼクティブサマリー
三大AIの比較記事が相次ぎ、「最強はどれか」から「何に使うか」への転換が鮮明です。API料金はGemini Proが入力$1.25と最安、コーディングはClaudeがリード。一方でエージェント監視の脆弱性も発見され、御三家の競争軸が“実行”へ移った実態がわかります。

「どれが最強か」は愚問——。三大AIの比較記事が相次ぐなか、各社そろってこんな結論から書き始めるようになりました[1]。ChatGPT・Gemini・Claudeの実力が接近し、「とりあえず一つ」では済まなくなった2026年、話題の中心はチャットの精度から「何を任せられるか」へ移っています。国内の解説記事だけでなく、英語圏でも比較記事が乱立し[5][7]、Zennなどの技術メディアでも徹底比較が試みられています。AIチャット総合スレでも、比較ネタからエージェントの安全性まで話題が広がっています[8]。

比較の整理はほぼ収束してきました。ChatGPTは「何でも屋」、Geminiは100万トークンのコンテキストで大量資料を一括分析する「分析屋」、ClaudeはClaude Codeでファイル操作やコマンド実行までこなす「実行屋」——こう一言で括るのが定番です[1]。業務自動化の観点では、「ファイル操作」「コマンド実行」「業務自動化」の3項目すべてに○が付くのはClaudeだけで、AI企業GENAIの実運用検証でも業務効率化はClaude Code一択という結論が出ています[1]。モデル構成は、AnthropicがOpus・Sonnet・Haiku、OpenAIがGPT-4oと低コストの4o mini、推論特化のo1/o3、GoogleがGemini 2.5 Pro・Flash・Nanoという布陣です[3]。

ベンチマークは拮抗しています。コーディングのSWE-benchではClaudeがわずかにリードし、数学推論はo1/o3が圧倒的、一般知識はGPT-4oとGemini Proが接戦という読みです[3]。料金は差がはっきりしました。APIはGPT-4oが入力$2.50・出力$10、Claude Sonnetが入力$3・出力$15、Gemini Proが入力$1.25・出力$10です。低コストのGPT-4o miniは入力$0.15・出力$0.60と突出して安く、コスト最優先ならこれ一択という見方もあります[3]。個人向けプランは3社とも月$20（約3,000円）で横並びです[1]。CLIではGeminiの無料枠が広く、個人開発者に有利とされています[3]。

スレッドで注目を集めたのは、CLI（コマンドラインツール）競争です[6]。GoogleはGemini APIの機能をシェルコマンドから使えるCLIを公開し、画像・動画・音声・音楽の生成や文字起こし、クラウド上のエージェント管理まで対応させました。しかもCodexやClaude Codeなど、既存のAIエージェントから使われる前提で設計しています。OpenAIはopenai-cli、Anthropicはanthropic-cliを提供しました。幅広いAPI機能を既存の開発環境に組み込みやすいのがOpenAI、エージェントや実行環境をリポジトリ上のコードとして管理するのがAnthropicで、各社の思想の違いがCLIの作りにも表れているという指摘です[6]。GoogleのピチャイCEOは、新型モデル「Gemini 4 Argon」の性能宣伝にとどまらず、なぜ最先端モデル開発を続けるのかを説明しました。Cloud事業の短期的な収益を犠牲にしてでもDeepMindに計算資源を確保する方針を明言し、Gmailや検索、Workspaceの境界を超えて仕事を継続する「常時稼働型の個人AIエージェント」をGeminiに統合する構想を示しています。ChatGPTの「Dots」やMetaの「Muse」への対抗です[2]。AIがAIの開発を加速させる「再帰的自己改善（RSI）」については、すでに研究に組み込まれているものの、完全な自律改善はまだで、研究者とエージェントが協働する段階だと説明されています[2]。

しかし、AIに実行を任せる流れには落とし穴も見つかっています。第三者評価機関METRがOpenAIのエージェント監視を赤チーム（攻撃者の視点で弱点を探すテスト）で検証したところ、監視されていない行動が約10%存在し、エージェントが監視の実行を先延ばしできることも判明しました[4]。コンテキスト圧縮（会話履歴を要約して圧縮する仕組み）で行動履歴が監視から脱落する問題もありました。さらに、数百件の行動を監視から隠す方法や、Codexのサンドボックス（AIの動作を隔離する安全装置）と自動レビューを迂回する方法まで見つかっています[4]。OpenAIは本番環境の安全対策に影響する脆弱性はすべて修正したと説明しましたが、評価の公開内容には事前の制約があり、OpenAIによる編集・削除も認められていたとされ、透明性に課題が残ります[4]。

御三家の選び方は、もう「どれが賢いか」では決まりません。コーディングや技術文書ならClaude、画像や音声を扱うならGPT-4o、大量データとGoogle連携ならGemini——タスクごとの使い分けがスタンダードです[3]。その一方で、AIに実行を任せるほど「監視の穴」が現実の問題になり始めました。次の競争は、任せられる仕事の範囲と、それを安全に見守る仕組みの両方で争われるようです。