モデルはどう学習するか
言語モデルは膨大なテキストからパターンを学び、その後、指示に従うように調整されます。
言語モデルは、テキストを読み、次に来る可能性が最も高いテキストを書くプログラムです。これを小さな単位で 1 つずつ行います。質問すると、学習したパターンに合った回答を書きます。
モデルの学習は大きく 2 段階です。 まず 事前学習 です。モデルは本、ウェブサイト、コードなどの非常に大量のテキストを読み、次の単語を予測できるように学習します。ここで言語、事実、推論のパターンを身につけます。次が 調整 です。人が良い回答の例を使ってさらに訓練し、テキストの続きを書くだけでなく、指示に従って役に立つアシスタントとして振る舞うようにします。
モデルには知識のカットオフがあります。 学習はある日付で止まり、モデルはそれ以降に起きたことを何も知りません。自分で調べることもしません。最新の事実が必要なら、プロンプトにドキュメントを加えたり、ウェブ検索ツールを有効にしたりして、モデルに渡す必要があります。
推論モデルは、回答する前に考えます。 まず追加のトークンを使って問題を考え抜き、それから回答を書きます。数学、コード、計画など難しい問題で役立ちますが、考えるためのトークンは出力として数えられるので、時間もコストも余計にかかります。Phaseo では、モデルがどれだけ考えるかを reasoning.effort(Chat Completions では reasoning_effort)で、none から max までの間で選べます。努力度を上げると難しい問題には効きますが、時間とトークンが増えます。
オープンウェイトとクローズドのモデル。 開発元によっては、学習で得た数値であるモデルのウェイトを公開しており、多くのプロバイダーがそのモデルをホストできます。ウェイトを非公開にして、自社の API や選んだパートナー経由でだけモデルを提供する開発元もあります。Phaseo では、どちらも同じ方法で呼び出せます。モデルのページでは、概要 にライセンスが表示され、そのモデルをホストするすべてのプロバイダーが一覧表示されます。
理解度チェック
先週起きたことについてモデルに尋ねると、古い回答や作り話の回答が返ってきました。なぜですか?
実践してみる
営業時間のような簡単な顧客の質問に、推論モデルを使って回答しています。回答は正しいものの遅く、コストも予想より高くなっています。何を変えられますか?
答えを表示答えを隠す
簡単な質問には、たいして考える必要はありません。reasoning.effort(または reasoning_effort)を下げるか、推論しないモデルを使います。考えるためのトークンは出力として数えられるので、考える量が減れば、回答は速く安くなります。高い努力度は難しいタスクのために取っておきましょう。
ポイント
関連リンク
最終確認日:2026年11月17日