生成AI比較表
ChatGPT・Gemini・Claude・Copilotの4つに、AInformation編集部が同じ課題を同じ文で投げて比べた結果です。AI実務ベンチ(プログラムで採点)の10分野と4AI検証ラボ(記事ごとの実測)の14機能を、調べ方ごとに検証した日つきの表にしました。機能の名前を押すと、測り方と答えの全文が載った元の記事へ飛びます。
検証した日は行ごとに書いています。2026年11月15日の検証まで反映
生成AIの正解率を10分野で比較
AI実務ベンチ。6つの課題を3回ずつ同じ文で投げ、プログラムだけで採点した正解率です。太い青字がその分野の1位です。
| 分野 | ChatGPT | Gemini | Claude | Copilot | 測った日 |
|---|---|---|---|---|---|
| 画像・写真の読み取り | 83.3% | 66.7% | 55.6% | 測れず | |
| 議事録・要約 | 100% | 88.9% | 44.4% | 測れず | |
| PDF・決算書の読み取り | 100% | 73.3% | 100% | 測っていない | |
| 調べもの・事実確認 | 100% | 22.2% | 測れず | 72.2% | |
| 英文・翻訳 | 83.3% | 16.7% | 50% | 55.6% | |
| Excel・スプレッドシートの数式 | 100% | 100% | 100% | 94.4% | |
| 表計算・集計 | 100% | 50% | 83.3% | 100% | |
| 資料の骨子づくり | 83.3% | 77.8% | 61.1% | 27.8% | |
| メール・ビジネス文書 | 100% | 38.9% | 83.3% | 100% | |
| データ整形・名寄せ | 83.3% | 77.8% | 66.7% | 66.7% |
生成AIを14つの機能で試して比較
4AI検証ラボ。易・中・難の3つの課題を1回ずつ投げ、答えを記事で確かめました。○△×は課題ごとの正しさで、太い青字が記事で出した1位です。
| 機能 | ChatGPT | Gemini | Claude | Copilot | 測った日 |
|---|---|---|---|---|---|
| 画像生成 | 試せず | ○3 | ○1 △2 | ○1 △2 | |
| 写真・画像を送って聞く(画像の読み取り) | 試せず | ○3 | ○2 △1 | 試せず | |
| ファイル(PDF)の読み取り | ○3 | ○3 | ○3 | ○3 | |
| 音声から議事録を作る | 試せず | ○1 | ×1 | 試せず | |
| 文書を一緒に作る・直す(Canvas・Docs・Pages) | 試せず | スライドだけ | 3問とも | 2問目と3問目 | |
| コード実行(データ分析とグラフ) | ○3 | ○2 ×1 | ○3 | ○1 △1 | |
| スケジュール実行(決まった時刻に自動で動く) | 試せず | — | — | — | |
| プロジェクト(資料をまとめて聞く場所) | ○1 | ×1 | ○1 | △1 | |
| 長文の要約 | 合格 8件中8件 9件中7件 |
合格 8件中8件 9件中9件 |
合格 8件中8件 9件中9件 |
合格 8件中8件 9件中8件 |
|
| メモリ(会話をまたいで覚える) | ○1 | ×1 | ×1 | ○1 | |
| じっくり考えるモード(推論) | ○1 | ○1 | ○1 | ×1 | |
| ウェブ検索(出典つきで答える) | ○2 △1 | ○2 ×1 | ○1 | ○2 △1 | |
| 表計算(Excel)の読み取り | ○2 | ○3 | ○2 △1 | ○2 ×1 | |
| 翻訳(英→日・日→英) | 14個中14個 5個中5個 |
×1 | 14個中14個 5個中5個 |
14個中14個 5個中5個 |
その条件で比べた機能はまだありません。
ChatGPT・Gemini・Claude・Copilotの成績を比較
AI実務ベンチ10分野・のべ943試行を足し上げた累積です。4AI検証ラボの行は数字の取り方が違うので入れていません。いちばん右の列だけは、上の比較表で1位になった機能の数です。
| AI | 正解率 | かかった秒(中央値) | 3回とも同じ答え | 指示どおりの形 | 出典のURLが開けた | この表で1位 |
|---|---|---|---|---|---|---|
| ChatGPT261試行・15分野 | 90.8% | 40.4秒 | 98.9% | 96.9% | 100% | 12機能うち同率4 |
| Claude244試行・15分野 | 74.6% | 18.8秒 | 94.5% | 45.8% | — | 9機能うち同率2 |
| Copilot177試行・14分野 | 74% | 16.8秒 | 90.6% | 78.6% | 93.3% | 2機能うち同率2 |
| Gemini261試行・15分野 | 62.1% | 46.4秒 | 88.1% | 81.7% | 83.3% | 6機能うち同率1 |
同じAIのモデルとプランを比べた記事
上の表は4つのAIどうしの比較です。ここは同じ会社のモデルやプランどうしへ同じ課題を投げて比べた記事で、どちらを選ぶかを先に書いています。
ChatGPT・Gemini・Claudeが書いた文は見抜かれるか
3つのAIに書かせた9本と、人が書いた12本を、無料のAIチェッカー9本に同じように入れました。登録なしで使えるか・日本語に対応しているか・入れた文を保存しないかでも絞れます。
4つのAIは何回で止まるか
ChatGPT・Gemini・Claude・Copilotを登録なし・無料・有料で使い、何回目・何枚目で止まったかを21件まとめました。止まったときの画面の文と、各社の公式の上限も並べています。
払うと何が通るようになるかは、同じ仕事20本を無料と有料のAIに送った記事で数えています。
このページの作り方
ChatGPT・Gemini・Claude・Copilotの4つを、AInformation編集部が同じ課題で比べた結果を表にまとめています。材料はAI実務ベンチの10分野(のべ640試行)と、4AI検証ラボの比較記事14本(答えまで取れた送信164回)です。
AI実務ベンチは架空の会社の資料を毎回作り直し、4つのAIへ同じ課題を投げています。正解かどうかは数値の一致・語句の有無・形式・URLが開けるかでプログラムが判定し、AIには採点させていません。
4AI検証ラボは1つの機能を易・中・難の3課題で4つのAIへ投げています。かかった秒数と答えの中身は記事で1つずつ確かめ、何を基準にしたかは各記事の検証の条件に書いています。
勝ちの印はベンチでは正解率がいちばん高いAIに付けています(同じ値なら同率)。ラボでは記事で編集部が出した結論に付けています。1回の検証の結果なので、日や課題が変われば順位は変わります。
比較記事は4AI検証ラボに、課題と回答の全文はAI実務ベンチにあります。この表のデータはJSONでも公開しています(CC BY 4.0)。
よくある質問
生成AIを比べると、いちばん正確なのはどれですか?
AI実務ベンチの累積(10分野・のべ943試行)では、正解率がいちばん高かったのはChatGPTの90.8%(261試行中237)でした。2位はClaudeの74.6%で、Copilotの74%とGeminiの62.1%が続きます。ただし機能ごとに勝ち負けは入れ替わります。使いたい機能の行で選んでください。
ChatGPT・Gemini・Claude・Copilotをどうやって比べましたか?
AInformation編集部が4つのAIの画面へ、同じ課題を同じ文で投げました。AI実務ベンチは1つの分野につき6課題を3回ずつ投げ、正解かどうかをプログラムだけで判定しています。4AI検証ラボは易・中・難の3課題を1回ずつ投げ、答えを記事の中で1つずつ確かめています。どちらも毎回あたらしい会話から始めています。
無料版でも同じ結果になりますか?
同じになるとは限りません。プランは回によって違い、2026年10月からのMicrosoft Copilotは無料のアカウントです。回ごとのプランはそれぞれの記事とデータページに書き、画面に出ていたモデルの名前を採点表に残しています。無料版は使えるモデルや回数が違うので、答えの速さと正しさも変わります。
「試せず」や「測れず」と書いてあるのはなぜですか?
測れなかった理由は3つです。編集部の操作が止まった回と、プランの上限に当たった回と、人間かどうかの確認が出て止めた回です。AIが答えを間違えたわけではないので、正解率の分母には入れていません。断られた回と時間切れの回はAIの結果なので、分母に入れて不正解として数えています。
この比較表はいつ更新されますか?
4AI検証ラボの比較記事は公開した日のうちに表へ足されます。AI実務ベンチは測った翌日に足されます。同じ機能を測り直したときは新しい結果に入れ替えます。いま載っているのは24の機能で、いちばん新しい検証は2026年11月15日です。データはCC BY 4.0で公開しているので、出典を書けば引用できます。