自己学習ノート

1 はじめに
1.1 【質問】
「大規模言語モデル(LLM: Large Language Model)やAIツールが多すぎて、どれを利用すべきか迷っています。どうすれば良いものを見つけられますか?」

1.2 【重要なポイント】
・LLM、AIツールは日々進化しており、最適なものを選択するのは難しい。
・話題になったLLM、AIツールもすぐに廃れる可能性があるため、1~2ヶ月様子を見てから評価する。
・自身のタスクに特化したLLMを選択することが重要。（AIツール「OpenRouter」が役に立つ）

2 Mamoruが日々使用している言語モデル
2.1 主要なLLM
・OpenAI: GPT
・Anthropic: Claude
・Google: Gemini

2.2 その他のLLM
・DeepSeek
・Perplexity AI
・Qwen(クウェン): Alibaba
・Mistral(ミストラル)
・Microsoft: Phi (ファイ)

3 各モデルの詳細
3.1 OpenAI: GPT
・【特徴】オールラウンダー。テキスト、画像、音声に対応。困ったときにまず試す。
・GPT-4o: 汎用的な用途
・o1/o3: 推論モデル。複雑な問題解決、論文のような情報生成。
・【注意点】日本語文章の生成にAIっぽさがある。
・【リンク】 https://chatgpt.com/

3.2 Anthropic: Claude
・【特徴】日本語の文章の自然さに優れる。信頼性のある情報生成を重視。
・【使い分け】
・きっちりとした日本語の文章を書きたいときに使用。
・ブログなど、信頼性の高い情報を載せるべき箇所に使用。
・【リンク】 https://claude.ai/

3.3 Google: Gemini
・【特徴】くだけた日本語、カジュアルな日本語の表現が得意。画像認識のレベルが高い。
・【使い分け】
・カジュアルな日本語の文章を書きたいときに使用。
・画像からの文字起こしに使用。
・【リンク】 https://gemini.google.com/

3.4 DeepSeek
・【特徴】コード生成能力が高いと言われている。
・【注意点】まだ評価段階。以下の本家のサイトでは、個人情報漏洩のリスクが報告されているため、後で紹介するOpenRouterでの利用を推奨
・【リンク】 https://www.deepseek.com/

3.5 Perplexity AI
・【特徴】検索エンジンとの連携が特徴。
・【使い分け】
・リサーチのベースラインとして使用。
・他のモデルと比較して検索性能を評価。
・【リンク】 https://www.perplexity.ai/

3.6 Qwen (Alibaba)
・【特徴】入力できるプロンプトのトークン(文字数)が多い。
・【用途】
・長いコードの評価、バグの発見。
・丁寧で細かい回答を必要とするコーディング作業。
・【リンク(Huggingf Face上で無料利用可能)】 https://huggingface.co/spaces/Qwen/Qwen2.5

3.7 Mistral
・【特徴】オープンソースのLLM。カスタマイズ性が高い。
・【用途】
・特定のタスクに特化したLLMを作成。
・自分専用のLLMを開発。
・【リンク】 https://chat.mistral.ai/chat

3.8 Phi (Microsoft)
・【特徴】軽量で効率が良い。
・【用途】
・ノートパソコンにダウンロードしてオフラインで使用。
・RAG (Retrieval-Augmented Generation) システムとの組み合わせ。
・機密情報を扱うタスク。
・【リンク(OpenRouter)】 https://openrouter.ai/

4 Mamoruが重用している２大AIツール
4.1 Open Router(オープンルーター)
・【特徴】あらゆる（？）LLMを一つのプラットフォームで使える。モデルの比較、WEB検索も可能。
・【活用例】
・複数のLLMに同じプロンプトを入力し、結果を比較検討する。
・特定のタスクに最適なLLMを見つける。
・【リンク】 https://openrouter.ai/

4.2 LangFlow(ラングフロー)
・【特徴】複数のLLMを組み合わせて、プロンプトワークフローを作成できる。ビジュアルで操作可能。
・【活用例】
・Perplexity AIで検索し、その結果をGeminiに入力してブログ記事を作成する。
・複数のLLMを連携させて、複雑なタスクを自動化する。
・DEEPRESEARCHのような機能を自作する。
・【リンク】 https://www.langflow.org/

5 まとめ
5.1 LLMの選択は、タスクや目的に応じて異なる。
5.2 Open RouterやLangFlowなどのツールを活用することで、最適なLLMを見つけ、より高度なタスクを実行できる。
5.3 OpenRouter (最適LLMの選定)+ Langflow（最適プロンプトワークフローの構築） + プロンプトエンジニアリングの組み合わせで、LLMの性能を最大限に引き出すことができる。