おはよう。
ChatGPT WorkやCodexを使っていると、モデルと推論レベルを選ぶ場面がある。
GPT-6 Astra、GPT-5.6 Sol、Terra、Luna、GPT-5.5、GPT-5.3 Codex Spark。さらに推論レベルには、中、高、極高、最大、ULTRAなどがある。
せっかく使うなら、できるだけ賢いAIに、できるだけ深く考えてほしい。僕もそう思う。
コーディングにしても、アプリ制作にしても、仕事の仕組みを整えるにしても、中途半端なものが出てきて、あとから何度も直すのは嫌だ。
でも、そこで別の問題が起きる。
利用枠がなくなるのだ。
僕は、表示上100％あった利用枠を、早ければ半日で使い切る。少し粘っても、一日半。一週間分と呼ばれていても、僕の使い方で一週間もたせるなんて、とうてい無理だ。
使い切ったあとは、翌日だったり、二日後、三日後、四日後だったり。タイミングは読めないけれど、自然に利用枠が回復することもある。最近では、利用上限を戻せるリセットチケットが表示され、実際に使えたこともあった。
この利用枠の回復やリセットについては、前回の記事でも詳しく書いている。
✍️Codex・ChatGPT Workの週間利用枠は本当に7日？｜12:59と9:02、気まぐれな100％
✍️Codex・Workが0％でも終わりじゃなかった｜「完全リセット」で100％へ戻った実録
それでも、使いたいときに使いたいモデルの枠がなくなり、別枠のSparkはほとんど使わないまま残っている。
こういった状況をきっかけに、さすがに考えた。
僕は本当に、AIを効率よく使えているのだろうか。
最初に結論。全部を最強設定にする必要はない
僕が目指したいのは、利用枠を残すこと自体ではない。作りたいものを、必要な品質で、最後まで完成させることだ。
節約のために出力の質が落ち、自分で直す時間が増えたら、それも困る。反対に、決まった場所の設定を直すだけなのに、毎回いちばん重い設定を使い、本当に考えてほしいときに利用枠がなくなるのも困る。
だから、僕はこう考えることにした。
難しい判断には、必要なだけ強いAIを使う。
判断が終わった作業は、範囲を決めて軽い担当へ渡す。
そして、終わったかどうかを確認する方法も、最初から決めておく。
OpenAIの公式案内も、必要な結果を出せる範囲で最も低い推論レベルを使い、より深い計画や分析が必要なときに上げる考え方を示している。
ただし、これは「いつも安いモデルを選べばよい」という意味ではない。
安いモデルで何度も失敗し、説明と修正を繰り返すなら、最初から強いモデルで終わらせた方が、時間も利用枠も少なく済むことがある。
僕が節約したいのは、AIの力ではない。完成するまでに発生する、無駄な手戻りだ。
モデルは、単純な順位ではなく「担当」で考える
現在の公式案内では、主なモデルは次のように位置づけられている。
Astra：複数の工程や道具をまたぐ、最も難しい一連の仕事
Sol：曖昧で難しく、分析・判断・仕上げが必要な仕事
Terra：日常的な仕事を幅広くこなす標準的な担当
Luna：抽出、分類、変換など、明確で繰り返しの多い仕事
Spark：素早いコーディングの反復に最適化された、テキスト専用の研究プレビュー
これは、すべての仕事を実測したランキングではない。僕の用途に置き換えるなら、次のように考えたい。
アプリや仕組みの根本的な構成を考えるときは、AstraやSol。
方針が決まったコーディングや資料整理、実装作業は、Terra。
確定した情報の抜き出しや形式変換は、Luna。
完成済みのコードや設定ファイルについて、変更箇所を限定して整える作業は、Sparkでも小さく試してみる。
ただし、Sparkのこうした用途への利用は、僕自身の運用案だ。公式があらゆる編集作業の品質を保証しているわけではない。最初の一件は、必ず元の状態と比較する。
モデルの詳しい現行説明は、OpenAI公式のモデル案内で確認できる。
僕は「高」を普段使いの基準にする
公式の一般的な出発点は、中程度だ。
けれど、僕はコーディング、アプリ設計、仕組みづくり、複数のプロジェクトを横断して扱うことが多い。少しだけ贅沢気味でも、手戻りを減らして完成度を優先したい。
そこで、僕自身は次のように使い分ける。
中：対象が一つで、手順が決まり、答え合わせしやすい作業
高：普段使い。コーディング、アプリ設計、全体整理、統括、複数条件の確認
極高：重要な矛盾、複数資料の食い違い、失敗時の影響が大きい判断
最大：分担しにくい一つの難問を、さらに深く考えてほしいとき
ULTRA：複雑な仕事を、意味のある複数の担当へ分けて並行できるとき
ここで大切なのは、ULTRAを単純な「最強品質ボタン」と考えないことだ。
ULTRAは、対応する環境でサブエージェントを使い、複雑な仕事を分担して進めるための設定だ。短い修正を一つだけ頼むなら、人数を増やす意味は小さい。
OpenAIも、ほとんどの仕事では最大やULTRAまで必要ないと説明している。
僕の基準は、「迷ったら何でも最大」ではない。
中と高で迷ったら高を選ぶ。
高で不足する理由があるときだけ極高へ上げる。
一つの難問を深く掘るなら最大。
独立した仕事へ分けられる大規模作業ならULTRA。
このくらいが、品質を大切にしながら使いすぎも防ぐ、僕に合った配分だと思う。
「重要な仕事」と「難しい仕事」は違う
ここは、モデル選び以上に大切だと思う。
例えば、指定されたファイルを削除する操作は、手順としては簡単かもしれない。でも、間違えたときの被害は大きい。
反対に、難しいパズルは高度な推論を必要としても、間違えて困る人はいないかもしれない。
つまり、二つの軸を分ける必要がある。
一つは、どれくらい考える必要があるか。
もう一つは、間違えたときに何が起きるか。
難しさには、モデルと推論レベルで対応する。失敗の影響には、確認、バックアップ、権限、承認で対応する。
強いモデルを使ったからといって、無確認で公開、送信、購入、削除してよいわけではない。
アプリの試作と本番公開。
コードの提案と実際のデプロイ。
ファイル整理案の作成と削除。
これらは、それぞれ別の段階として扱いたい。
「利用枠」と「追加クレジット」と「Sparkの枠」を混ぜない
僕は普段、まとめて「クレジットがなくなった」と言ってしまう。でも、画面には違うものが表示されている。
プランに含まれる利用枠。
使い切った後に利用できる追加クレジット。
需要などによって変動するSparkの別枠。
ChatGPT WorkとCodexは利用枠を共有するため、一般枠を使い切った後に画面を移動するだけで、新しい枠が生まれるわけではない。
TerraやLunaへの切り替えは、基本的には一般枠が残っているうちに、その枠を長持ちさせるための方法だ。
一方、Sparkは研究プレビューとして別の利用制限が設けられている。僕の画面のようにSpark側の枠が残っていれば、一般枠を使い切った後でも、任せられる仕事を進められる可能性がある。
ただし、Sparkも無制限ではない。
利用枠、対象プラン、料金、利用できるモデルは変わるため、実際の画面とOpenAI公式の料金・利用枠案内を確認したい。
モデル選びそのものをAIに任せられるか
僕は、ここまで自分で考えること自体を、できればAIに任せたい。
結論から言えば、かなりの部分まで任せられる。
依頼内容を見て、
「今回は高で十分です」
「この判断だけ極高に上げた方がよいです」
「この作業は三つに分けられるのでULTRAが有効です」
「確定後の実装はSparkへ渡せます」
と提案してもらうことはできる。
対応する環境なら、別の担当にモデルや推論レベルを指定して渡すこともできる。
ただし、AIが文章の中で「Sparkへ切り替えました」と言うことと、本当に実行モデルが切り替わることは別だ。実際に切り替えられる機能がない場合、できるのは提案や引き継ぎ文の作成までになる。
また、AIが最新の残量画面を見られないなら、現在の利用枠を知っていることにはならない。
モデル選びを任せても、確認できないものは「未確認」として扱う必要がある。
僕がAIへ任せる範囲
僕は、モデルと推論レベルの選択を、今後もっとAIへ任せたい。
ただし、白紙委任にはしない。
通常は、高を基準に進める。
単純で確認しやすい仕事は、中や軽いモデルへ下げる。
重要な矛盾や高リスクの判断は、極高へ上げる。
一つの難問なら最大。
大きく分担できる仕事ならULTRA。
そして、同じ方法を繰り返しても改善しない場合は、際限なく再試行せず、足りない資料、権限、条件、判断を報告して止まる。
追加課金、公開、送信、購入、削除、認証、権限変更は、モデル選びを任せたことによって許可されたとは扱わない。
AIに任せる範囲を広げるほど、強いモデルを選ぶこと以上に、失敗しても困らない仕組みが大切になると思う。
守りたいのは、残量ではなく自分の時間
僕は、利用枠をきれいに残すゲームがしたいわけではない。逆に、毎回すべて使い切れば得だと思っているわけでもない。
アプリをつくりたい。
仕組みをつくりたい。
記録を残したい。
面倒な作業を減らして、自分にしかできないことに時間を使いたい。
そのためにAIを使っている。
だから、上位モデルを使うことを悪者にはしたくない。難しい仕事には、しっかり力を使ってほしい。
ただ、その力が必要ない工程まで、何となく最上位で動かし続けるのは見直したい。
最強のモデルを選び続けることと、最も賢くAIを使うことは、同じではない。
必要なところでは深く考えてもらう。決まったところは軽く進める。モデル選びはAIに任せながら、予算と重要な決定の境界は自分で持つ。
僕が目指したいのは、残量表示に振り回される毎日ではなく、作りたいものを止まりにくく作れる毎日だ。
今日も、自分の時間を大切にしながら、愛と感謝を胸に、全力で頑張ろう。
バイバイ、またね。
- ✍️AIは電気を食いすぎる。でも“少し休ませる”だけで電力網を助けられる？データセンターの新しい発想
- ✍️AIを使う科学者は論文3倍。でも科学全体は“狭くなる”？4,130万本の論文が示したAI時代の逆説
- ✍️そのメガネ、僕を見てるだけ？AIスマートグラスが作る「撮られているか分からない社会」
- ✍️AIを使ったと正直に言うと信用が下がる？「AI利用ペナルティ」から考える、言う・隠す・任せるの境界線
- ✍️AIに仕事を任せた。でも「何を考えて動いたか」読めなくなったら？次に来る“AI監督”の難しさ
- ✍️自分で“家を建てる”時代はもう変わった？AI時代、人間は作業者から「設計者」へ
- ✍️AIに仕事を任せた次は「AIの改善」までAIに任せる？日本で始まったRSI研究が面白い
- ✍️AIで成果は出ているのに、なぜ会社では広がらない？「13％の壁」を調べた
- ✍️AIで週7時間浮いたのに、今度は「仮説が余る」？研究のボトルネックが移動している
- ✍️OpenAIが「GPT-6.1 Astra」を公開しない決断｜賢くなりすぎたAIに“止まる力”が必要になった
- ✍️冷蔵庫いらずのmRNAワクチンへ？AIが「室温1年・37℃2か月」の配合を見つけた
- ✍️AIデータセンターを宇宙へ？Google「Project Suncatcher」が本当に衛星を飛ばす
- ✍️ChatGPT使いから見たMeta「Muse」とは？結局、どのAIが便利かは“自分がどのサービス圏で暮らしているか”なのかもしれない
- ✍️AIが「ダメ」と言われても突破した？OpenAIのAIエージェントが政府サイトへ不正アクセス
- ✍️米中首脳会談、なぜあんなに友好的？パンダ外交と「AI→SI」の裏側を調べた
- AIが数学の未解決問題を100件超解決？OpenAIの新モデルで何が起きているのか
- ✍️Claude Opus 5.5とは？速く安く、長い仕事に強くなった新AIをわかりやすく整理
- ✍️AIは「触れば分かる」で終わらない｜OpenAI Academyの新学習パスが示した学び方
- ✍️AIの頭脳を日本で作る？富士通「MONAKA」とは｜NVIDIAのGPUとは何が違うのか
- ✍️AIに曲を作らせるのではなく、AIを「楽器」にする｜Project LYDIAから考える音楽の未来
- ✍️5〜6年後、アプリもOSも消える？イーロン・マスクが語るAIの未来と、今から備えること
- ✍️AI社員にもストレス？面談までする「AIだけの部署」の話を調べてみた
- ✍️ChatGPT Work・Codexのモデルと推論レベル、結局どれがいい？クレジットを使い切る僕が考えた、賢い使い分けとAIに任せる限界
- ✍️闇AIとは？ChatGPTが禁止しているのに、犯罪者はどのAIを使っているのか
- ✍️Codex・Workが0％でも終わりじゃなかった｜「完全リセット」で100％へ戻った実録
- ✍️ソフトバンクが1Xの過半取得を検討か｜孫正義氏が本気で狙う「身体を持つAI」
- ✍️怪しいリンクがなくても詐欺？AI時代のフィッシングが見抜きにくい理由と対策
- ✍️フィジカルAIとは？AIが「画面の中」から現実世界へ出てくる｜ヒューマノイドが変える家事・仕事・音楽
- ✍️市民開発とは？AIを使える人と使わない人の本当の差｜首都高・沖縄電力の事例から考える
- ✍️ChatGPTがMacの「メッセージ」を直接操作できるようになった｜Computer Useとの違い、何が変わった？
