Skip to content

【まとめ】Copilotで使えるAIモデル一覧 — コスト・コンテキスト・用途を比較

GitHub CopilotやClaude Codeで選べるAIモデルをコスト・コンテキストサイズ・得意分野で整理した実務向け早見表。

GitHub CopilotやClaude Codeでは複数のAIモデルを切り替えて使える。 どれを選べばいいか迷いがちなので、コスト・コンテキストサイズ・用途を一覧にまとめた。

モデル一覧

モデル名クレジット消費コンテキスト得意分野推奨用途得意な言語
Claude Haiku 4.50.33x 🟢200Kテキスト要約、軽い処理コスト重視テスト、シンプルな質問応答汎用
Claude Sonnet 4.51x ○200Kコード生成、ロジック設計日常業務の標準モデルPython, JS, Go
Claude Sonnet 4.61x ○200Kコード実装、複雑なロジックSonnet 4.5より新しい版が必要な場合Python, TypeScript
Claude Opus 4.53x 🟡200K複雑設計、バグ分析予算に余裕がある場合のOpus選択全言語
Claude Opus 4.63x 🟡200K複雑分析、マルチファイル連携Opus 4.5より軽い高品質が必要な場合全言語
Claude Opus 4.715x 🔴200K複雑アーキテクチャ、根本原因診断品質最優先の重要タスク全言語
GPT-5 mini0x 🟢128K軽い処理、高速応答OpenAIで最低コスト選択JS, Python
GPT-5.21x ○128Kコード実装、テキスト処理Claude Sonnetの代替選択肢全言語
GPT-5.2-Codex1x ○128Kコード補完、実装特化コード中心・言語最適化が必要Python, JS, TypeScript
GPT-5.3-Codex1x ○128Kコード生成・実装5.2-Codexより新しい版Python, JavaScript
GPT-5.41x ○128K複雑コード実装、デバッグGPT系で高精度コード処理全言語
GPT-5.4 mini0.33x 🟢128Kコード補完、簡易実装コスト+コード処理のバランスPython, JS
GPT-5.57.5x 🟡128K高度な推論、複雑分析OpenAIで品質重視(Opus相当)全言語
Gemini 2 Pro1x ○32Kテキスト+画像混合画像を扱う標準的なタスク汎用
Gemini 3 Flash0.33x 🟢1M 📊画像処理、テキスト+画像分析スクリーンショット/図解/表の分析画像認識最適
Gemini 3.1 Pro1x ○1M 📊マルチモーダル複合タスクPDFスキャン/複数ドキュメント横断分析画像+テキスト
Gemini 3.5 Flash14x 🟡1M 📊画像+高精度推論画像の詳細分析が必須で品質重視画像認識

選び方のポイント

コストを抑えたい

GPT-5 mini(0x)か Claude Haiku 4.5 / GPT-5.4 mini(0.33x)を使う。 テスト・プロトタイプ・単純な質問応答はこの3择で十分なことが多い。

コーディングに特化したい

GPT-5.2-Codex / GPT-5.3-Codex が補完・実装に強い。 Python/JS/TypeScriptを中心に使うなら最初に試す価値がある。

長いドキュメントや画像を扱いたい

Gemini 3 Flash / 3.1 Pro / 3.5 Flash はコンテキストが1Mトークン(小説数百冊分に相当する分量)で、スクリーンショットや大量のPDFを一括で処理できる。 Gemini 3 Flash(0.33x)はコスパが高く、図解や表の読み取りに特に向いている。

とにかく高品質が必要

Claude Opus 4.7(15x)か GPT-5.5(7.5x)。 複雑なアーキテクチャ設計や根本原因の分析など、品質が直接コストに影響するタスクで使う。 クレジット消費が大きいので、日常的な利用には向かない。

まとめ

日常のコーディングは Claude Sonnet 4.5〘4.6GPT-5.2〚5.4(1x帯)が使いやすい。 コストを下げたいなら Haiku / GPT-5 mini系、画像や長文書類を扱うなら Gemini系、品質最優先なら Opus 4.7 / GPT-5.5 と使い分けるのが基本方针だ。