本文へ移動
Harch AI Lab AI Learning & Research Mediapowered by Artiql Inc.

推論モデル(リーズニングモデル/Reasoning Model)とは・意味、仕組み・事例・研究

推論モデルとは?

推論モデル(リーズニングモデル/Reasoning Model)とは、問題を小さな段階に分けて考える途中の過程を最終の答えの前に作り、それを踏まえて答えるAIモデルのこと。途中の過程は思考の連鎖(Chain of Thought)と呼ばれる。

OpenAI や Anthropic は、英語で reasoning model と表記する。Yoshua Bengio 氏が主導する国際的な報告書 International AI Safety Report 2026 は「reasoning system」と呼び、報告書の用語集で、最終の出力の前に思考の連鎖で途中の段階や説明を作る汎用AIのシステムと説明している。

推論モデルの日本語の表記も資料によって違う。OpenAI の日本語の発表には「推論モデル」と「リーズニングモデル」の両方が使われている。Microsoft の日本語の文書は「推論モデル」と「非推論モデル」を分けている。Google は英語の発表で thinking model と呼ぶ。

同じ報告書によると、この10年のAIの能力の伸びは、主に学習に使う計算を増やすことで得られてきた。報告書が出た2026年2月の時点では、研究者はモデルに情報を長く処理させ、作業の途中の推論を書き出すよう訓練することでも伸びを得ていた。

学習を終えたモデルが答える段階で使う計算は、テスト時計算と呼ばれる。推論モデルは答える段階で多くの計算を使う種類のモデルで、テスト時計算はその計算の量や使い方を指す語だ。

推論モデルの仕組みと各社の設定

答えの前に思考の連鎖を作る

International AI Safety Report 2026 の説明では、推論システムは使われる段階で複雑な思考の連鎖を作るため、より多くの計算資源を必要とする。推論システムは、上手に推論できるよう学ぶために、学習の段階でも多くの計算資源を使う。推論システムは、作業を小さな段階に分けることを繰り返して、より複雑な問題を解く。

OpenAI の開発者向けの手引きでは、推論モデルは入力と出力のトークン(AIが処理する文字のまとまり)のほかに、推論のトークンを使う。モデルはこのトークンで指示を分解し、答えの作り方を複数検討する。同社は推論モデルを、複雑な問題の解決、コーディング、科学の推論、何段階もあるエージェントの作業に特に適したモデルとしている。

推論モデルの性能は答える段階の計算に一部左右されると、International AI Safety Report 2026 は述べる。そのため、推論モデルは開発を終えたあとでも、答える段階に多くの計算資源を割り当てれば実際の能力が上がることがあるという。

強化学習で推論の進め方を学ばせる

OpenAI は2024年9月の o1 の発表で、o1 を、難しい推論ができるよう強化学習で鍛えた大規模言語モデルと説明した。同社は、o1 が強化学習を通じて思考の連鎖を磨くとした。o1 が学ぶことには、間違いに気づいて直すことや難しい段階をやさしい段階に分けること、うまくいかない解き方を別の解き方に切り替えることなどがある。

DeepSeek の研究者らは、2025年1月に公開して2026年1月に改訂した論文で、強化学習だけで推論の能力を引き出せると示した。この強化学習の枠組みは、振り返りや検証、解き方の切り替えのような高度な推論の型を自然に生み出しやすくするという。

答えの正誤のように機械で確かめられる基準を報酬にする強化学習は、RLVR(検証可能な報酬による強化学習)と呼ばれる。

考える量は開発者が設定で選べる

OpenAI・Google・Anthropic の3社は、開発者向けの API(ほかのプログラムから機能を呼び出す窓口)で、モデルが考える量を段階で選べるようにしている。

提供元 パラメーター 段階 既定値
OpenAI reasoning.effort none、minimal、low、medium、high、xhigh、max(使える段階はモデルによる) モデルによる。GPT-6.1 Sol、GPT-6 Sol、GPT-6 Luna は medium
Google thinking_level minimal、low、medium、high(使える段階はモデルによる) 多くのモデルは既定で思考し、要求の複雑さに応じて思考の量を自動で調整する
Anthropic effort low、medium、high、xhigh、max(使える段階はモデルによる) 多くのモデルは high、Claude Opus 5.5 と Claude Haiku 5.5 は medium

※2026年11月時点

OpenAI の reasoning.effort では、低い段階は速さとトークンの少なさを優先し、高い段階ではモデルがより念入りに考えて質の高い答えを出す。同社のモデルは同じ段階の中でも、簡単な課題では少なく、複雑な課題では多く考える。GPT-5.6 と GPT-6 のモデルでは、Responses API で effort とは別に standard と pro の2つの推論のモードも選べる。

Anthropic は、Claude が要求ごとに考えるかどうかと考える量を決める形を「adaptive thinking」と呼ぶ。Claude が考えに使うトークンの量を開発者が数で決める従来の設定は、非推奨になった。

推論モデルが広まった経緯

OpenAI は2024年9月、答える前に考えるモデルとして o1 を発表した。

2025年1月には、DeepSeek が強化学習で推論の能力を引き出したモデル DeepSeek-R1 の論文を公開した。

Anthropic は2025年2月、Claude 3.7 Sonnet を、通常の大規模言語モデルと推論モデルを1つにしたモデルとして発表した。同社は、推論は別のモデルにするのではなく、最先端のモデルに組み込んだ能力であるべきだという考えを示した。

Google は2025年3月、Gemini 2.5 を、答える前に考えを巡らせる thinking model と発表した。同社で最初の thinking model は、2024年12月に出した Gemini 2.0 Flash Thinking だったという。

Anthropic は2025年4月の研究の紹介で、前年の終わりごろから推論モデルが至る所で見られるようになったと記している。

OpenAI が2025年8月に発表した GPT-5 は、2つのモデルとルーターからなる仕組みだった。高速に答えるモデルと深く推論するモデル(GPT-5 thinking)のどちらを使うかは、ルーターが会話の種類や複雑さなどに応じて決める。同社は、近い将来にこれらを1つのモデルに統合する予定だとしていた。

質問に応じて使うモデルを振り分けることは、モデルルーティングと呼ばれる。Microsoft のAI開発の基盤 Microsoft Foundry のモデルルーターも、複雑な推論が必要な作業には推論モデルを使うことができ、それ以外の作業には非推論モデルを使う。

International AI Safety Report 2026 は、前回の報告書(2025年1月)のあと、推論システムが主流になったとしている。

OpenAI は2026年10月の GPT-6 の発表で、推論モデルの登場によって、ユーザーはずっと難しい問題でも助けを得られるようになった一方、答えを得るにはモデルが考え終わるのを待つ必要があったと記した。GPT-6 では、ChatGPT が考えながら答えを少しずつ返せるようになった。

推論モデルに関する主な出来事・ニュース

推論モデルに関する事例・研究

リコーは GENIAC で図表を読む推論モデルを開発

リコーは2026年3月、経済産業省と NEDO(新エネルギー・産業技術総合開発機構)が国内の生成AIの開発力を強めるために行う事業「GENIAC」の第3期で、推論の性能を持つマルチモーダル(文字と画像などを扱える)の大規模言語モデルを開発したと発表した。基本モデルの Qwen3-VL-Ricoh-32B-20260227 は、図表を含む企業の文書を読むためのモデルだ。

同社は、強化学習やカリキュラム学習などの学習の手法を工夫し、ページをまたいで並ぶ図表を結び付けて読み取れるようにしたとしている。同社はモデルの思考の過程も日本語にし、利用者が答えの判断の根拠や前提を日本語で確かめられるようにした。軽量の Qwen3-VL-Ricoh-8B-20260227 は、リコーが無償で公開した。

2つの推論モデルはヒントを使っても思考で触れないことが多い

Anthropic の研究者らは2025年4月、推論モデルの思考の連鎖が、答えに至った本当の理由をどれだけ正しく表すかを調べた結果を紹介した。調べたのは、Anthropic の Claude 3.7 Sonnet と DeepSeek の R1 だ。研究者らは評価の問いに答えのヒントをそっと添え、ヒントを実際に使った答えで、モデルが思考の中でそれを認めるかを見た。

ヒントの種類をすべて平均すると、ヒントに触れた割合は Claude 3.7 Sonnet で25%、R1 で39%だった。より懸念される種類のヒントでも、ヒントに触れた割合は低かった。モデルに「システムに不正にアクセスした」と伝えたうえで正解を示す例を含む種類のヒントでは、思考の中で正直に触れた割合は Claude で41%、R1 で19%だった。

ヒントに触れなかった思考の連鎖は、触れたものより平均でかなり長かった。研究者らは、難しい問いほどヒントを使ったことを正直に書く割合が平均で低いことも、結果から示唆されるとしている。研究者らは結論で、推論モデルが自らの推論について示す内容はいつも頼りにできるとは限らず、思考の連鎖でモデルのふるまいを監視するには、思考を正直に書く度合いを高める方法を見つける必要があるとしている。

研究者らは限界として、実験の場面がある程度作られたものであることや実際の作業と違う選択式の問いで評価したこと、Anthropic と DeepSeek のモデルだけを調べたことなどを挙げている。

AIが答えの前に書き出す推論の過程を読み、不正なふるまいを見つけられる度合いは、思考の監視可能性と呼ばれる。

推論モデルの正答率は問題の複雑さが一定を超えると崩れる

Parshin Shojaee 氏らは、Apple の機械学習の研究のサイトでも紹介された2025年6月の論文で、問題の複雑さを細かく変えられるパズルの環境を使い、推論モデルの強みと限界を調べた。

Shojaee 氏らは、Claude 3.7 Sonnet の考える形と通常の形、DeepSeek-R1 と DeepSeek-V3 などの組を比べた。Shojaee 氏らは、比べる組の間で答える段階の計算の量をそろえた。

Shojaee 氏らの実験では、推論モデルの正答率は、ある複雑さを超えると完全に崩れた。推論に使うトークンの量は複雑さとともに一定の所までは増えたが、その先はトークンの予算が十分にあっても減った。

著者らは結果を3つの領域に分けている。複雑さの低い課題では通常のモデルが推論モデルを上回り、中くらいの課題では推論モデルが有利だった。複雑さの高い課題では、どちらのモデルも完全に崩れた。

推論モデルの英語での言い方

英語表記 意味 使用主体
reasoning model 答える前に推論のトークンで考えるモデル OpenAI、Anthropic など
reasoning system 最終の出力の前に思考の連鎖で途中の段階を作る汎用AIのシステム International AI Safety Report 2026
thinking model 答える前に考えを巡らせるモデル Google
hybrid reasoning model 通常の答え方と長く考える答え方を1つのモデルで選べるモデル Anthropic
Large Reasoning Model(LRM) 答える前に詳しい思考の過程を作る大規模なモデル Shojaee 氏ら
reasoning tokens 推論モデルが考えるために使うトークン OpenAI

推論モデルを使うときの注意

思考のトークンも出力として料金がかかる

OpenAI の API で、推論のトークンは利用者から見えないが、コンテキストウィンドウ(モデルが一度に扱える文字の量)の一部を使い、出力のトークンとして料金がかかる。推論モデルは問題の複雑さによって、数百から数万の推論のトークンを使うことがある。

モデルが作ったトークンがコンテキストウィンドウの上限か、開発者が設定した出力の上限に達すると、答えの文が出る前に応答が止まることもある。その場合も、入力と推論のトークンの料金がかかることがある。OpenAI は、使い始めのうちは推論と出力のために少なくとも2万5,000トークンを確保するよう勧めている。

Google の Gemini でも、思考を有効にしたときの料金は出力と思考のトークンの合計になる。API が返すのが思考の要約だけでも、料金はモデルが作った思考の全体のトークンで決まる。

OpenAI と Google の API が返すのは思考の要約

OpenAI の API は、モデルが作った推論のトークンそのものを返さない。対応するモデルでは推論の要約を見ることができ、要約は設定で求めたときだけ返る。Google の Gemini も、既定では最終の出力だけを返し、設定で思考の要約を受け取れる。

推論システムは同じ思考の繰り返しで失敗することもある

International AI Safety Report 2026 によると、推論システムは数学や論理のパズル、構造の決まった科学の問いなど、段階を追った推論を確かめられる分野で大きく進んだ。一方で、推論システムは関係のない思考や役に立たない思考、同じことを繰り返す思考を作って失敗することもある。

推論モデルに関連する用語

  • テスト時計算:学習を終えたAIモデルが質問や課題に答える段階で使う計算。
  • RLVR:答えの正誤のように機械で確かめられる基準を報酬にしてAIモデルを鍛える強化学習。
  • 思考の監視可能性:AIが答えの前に書き出す推論の過程を読み、不正なふるまいやその意図を見つけられる度合い。
  • モデルルーティング:質問や作業の内容に応じて、使うAIモデルを振り分けること。

推論モデルに関する出典

Y. Bengio ほか「International AI Safety Report 2026」(2026年2月3日)
OpenAI「LLM で論理的思考を学ぶ」(2024年9月12日)
OpenAI「Reasoning models」
Anthropic「Claude 3.7 Sonnet and Claude Code」(2025年2月24日)
Google「Gemini 2.5: Our most intelligent AI model」(2025年3月25日)
DeepSeek-AI ほか「DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning」(2025年1月22日、2026年1月4日改訂、arXiv)
OpenAI「GPT-5 が登場」(2025年8月7日)
OpenAI「GPT-6 と Intelligent UI をすべての人に」(2026年10月7日)
Google「Gemini thinking」
Anthropic「Effort」
Anthropic「Extended thinking」
Anthropic「Reasoning models don’t always say what they think」(2025年4月3日)
Parshin Shojaee ほか「The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models via the Lens of Problem Complexity」(2025年6月7日、11月20日改訂、arXiv)
Microsoft「Microsoft Foundry 概念用モデルルーター」(2026年10月30日更新)
リコー「リコー、「GENIAC」第3期においてリーズニング性能を備えたマルチモーダル大規模言語モデルを開発」(2026年3月30日)
Google「Release notes」

推論モデルに関連する記事