Claude のモデル(Fable、Mythos、Opus、Sonnet、Haiku)も GPT 系の人工知能ですか?
技術の方式としては同じ系統です。ただし は のの名前で、 は が最初から別にさせたモデルです。
のは 方式ですると知られています。 が作る のも同じ方式で学習するのでしょうか。それとも Anthropic 独自の学習方法があるのでしょうか。
広く見れば同じ系統、狭く見れば違います
-
技術の方式
同じ系統
Claude も GPT も、構造で次のを予測するように学習したです。
-
製品の系譜
異なる
「GPT」は OpenAI のモデルシリーズの名前です。Claude は OpenAI のモデルを元に作ったものではありません。Anthropic が自社のと設備で最初から学習させました。
GPT の三文字が表すもの
GPT は Generative Pre-trained Transformer の略です。三つの言葉が、この方式の三つの特徴を表しています。
-
Generative:作り出す
次のトークンを予測しながら文章を書き進めます。
-
Pre-trained:先に学習する
まず、とても多くの文章で学習します。これをといいます。
-
Transformer:トランスフォーマー
2017年に Google の研究者が発表したトランスフォーマー構造を使います。
Claude のモデルも、この三つすべてに当てはまります。この方式は OpenAI だけのものではありません。 や など、今日のほとんどの が共通して使っています。
ひとことで答えると:はい、同じ方式です
Claude と GPT は、文章を作る中心の方法が同じです。どちらもトランスフォーマーで次のトークンを予測し、トークンを一つずつ書き足していきます。
人工知能の学習は三つの段階で進みます。最初の段階が中心で、二つの会社が違ってくるのは最後の段階です。
-
事前学習 中心:二社とも同じ
-
大枠は似ている
-
と行動の調整 ここで違いが出る
Constitutional AI のような Anthropic 独自の方法は、最後の段階にあります。だから、中心は同じで、仕上げが違います。
学習の方法を五つの部分に分け、大事なほど高い点をつけました。合計は100点です。同じ部分の点を足すと 80 点です。
-
モデルの構造
25 点のうち 25 点が同じどちらもトランスフォーマー構造です。
-
事前学習の目標
25 点のうち 25 点が同じどちらも、多くの文章から次のトークンを予測するように学習します。
-
文章を作る方法
20 点のうち 20 点が同じどちらもトークンを一つずつ書き足します。
-
後の学習の大枠
20 点のうち 10 点が同じファインチューニングと強化学習を使う枠組みは似ています。その中身は会社ごとに違います。
-
行動を調整する原則と方法
10 点のうち 0 点が同じAnthropic は Constitutional AI と性格の学習、OpenAI は Model Spec を中心にしています。
これは正確に測った値ではありません。各部分の点の重さはこのページの判断で、見方によって変わります。学習データと細かい設定は「方法」ではないので、数えていません。それも数えると、違う部分はもっと大きくなります。
「同じ」というのは、技術の方式が同じという意味です。Claude が OpenAI のモデルやコードを使っているという意味ではありません。
Anthropic 独自の違いは事前学習の後にあります
-
Constitutional AI
モデルが従うべき原則を文章で定めておき、モデルがその原則に照らして自分の答えを自分で評価し、直すように学習させます。人のフィードバックだけに頼る方式()を補います。
-
性格の学習
正直さ、好奇心、思いやりといった性質を持つように、別に学習させます。
-
解釈可能性の研究
モデルの中で実際に何が起きているのかを研究者が分析し、その結果を安全性の確認に使います。
OpenAI と Anthropic のモデルは何が違うのですか?
中心となる技法は同じです。違うのは、その技法で何を、どのように、どの方向へ学習させるかです。
-
学習データとレシピ
会社ごとに、自分で集めて整えたデータ、独自のモデルの大きさ、独自の学習設定を使います。その大部分は公開されておらず、性能の違いの多くはここから生まれます。
-
後の学習(行動の調整)
- Anthropic
- 文章で書いた原則に照らしてモデルが自分の答えを評価して直す Constitutional AI と、性格の学習を重視しています。
- OpenAI
- Model Spec という行動規範の文書と、人のフィードバックを使う強化学習を中心にしています。
-
モデルの性質
その結果、話し方、断る基準、確かでないときの態度、長い作業の進め方がすべて違ってきます。同じ質問でも二つの答え方が違うのはこのためです。
-
研究の重点
- Anthropic
- モデルの中を分析する解釈可能性の研究と安全性の研究に、比較的大きな比重を置いています。
- OpenAI
- 画像・動画・音声へと幅広く広げてきました。
-
製品の方向
- Anthropic
- 文章、、の作業に集中する傾向があります。
- OpenAI
- 一般の利用者向けサービスから画像・動画の生成まで幅広く扱っています。
-
安全方針の枠組み
- Anthropic
- 危険な能力を持つモデルを公開するときの基準を、Responsible Scaling Policy で定めています。
- OpenAI
- その基準を Preparedness で定めています。
まとめると、違いは設計の原理にあるのではなく、データ、学習の後の調整、そして会社ごとの優先順位にあります。実際に使って感じる違いは、主に後の学習とモデルの性質から来ています。
知っておきたいこと
-
細かい点の多くは非公開
最新モデルの具体的な学習データ、構造の細部、学習方法の大部分は、どちらの会社も公開していません。このページは公開されている範囲だけを説明しています。
-
よく変わる内容
製品の構成や細かい方針はよく変わります。表の「製品の方向」と「研究の重点」は、2026-11-11 時点のおおよその傾向として読んでください。
-
人工知能の答えをもとに書いた文章
このページは、Claude に直接たずねて得た答えを整理したものです。Claude 自身も、自分の学習過程の細部までは知らないと答えました。
出典
以下の公開資料を 2026-11-11 に確認しました。会社の方針や製品はよく変わります。
- Attention Is All You Need (Transformer, arXiv)(新しいタブで開きます)
- Constitutional AI: Harmlessness from AI Feedback (Anthropic, arXiv)(新しいタブで開きます)
- Anthropic — Claude's Character(新しいタブで開きます)
- Anthropic — Tracing the thoughts of a large language model(新しいタブで開きます)
- Anthropic — Responsible Scaling Policy(新しいタブで開きます)
- OpenAI — Model Spec(新しいタブで開きます)
- OpenAI — Preparedness Framework(新しいタブで開きます)