ChatGPTは家族の変化を説明できるか？AIの「読解力」が話題

同じ「AI」でも、タスクの種類によって得意・不得意は大きく異なる——そのことをSNS上の複数の投稿が改めて浮き彫りにしています。X（旧Twitter）上では、Claudeに対して「26語の名詞リストから読み仮名に特定の1文字を含む語を抽出する」というシンプルな処理が失敗したという報告が上がる一方、ChatGPTが家庭内の状況変化を文脈から読み解いた事例が話題になっています。要は「すべてのAIが同じ能力を持つわけではなく、処理の種類によって向き不向きがある」ということ。これは単なる不満投稿ではなく、どのモデルを何に使うかを判断するための実用的なシグナルです。

注目したいのは、このタイミングで「モデルの使い分け」が改めて話題になっている背景です。

Claude 3シリーズやGPT-4oなど、各社のフラッグシップモデルは2024〜2025年にかけて急速に高性能化し、「どれを使っても同じ」という感覚が広まりつつありました。しかし実際には、文字列の一致・抽出・並び替えといった「ルールベースに近い処理」と、文脈や感情の読み解きを要する「推論的な処理」では、モデルごとのパフォーマンス差が依然として存在します。

今回の投稿で指摘されたのは、読み仮名に特定文字が含まれるかどうかを判定するという、一見単純な処理です。これは人間が手作業でやれば数分で終わる作業ですが、LLMはトークン処理の構造上、文字単位のカウントや照合が意外に苦手なケースがあります（「strawberry」に「r」が何個あるか問題として知られる現象と同類です）。

一方、ChatGPTが家庭内の状況変化を文脈から読み解く事例は、LLMが得意とする「曖昧な情報から意味を引き出す」処理の典型です。こうした対比が同じタイミングでSNSに並ぶことで、AIツールの乗り換えが加速する時代でも触れたように、「1つのモデルに依存しない」という判断軸がより現実的な選択肢として浮上してきています。

課金ユーザーからの「返金してほしい」という声は極端に聞こえるかもしれませんが、使う側にとって重要なのは感情的な評価ではなく、「このタスクはこのモデルに向いていない」という判断を素早く下せるかどうかです。

Q. Claudeは文字列処理が全般的に苦手なの？

モデルのバージョンやプロンプトの書き方によって結果は変わります。今回の投稿で指摘されているのは「読み仮名に特定の1文字が含まれるかを判定する」という処理ですが、これはLLMがトークン単位で言語を処理する構造上、文字レベルの一致確認が不安定になりやすいタスクです。同様の現象はGPT-4でも報告されており、特定モデルの欠陥というより、LLM全般の傾向として理解しておくのが適切です。確実にやりたい場合は、コード生成を経由する方法が現実的な回避策になります。

Q. ChatGPTとClaudeはどう使い分けるのが現実的？

公式ドキュメントや各種ベンチマークを参照すると、Claudeは長文の読み取り・要約・コード生成での評価が高く、ChatGPTは画像入力・プラグイン連携・ブラウジング機能など周辺機能の充実が目立ちます。ただしベンチマークと実用は別物なので、自分が日常的に使うタスクで実際に比較することが判断の出発点になります。

Q. 無料で比較できる範囲はどこまで？

ChatGPT無料枠はGPT-4oへのアクセスが制限付きで可能（1日あたりの利用上限あり）、Claude無料枠はClaude 3.5 Sonnetが使えます（会話数に上限あり）。軽めのタスク比較であれば無料枠で十分確認できます。課金が必要になるのは、長文処理・API連携・大量のタスク処理を継続的に行う場合です。