AIの性能仕様を分かりやすく。どこを見れば良いのか？何が出来る性能なのか？

2026/08/22

1. モデルカードに並ぶ数字の意味

AIモデルが公開されるとき、たいてい「モデルカード」と呼ばれる仕様書のようなページが公開される。数字が多く、どこを見ればいいのか分かりにくいが、実務で判断材料になるのは主に次の項目だ。

2. パラメータ数 — モデルの「容量」の目安

「7B」「70B」のような表記は、モデルが持つパラメータ（重み）の個数を指す（Bは billion＝10億の略）。パラメータ数が多いほど、一般に表現力・知識量は大きくなる傾向があるが、同じパラメータ数でも、学習データの質や量、アーキテクチャの違いによって実際の性能は大きく変わる。パラメータ数だけを見て単純に「数字が大きい方が賢い」と判断するのは早計であり、あくまで一つの目安に過ぎない。

MoE（Mixture-of-Experts）構成のモデルでは、「総パラメータ数」と、実際の推論で使われる「アクティブパラメータ数」が分けて表記されることがある。例えば実在するモデル「DeepSeek-V3」は総パラメータ数6,710億に対し、実際の推論で動くのは約370億パラメータ相当に過ぎない（詳しくは本誌のMoE解説記事を参照）。体感の応答速度に近いのは、この「アクティブパラメータ数」の方である。仕様書で「総パラメータ数」しか確認せず、実際の動作コストを見誤るというのは、実務でありがちな失敗の一つだ。

3. コンテキスト長 — 一度に「読める」量を具体的に計算する

コンテキスト長（context window）は、モデルが一度の会話・処理で保持できる情報量を指し、トークン数で表される。日本語ではおおよそ1トークン＝1〜2文字程度が目安になる（英語ではおおむね1トークン＝4文字程度）。

具体例で考えてみよう。コンテキスト長が「8,192トークン」と表記されているモデルがあった場合、日本語で扱える文章量はおおよそ8,000〜16,000文字程度、原稿用紙にして20〜40枚分に相当する。本誌の記事1本（3,000〜9,000文字程度）であれば、まるごと一度に読み込ませても十分に収まる計算になる。一方で、数百ページに及ぶ技術文書や、大量のソースコードをまとめて読ませたい場合には、この程度のコンテキスト長では不足し、より長いコンテキストに対応したモデルか、文書を分割して読み込ませる工夫（本誌の解説記事で扱ったRAGなど）が必要になる。

コンテキスト長が長いほど有利に思えるが、コンテキストを使い切るほど長い入力を与えると、応答速度が遅くなったり、API利用時のコストが増えたりするトレードオフがある点にも注意が必要だ。

4. ベンチマークスコア — 「何ができるか」の手がかり

MMLU（幅広い知識・推論を問う問題集）、HumanEval（コード生成能力）、GSM8K（数学の文章題）など、用途別のベンチマークが多数存在する。モデルカードにこれらのスコアが並んでいる場合、自分のユースケースに近いベンチマークのスコアを優先的に見るのが実務的な読み方だ。コード生成に使いたいのに、数学ベンチマークのスコアだけを見て判断するのは的外れになりやすい。

なお、ベンチマークスコアには「学習データにベンチマーク問題そのものが混入していて、実力以上に高いスコアが出てしまう（データ汚染）」という既知の問題があるため、単一のベンチマークスコアを鵜呑みにせず、複数の独立した評価や、実際に自分のタスクで試した結果と照らし合わせることが望ましい。

5. 量子化レベル・必要リソース — 「動かせるか」を数字で確認する

自社の環境やローカル環境でモデルを動かす場合、量子化レベル（FP16、Q4_K_Mなど）と、それに応じて必要なメモリ・VRAM容量が実務上の最大の制約になることが多い。実例として、7Bクラスのモデルは、無圧縮のFP16では約14GBのメモリを要するが、Q4_K_Mという一般的な4ビット量子化を適用すると約4.1GBまで圧縮でき、精度への影響はパープレキシティ換算で1%未満にとどまるとする実測結果が報告されている（詳しくは本誌の量子化解説記事、およびローカルLLM記事を参照）。仕様書に「7Bモデル」とだけ書かれていても、量子化レベルによって必要なハードウェアが3倍以上変わる、ということを踏まえて読む必要がある。

6. まとめ：仕様書を読む3ステップ

自分のタスクを明確にする（対話、コード生成、要約、翻訳など）
そのタスクに近いベンチマークのスコアを比較する（パラメータ数だけで判断しない。MoEならアクティブパラメータ数も確認する）
手元の環境で動かせる量子化レベル・コンテキスト長かを、具体的なGB数・トークン数で確認する

仕様書の数字はあくまで「入り口」であり、最終的な判断は自分のユースケースでの実測に勝るものはない、というのが実務上の共通認識になっている。