LLMとは？大規模言語モデルの仕組みと生成AIとの違いをやさしく解説

LLMとは？大量の文章を学んで言葉を予測するAIのモデルです

LLMとは、大量の文章を学び、入力された文章の続きとして次に来る言葉を予測するAIのモデルのことです。

質問に答える、文章を書く、要約する、翻訳するといった作業を、1つのモデルでこなせるのが大きな特徴です。ChatGPTやClaudeなどのチャットのAIは、LLMを使って答えを作っています。

LLMは何の略？読み方と意味

LLMの読み方は、エルエルエムです。英語のLarge Language Modelの略で、日本語では大規模言語モデルと呼ばれます。

言語モデルとは、文章の中で言葉がどうつながるかを確率で表したモデルのことです。LLMは、言語モデルを大量の文章と大きな計算の力で鍛えたものにあたります。

どれくらい大規模なのか

規模の大きさは、パラメータの数と、学習に使う文章の量で表されます。OpenAIが2020年に発表したGPT-3は、1,750億個のパラメータを持つ言語モデルでした。

学習に使う文章の量も、けた違いに増えています。Metaは2025年4月に公開したLlama 4の学習に、30兆トークンを超えるデータを使ったと公表しています。

パラメータとは、モデルの中で学習によって調整される数値のことです。パラメータが多いほど、モデルは複雑な言葉のつながりを表せますが、その分、動かすのに必要な計算の力も大きくなります。

ChatGPTやClaudeの中で動いている頭脳

ChatGPT、Claude、Geminiなどのチャットのサービスは、画面の裏側でLLMを呼び出して答えを作っています。

サービスとモデルの名前が似ているため混同しやすいですが、サービスは使うための画面や機能で、LLMは答えを作る中身です。たとえるなら、サービスが車で、LLMはエンジンにあたります。

LLMと生成AI、ChatGPTは何が違うの？

生成AIは新しいものを作るAIの総称で、LLMは生成AIの中で文章を扱う中心のモデル、ChatGPTはLLMを使ったサービスです。

3つは同じものの言い換えではなく、範囲の大きさが違います。以下の図と表で、関係を整理します。

生成AIは大きな分類、LLMは文章を扱う中心のモデル

生成AIには、画像を作るモデルや、声や音楽を作るモデルも含まれます。LLMは、その中でも文章を扱うモデルです。

最近のLLMは、文章だけでなく画像や音声も読み取れるものが増えています。複数の種類のデータを扱えることはマルチモーダルと呼ばれ、LLMの使い道を広げる性質の1つです。

ChatGPTはLLMを使ったサービス

ChatGPTは、OpenAIのLLMであるGPTシリーズを使った対話型のサービスです。ChatGPTという名前は、画面や会話の機能も含めたサービス全体を指します。

ClaudeのアプリはAnthropicのLLMのClaudeを使い、GeminiのアプリはGoogleのLLMのGeminiを使っています。サービスとモデルに同じ名前を付ける会社もあるため、混同しないよう注意しましょう。

機械学習やディープラーニングとの関係

LLMは、機械学習の中のディープラーニングという方法で作られたモデルです。

範囲が広い順に並べると、AI、機械学習、ディープラーニング、生成AI、LLMとなります。くわしい関係は、生成AIとは？の記事の図でも紹介しています。

LLMはどうやって文章を作っているの？

LLMは、文章をトークンという細かい単位に分け、次に来るトークンを1つずつ予測してつなげることで文章を作っています。

人と同じように意味を考えているわけではありません。学習した大量の文章から、もっともらしい続きを選ぶ作業を、とても速く繰り返しています。

文章をトークンに分ける

トークンとは、LLMが文章を扱うときの最小の単位のことです。文章をどこで区切るかは、モデルによって違います。

OpenAIの説明では、英語のおよそ4文字が1トークンです。英語以外の言語は同じ内容でもトークンが多くなる場合があり、APIの料金が高くなることもあると説明されています。

次に来るトークンを予測する

LLMは、入力とすでに作った文章をすべてふまえて、次に来る可能性が高いトークンを選びます。選んだトークンを文章の後ろにつなげ、また次のトークンを選ぶ、という作業を答えが終わるまで繰り返すのが、LLMの文章の作り方です。

次のトークンを予測する仕組みは次トークン予測と呼ばれます。答えが毎回少しずつ変わるのは、確率の高い候補から選び方に幅を持たせているためです。

事前学習と、答え方を整える追加の学習

LLMは、大量の文章で言葉のつながりを覚える事前学習のあと、質問に沿った答え方を身につける追加の学習を受けます。

OpenAIは2022年に公開したInstructGPTの論文で、人の評価をもとに答え方を整える方法を示しました。論文は、モデルを大きくするだけでは足りないと書いています。

Making language models bigger does not inherently make them better at following a user's intent.

言語モデルを大きくするだけでは、使う人の意図に沿えるようになるとは限りません。（日本語訳）

人の評価を使って答え方を整える学習は、RLHF（Reinforcement Learning from Human Feedback）と呼ばれます。

特定の分野や会社の用途に合わせた追加の学習が、ファインチューニングです。

Transformerという仕組み

今のLLMの多くは、2017年にGoogleの研究者らが論文で発表したTransformerという仕組みを土台にしています。

Transformerは、文章の中のどの言葉とどの言葉が関係しているかを、まとめて計算できる仕組みです。長い文章でも離れた言葉のつながりをとらえられるため、LLMの性能を大きく高めました。

LLMでできること

LLMでできることは、文章の作成、要約、翻訳、情報の取り出しと分類、コードの作成など、言葉を扱う作業の大部分です。

以下の表で、LLMでできることと、アプリでの使い方の例をまとめます。

文章を書き、まとめ、訳す

LLMは、メールや記事の下書き、長い文書の要約、外国語との翻訳を得意としています。

トーンや長さ、読む人を指定して、条件に合わせて書き分けさせることも可能です。狙いに近い答えを得るには、頼み方の文章であるプロンプトを工夫するとよいでしょう。

情報を取り出して分類する

LLMは、文章の中から必要な情報だけを取り出したり、内容によって種類分けしたりする作業も得意です。

取り出した結果を、プログラムで扱いやすい決まった形で返させることもできます。決まった形で答えを返させる機能が構造化出力で、アプリに組み込むときによく使われる機能です。

コードを書く

LLMは、作りたい機能を文章で説明すると、プログラムのコードを書けます。エラーの原因を探したり、コードの説明をしたりもできます。

AIと会話しながらアプリを作るバイブコーディングも、LLMのコードを書く力があってはじめて成り立つ進め方です。

画像や音声もあわせて扱う

最近のLLMは、文章に加えて画像や音声も読み取れるものが増えています。写真に写っている内容を説明したり、話しかけた言葉に答えたりできます。

扱える種類はモデルによって違うので、使う前に公式の説明で確かめておくとよいでしょう。

LLMに任せるときの注意

LLMの答えは毎回少しずつ変わり、間違いが混じることもあります。アプリでは、人やプログラムが確かめる前提で使うとよいでしょう。

できることが多い反面、苦手なこともはっきりしています。苦手なことと注意点は、次の見出しでくわしく紹介します。

代表的なLLMにはどんなものがある？

代表的なLLMは、重みが公開されていないLLMと、重みが公開されていて自分の環境でも動かせるLLMの2つに大きく分けられます。

重みとは、学習で決まったパラメータの値のことです。重みが公開されていないLLMは、提供する会社のアプリや、プログラムから呼び出す窓口であるAPI（Application Programming Interface）を通して使います。

2026年11月時点の主なLLMを、公式の情報をもとに紹介します。モデルの名前や性能は数か月ごとに新しくなるため、使う前に各社の公式ページで最新の情報を確かめてください。

重みが公開されていないLLM

重みが公開されていないLLMは、各社のアプリやAPIを通して使います。性能の高い最新のモデルの多くは、この形で提供されています。

重みが公開されているLLM

オープンウェイトとは、学習を終えたモデルの重み（パラメータの値）が公開されていて、自分の環境で動かせるLLMのことです。

重みが公開されたLLMは、自社のサーバーやパソコンで動かせるため、データを社外に出したくない用途で使われます。ライセンスはモデルごとに違い、商用利用に条件があるものもあります。

Apache License 2.0とMIT Licenseは、どちらも商用利用を認める、条件のゆるいライセンスです。大きなモデルはパソコンでは動かせないため、自分の環境で使えるかは大きさも見て判断するとよいでしょう。

日本の会社や研究機関が作ったLLM

日本の会社や研究機関も、日本語の文章を多く学んだLLMを開発しています。tsuzumi 2やTakaneは企業向けで、SarashinaやPLaMoには無料で試せるAPIもあります。

LLMの苦手なことと注意点

LLMが苦手なのは、事実の正確さ、学習した時点より新しい情報、計算や厳密なルールの判定の3つです。使うときは、入力する情報と著作権にも注意が必要です。

どれも、LLMが次の言葉を予測する仕組みから来ています。苦手な作業は、人や別の仕組みで補うとよいでしょう。

もっともらしい間違いを答える

LLMが自信ありげに答えた内容が、事実と違うことがあります。もっともらしい間違いはハルシネーションと呼ばれ、生成AIとは？の記事でも紹介しているので、あわせて読んでみてください。

OpenAIなどの研究者は2025年の論文で、ハルシネーションを難しい試験問題に向き合う学生にたとえています。

Like students facing hard exam questions, large language models sometimes guess when uncertain, producing plausible yet incorrect statements instead of admitting uncertainty.

難しい試験問題に向き合う学生のように、LLMは自信がないときに推測で答え、分からないと認める代わりに、もっともらしいが正しくない文を作ることがあります。（日本語訳）

アプリでは、根拠の資料を渡して答えさせる、分からないときは分からないと答えるよう指示する、といった工夫で減らせます。数字や固有名詞、法律などは、公式の情報で確かめてから使ってください。

学習した時点より新しいことは知らない

LLMが知っているのは、学習に使ったデータの時点までの情報です。学習データの最後の時点をナレッジカットオフといいます。

たとえば、OpenAIが公表しているGPT-6.1 Solのナレッジカットオフは、2026年4月30日です。

新しい情報を答えさせたいときは、ウェブ検索の機能や、資料を探してから答えさせるRAG（Retrieval-Augmented Generation）で、最新の資料を渡す必要があります。

計算や厳密なルールの判定

LLMは、桁の多い計算を苦手としています。言葉の続きを予測する仕組みは、決まった手順で正確に計算する仕組みとは違うためです。

Metaの研究者らによる2023年の論文Toolformerも、LLMは計算や事実の調べものに苦戦すると指摘しています。計算は、OpenAIやAnthropicが用意している、LLMがプログラムを動かせるツールに任せるとよいでしょう。

入力する情報と著作権の扱い

社外のLLMサービスに入力した情報は、設定によっては学習に使われることがあります。顧客の個人情報や社外秘の情報は入力しないのが基本です。

アプリに組み込むときは、利用者の入力でLLMへの指示を書き換えられるプロンプトインジェクションにも備える必要があります。

LLMが作った文章が既存の作品とよく似ている場合は、著作権の侵害になるおそれもあります。公開する前に、元になった情報や似た文章がないかを確かめておきましょう。

アプリに使うLLMはどう選べばいい？賢さ、料金、速さ、読める長さで比べる

アプリに使うLLMは、必要な賢さ、1回あたりの料金、答えが返るまでの速さ、一度に読める長さの4つを比べて選ぶのがおすすめです。

いちばん賢いモデルが、いつもいちばん良い選択とは限りません。簡単な作業には安くて速いモデル、難しい作業には賢いモデルと、作業ごとに使い分けるとよいでしょう。

料金はトークン単価で比べる

2026年11月時点で、OpenAI、Anthropic、GoogleのAPIは、どれも100万トークンあたりの単価で料金が決まります。3社とも、出力のほうが入力より高く設定されています。

Claude Haiku 5.5の料金は入力が10万トークン以下のときの値で、長い入力では高くなるモデルもあります。表の例では、同じ会社の中で入力の単価に8倍から100倍の差があり、作業ごとにモデルを使い分ける効果は大きいといえます。

1か月の料金は、1回に使う入力と出力のトークン数、1日に使う回数、日数を掛けて見積もれます。見積もりより使いすぎないよう、1日に使える回数の上限も決めておきましょう。

たとえば、入力1,000トークンと出力500トークンの作業を1日100回、30日続けると、GPT-6 Lunaなら1か月でおよそ1.05ドルです。入力は合計300万トークンで0.30ドル、出力は150万トークンで0.75ドルになります。

試作の段階の人は、まず賢いモデルで動くものを作るとよいでしょう。利用者が増えてきた人は、作業ごとに安いモデルへの置き換えを試してみてください。

速さと、一度に読める長さ

答えが返り始めるまでの時間はレイテンシと呼ばれます。

Anthropicのモデル一覧でも、いちばん賢いClaude Fableがいちばん遅く、Claude Haikuがいちばん速いと説明されています。考える時間をとってから答える推論モデルでは、待ち時間がさらに長くなる点にも注意しましょう。

コンテキストウィンドウとは、LLMが一度に読める文章の長さの上限のことです。2026年11月時点で、Claude Opus 5.5、GPT-6.1 Sol、Gemini 4 Argonは、どれもおよそ100万トークンを読めます。

クラウドのLLMと、手元で動かすLLM

LLMは、会社のサーバーで動くものをAPIで呼び出す使い方と、自分のパソコンやサーバーで動かす使い方があります。

手元で動かすには、OllamaやLM Studioといった無料の道具を使う方法があります。どちらもmacOS、Windows、Linuxで動き、重みが公開されたモデルを選んで動かせます。

アプリの機能をLLMに任せるか、普通のプログラムで作るかの見分け方

アプリの機能は、答えにゆらぎがあってもよい言葉の作業をLLMに任せ、毎回同じ答えが必要な作業は普通のプログラムで作るのが基本です。

LLMは便利ですが、毎回料金がかかり、答えも少しずつ変わります。普通のプログラムで確実にできることまでLLMに任せるのは、おすすめできません。

以下の表で、LLMに向いている作業と、普通のプログラムや検索のほうが向いている作業を比べます。

LLMに向いている作業

LLMに向いているのは、入力の書き方がばらばらで、決まりだけでは処理しにくい言葉の作業です。

問い合わせの種類分け、文章の要約、言い換え、下書きの作成などが当てはまります。答えに少しゆらぎがあっても、人が確かめれば困らない作業から任せるとよいでしょう。

普通のプログラムや検索のほうが向いている作業

計算、データの検索、入力の形式の確認など、答えが1つに決まる作業は、普通のプログラムで作るのがおすすめです。

普通のプログラムは、何度動かしても同じ答えを返し、LLMのような1回ごとの利用料もかかりません。AIオタク検定でも、検定の採点や制限時間の判定は、LLMではなく普通のプログラムで行っています。

LLMの弱点を補うRAGとツールの組み合わせ

LLMの苦手な作業は、得意な仕組みと組み合わせて補うのがおすすめです。

社内の資料から答えさせたいときは、資料を探してからLLMに答えさせるRAGを使います。RAG（Retrieval-Augmented Generation）とは、検索とLLMを組み合わせて、根拠のある答えを返す仕組みのことです。

計算やデータの検索は、LLMからプログラムを呼び出すツール呼び出し（function calling）で任せられます。LLMは何をするかを決め、実際の計算や検索はプログラムが行う、という分担です。

LLMが構造化出力で返した答えも、プログラムで形や値の範囲を確かめてから使うと安心です。お金の支払いやデータの削除のように取り消せない操作は、LLMに決めさせず、人が確かめる手順を入れておきましょう。

よくある質問

LLMって何の略？

LLMはLarge Language Modelの略で、日本語では大規模言語モデルと呼ばれます。大量の文章を学び、次に続く言葉を予測して文章を作るAIのモデルです。

ChatGPTとLLMは同じもの？

同じものではありません。LLMは文章を作るAIのモデルで、ChatGPTはOpenAIのLLMであるGPTシリーズを使った対話型のサービスです。

LLMは無料で使えるの？

チャットのサービスなら無料のプランで使えます。APIでアプリに組み込む場合は、多くが使ったトークンの量に応じた料金です。重みが公開されたLLMを手元で動かせば、利用料はかかりません。

LLMとRAGは何が違うの？

LLMは文章を作るAIのモデルで、RAGは資料を探してからLLMに答えさせる仕組みです。RAGを使うと、LLMが学習していない社内の情報や新しい情報も答えの材料にできます。

自分のパソコンでLLMは動かせるの？

動かせます。OllamaやLM Studioなどの無料の道具を使えば、重みが公開されたLLMを手元で動かせます。ただし、大きなモデルほど高い性能のパソコンが必要です。

まとめ

LLMとは、大量の文章を学び、次に続く言葉を予測して文章を作る大規模言語モデルのことです。生成AIの中で文章を扱う中心のモデルで、ChatGPTなどのサービスの中で動いています。

アプリに使うときは、賢さ、料金、速さ、読める長さを比べて選び、毎回同じ答えが必要な作業は普通のプログラムに任せるのが基本です。苦手なことはRAGやツールと組み合わせて補いましょう。

関連する用語は単語帳で確かめ、生成AI全体の話は生成AIとは？の記事で押さえておくとよいでしょう。用語を覚えたら、5級の検定で力試しをしてみてください。